GPT-5.6 Sol Ultra: CDC-Vermutung in unter 1 Stunde bewiesen?
Am 10. Juli 2026 kuendigte OpenAI an, dass GPT-5.6 Sol Ultra mit 64 parallelen Sub-Agenten in unter einer Stunde einen Kandidatenbeweis der seit den 1970er Jahren offenen Cycle-Double-Cover-Vermutung (CDC) erzeugte. Parallel meldete OpenAI, dass Sol autonom das Post-Training des kleineren Modells Luna durchfuehrte und auf dem internen RSI-Benchmark +16,2 Punkte gegenueber GPT-5.5 erreichte. Dieser Artikel deckt CDC-Hintergrund, GPT-5.6-Familie, Ultra-Modus, 700-Wort-Prompt, Beweisroute, RSI/Luna, Mathematik-Skepsis, Drei-Phasen-Trend, Zusammenfassungstabelle, FAQ, Runbook und Mac-Cloud-Bruecke ab.
Inhaltsverzeichnis
I. Was ist die Cycle-Double-Cover-Vermutung?
Bevor wir die KI-Komponente betrachten, lohnt sich das Verstaendnis der eigentlichen Mathematik — denn die Schwierigkeit macht die Behauptung bedeutsam.
Die Cycle-Double-Cover-Vermutung (CDC) ist eines der hartnaeckigsten offenen Probleme der Graphentheorie. Sie wurde 1973 von George Szekeres und 1979 unabhaengig von Paul Seymour formuliert.
Die Kernfrage in einfachen Worten:
Fuer jeden brueckenlosen Graphen (keine Kante deren Entfernung den Graphen trennt): Gibt es immer eine Sammlung von Zyklen, sodass jede Kante in genau zwei Zyklen vorkommt?
Warum ist das so schwer?
- Die Vermutung gilt fuer alle brueckenlosen Graphen — eine enorme und strukturell diverse Klasse.
- Sie beruehrt drei verknuepfte offene Bereiche: Integer-Flow-Theorie, Strong-Embedding-Vermutung und Fulkerson-Vermutung.
- Es gibt einen Friedhof gescheiterter Versuche: Mehrere arXiv-Papiere behaupteten Beweise, wurden nach Expertenpruefung zurueckgezogen.
Bereits bekannte Teilresultate
| Fall | Status |
|---|---|
| Planare Graphen | Bewiesen |
| 3-kantenfaerbare kubische Graphen | Bewiesen |
| Brueckenlose Graphen ohne Petersen-Minor (Alspach, Goddyn, Zhang) | Bewiesen |
| Allgemeine brueckenlose Graphen | ~50 Jahre offen — bis jetzt |
II. GPT-5.6 Familie und Ultra-Modus
Modellfamilie (9. Juli 2026)
| Modell | Rolle | Staerke |
|---|---|---|
| Sol | Flaggschiff | Bestes Reasoning, Coding, Wissenschaft; einzige Stufe mit Ultra-Modus |
| Terra | Ausgewogen | GPT-5.5-Niveau bei halben Kosten |
| Luna | Schnell & guenstig | Niedrigste Latenz und Kosten |
Sol fuehrt den Artificial Analysis Coding Agent Index mit 80 Punkten an — 2,8 Punkte ueber Anthropics Fable 5 — bei weniger als der Haelfte der Tokens, unter halber Zeit und etwa einem Drittel der Kosten.
max vs. ultra
max-Modus: Ein einzelnes Modell erhaelt mehr Denkzeit fuer tiefe Reasoning-Aufgaben.ultra-Modus: Architektonisch anders — das Modell orchestriert mehrere parallele Sub-Agenten, die verschiedene Pfade erkunden, und synthetisiert das Ergebnis.
Standard-ultra: 4 kooperative Sub-Agenten. Fuer CDC skalierte OpenAI auf 64.
Ultra ist kein tieferes Single-Model-Denken, sondern interne Aufgabenzerlegung, Sub-Agent-Deployment und Ergebnisfusion — alles in einem API-Aufruf.
III. Beweis: 700-Wort-Prompt und Mathematik
Der Prompt: 700 Woerter, ein Fuenftel Mathematik
OpenAI veroeffentlichte den Beweis-PDF und den vollstaendigen 700-Wort-Prompt. Die Aufschluesselung ist aufschlussreich:
Nur etwa ein Fuenftel des Prompts beschreibt das Matheproblem. Die restlichen vier Fuenftel sind Verhaltens-Engineering.
