GPT-5.6 一小时破解50年数学猜想！OpenAI 公开 700 词 Agent 编排密文
大模型的能力天花板，又被拉高了一大截。
一、引言
北京时间 2026 年 7 月 10 日，OpenAI 研究院 Ethan Knight 在社交媒体上宣布了一个让数学界和 AI 界同时震撼的消息：
GPT-5.6 仅用了不到一小时，就完成了循环双覆盖猜想（Cycle Double Cover Conjecture）的证明。 这道题存在了整整半个世纪，是图论领域最著名的开放问题之一。
更让人惊讶的是，OpenAI 同步公开了完整的 Prompt------这份约 700 词的"操作手册"，或许是比证明本身更有价值的技术资产。
二、GPT-5.6 做了什么？------从 50 年到 1 小时
循环双覆盖猜想，最早可追溯到 Tutte、Itai & Rodeh、Szekeres 和 Seymour 等数学家的研究。它的核心问题很简单：
给定一张由点和线组成的图，能否找出一批首尾相接的"圈"，让图上的每一条边，都恰好被这些圈经过两次？
举个直观的例子：
想象一张地图，A 到 J 是十个城市，它们之间有公路相连。绿色的路线从 A 出发，经过 B、C、D、E 后回到 A------这是一个圈。但只有这一个圈还不够，因为外侧的边只被覆盖了一次。
于是需要加入蓝色路线，它也从 A 出发，但拐进了图的内部，最后再绕回 A。这样 A→B 这条边就被覆盖了两次。
以此类推，直到每一条边都被恰好覆盖两次。
听起来像是一个复杂的组合优化问题？确实如此。问题的难点不在于为每条边找一个圈，而在于所有圈必须在整张图上同时协调------不能漏掉任何边，也不能让任何边多出现一次。
GPT-5.6 采用的 Sol Ultra 版本，将测试时计算并行大幅铺开，通过 64 个子 Agent 同时工作，把原本可能需要一整天的证明压进了 1 小时。
Noam Brown（o1 核心贡献者）在 ICML 会议上第一时间肯定了这项成果，并特别指出：这次用的不是内部特供模型，而是公开可用的 GPT-5.6 Sol Ultra。
三、GPT-5.6 的证明思路：不找圈，先贴标签
理解 GPT-5.6 的推理过程，比看懂证明本身更有启发。
它没有直接在图里寻找圈，而是换了一种数学上更优雅的思路：
先把"找圈"转化成一个有限域上的边标号问题，再用线性代数证明这些标号一定能在整张图上拼起来。
整个证明大致分四步：
- 简化：把一般图归约为三次图（每个顶点恰好连着三条边），只要三次图被证明，原问题随之解决。
- 标号：利用无处为零的 8 流定理，给每条边贴上非零的"三位二进制标签"，并保证每个顶点处相邻三条边的标签能彼此抵消。
- 扩展：把每条边的一个标签扩展成两个，让同一标签在每个顶点附近要么不出现，要么恰好出现两次。带有同一标签的边自然首尾相接组成圈。
- 全局一致：将全局协调问题转化为一个线性方程组，用对偶空间和奇偶性证明一定有解。
最核心的洞察是：不直接解决问题，而是设计一个让答案自己"长出来"的框架。
四、OpenAI 公开的 Prompt 密文------700 词驾驭 64 个子 Agent
如果说证明本身是 AI 能力的展示，那么这份 Prompt 才是普通开发者最该学习的东西。
它大约 700 个英文字符，但包含的智慧远超字数本身。 以下是四个最值得抄走的技巧：
技巧一：不写解题步骤，写清楚"什么叫解完"
很多人写复杂任务的 Prompt，第一反应是安排流程------先分析，再方案，再验证，最后总结。
但对真正未知路径的任务，SOP 本身可能就是错的。
OpenAI 的做法相反：不规定模型用什么方法（归纳法？流理论？极小反例？），而是反复强调最终结果必须满足什么条件。
