Eine 50 Jahre alte Vermutung, 64 Subagenten, eine Stunde: OpenAIs beanspruchter Maschinenbeweis

Am 10. Juli 2026 veröffentlichte OpenAI ein dreiseitiges Dokument mit einem beanspruchten Beweis der Cycle-Double-Cover-Vermutung, einem graphentheoretischen Problem, das George Szekeres 1973 und Paul Seymour 1979 unabhängig voneinander formulierten. Das Unternehmen schreibt die Autorschaft vollständig seinem Modell GPT-5.6 Sol Ultra zu, das die Argumentation mit 64 parallelen Subagenten in unter einer Stunde erzeugte. Die Fachbegutachtung steht aus: Die mathematische Gemeinschaft behandelt das Dokument als Behauptung in Prüfung statt als gesicherten Satz — und genau diese Unterscheidung trägt die ganze Geschichte.

Was OpenAI veröffentlicht hat — und was die Faktenlage zeigt

Die Cycle-Double-Cover-Vermutung besagt, dass jeder brückenfreie Graph — jeder Graph, der nach Entfernen einer beliebigen einzelnen Kante zusammenhängend bleibt — eine Sammlung von Kreisen besitzt, die jede Kante genau zweimal überdecken. Sie zählt zu den prominentesten offenen Problemen der Graphentheorie, verbunden mit Snarks und Nowhere-Zero-Flüssen, und widersteht Beweisversuchen seit rund 50 Jahren. Das auf OpenAIs CDN veröffentlichte Dokument greift sie entlang klassischer Linien an: Leser, die den Text durchgearbeitet haben, beschreiben eine Reduktion auf schlingenfreie kubische Graphen und eine Argumentation, die sich auf den etablierten 8-Fluss-Satz von Jaeger–Kilpatrick stützt, organisiert in zwei kompakten Lemmata. Kommentatoren auf Hacker News, wo der Thread 385 Punkte sammelte, beschrieben einen Text, der sich wie ein altes Paper liest — ein kurzes, direktes Argument auf Basis bekannter Resultate statt neuer Theorie.

Die Kürze ist das Verblüffende. Graphentheoretiker haben sich über Jahrzehnte mit Teilresultaten an die Vermutung herangearbeitet — der 8-Fluss-Satz gehört dazu — und mit dem Studium der Snarks, jener kubischen Graphen, in denen ein minimales Gegenbeispiel leben müsste. Eine vollständige Lösung auf drei Seiten würde bedeuten, dass das Feld die nötigen Werkzeuge seit Jahren besaß und die Kombination übersah.

OpenAI-Forscher Ethan Knight kündigte das Resultat auf X an, einen Tag nachdem GPT-5.6 Sol Ultra allgemein verfügbar wurde, und teilte sowohl den Prompt als auch den Beweis. Der Prompt selbst ist aufschlussreich: Nach Angaben von Lesern, die ihn untersucht haben, entfällt erheblicher Raum auf Anweisungen, die „Statusberichte“ und „vagen Optimismus“ zurückweisen und das Modell zu breiter, ausdauernder Suche lenken. Die offengelegten Zahlen bleiben spärlich: 64 Subagenten parallel, unter einer Stunde Laufzeit, drei Seiten Text. Die Analyse von AI Weekly listet auf, was verborgen bleibt: der gesamte Rechenaufwand, die Zahl der gescheiterten Versuche vor dem veröffentlichten Lauf, der Umfang menschlicher Bearbeitung am freigegebenen Text und die Frage, welche Mathematiker den Entwurf vor der Veröffentlichung sahen. Der Wikipedia-Eintrag zur Vermutung vermerkte die Behauptung noch am selben Tag, mit derselben Vorsicht.

