GPT-5.6 一小时攻破 50 年图论难题，比结果更重要的是过程
7 月 11 日，OpenAI 宣布 GPT-5.6 Sol Ultra 在不到一小时内，用 64 个 Agent 并行证明了数学界悬置 50 年的「循环双覆盖猜想」。
新闻一出，主流的反应有两类：一边惊呼「AI 已经超越人类数学家了」，另一边担忧「ASI 越来越近了」。
这两种反应都抓错了重点。
证明一个数学猜想本身，确实令人震撼。但真正值得关注的东西，不是结果——而是 OpenAI 用来达成这个结果的方法论。而且，他们把这个方法论完整地公开了：包括任务提示词和证明全文的 PDF。
这套方法论，可能比 GPT-5.6 这个模型本身更有价值。
一、64 不是算力堆叠，是模拟科研共同体
先简单说一下背景。循环双覆盖猜想的通俗版本是这样的：在一个没有「独木桥」的城市路网中，你一定能找到一组环状公交线路，让每一条路都恰好被两趟公交车经过。听起来像是个交通规划问题，实际上它是图论的皇冠级难题——Tutte、Seymour 等多位大师级数学家各自独立提出后，半世纪无人给出完整证明。
OpenAI 怎么做的？他们不是让一个 GPT-5.6 实例在那孤独地想一个小时。他们启动了 64 个并发的 Agent，组成了一支「科研特攻队」。
如果你只看到「64 倍算力」这个数字，就完全错过了重点。
这 64 个 Agent 的工作方式，更像是一个精心设计的科研实验室。任务提示词里设置了三道关键的规则：
第一，第一轮必须走完全不同的路径。 系统强制要求 Agent 从代数视角、结构归纳法、流场表述、嵌入法到极端参数法等截然不同的方向出发。这与人类科研中最大的问题之一——「大家都在同一个方向卷」——形成了鲜明对比。
第二，禁止透露哪个方向最被看好。 这在人类科研中几乎是不可想象的。一旦某个大牛提出一个看起来很美的方向，资源、人力、注意力会立刻倾斜过去，其他路径几乎被自动放弃。OpenAI 的系统明确禁止了这种「共识传染」。
第三，内置「纠察队」。 64 个 Agent 中有一部分专门负责攻击每一个候选证明。不是友善地提建议，是真的找问题——「这条边真的只被覆盖了两次吗？」「你这个归纳是不是偷偷引入了桥？」「这一步请给出具体构造，拒绝『显然成立』。」
这三条规则合在一起，构成了一个完整的、可重复的科研方法论：多路径并行探索 + 信息隔离 + 对抗验证。
这不是一个更强的模型在推理——这是一个科研共同体在运转。
二、「测试时计算」的版本号：从单线程到多线程
OpenAI 的研究科学家 Noam Brown 在推文中用一个词概括了这次突破的技术基础：并行测试时计算（Parallel TTC）。
TTC 这个概念并不新。从 o1 开始，OpenAI 就在探索「让模型思考更久」这个方向。但之前的 TTC 是单线程的——一个模型，一条推理链，随着思考时间增长，延迟线性增加。要把推理时间从几秒拉长到几周，在生产环境下几乎不可用。
并行 TTC 的突破在于：把「时间长」转换成了「人数多」。
就像编程从单线程进化到多线程，推理也从单 Agent 深度思考进化到了多 Agent 并行探索。64 个 Agent 各走各的路，互相交叉验证。更长的思考时间不再是一次性的延迟成本，而是变成了可以横向扩展的资源。
这是一个架构层面的范式转移。
单线程深度的上限受制于推理时间，多线程广度受制于 Agent 数量和计算资源。而 Agent 数量和计算资源，在今天仍然在以指数级扩张。
三、科研的「阿喀琉斯之踵」：共识偏见与路径依赖
为什么要如此大费周章地设计这套协作机制？
