GPT-5.6 Sol Ultra ha prodotto una dimostrazione rigorosa di una congettura matematica rimasta aperta per cinquant’anni. Un matematico ha verificato la prova e l’ha trovata corretta.

È l’ennesimo risultato del genere in pochi giorni. Il 12 luglio il modello aveva chiuso la Cycle Double Cover Conjecture usando 64 sottoagenti in parallelo. Il 18 luglio aveva risolto un problema di ottimizzazione convessa, con un benchmark che mostrava come l’architettura degli agenti contasse quanto la potenza grezza del modello. Ora un’altra congettura, un’altra verifica umana.

Perché ti riguarda. La ripetizione è il punto. Una dimostrazione fortunata si può chiamare coincidenza. Più risultati verificati su problemi diversi dicono che qualcosa è cambiato nel modo in cui i modelli frontier costruiscono un ragionamento nuovo su territorio inesplorato. Se usi l’AI per analisi o decisioni dove non esiste una risposta già scritta da qualche parte, questo è il segnale che la capacità di ragionare oltre il noto è diventata riproducibile.

Non significa che ogni output sia corretto. Un paper pubblicato lo stesso giorno su arXiv mostra che i modelli violano ancora proprietà basiche di consistenza statistica quando li frammenti in sotto-popolazioni: sanno cose che non propagano in modo affidabile nelle stime aggregate. La distanza fra “può dimostrare un teorema” e “può fare un’analisi senza errori” resta grande. Il primo è un dominio dove la correttezza si verifica in modo binario. Il secondo, no.

Nel dettaglio

La serie di risultati matematici di GPT-5.6 Sol Ultra segue un pattern che vale la pena capire per chi usa l’AI nel proprio lavoro.

Il primo risultato (12 luglio). La Cycle Double Cover Conjecture è un problema di teoria dei grafi aperto dagli anni Settanta: ogni grafo senza ponti ammette una copertura ciclica dei suoi archi in cui ogni arco appare esattamente due volte. GPT-5.6 Sol Ultra l’ha attaccato con 64 sottoagenti in parallelo, ciascuno dei quali esplorava un ramo della dimostrazione. Il matematico che ha verificato il risultato l’ha descritta come elementare e corretta, due parole che in matematica valgono più di mille aggettivi.

Il secondo (18 luglio). Un problema di ottimizzazione convessa, con una differenza importante rispetto al primo: un benchmark indipendente ha mostrato che l’architettura agente contava quanto il modello stesso. Il ciclo di controllo, la delega a sottoagenti e la verifica incrociata facevano la differenza fra una risposta plausibile e una dimostrazione che regge.

Questo risultato (16 luglio). Una nuova congettura aperta da cinquant’anni, sempre con verifica umana. Non conosciamo ancora i dettagli della dimostrazione né il nome specifico della congettura, ma il fatto che un matematico l’abbia controllata e confermata è il punto centrale.

Perché la matematica è un caso speciale. I teoremi hanno una struttura formale che un modello può esplorare in modo sistematico, con feedback immediato: un passaggio è corretto o non lo è, e un esperto può verificarlo. Questo è diverso da dire che l’AI ragiona in generale. È più preciso: in domini dove la correttezza è verificabile in modo binario, i modelli frontier possono costruire percorsi dimostrativi originali che nessuno aveva scritto prima.

Il contrappunto. Il paper di Wolf e colleghi su arXiv (16 luglio) documenta il rovescio della medaglia. I ricercatori hanno testato se i modelli soddisfano la legge di probabilità totale: se chiedi a un modello di stimare una probabilità su una popolazione, e poi gli chiedi di stimare la stessa cosa su sottogruppi e aggregare, i risultati dovrebbero coincidere. Non coincidono. I modelli possiedono la conoscenza delle sottopopolazioni ma non la propagano in modo affidabile nelle stime aggregate. I ricercatori chiamano questo fenomeno macro fallacy: le stime ricostruite dai sottogruppi sono spesso più allineate ai dati umani di quelle dirette, ma il modello non sa di avere questa informazione e non la usa quando gli chiedi una stima generale.

Per chi usa l’AI nel proprio lavoro, la conseguenza è concreta. La capacità di costruire un ragionamento rigoroso esiste, ma è frammentaria. Lo stesso modello che dimostra un teorema può sbagliare un’aggregazione statistica di base. Se il tuo compito ha una verifica formale possibile (matematica, codice, logica), l’AI può sorprenderti. Se la verifica è sfumata (stime, analisi qualitative, giudizi), serve più cautela e più controlli incrociati.

Cosa resta da verificare. Non abbiamo il testo completo della dimostrazione, né sappiamo quale congettura sia stata chiusa. La verifica viene da un matematico professionista, ma non conosciamo i dettagli del processo di revisione. Le fonti raccolte forniscono contesto teorico (il legame fra compressione e intelligenza discusso da Karpathy, le inconsistenze statistiche documentate nel paper di Wolf) ma non confermano direttamente l’evento. Come sempre con i risultati frontier, conviene aspettare la pubblicazione formale prima di trarre conclusioni definitive sulle implicazioni generali.