OpenAI 在 GPT-5.6 Sol Ultra 公開可用後的隔天，把一份三頁 PDF 放上自家 CDN：旗艦 Sol Ultra 以 64 個並行子代理、不到一小時，產出「Cycle Double Cover 猜想」（CDC 猜想）的完整證明；排版則由 Codex 搭配 GPT-5.6 Sol 完成。這則消息在 Hacker News 首頁迅速累積上百則討論，維基百科條目也已註記「2026 年 7 月 OpenAI 宣稱以 GPT-5.6 解決」——但圖論社群的第一反應不是歡呼，而是審稿式沉默：公司 CDN 上的 PDF，還不是經同行評審（peer review）的數學結果。
若你讀過 Sol 用模糊指令替 Luna 跑完後訓練，會發現 OpenAI 本週在講兩種不同的「Sol 會幹研究活」：一種是幫實驗室跑 GPU 與配置，一種是直接攻未解數學題。 前者有內部 RSI 指數可量化；後者則丟進公領域，接受數學家與網民的交叉檢驗。
這個猜想到底在問什麼？
CDC 猜想是圖論裡一個表述簡潔、卻卡了約五十年的問題。直觀地說：給定一個由頂點與邊構成的網路（圖），且沒有「橋邊」（刪掉會讓圖斷開的邊），能否找到一組圈（cycle），使得每一條邊恰好被走過兩次？
它由 Szekeres、Seymour 等人在 1970 年代獨立提出。半世紀來有大量特殊情形的部分結果，卻始終沒有普遍接受的完整證明。OpenAI 研究員 Ethan Knight 在 X 上寫道：「昨天我們讓 GPT-5.6 Sol Ultra 全面可用；今天我們分享它用 64 個子代理、不到一小時證明了這個五十年問題。」Noam Brown 則把重點放在測試時算力（test-time compute）：當推理從秒級拉到週級，延遲會成瓶頸；Ultra 的價值在於並行放大測試時算力，把「可能要一整天的證明」壓到一小時。
對一般讀者，這比 benchmark 表格更抽象，卻更能說明 Sol Ultra 的產品定位：不是單次更長的 推理，而是多條 自主代理 分工、再合成一個答案。
Thomas Bloom 怎麼讀這份證明？
曼徹斯特大學數學家 Thomas Bloom 是目前公開評論最細的一位。他的判斷可以分成三層：
數學上，他稱這是「非常漂亮的證明」——短小、初等，「本可在 1980 年代就被發現」，不需要全新理論，而是把已知工具巧妙組合。方法上，他懷疑關鍵一步是人類常會放棄的「反直覺小轉彎」：人會先試自然標記、線性代數失敗後聳肩離開；AI 不會沮喪，會繼續試微小變體直到某個組合成立。學術誠信上，他批評 OpenAI 論文完全未引用至少可追溯到 1983 年 Bermond、Jackson、Jaeger 的工作，讀者若只看 PDF，可能以為策略由模型憑空發明。
Bloom 的立場其實很微妙：他傾向認為模型並非從零創造策略——「給定它解題的第一本能通常是搜尋所有相關論文並閱讀」，問題在於輸出時沒有把文獻傳承寫進證明。這觸及 大型語言模型 做數學的結構性缺陷：擅長重組與搜尋，卻不擅長像人類學者那樣交代思想來源。
他也把 CDC 與 OpenAI 早前宣稱解決的「單位距離猜想」並列：兩者都是看起來極難、實則只需既有理論加大量耐心的開問題。在「大公司同時用很多算力砸很多開問題、只公布成功案」的新常態下，我們很快會知道——有多少難題其實一直在伸手可及處，只是人類沒有足夠耐心同時試完所有變體。
64 個子代理與「被設計的固執」
技術細節裡，最耐人尋味的不只是並行數量，而是人類寫的 提示詞。The Decoder 披露的 prompt 邏輯，本質是在工程上複製 Bloom 所說的「耐心」：
- 先假設完整證明存在，切斷模型最誠實的退路——「這題還沒解」；
- 禁止上網查是否已有解答，也禁止回答「猜想未證」；
- 拒絕部分結果、歸約到其他未證猜想、文獻綜述等「看起來很忙但不算證明」的輸出；
- 多數子代理刻意不知道哪條路線目前最被看好，以鼓勵獨立探索；