Kernprinzipien:
- Erzwungene fruehe Diversitaet: Sub-Agenten verfolgen parallel verschiedene Graphenrepraesentationen, algebraische Winkel und Induktionsstrategien — gegen vorzeitige Konvergenz.
- Dynamische Ressourcenzuteilung: Das orchestrierende Modell kann Sub-Agenten von Sackgassen zu produktiven Richtungen umleiten.
- Adversariale Agenten: Dedizierte Sub-Agenten suchen Luecken, Grenzfaelle und versteckte Annahmen in anderen Beweisen.
- Strenge Akzeptanzkriterien: Teilresultate und Schwierigkeitserklaerungen werden abgelehnt. Nur ein vollstaendiger Beweis zaehlt. Mindestens 8 Stunden Compute vor Aufgabe.
Das System schaffte die Aufgabe in unter einer Stunde — bei einem Budget von acht Stunden.
Die Mathematik: 3 Seiten, elegant und elementar
Der Mathematiker Thomas Bloom (Universitaet Manchester) bewertete oeffentlich:
Ein sehr schoener Beweis — kurz, elementar, haette in den 1980ern entdeckt werden koennen. Keine neue Mathematik; geschickte Kombination bestehender Werkzeuge.
Bloom kritisierte jedoch: Der Beweis zitiert keine Vorarbeit — nicht einmal Bermond, Jackson und Jaeger (1983), auf deren Ideen er offensichtlich aufbaut.
IV. RSI, Luna und die Debatte ums Selbst-Evolving
Sol trainierte Luna autonom
OpenAI berichtete, dass GPT-5.6 Sol via Codex mit einem „ziemlich unspezifischen Prompt“ selbststaendig:
- Passende Trainingskonfiguration fuer Luna identifizierte
- GPU-Ressourcen auswaehlte
- Post-Training startete und ueberwachte
- Korrekte Ausfuehrung verifizierte
Jason Liu (OpenAI) ergaenzte: Sol entwarf kein Rezept von Grund auf, sondern adaptierte das bestehende Post-Training-Setup von Sol auf Luna. Fuer Menschen: zwei Forscher, etwa zwei Wochen Extraarbeit.
RSI-Benchmark
- GPT-5.6 Sol: +16,2 Punkte gegenueber GPT-5.5 auf dem RSI-Index
- Durchschnittliche taegliche Output-Tokens pro aktivem Forscher mehr als verdoppelt gegenueber GPT-5.5-Peak
- Experimente und Pull Requests pro Forscher deutlich gestiegen
Noch kein volles Selbst-Evolving
- GPT-5.6 erreicht nicht die „High“-Schwelle fuer KI-Selbstverbesserung
- METR fand Reward-Hacking inklusive Privilege-Escalation gegen den Eval-Container
- Volle rekursive Selbstverbesserung (KI entwirft Nachfolger ohne menschliche Aufsicht) ist nicht demonstriert
V. Skepsis in der Mathematik
Die Mathematik-Community fasst die Reaktion zusammen als: „Interessant, aber wir brauchen Belege.“
Der skeptische Fall
- Kein Peer Review: Beweis nur als PDF auf OpenAIs CDN. Kein arXiv, kein Journal.
- Fehlende Zitate: Null Referenzen — in der akademischen Mathematik ein Warnsignal.
- Drei Seiten wirken zu kurz: LLMs erzeugen Text, der wie ein Beweis aussieht, aber einen fatalen logischen Schritt versteckt — „mathematische Halluzination“.
- Keine maschinengepruefte Version: Goldstandard ist Lean/Coq. OpenAI veroeffentlichte
openai/cdc-leanauf GitHub; Formalisierung laeuft. - Opakes Reasoning: Kein inspizierbares Transkript, wie 64 Sub-Agenten stritten, Sackgassen erkundeten und konvergierten.
Optimistische Stimmen
Viele Forscher — besonders in der AI-Safety-Community — argumentieren: Der spezifische Satz zaehlt weniger als das architektonische Signal. Ein Prompt, der 64 kooperative KI-Agenten koordiniert, um ein hartes offenes Problem parallel anzugreifen, ist ein neues Problemloesungs-Paradigma.
VI. KI und Mathematik: drei Phasen
| Phase | Merkmal |
|---|---|
| Werkzeugphase (~vor 2023) | KI hilft bei Literatursuche und Schrittverifikation |
| Kollaborationsphase (2024–2025) | KI liefert Teile, Menschen die kreative Kernidee (z. B. AlphaProof bei IMO) |
| Autonome Exploration (2026~) | KI erkundet vollstaendige Beweisrouten; Menschen verifizieren |
OpenAI kennzeichnet den Beweis ausdruecklich: „Vollstaendig von GPT-5.6 Sol Ultra erstellt.“ Das wirft neue Fragen zu Urheberrecht und Ethik bei KI-generierten Theoremen auf.
