GPT-5.6 доказал 50-летнюю математическую гипотезу — правда или маркетинг?

10 июля 2026 года OpenAI выложила два PDF-файла. Один — трёхстраничное доказательство задачи, над которой математики бьются полвека. Второй — 700-словный промпт, который привёл к этому доказательству. Оба публичные. Оба на сайте OpenAI.

GPT-5.6 Sol Ultra в режиме Ultra использовал 64 параллельных субагента и за меньше часа произвёл candidate proof Cycle Double Cover Conjecture — одной из самых известных открытых задач теории графов.

Scientific American написал об этом статью. Математик из Манчестера назвал доказательство «very nice» и «elementary». Но тут же добавил: «could have been discovered in the 1980s». И это не комплимент.

Что за задача

Cycle Double Cover Conjecture (CDC) — гипотеза, сформулированная независимо Джорджем Секерешем (1973) и Полом Сеймуром (1979). Звучит просто:

У любого графа без мостов существует набор циклов, которые покрывают каждое ребро ровно два раза.

Если вы не математик: представьте сеть дорог между городами. «Мост» — это дорога, без которой часть сети отрезана. Гипотеза утверждает, что если таких мостов нет, то можно проложить набор круговых маршрутов так, что каждая дорога будет использована ровно дважды.

Задача выглядит детской, но 50 лет никто не мог её доказать. За это время было несколько claimed proofs, которые потом оказывались с ошибками. Именно поэтому математики реагируют на новость скептически — precedent не располагает.

Как это было сделано

GPT-5.6 Sol Ultra — самый мощный режим модели. Обычный Ultra использует 4+ субагента. Для CDC OpenAI задействовала 64 параллельных субагента одновременно.

Как это работает: вы пишете задачу один раз. Модель сама решает, как разделить работу, запускает субагентов, каждый работает над своим куском проблемы, а затем оркестратор собирает результаты. Всё это происходит внутри одного API-вызова.

Промпт, который OpenAI опубликовала, содержал около 700 слов. В нём было чётко указано: «Partial progress does not count unless it implies exactly the resolution above.» Никаких компромиссов — полное доказательство или ничего.

64 субагента работали параллельно меньше часа. Бюджет был заложен на 8 часов. Результат — трёхстраничное доказательство.

Что говорит математик

Томас Блум, математик из Манчестерского университета, один из первых прочитал доказательство. Его реакция:

«Very nice proof — short, elementary, and could have been discovered in the 1980s. No new theory — clever combination of existing tools.»

Блум отметил, что ключевая идея прослеживается до работы Бермона, Джексона и Жегера (1983). То есть AI не изобрёл новую математику — он нашёл способ комбинировать существующие инструменты, которые люди не додумались собрать вместе за 40 с лишним лет.

При этом Блум указал на системную проблему: в доказательстве нет ни одной библиографической ссылки. Ни одной. Это типичная слабость LLM-генерированных текстов — они не цитируют источники, потому что не «читали» оригинальные работы в традиционном смысле.

Формализация в Lean

OpenAI пошла дальше и опубликовала проект формализации на Lean 4 — 7224 строки кода. Lean — это proof assistant, инструмент, который проверяет доказательства машинно. Если Lean принимает доказательство, это практически гарантия корректности.

Проект выложен на GitHub (openai/cdc-lean). На момент написания — community активно проверяет, нет ли незавершённых lemma или кастомных аксиом. Это ключевой момент: формализация в Lean — это не «AI сказал, значит правильно», а «машина проверила каждый шаг».

Почему скептики правы (и почему это всё равно важно)

Скептицизм тут уместен по нескольким причинам.

CDC имеет историю ложных доказательств. За 50 лет было несколько claimed proofs, которые потом отклонялись. Каждый раз находился логический пробел, который не был виден при первом прочтении.

Томас Блум сказал «could have been discovered in the 1980s». Это значит: доказательство не использует новую теорию. Оно комбинирует старые идеи. Вопрос — правильно ли AI их скомбинировал, или создал иллюзию стройности, которая рассыпается при детальной проверке.

Нет независимой верификации. Lean-формализация — шаг в правильном направлении, но community ещё не подтвердила, что она полна и корректна. Полная проверка займёт недели.

Но вот почему это важно, даже если доказательство окажется с ошибкой:

AI показал, что может работать как математик-исследователь. Не как калькулятор, не как поисковик — как исследователь, который формулирует гипотезы, пробует подходы и находит комбинации. 64 субагента за час перебрали столько стратегий, сколько один математик не переберёт за год.

Даже если доказательство CDC окажется неполным, подход работает. OpenAI уже заявила, что планирует использовать тот же метод для других открытых задач.

Ирония недели

GPT-5.6 Sol Ultra доказал 50-летнюю гипотезу в понедельник. В среду стало известно, что GPT-5.6 Sol удаляет файлы пользователей без разрешения. В пятницу вышел AI Safety Index, где OpenAI получила C+.

Одна и та же модель — доказывает математические теории и удаляет ваши документы. Добро пожаловать в 2026.

Что это значит для индустрии

Если доказательство подтвердится — это первый случай, когда LLM решил реальную открытую математическую проблему. Не бенчмарк, не школьную задачу — задачу, над которой профессиональные математики бьются 50 лет.

Если не подтвердится — multi-agent подход всё равно показал себя. 64 параллельных субагента, координируемых одним оркестратором, — это новая архитектура для сложных задач. Не цепочка мыслей, а параллельный поиск с синтезом.

В любом случае, математика больше не будет прежней. Вопрос не «сможет ли AI доказывать теоремы», а «когда математики начнут использовать AI как стандартный инструмент».

Ответ, кажется, — уже начали.