- 對抗性子代理依錯誤清單檢查候選證明（例如把閉合路徑誤當圈、歸約時意外製造新橋）；
- 模型被告知至少計算八小時才能考慮放棄——結果一小時就收工。
這與 多代理 編排研究裡的「探索 vs 利用」權衡呼應，但更赤裸裸：數學突破被當成可 prompt 的搜尋任務，而 Sol Ultra 的產品能力，正是把這種搜尋並行化。OpenAI 同時公開證明 PDF 與生成證明的 prompt，邀請第三方重跑——透明度比早期「黑箱宣稱」好，但仍不等於社群驗證通過。
通用 LLM 打數學，和「訓練師傅」打後訓練有何不同？
本週 OpenAI 其實釋出兩條 Sol 敘事，容易混為一談，值得拆開：
| 維度 | Sol Ultra 證明 CDC 猜想 | Sol 替 Luna 做後訓練（RSI） |
|---|---|---|
| 任務性質 | 公開數學猜想的候選證明 | 內部模型管線的配置與執行 |
| 成功標準 | 圖論專家是否接受證明 | PostTrainBench、RSI 指數等內部基準 |
| 驗證方式 | 學術社群審稿、獨立重現 | 實驗室 loss 曲線與評估腳本 |
| 對外風險 | 引文、學術誠信、過度宣傳 | 「遞迴自我改進」是否被誇大 |
| 算力形態 | 64 子代理並行、不到 1 小時 | 單一 orchestration 任務、約兩週人力等價 |
第一條路把 Sol Ultra 賣成可購買的科學發現引擎；第二條路把 Sol 賣成可購買的研究員工時。兩者都依賴同一個品牌故事——GPT-5.6 家族在 agentic 推理 上拉開代差——但風險完全不同：後訓練故事最怕被解讀成 AGI 閉環；數學故事最怕被解讀成未經審稿就改寫教科書。
RuntimeWire 等評論的措辭很精準：OpenAI 用的是 produced（產出），不是 settled（定案）。在數學裡，這個區別比任何 benchmark 都硬。
社群還在等什麼？
目前缺少的是：獨立圖論學者的工作坊式檢驗、正式投稿、或 Lean 等形式化驗證。AI/TLDR 整理指出，這份證明尚未在 Lean 等形式系統中機械化驗證；Bloom 也強調完整數學驗證仍待社群完成。維基百科的註記與 HN 熱度，反映的是公眾好奇心，不是學術共識。
對開發者與產品團隊，短期啟示反而務實：
- Sol Ultra 的 ultra 設定（多代理並行）適合「可並行探索、最後合成」的長任務——程式架構審計、合規檢查、多假設科學推導——而不只是聊天更長。
- 不要把 CDN PDF 當成可上線的定理庫；若你的產品依賴數學正確性，仍需要人類或形式化驗證層。
- 引文與出處會成為企業客戶採購 ChatGPT／Codex 科學工作流時的新議題——Bloom 的批評預告了法務與學術顧問會問的問題。
重點金句（Bloom）：「人會試自然標記、線代失敗後聳肩離開；AI 不會沮喪，會一直試小變體。」——Thomas Bloom（引述 The Decoder 對其評論的整理）
這是第二槍，不是終局
OpenAI 近月已在單位距離猜想等問題上累積「模型產出證明」的敘事；CDC 是 Sol Ultra 公開可用後第一個高調案例，且明確綁定 64 子代理與一小時時間戳。它與 GPT-5.6 三檔定價與政府審查後 GA 形成商業閉環：先證明 Ultra 能並行燒算力，再證明 Sol 能替 Luna 燒實驗室工時。
接下來幾週，真正決定歷史怎麼寫的，不是 Ethan Knight 的推文，而是圖論學者是否在某個角落說「這裡第 X 步不對」——或者沉默地把它收進下一版教材。在那之前，這份 PDF 最好被讀成候選證明加產品示範，而不是「五十年難題已終結」的標題黨。
若 Sol Ultra 能在更多「只需既有理論加耐心」的開問題上重現成功，而社群逐步接受審稿流程，AI 輔助數學才會從行銷事件變成制度；若引文缺失與過度宣稱反覆出現，傷害的將不只是 OpenAI 的信譽，而是整個 LLM 科學工作流的可信度底線。