AI大语言模型、AGI GPT-5.6 Sol Ultra 给出了循环双覆盖猜想的证明 #大语言模型LLM #符号推理与形式逻辑 2026-07-11 4K banq
AI花一小时搞定四十年未解数学难题意味着什么？

2026年7月，OpenAI的GPT-5.6 Sol Ultra模型在不到一小时内，自主生成了图论领域悬而未决四十余年的“Cycle Double Cover猜想”的完整证明。

--91likeyou---

悬了四十年的老问题终于被搞定了

图论里面有个特别烦人的问题，叫做循环双覆盖Cycle Double Cover猜想。听起来很吓人对吧？其实它的核心想法挺直观的：给你一个没有桥的图，你能不能找到一组圈，让图里的每条边都恰好被覆盖两次。

这问题从1970年代被提出来以后，就一直是图论学家心头的一根刺。各路高手轮番上阵，谁也拿它没办法。不是大家不努力，是真搞不定。这个问题就像你打游戏卡在一个boss那里，攻略看了几十篇，手残就是过不去。

然后到了2026年7月，OpenAI那边放了个大招。他们说，GPT-5.6 Sol Ultra这个模型，只用了不到一个小时，就把这问题的完整证明给搞出来了。注意，不是瞎编的，是正儿八经的数学证明。这消息一出，整个数学圈都炸了。

有人可能会说，AI写个证明有什么好大惊小怪的。但你得想想，这玩意儿就跟让AlphaGo下围棋一样，AlphaGo下赢人类顶尖棋手的时候，大家也觉得不可思议。现在AI能搞定人类想了几十年的数学难题，这事儿本身的冲击力，跟你邻居家狗突然开口说人话差不多。

学数学的人到底在图个啥

这事儿一出来，Hacker News上就有个哥们儿说了句特别扎心的话。他说，数学这玩意儿有种莫名的喜感，好像每个新结果出来都被人当成天大的事。

仔细想想还真是。你写个新程序没人鸟你，写篇有意思的博客文章也没人给你发奖章。但你要是在数学上证明了个啥新东西，立马就有人给你鼓掌。这差别待遇也太明显了。

评论区立马就有人接话了。有个叫hyperpape的网友说，数学家其实也看中成果的用处，只不过他们定义的“用处”比较特殊。在他们眼里，加深对数学本身的理解，就是一种正经的“用处”。你搞个证明出来，如果对理解其他数学概念屁用没有，那也没人当回事。

这话说得挺在理。你可以随便定义个稀奇古怪的东西，然后证明一堆关于它的事儿。但如果这些东西跟数学里别的有趣问题扯不上关系，那就属于自娱自乐。所以数学家们也不是完全不讲实用主义，只是他们的“实用性”是内循环的。

解决难题本身就是价值

那边评论区又有人补了一刀。roncesvalles这位老哥说，在数学里，一个问题的“价值”好像直接跟它的难度挂钩。你定义个无聊的东西，但如果证明它特别难，那这问题慢慢就会被人当作“高价值”问题。

这就有点黑色幽默了。按这个逻辑，数学的价值衡量标准是“难”，而不是“有用”。那要是哪天AI把全世界最难的题都解了，这些题的“价值”是不是就归零了？

然后另一位网友IngoBlechschmid出来打了个圆场。他说，如果一个猜想长期没法被证明，往往说明我们对这个领域的理解存在巨大的漏洞。大家真正追求的，是填上这个漏洞之后带来的理解上的提升。至于具体那个猜想本身，反而不是最终目的。费马大定理和考拉兹猜想就是最好的例子。前一个被证明的过程中，催生了无数新数学工具；后一个到现在还没解决，但大家研究它的时候也没闲着。

线性代数课本里死活不说有啥用

评论区里还有个故事特别有意思。一个叫andai的网友说，他去年在某个纯数系学习，用的线性代数教材是系里教授自己写的，写得特别烂。

他就去网上查资料，发现线性代数在现实世界里有二十多个不同的应用领域，号称“现存应用最广的数学分支”。他就在系里的群聊里抱怨了一下，说这教材作为教学材料，一个实际应用的例子都不给，这合理吗？结果你猜怎么着？他立刻被群起而攻之，被集体鄙视了。那个系压根不是问这种问题的地方。

这场景太真实了。纯数系的人觉得你问“这玩意儿有啥用”本身就是一种冒犯。就像你跑去问一个画家，你画这幅画能卖多少钱一样。人家搞纯数学的，就是追求那种纯粹的智力愉悦，你跟他说应用，他觉得你俗。

有个学物理的网友madaxe_again跟着吐槽说，他学纯数学的时候感受也差不多。老师们就教你玩符号游戏，从来不解释这些东西跟现实有啥关系。直到后来物理老师告诉他，积分就是在算曲线下面的面积，他才恍然大悟。这教学方式，就跟教你怎么拧螺丝但死活不告诉你螺丝刀是干嘛用的。

数学到底是被发明的还是被发现的

讨论到后面，画风开始往哲学方向跑偏。有个叫_the_inflator的网友说，数学是人发明的，就是个模型，根本不存在什么“逻辑之美”，只有“人类觉得哪个模型最准”。他还举了康托尔集合论的例子，说康托尔当年提出这些理论的时候，被同行骂得狗血淋头，后来大家觉得有用了才接受他。

