Менее чем за час GPT-5.6 Sol Ultra — новая конфигурация от OpenAI — построил доказательство Гипотезы о двойном цикловом покрытии. Задача оставалась открытой 50 лет. Одновременно работали 64 субагента. Математик Томас Блум назвал доказательство «удивительно элементарным», но тут же раскритиковал отсутствие ссылок на известные предшествующие работы.
Контекст
Гипотеза о двойном цикловом покрытии — задача из теории графов. Она утверждает: у любого бесмостового графа существует набор циклов, в котором каждое ребро покрыто ровно дважды. Формулировка простая, доказательство — нет. Задача появилась в конце 1970-х и с тех пор не поддавалась: десятилетия усилий, частичные результаты, но не полное доказательство.
GPT-5.6 Sol Ultra — судя по имеющимся данным, специализированная конфигурация с усиленными математическими способностями и поддержкой мульти-агентного параллелизма. Архитектура с 64 параллельными субагентами — не просто масштаб, а структурный принцип: каждый агент может независимо разрабатывать отдельную часть доказательства или проверять гипотезы, не дожидаясь других.
Это не первая заявка AI на серьёзную математику. DeepMind показывал результаты в олимпиадных задачах, LLM-системы помогали формализовывать доказательства в Lean. Но закрыть 50-летнюю открытую гипотезу — претензия другого порядка. Статус пока: reported, верификация математическим сообществом ещё впереди.
Аналитика
Реакция Блума показательна именно в деталях. «Удивительно элементарное» — не чистый комплимент. Это значит: доказательство принципиально находилось в досягаемости человека. Почему тогда не было найдено раньше? Либо математики искали не там, либо AI нашёл нестандартную комбинацию известных инструментов. Отсутствие цитирований — отдельная проблема: если доказательство опирается на существующие техники без их явного указания, граница между «новым знанием» и «умной рекомбинацией» размывается.
Ответ, скорее всего, не бинарный. Человеческая математика тоже стоит на плечах предшественников. Вопрос в том, есть ли в этом доказательстве хотя бы одна идея, которой раньше не существовало в явном виде — или это чистый монтаж из уже известного. Это как раз то, что сообщество будет проверять.
Для AI-индустрии важнее другое: мульти-агентный подход к задачам с долгим горизонтом рассуждений — это направление, которое в 2025–2026 годах ускоряется. 64 параллельных субагента — не «больше вычислений», а архитектурное решение для задач, которые слишком велики для одного контекстного окна. Следующие 12–18 месяцев покажут, насколько это масштабируется за пределы математики: право, биология, инженерное проектирование.
Кейсы применения в бизнесе
B2B-SaaS стартап: Мульти-агентная архитектура на сложных задачах — это уже не будущее. Разбейте ревью кода или анализ конкурентных патентов на параллельные потоки: один агент ищет уязвимости, второй — нарушения best practices, третий — документирует. Claude Agent SDK с MCP-инструментами позволяет это строить сегодня без ожидания GPT-5.6.
Корпорация с legacy: Долгий технический долг похож на эту гипотезу — задача известна, но никто не садится решать системно. Попробуйте запустить три независимых агента на один кодовый модуль: анализ зависимостей, оценка рисков изменений, автоматическая документация. Параллельно — быстрее, независимо — надёжнее.
SMB в КР и Центральной Азии: Конкретная модель не важна. Важен принцип: задачи, требовавшие внешних консультантов — анализ договоров, исследование рынка, структурирование ТЗ — сегодня решаются AI-агентами за минуты. Начните с одной повторяющейся задачи, автоматизируйте её через Claude или GPT-4o, замерьте время.
Кейсы в личной жизни
Разработчик: Параллельные субагенты — это «несколько джуниоров одновременно». Уже сейчас: один чат пишет код, второй — тесты, третий — ревьюит как старший. Не 64, но три независимых потока дают ощутимый эффект на сложных задачах. Попробуйте Claude Projects с разными системными промптами под каждую роль.
Студент или исследователь: Используйте AI не как «напиши за меня», а как «найди связи между идеями из разных областей». Именно это, судя по всему, и произошло с гипотезой — нашёлся элементарный путь, который никто не пробовал соединить. Попросите модель перечислить техники из смежных областей, применимые к вашей задаче.
Фрилансер или контент-мейкер: Мульти-агентный принцип в одном чате: «ты — строгий редактор, найди слабые места», затем «ты — читатель без контекста, понятно ли?», затем «ты — SEO-специалист, что улучшить». Те же независимые проверки — без 64 агентов, вручную, но эффект тот же.
Как применить сегодня
- Следите за официальными анонсами OpenAI о GPT-5.6 Sol Ultra — публичная доступность модели пока не подтверждена, это reported результат.
- Начните с Claude Agent SDK или OpenAI Assistants: запустите 3–5 параллельных агентов на одну сложную задачу с разными фокусами уже сейчас.
- Для proof-based и формальной работы — изучите Lean 4 в связке с LLM: путь к верифицируемым AI-доказательствам, который уже существует.
- Технику «дерево мыслей» можно применить вручную: разбейте задачу на независимые подзадачи, решите каждую отдельным промптом, синтезируйте в финале.
- Задайте себе вопрос: какая задача в вашем бизнесе похожа на эту гипотезу — долго нерешённая, с чёткой проверяемостью? Именно с неё стоит начинать пилот с мульти-агентами.