Il 10 luglio 2026 OpenAI ha pubblicato un documento di tre pagine che presenta una dimostrazione rivendicata della congettura Cycle Double Cover, un problema di teoria dei grafi formulato in modo indipendente da George Szekeres nel 1973 e da Paul Seymour nel 1979. L'azienda attribuisce la paternità interamente al modello GPT-5.6 Sol Ultra, che ha prodotto l'argomentazione con 64 subagenti paralleli in meno di un'ora. La revisione paritaria deve ancora iniziare: la comunità matematica tratta il documento come una rivendicazione in esame, anziché come un teorema acquisito — ed è questa distinzione a reggere l'intera vicenda.
Che cosa ha pubblicato OpenAI, e che cosa dice il registro pubblico
La congettura Cycle Double Cover afferma che ogni grafo privo di ponti — ogni grafo che resta connesso dopo la rimozione di qualunque singolo spigolo — ammette una collezione di cicli che coprono ciascuno spigolo esattamente due volte. Figura tra i problemi aperti più celebri della teoria dei grafi, legata agli snark e ai flussi nowhere-zero, e resiste da circa 50 anni. Il documento sul CDN di OpenAI la attacca lungo linee classiche: i lettori che hanno esaminato il testo descrivono una riduzione ai grafi cubici privi di cappi e un'argomentazione che poggia sul teorema dell'8-flusso di Jaeger–Kilpatrick, organizzata in due lemmi compatti. I commentatori di Hacker News, dove la discussione ha raccolto 385 punti, hanno descritto un testo che sembra un articolo d'altri tempi: un'argomentazione breve e diretta, costruita su risultati noti anziché su nuova teoria.
La brevità è l'aspetto più sorprendente. I teorici dei grafi hanno eroso la congettura per decenni con risultati parziali — tra cui il teorema dell'8-flusso — e con lo studio degli snark, i grafi cubici in cui dovrebbe vivere un eventuale controesempio minimale. Una risoluzione completa in tre pagine significherebbe che il campo possedeva da anni gli strumenti necessari e ha mancato la combinazione.
Il ricercatore di OpenAI Ethan Knight ha annunciato il risultato su X il giorno successivo alla disponibilità generale di GPT-5.6 Sol Ultra, condividendo sia il prompt sia la dimostrazione. Il prompt stesso è istruttivo: secondo i lettori che lo hanno esaminato, ampio spazio è dedicato a istruzioni che respingono “rapporti di stato” e “vago ottimismo” e orientano il modello verso una ricerca ampia e persistente. Le cifre dichiarate restano scarne: 64 subagenti in parallelo, meno di un'ora di tempo effettivo, tre pagine di testo. L'analisi di AI Weekly cataloga ciò che resta riservato: il calcolo totale, il numero di tentativi falliti precedenti al risultato pubblicato, la quantità di editing umano applicata al testo diffuso e quali matematici abbiano visto la bozza prima della pubblicazione. La voce di Wikipedia sulla congettura ha registrato la rivendicazione lo stesso giorno, con la stessa cautela.
Perché conta oltre il laboratorio
L'epistemologia merita la stessa attenzione della capacità. Le prime letture esperte risultano prudentemente positive: una recensione dettagliata pubblicata nella discussione di Hacker News riferisce di aver controllato ogni passaggio e di aver trovato l'argomentazione corretta “modulo due risultati standard citati”. Si tratta di un singolo lettore, al lavoro in tempi rapidi, su un testo fresco. Una verifica formale in un assistente di dimostrazione come Lean o Coq risulta assente dal rilascio. La revisione paritaria deve ancora cominciare. AI Weekly traccia la distinzione operativa: un PDF sul CDN di un'azienda appartiene a una categoria epistemica diversa da un teorema sottoposto a revisione, e la redazione invita a trattare il risultato come una rivendicazione in esame attivo anziché come un risultato acquisito.
La storia fornisce il tasso di base. arXiv ospita precedenti dimostrazioni rivendicate della stessa congettura — preprint del 2015 e del 2018 annunciano una prova già nel titolo — e lo status del problema è rimasto aperto, perché lo scrutinio della comunità ha giudicato insufficienti quegli argomenti o li ha ignorati. Le dimostrazioni rivendicate di congetture celebri falliscono molto più spesso di quanto riescano, e l'onere spetta a chi rivendica.
Tre ulteriori limiti inquadrano il caso. Primo, la sopravvivenza selettiva: OpenAI ha reso pubblica un'unica esecuzione riuscita, quindi il tasso di base dei tentativi — e dunque il costo per scoperta autentica — resta impossibile da stimare dall'esterno. Secondo, l'attribuzione: esseri umani hanno progettato il prompt in modo strategico, per cui “scritto interamente dal modello” descrive la generazione del testo, mentre il disegno della ricerca resta umano. Terzo, la brevità taglia in due direzioni: una risoluzione in tre pagine di un problema cinquantennale solleva la domanda sul perché gli esperti l'abbiano mancata e, proprio per questo, esige uno scrutinio indipendente prima che qualcuno vi costruisca sopra. Qualora la dimostrazione regga, la lezione pratica per le organizzazioni di ricerca è netta: la verifica, anziché la generazione, diventa la risorsa scarsa. I risultati candidati generati dalle macchine arriveranno più in fretta della capacità della comunità di controllarli, e il divario tra “rivendicato” e “confermato” diventa un problema di gestione tanto quanto un problema matematico.
La decisione R&D
Per un CTO o un responsabile della ricerca la domanda di roadmap è concreta. La maggior parte dei portafogli di ricerca contiene problemi con una struttura asimmetrica: le soluzioni candidate sono costose da trovare ed economiche da verificare — congetture, ricerche di controesempi, progetti di protocolli, limiti di ottimizzazione. Il risultato rivendicato, prodotto in meno di un'ora da 64 subagenti, suggerisce che il lato “trovare” di quell'asimmetria stia diventando acquistabile. La domanda da porre al vostro team questo trimestre: quali tre problemi del vostro portafoglio corrispondono allo schema costoso-da-trovare, economico-da-verificare, e quanto costerebbe una ricerca disciplinata con uno sciame di agenti rispetto a un anno-ricercatore? Abbinate a ogni esperimento un budget esplicito di verifica — ore di revisione esperta, metodi formali dove il dominio li consente — perché questo episodio mostra due orologi a velocità diverse: il titolo è arrivato entro 24 ore dalla disponibilità generale del modello, mentre il verdetto matematico richiederà settimane o mesi. Le organizzazioni che costruiscono la filiera di controllo prima della filiera di generazione trasformeranno le rivendicazioni in asset; le altre accumuleranno PDF privi di verifica.
Articolo di MIRA — Research & Evidence
MIRA segue la ricerca sull'IA con rigore accademico. Ogni affermazione è ancorata a un risultato misurato.