Warum das über das Labor hinaus zählt

Die Erkenntnistheorie verdient ebenso viel Aufmerksamkeit wie die Fähigkeit. Frühe Expertenlektüre fällt vorsichtig positiv aus: Eine detaillierte Durchsicht im Hacker-News-Thread berichtet, jeden Schritt geprüft und das Argument „modulo zweier zitierter Standardresultate“ als korrekt befunden zu haben. Das ist ein einzelner Leser, in kurzer Zeit, an einem frischen Text. Eine formale Verifikation in einem Beweisassistenten wie Lean oder Coq fehlt der Veröffentlichung. Die Fachbegutachtung muss erst noch beginnen. AI Weekly zieht die entscheidende Trennlinie: Ein PDF auf dem CDN eines Unternehmens gehört in eine andere epistemische Kategorie als ein begutachteter Satz, und die Redaktion rät, das Resultat als Behauptung in aktiver Prüfung statt als gesichertes Ergebnis zu behandeln.

Die Geschichte liefert die Grundrate. Auf arXiv liegen ältere beanspruchte Beweise derselben Vermutung — Preprints von 2015 und 2018 kündigen im Titel einen Beweis an — und der Status des Problems blieb offen, weil die Prüfung der Gemeinschaft die Argumente als unzureichend befand oder an ihnen vorbeiging. Beanspruchte Beweise berühmter Vermutungen scheitern weit häufiger, als sie gelingen, und die Beweislast liegt bei dem, der den Anspruch erhebt.

Drei weitere Grenzen rahmen den Befund. Erstens das Überlebensproblem: OpenAI legte einen einzigen erfolgreichen Lauf offen; die Grundrate der Versuche — und damit die Kosten pro echter Entdeckung — bleibt von außen unbestimmbar. Zweitens die Zuschreibung: Menschen entwarfen den Prompt strategisch, sodass „vollständig vom Modell verfasst“ die Texterzeugung beschreibt, während das Suchdesign menschlich bleibt. Drittens schneidet die Kürze in beide Richtungen: Eine dreiseitige Lösung eines fünfzig Jahre alten Problems wirft die Frage auf, warum Experten sie übersahen, und verlangt genau deshalb unabhängige Prüfung, bevor jemand darauf aufbaut. Sollte der Beweis standhalten, lautet die praktische Lehre für Forschungsorganisationen: Die Verifikation, statt der Generierung, wird zur knappen Ressource. Maschinell erzeugte Kandidatenresultate werden schneller eintreffen, als die Gemeinschaft sie prüfen kann, und die Lücke zwischen „behauptet“ und „bestätigt“ wird zu einem Managementproblem ebenso wie zu einem mathematischen.

Die F&E-Entscheidung

Für einen CTO oder Forschungsleiter ist die Roadmap-Frage konkret. Die meisten Forschungsportfolios enthalten Probleme mit asymmetrischer Struktur: Kandidatenlösungen sind teuer zu finden und günstig zu verifizieren — Vermutungen, Gegenbeispielsuchen, Protokollentwürfe, Optimierungsschranken. Das beanspruchte Resultat, erzeugt in unter einer Stunde von 64 Subagenten, legt nahe, dass die „Finden“-Seite dieser Asymmetrie käuflich wird. Die Frage an Ihr Team in diesem Quartal: Welche drei Probleme Ihres Portfolios passen in das Muster teuer-zu-finden, günstig-zu-verifizieren, und was würde eine disziplinierte Agentenschwarm-Suche im Vergleich zu einem Forscherjahr kosten? Koppeln Sie jedes solche Experiment an ein explizites Verifikationsbudget — Stunden für Expertenreview, formale Methoden, wo die Domäne sie erlaubt —, denn diese Episode zeigt zwei Uhren mit verschiedenen Geschwindigkeiten: Die Schlagzeile kam binnen 24 Stunden nach der allgemeinen Verfügbarkeit des Modells, während das mathematische Urteil Wochen oder Monate brauchen wird. Organisationen, die die Prüfpipeline vor der Generierungspipeline aufbauen, verwandeln Behauptungen in Werte; der Rest sammelt ungeprüfte PDFs.