因为人类科研在最底层，有两个结构性的缺陷，而多数人没有意识到它们的存在。
第一个缺陷：共识偏见。 当一个权威大牛提出一个方向，所有人的注意力会自然倾斜。这在数学界尤其明显——当一个领域被某个人统治，其他路径几乎就自动被遗忘了。问题是，最热的方向不一定是正确的方向。
第二个缺陷：路径依赖。 一个研究者花了两年的时间跟一个方向死磕，沉没成本已经大到难以放弃。即使直觉告诉他这条路可能是错的，也很难转身。因为转身意味着「过去两年的工作白费了」。
OpenAI 的系统设计，恰好在这两个问题上给出了工程化的解法：
- 强制多路径 + 信息隔离 → 共识偏见消失
- 死胡同立刻标记「堵死」，禁止反复 → 路径依赖消失
- 内置纠察队 → 自我纠错不再依赖个人品格
你看，这不是「AI 比人类聪明」的故事。这是「AI 比人类团队协作效率更高」的故事。而且高出的部分，恰好是人性中那些无法回避的结构性弱点。
四、这个框架可以迁移到哪？
如果并行多 Agent + 对抗验证这套方法论可以被完整复用（OpenAI 已经公开了提示词），那么它的应用场景远不止数学证明。
药物研发： 目前的药物筛选本质上也是多路径探索。但各实验室之间信息不互通，路径重复严重。如果有一个类似的并行架构，让多个虚拟筛选 Agent 同时从不同的化学空间出发，结果交叉验证，发现候选分子的效率和可靠性可能会完全不同。
工程故障诊断： 当一个大型系统的故障原因不明，工程师团队天然会形成「某种猜测占主导」的局面。如果用一个并行 Agent 系统，每个 Agent 从不同的假说出发并被要求相互攻击对方的结论，最终活下来的那个假说，可信度会比团队讨论的结果高得多。
投资决策： 甚至可以把这套框架当作决策工具。当一个重大决策面对高度不确定性时，人为制造多个「独立的分析 Agent」，禁止它们互相参考最被看好的结论，然后内置一个「质疑者」角色反复攻击每个方案——留到最后的方案，大概率会比你一个人或者一群互相影响的人做出的判断更稳健。
这个框架的核心洞见是：并非三个臭皮匠顶一个诸葛亮，而是三个独立的、信息隔离的臭皮匠，加上一个专门找茬的，才顶一个诸葛亮。
五、落到行动
如果你是一个创业者或研究员，这篇文章最实际的建议有两条：
第一，你的下一个复杂问题，可以试着用「并行探索 + 信息隔离 + 对抗验证」三件套去解构。
不是让你去建 64 个 Agent（虽然 GPT-5.6 已经公开可用），而是这个思维框架本身就可以指导决策。下次面对一个难题，先问自己：「我是不是已经默认了一个最热的方向？」然后强制自己去探索三条完全不同的路径。再找一个人专门负责反驳你的方案。你会发现，绝大多数「看起来唯一可行的方案」，在第一轮对抗中就倒下了。
第二，警惕「共识传染」对团队决策的负面影响。
人类团队比 AI Agent 更容易陷入共识偏误——因为人情、资历、面子都会影响判断。如果你管理一个技术团队，可以试着在执行关键决策时引入「信息隔离机制」：要求团队成员在互相看到对方的方案之前，各自独立提交完整的分析和结论。然后再合并讨论。这个简单的流程改变，可能会让团队的判断质量上升一个台阶。
GPT-5.6 用一小时证明了一个 50 年的数学猜想，这确实是一个里程碑。
但更值得记住的是它用来完成任务的那套方法论。因为模型会更新、算力会涨价、价格会下降——而一个有效的科研方法论，可以迁移到任何领域，不止数学。
参考来源：
- OpenAI Ethan Knight 推文（2026-07-10）
- OpenAI Sébastien Bubeck 推文（2026-07-10）
- 新智元 / 36氪报道（2026-07-15）