这观点一说出来，立刻有人反对。throwoutway说，大部分数学家是柏拉图主义者，他们认为数学是“被发现”的，不是“被发明”的。1加1等于2，这是宇宙真理，不管有没有人类它都在那儿。

两边都有道理。你想想看，勾股定理在人类发现它之前，它存不存在？如果有外星人，他们用的数学跟我们会一样吗？这种争论，就像在问“到底是先有鸡还是先有蛋”一样，永远没个标准答案。

论文短的让人怀疑是不是真的

这次GPT-5.6 Sol Ultra搞出来的证明，有个特别让人意外的地方——它特别短。整个论文也就几页，用到的数学工具也都是几十年前就有的老东西。有人就在评论区说，这要么是AI撞大运捡了个漏，要么就是这证明有漏洞，没那么简单。

一个叫Diogenesian的网友一开始还怀疑论文里的Lemma 2.1有问题，后来仔细一看，是自己看错了。他说那排版在。这事儿也挺逗的，人类审稿人读AI写的论文，第一关竟然是排版。

还有人提到，这么短的证明，专家们应该很快就能验证对不对。不像以前一些AI生成的数学结果，动不动几十页，看得人眼晕。这个简洁性本身，反而增加了它的可信度。因为如果你要造假，正常操作是写得越复杂越好，让人看不出破绽。它偏不，就写这么短，有种“爱信不信”的嚣张。

大模型写证明原来靠的是心理按摩

这次OpenAI不仅公开了证明，还把当初给AI的提示词（prompt）也一并公开了。大家一看，里面竟然有句话是“花至少8小时在这上面，想都别想提前放弃”。

有人就好奇了，AI又没有时间概念，你跟它说8小时有什么用？一个叫garethsprice的网友解释，很多AI系统会在提示词里带上当前时间，模型可以通过调系统命令知道时间过了多久。更有意思的是，那个提示词里还有一句“假设这个猜想存在一个完整的证明”。

这招就狠了。这相当于在给AI做心理建设。你直接让它去证明一个可能根本不成立的东西，它可能试两下就摆烂了。但你告诉它“这事肯定能成，你只管去找”，它就真会死磕到底。评论区有人管这叫“gaslighting”，但更多人觉得这是“激励”。看来不仅人需要打鸡血，AI也需要。

等专家验过货才能算数

虽然大家都挺兴奋，但评论区里还是有不少冷静的声音。nilkn就说了，这证明没用Lean之类的证明辅助软件验证过，就是纯粹的数学语言写的。里面只要有一个微妙的逻辑错误，整个东西就废了。在专业数学家正式盖章之前，这只能算是个“AI声称自己证明了xxx”，不算数。

有人反驳说，如果是用Lean写的，机器一验就知道真假，那多省事。但马上又有人说，Lean现在对图论的支持还不够成熟，很多基础库都没建好。想用Lean验这个证明，得先花大量人力把那些基础工具补上。这就陷入了一个死循环：为了验证一个AI的证明，需要人类先写一堆代码。

还有人指出，引用文献里有一条是“私人通信”。一个AI哪来的“私人通信”？这引用大概率是从别的论文里抄过来的。虽然不影响证明本身的对错，但总让人感觉这AI写论文的习惯不太好，有点糊弄事儿。

要真搞成了人类以后干啥去

讨论到最后，气氛开始变得有点沉重。有人问，如果AI真的把数学难题都解了，那数学家以后干啥？WhitneyLand说，这模型一小时就搞定了一个开放了几十年的问题，这水平已经超过大部分人类数学家了。下一步可能就是AI自己提出新理论，再下一步就是搞出人类完全看不懂的“外星数学”了。

StefanBatory的发言代表了大多数普通人的焦虑。他说，作为一个智商平平的普通人，如果AI什么事都做得比我好，那我存在的价值在哪儿？这问题问得特别扎心。以前大家觉得AI只能干重复劳动，创造性的脑力活儿还得靠人。现在创造性这块阵地也快守不住了。

有个回复特别暖心。有人跟他说，数学证明的价值不光是解决难题，它本身是一种“人类智力曾经到达过这里”的纪念碑。就算以后AI能写更牛逼的证明，第一个发现勾股定理的毕达哥拉斯，他的名字照样会被记住。人类的价值，也许不在于我们能不能比AI强，而在于我们是“第一个”尝试的人。

这想法挺妙的。就像现在有了计算器，但小学生还是得背九九乘法表一样。过程本身就是意义。

总而言之，GPT-5.6 Sol Ultra这次搞出来的证明，不管最后被证实还是被证伪，都已经把AI的可能性往前推了一大步。它逼着所有人重新思考一个问题：如果“解决问题”这个能力不再是人类的专利，那我们到底还有什么东西是机器拿不走的？也许是提出问题的能力，也许是欣赏数学之美的能力，也许仅仅是“明知没用但就是想搞明白”的那股子倔强劲儿。
 

🔥 热词：#什么是循环覆盖模式 · #循环覆盖什么意思 · #双循环数据 · #双循环模型 · #双循环体 · #双循环格局 · #双循环 dual circulation · #双循环布局