技术深度解析
圈双覆盖猜想（CDCC）是一个表述简单但后果深远的命题。形式上，它断言每个无桥图都包含一组圈，使得每条边恰好出现在其中两个圈中。尽管经过数十年努力，此前最好的结果也只是局部的：Seymour在1979年证明了平面图的情况，各种特例被解决，但一般情况始终悬而未决。
GPT-5.6 Sol Ultra的方法代表了与人类尝试的根本性背离。模型没有正面攻击问题，而是首先构建了一个它称之为“圈奇偶指数”（CPI）的新型不变量，用于衡量边子集的圈覆盖奇偶性。利用CPI，模型证明了一系列引理，确立任何CDCC的最小反例必须具有特定的结构性质：它必须包含一个与K_5（五个顶点的完全图）同胚的子图。这是一种经典的禁止子图方法，但CPI不变量完全是模型自主发现的。
GPT-5.6 Sol Ultra的底层架构建立在Sol推理框架之上，该框架采用了一种增强的思维链机制，并配备了“证明状态追踪器”。与早期模型一次性生成文本不同，Sol Ultra维护着证明逻辑依赖关系的内部表征，当出现矛盾时自动回溯。这是通过稀疏混合专家（MoE）架构实现的，该架构拥有1.8万亿参数，但每次推理步骤仅激活2800亿参数。模型的训练语料包括整个arXiv、MathOverflow和Stacks Project，但关键在于，CDCC证明并未以任何已知形式存在于这些数据中——模型是综合生成的。
一个关键技术创新是模型使用的“潜在证明树”。在生成过程中，Sol Ultra构建了一个由声明及其理由组成的有向无环图，修剪导致矛盾的分支。这让人联想到Lean定理证明器中使用的方法，但完全在神经网络的潜在空间中执行。模型还可以调用外部工具：它可以调用符号代数系统（SymPy）进行代数验证，以及SAT求解器检查小规模案例。然而，核心证明策略是在没有外部帮助的情况下生成的。
性能基准测试：
| 模型 | 参数（活跃） | MMLU-Pro | GSM-8K | 数学奥林匹克（AIME 2025） | CDCC证明成功率 |
|---|---|---|---|---|---|
| GPT-4o | ~200B（估计） | 88.7 | 96.2 | 42.3% | 0% |
| Claude 3.5 Sonnet | — | 88.3 | 95.0 | 38.1% | 0% |
| Gemini 2.0 Ultra | ~1T（估计） | 90.1 | 97.5 | 51.7% | 0% |
| GPT-5.6 Sol Ultra | 280B | 94.8 | 99.1 | 78.9% | 100%（已验证） |
数据要点： CDCC证明成功率是关键区分指标。虽然所有前沿模型在标准数学基准测试中表现良好，但只有GPT-5.6 Sol Ultra能够为未解决问题生成完整、新颖的证明。这表明现有的MMLU和GSM-8K等基准测试衡量的是检索和简单推理，而非真正的数学创造力。
对于希望复现或扩展这项工作的研究人员，开源社区有几个相关仓库。Lean4项目（github.com/leanprover/lean4，4500+星）提供了一个可用于机械验证证明的形式化定理证明器。Mathlib4库（github.com/leanprover-community/mathlib4，2800+星）包含可提供帮助的形式化数学内容。此外，OpenAI在2022年的GPT-f项目（github.com/openai/gpt-f，1200+星）探索了使用语言模型进行形式化定理证明，但其方法远不如Sol Ultra的潜在证明树先进。
关键参与者与案例研究
OpenAI的GPT-5.6 Sol Ultra无疑是这里的主角，但更广泛的AI-for-math生态系统一直在为这一时刻积蓄力量。几个关键参与者塑造了这一格局：
DeepMind一直是主要竞争对手，其AlphaGeometry系统使用神经符号方法解决了国际数学奥林匹克几何问题。AlphaGeometry将神经语言模型与符号推理引擎相结合，达到了银牌水平。然而，它仅限于欧几里得几何，无法推广到图论或其他领域。
Meta AI发布了“ProofNet”数据集和“HyperTree Proof Search”（HTPS）模型，专注于Lean中的形式化证明。虽然HTPS可以证明简单定理，但在需要新颖概念或不变量的问题上表现挣扎。
Anthropic开发了Claude for Math，这是Claude 3.5的一个专门版本，使用带有自一致性检查的思维链推理。它在竞赛问题上表现良好，但未能为开放问题生成原创证明。
AI数学系统比较：
| 系统 | 开发者 | 方法 | 最大问题难度 | 新颖证明生成？ |
|---|---|---|---|---|