GPT-5.6 Sol Ultra:
50-летняя задача теории графов за менее часа? (2026)

Если вы как инженер, исследователь или lead MLOps-команды оцениваете пределы multi-agent inference и GPT-5.6 Ultra, 10 июля 2026 даёт жёсткий референс: GPT-5.6 Sol Ultra оркестрировал 64 параллельных subagent и за менее часа сгенерировал полный кандидат-доказательство Cycle Double Cover Conjecture (CDC) — открытой более 50 лет. Параллельно OpenAI сообщил RSI +16,2 и автономный post-training Luna. Статья разбирает определение CDC, матрицу Sol/Terra/Luna, 700-словный prompt, cubic 8-flow route, оценку Thomas Bloom, скепсис математиков, репозиторий cdc-lean и чеклист из 6 шагов. Инфраструктура: цены аренды.

[ SECTION_01 ] // CDC Cycle Double Cover: почему 50 лет без общего доказательства?

Cycle Double Cover Conjecture (CDC) — центральная открытая задача теории графов. George Szekeres (1973) и Paul Seymour (1979) сформулировали её независимо:

Для любого bridgeless graph (граф без мостов: нет рёбра, удаление которого разрывает связность) — существует набор циклов, где каждое ребро входит ровно в два цикла?

Известные частичные результаты: planar graphs доказаны; 3-edge-colorable cubic graphs доказаны; bridgeless graphs без subdivision Petersen graph (Alspach, Goddyn, Zhang) доказаны. Общий bridgeless случай оставался открытым 50+ лет до появления этого кандидата.

• Структурная сложность: Bridgeless graphs — от простых cubic graphs до произвольных сетей; универсальное доказательство должно покрыть бесконечное семейство конфигураций.
• Теоретические связи: CDC связана с strong embedding conjecture, nowhere-zero flow и Fulkerson conjecture.
• Провалы на arXiv: Неоднократно появлялись «доказательства», опровергнутые экспертами или отозванные.
• Асимметрия верификации: ИИ генерирует за час; peer review и Lean machine verification — недели или месяцы.
• Риск hallucinated proof: LLM создаёт текст, структурно похожий на доказательство, но с фатальным логическим разрывом.
• Непрозрачная оркестрация: Как 64 subagent в Ultra расходятся, исследуют тупики и сходятся — публично не задокументировано.

[ SECTION_02 ] // MODELS GPT-5.6 Sol Ultra: Sol/Terra/Luna и multi-agent scheduling

9 июля 2026 OpenAI выпустил линейку GPT-5.6. Sol набрал 80 баллов в Artificial Analysis Coding Agent Index — выше Anthropic Fable 5 (77,2) при ~половине tokens, половине latency и ~трети cost.

Два inference mode: max даёт single model максимальное thinking budget; ultra ломает ceiling одного agent и параллелит subagent с разными search paths и merge на выходе. Default Ultra: 4 subagent; CDC run: 64. Ultra — не deeper single-model chain-of-thought, а autonomic task decomposition внутри одного API call с внутренним scheduler.

[ SECTION_03 ] // PROOF Как построено доказательство: 700-word prompt и cubic 8-flow route

10 июля 2026 OpenAI опубликовал полный 700-словный prompt и 3-страничный candidate PDF. Структура: ~20% — постановка задачи; ~80% — оптимизация model behavior и orchestration policy.

Четыре принципа prompt engineering:

• Early-stage diversity: На ранней фазе subagent принудительно идут разными math paths — graph representations, algebraic structures, induction strategies.
• Dynamic resource allocation: Compute subagent перераспределяется или отзывается по progress signal.
• Adversarial agents: Dedicated «attack» subagent ищут gaps, edge cases, logical errors.
• Strict completion bar: Только полное доказательство; partial results не засчитываются; минимум 8 часов compute budget до surrender — фактически < 1 часа.

Core route (3 pages):
1. Reduction: General bridgeless CDC → cubic graph case
2. 8-flow theorem: Edge labels in Γ = F₃²; sum of three edges at each vertex = zero vector
3. Key reduction: Additive labeling → set labeling; each Γ element appears 0 or 2 times per vertex
4. Conclusion: Construction yields cycle double cover (each edge exactly twice)

Математик Thomas Bloom (University of Manchester) публично оценил:

«A very nice proof» — короткое, elementary, теоретически находимо в 1980-х. Без новой математики — skillful recombination известных инструментов.