验收标准非常明确：
- 每一个有限、无桥、无自环的多重图，都必须被证明存在圈双覆盖
- 明确禁止通过添加额外假设来绕道（不能只证明三次图、不能只证明平面图、不能假设图一定连通）
对路径未知的任务，不要过度规定过程，要把最终交付物定义清楚。
技巧二：把定义、范围和边界情况一次性说清楚
模型出错，很多时候不是不会推理，而是一开始理解的任务就和你想要的不一样。
所以 OpenAI 在正式提出问题前，花了很大篇幅精确定义：
- 什么是图、什么是桥、什么是圈、什么是圈双覆盖
- 平行边是否允许？两条平行边能不能组成一个圈？
- 不连通图算不算？无边图怎么处理？
- 圈不必是诱导圈，也不必彼此边不相交
所有可能产生歧义的地方提前消除。
而且 Prompt 中多次在不同位置重复"最终目标是什么"------这种重复看似啰嗦，实际是在帮助模型长时间推理时不偏离任务。
技巧三：不只告诉模型什么是答案，还要列出什么不算答案
这是最值得直接抄走的技巧。
OpenAI 专门列出了一批看起来已经很接近、实际上仍然不合格的结果：
- 只证明某些特殊图类 → 不算
- 构造了覆盖，但部分边不是恰好出现两次 → 不算
- 理论上正确但缺少构造性证明 → 不算
提前预测模型可能的"偷懒"方式，先天地排除掉一批失败路径。
技巧四：复杂任务不固定分工，而是动态搜索 + 独立审查
OpenAI 要求模型调用最多 64 个智能体，但没有简单规定每个智能体的角色。
相反采用了一套更精妙的编排策略：
- 先建立多样化的方法组合，再根据每条路线的实际进展动态调整资源
- 如果大量 Agent 挤到同一种方法上，就把一部分重新分配到尚未探索的方向
- 如果某条路线卡在与原问题同样困难的引理上，标记为"受阻"，不再继续堆算力
- 专门设置"对抗性智能体"，负责检查候选证明有没有偷换定义、漏掉边界情况
- 每个子 Agent 必须带回具体结果（引理、方程、构造或反例），不能只汇报"有进展"
这里面包含两个极其实用的原则：
- 探索隔离：不要让所有 Agent 一开始就知道"当前最被看好的答案"，否则容易集体收敛到同一个错误上。
- 审验分离：不要让提出方案的模型顺手给方案打分，要专门安排角色找漏洞。
五、对 AI 开发和 Prompt 工程师的启示
GPT-5.6 的这次突破，不仅是一次数学证明的成功，更揭示了几个正在加速的趋势：
1. 多 Agent 协作成为新范式
64 个子 Agent 在 1 小时内并行探索证明路径------这不是简单的"堆更多模型"，而是动态编排、资源自适应的协作体系。未来复杂任务的解决，不再是单个模型的能力比拼，而是 Agent 编排能力的较量。
2. Prompt 正在从"指令"进化为"合同"
OpenAI 的这份 Prompt 本质是一份可以验收、可以审查、可以纠错的任务合同。它不规定道路，但把终点、边界、失败条件和审查机制全部写清楚。这代表了 Prompt 工程的高级形态。
3. 测试时计算的规模化红利远未到顶
GPT-5.6 Sol Ultra 把测试时计算并行铺开，让 64 个子 Agent 同时工作。随着硬件和调度能力的提升，这个数字可能很快扩展到 100、1000。算力的瓶颈正在从训练转向推理。
六、结语
GPT-5.6 一小时证明 50 年数学猜想，是一个里程碑事件。但对我来说，比这个结果更有价值的，是 OpenAI 公开的那份 700 词的 Prompt。
它告诉我们：驾驭下一代模型的关键，不在于让模型更聪明，而在于学会用"合同思维"来定义任务。
定义好终点，让模型自己找到路。这才是这个时代最该掌握的技能。
完整 Prompt 和证明文件：