OpenAI решает задачу Эрдёша: прорыв в рассуждениях LLM | AiManual
AiManual Logo Ai / Manual.
12 Июл 2026 Новости

OpenAI решает задачу Эрдёша: демонстрация продвинутых рассуждений и будущее LLM

OpenAI объявила о решении знаменитой задачи Эрдёша с помощью новой модели. Разбираем, как это меняет представление о reasoning в LLM и что говорят скептики.

Сенсация из Сан-Франциско: Эрдёш сдался

12 июля 2026 года — дата, которую математики запомнят надолго. OpenAI выкатила пресс-релиз, от которого у академического мира слегка съехала крыша. Их новейшая модель (назовём её условно GPT-5 Reasoning Ultra) справилась с задачей Эрдёша, которая висела «нерешённой» больше полувека. Речь о знаменитой проблеме из теории графов — гипотезе Эрдёша о радикалах расстояний. Задача формулируется так: существует ли бесконечное множество точек на плоскости, в котором все попарные расстояния — целые числа, и при этом никакие три точки не лежат на одной прямой? Полвека лучшие умы бились над доказательством — и вот вам, пожалуйста, машина выдала цепь рассуждений на 57 шагов.

Подождите, это не шутка. Модель не просто угадала ответ. Она построила многоступенчатое доказательство, используя комбинаторику, теорию чисел и геометрию. Внутренние логи OpenAI утверждают, что система даже объяснила, почему интуиция подводит человека: «Потому что человеческий мозг не видит паттернов в 37-мерном пространстве признаков, а мы — видим». Звучит дерзко, но факты — вещь упрямая.

💡 Контекст: Задача Эрдёша о целочисленных расстояниях была предложена в 1946 году. С тех пор было найдено множество частичных решений, но полное доказательство оставалось открытым. Теперь у нас есть не просто доказательство, а демонстрация того, насколько далеко продвинулись reasoning-модели.

Но давайте честно: новость — это хорошо, а что с практической стороной? OpenAI заявляет, что новая модель (кодовое имя Euler-7) использует комбинацию символьного вывода и нейросетевого перебора. Это уже не просто «статистический попугай». Это гибрид, который научился строить формальные цепочки, не теряя способности к креативности. Тут есть над чем задуматься.

Как это работает на самом деле?

Если отбросить маркетинговые лозунги, суть такова. Модель не просто «рассуждает» — она использует внутренний механизм цепочек мыслей с самопроверкой. Каждый новый токен генерируется, затем проверяется на непротиворечивость относительно предыдущих шагов. Если обнаруживается логический разрыв, система откатывается назад и ищет альтернативный путь. Это напоминает то, что мы уже видели в детерминированных движках рассуждений, только здесь — мягкое, вероятностное управление.

Инженеры OpenAI опубликовали часть лога рассуждений. Выглядит это жутковато: модель генерирует десятки вариантов, отвергает их, меняет аксиомы, вводит вспомогательные леммы. А потом — бац! — выплевывает элегантное доказательство. Чисто инженерно — это триумф. Но философски — тревожный звонок.

🧠
Сравните с тем, как работают когнитивные архитектуры в PAD+ AI: они тоже пытаются структурировать рассуждения, но пока не дошли до уровня самостоятельного решения открытых задач.

А что говорят скептики?

Разумеется, не все аплодируют стоя. Математики указывают на то, что доказательство модели пока не прошло полноценное рецензирование. «OpenAI не публикует веса, не раскрывает архитектуру, мы не можем воспроизвести результат» — типичная жалоба. Другие опасаются, что решение было найдено не «честным» reasoning, а благодаря скрытому подглядыванию в базы данных теорем (хотя задача считается нерешённой, частные случаи могли быть где-то описаны).

И тут мы упираемся в проблему, которую уже разбирали в статье «LLM понимают цель, но игнорируют её». Модель может выдать гениальное решение, но при этом не иметь ни малейшего представления о том, что она делает. Это ли не архитектурный изъян?

Атаки на reasoning-модели тоже не заставили себя ждать. Уже есть PoC, где специально составленный промпт заставляет модель передумывать решение, переписывая его в бессмысленный бред. Вот и верь после этого в «продвинутые рассуждения».

Что дальше?

Независимо от скепсиса, этот случай — чёткий сигнал: граница между «человеческой» математикой и машинным выводом стирается. Если раньше AI считали хорошим помощником для перебора вариантов, то теперь он претендует на роль первооткрывателя. И это ставит перед сообществом неудобный вопрос: готовы ли мы признать, что непостижимая для нас истина может быть сгенерирована алгоритмом?

Как бы то ни было, OpenAI сделала громкую заявку на лидерство в reasoning. Следующий шаг — не просто решать задачи, а ставить их. Тогда-то мы и увидим, кто на самом деле контролирует будущее математики.

Подписаться на канал