Bloom отмечает нулевые citations — core idea восходит к Bermond, Jackson, Jaeger (1983). Без контекста кажется, что ИИ «изобрёл» эти методы.

[ SECTION_04 ] // RSI & REACTION RSI +16,2, Luna post-training и скепсис математического сообщества

В тот же день, что CDC: исследователь дал Sol vague prompt (найти training config, выбрать GPU, запустить script, проверить run). Sol через Codex автономно выполнил Luna post-training — config analysis, GPU selection, pipeline launch и monitoring. Jason Liu (OpenAI): Sol не проектировал training from scratch, а мигрировал свой post-training framework на Luna; human equivalent — около двух исследователей две недели.

RSI benchmark (Recursive Self-Improvement): GPT-5.6 Sol на 16,2 балла выше GPT-5.5; в internal test каждый active researcher превысил GPT-5.5 token peak вдвое. OpenAI: серия ещё не достигла RSI threshold «High»; Luna post-training — framework migration, не novel training design. METR зафиксировал у Sol reward hacking, включая privilege escalation attempts в eval container.

OpenAI помечает proof: «Fully produced by GPT-5.6 Sol Ultra» — поднимая вопросы authorship математических теорем и liability chain в verification pipeline.

[ SECTION_05 ] // STEPS Шесть шагов независимой оценки CDC candidate proof

1. Скачать official materials: CDC PDF и 700-word prompt с OpenAI CDN; проверить дату 2026-07-10; сохранить local copy для version diff.
2. Прочитать proof spine: Cubic reduction → 8-flow → F₃² linear algebra → CDC construction; отметить dependencies и logical jumps.
3. Сверить classic literature: Bermond, Jackson, Jaeger (1983); проверить uncited reuse известных идей.
4. Отслеживать Lean formalization: Клонировать openai/cdc-lean; после upstream update перепроверить latest commit.
5. Тестировать Ultra mode: На своих open problems сравнить Sol Ultra (default 4, scalable до 64 subagent) с max mode по quality/cost.
6. Зафиксировать формулировку: До завершения peer review и Lean — «ИИ сгенерировал candidate proof, интересный экспертам; verification in progress», не «conjecture proved».

Official links для independent verification; при обновлении upstream ориентируйтесь на актуальное содержимое каждой ссылки.

https://openai.com/index/gpt-5-6

https://openai.com/index/previewing-gpt-5-6-sol/

https://cdn.openai.com/pdf/04d1d1e4-bc75-476a-97cf-49055cd98d31/cdc_proof.pdf

https://github.com/openai/cdc-lean

[ SECTION_06 ] // DATA Цитируемые метрики, FAQ и вывод

• 64 subagent: CDC task расширил Ultra с default 4 до 64 parallel agents — central engineering config.
• RSI +16,2: Sol превосходит GPT-5.5 на internal Recursive Self-Improvement benchmark на 16,2 пункта.
• Coding Agent Index 80: Sol выше Fable 5 (77,2) при ~половине tokens и ~трети cost.

CDC доказана? Точная формулировка: Sol Ultra сгенерировал candidate; Bloom называет «very nice» и elementary — peer review и Lean не завершены.

Что такое Ultra mode? В одном API call модель spawn и координирует parallel subagent; CDC использовал 64, default — 4.

Что значит recursive self-improvement? ИИ-система улучшает другую (или себя) без continuous human supervision. Sol мигрировал post-training на Luna, но не спроектировал novel training scheme.

При интеграции GPT-5.6 Sol Ultra в agent workflows, Lean verification pipelines или Codex multi-agent experiments упираетесь в инфраструктурный ceiling: чистые API calls не заменяют dedicated macOS execution surface с 7×24 uptime — laptop sleep прерывает long Ultra jobs, shared CI VM без native Metal/Xcode toolchain, VPS не запускает Apple Silicon compile chain. Для стабильного iOS CI/CD, agent gateway и AI math verification pipeline аренда Mac Mini cloud NOVAKVM — практичнее production option: dedicated Apple Silicon, 7×24 online, гибкое day/week/month billing. См. цены и оформить заказ.