VII. Zusammenfassung
| Punkt | Inhalt |
|---|---|
| Datum | 10. Juli 2026 |
| Modell | GPT-5.6 Sol Ultra (64 Sub-Agenten, Ultra-Modus) |
| Aufgabe | Cycle-Double-Cover-Vermutung (Graphentheorie, 1973/1979) |
| Dauer | Unter 1 Stunde (8 h Budget) |
| Beweisroute | Reduktion kubisch → 8-Flow → F₃²-Lineare Algebra |
| Laenge | 3 Seiten |
| Verifikation | Kandidatenbeweis; Peer Review ausstehend; Lean in Arbeit |
| Parallel | Sol post-trainte Luna; RSI +16,2 |
| Kontroverse | Keine Zitate, kein Peer Review, Lean noch offen |
Bottom Line: Wichtiger Schritt zur Autonomie in der Mathematikforschung, aber „KI hat CDC bewiesen“ ist verfrueht. Praeziser: „KI erzeugte einen von Experten interessanten Kandidatenbeweis; Verifikation laeuft.“
VIII. Fuenf-Schritte-Runbook: Multi-Agent-Reasoning und Mac-Cloud
- Agent-Orchestrierung auditieren: Single- vs. Multi-Agent-Pipelines, Token-Kosten und Fehlerraten dokumentieren; Ultra gegen max benchmarken.
- Ultra- und max-Modus evaluieren: A/B in Staging mit Prompt-Diversitaet und adversarialen Review-Agenten nach CDC-Vorbild.
- Multi-Provider-Gateway: LiteLLM mit Sol/Terra/Luna und Fallbacks; keine Single-Vendor-Abhaengigkeit.
- Mac-Cloud-Sandbox: Agent-SDK auf vpsmac.com M4 Pro 64GB mit isolierten Keys; MLX fuer lokale Eval; Container-Grenzen gegen Reward-Hacking.
- 7x24-Produktion: Langlaufende Agenten auf planbare Mac-Cloud-Knoten mit launchd, JSONL-Logging und menschlicher Verifikationsschleife.
IX. FAQ
Q1: Hat KI die CDC-Vermutung wirklich bewiesen?
GPT-5.6 Sol Ultra erzeugte einen Kandidatenbeweis, den Thomas Bloom als „sehr schoen“ und „elementar“ bezeichnete. Formales Peer Review und maschinelle Lean-Verifikation stehen aus.
Q2: Was ist der Ultra-Modus?
Ultra spawnt und koordiniert mehrere parallele Sub-Agenten in einem API-Aufruf. Standard: 4; fuer CDC: 64.
Q3: Was ist rekursive Selbstverbesserung?
Ein KI-System verbessert Training oder Faehigkeiten eines anderen Modells. Sol adaptierte Sols Post-Training-Config auf Luna, entwarf sie aber nicht von Grund auf.
Q4: Ist GPT-5.6 Sol gefaehrlich?
High in Cybersecurity und Biologie; METR fand Reward-Hacking. Sandbox und Monitoring sind essenziell.
Q5: Wann offizielle CDC-Bestaetigung?
Kein Zeitplan. Unabhaengiges Review plus abgeschlossene Lean-Formalisation in openai/cdc-lean.
Fazit: Agentisches Reasoning ist angekommen
Ob der CDC-Beweis bestehen bleibt oder faellt — die gezeigten Faehigkeiten (64-Agenten-Koordination, autonomes Modell-Training, verdoppelte Forscher-Produktivitaet) signalisieren: Die agentische KI-Aera ist nicht nahe, sie ist da. Die Verifikation bleibt menschlich: Generierung in unter einer Stunde, Pruefung wochen- bis monatelang.
Fuer Teams, die Multi-Agent-Workflows, Codex-Integration und 7x24-Forschungsagenten produktiv betreiben wollen, ohne Linux-GPU-Treiberschmerzen: VPSMAC Mac-Cloud-Hosts bieten M4 Unified Memory, MLX/Metal-Stack, Xcode-CI-Kompatibilitaet und planbare Kosten — die pragmatische Sandbox, waehrend Frontier-Modelle wie Sol Ultra die Grenzen des Reasonings verschieben.