OpenAI и задача Эрдеша о единичных расстояниях
OpenAI заявила, что внутренняя reasoning-модель дала контрпример к гипотезе Эрдеша о единичных расстояниях. Что именно доказано и где ограничения.
По состоянию на 27 мая 2026 года OpenAI заявила, что внутренняя reasoning-модель опровергла старую гипотезу из дискретной геометрии: задача Эрдеша о единичных расстояниях больше не держится на прежнем ожидании про почти линейную границу.
Сразу разведём с соседним материалом Toolarium. В статье про ChatGPT и 60-летнюю задачу Эрдеша #1196 речь шла о primitive sets. Здесь другая задача, другая модель и другой контур проверки: OpenAI говорит о непубличной модели рассуждений, а внешний arXiv-препринт даёт человечески вычитанную версию контрпримера.
Лозунг «ИИ решил математику» здесь только мешает. Модель нашла конструкцию, которую проверили математики, и эта конструкция связывает простую на вид геометрическую задачу с алгебраической теорией чисел. Для reasoning-моделей это редкий тест, где длинная цепочка рассуждений должна пройти внешнюю математическую проверку.
Что произошло
20 мая 2026 года OpenAI опубликовала материал An OpenAI model has disproved a central conjecture in discrete geometry. Компания утверждает, что внутренняя модель общего назначения дала доказательство для planar unit distance problem, задачи, которую Пол Эрдеш впервые поставил в 1946 году.
Формулировка задачи проста. Если разместить n точек на плоскости, сколько пар точек можно получить на расстоянии ровно 1 друг от друга? Долгое время математики считали, что лучшие конструкции по сути похожи на квадратную решётку и дают рост вида n^{1+o(1)}. OpenAI заявила, что модель нашла семейство примеров с полиномиальным улучшением: для бесконечно многих n число единичных расстояний не ниже n^{1+δ} при некотором фиксированном δ > 0.
| Пункт | Что подтверждено источниками | Ограничение |
|---|---|---|
| Задача | Проблема единичных расстояний на плоскости, поставленная Эрдешем в 1946 году. | Держим отдельно от задачи Эрдеша #1196 и публичного ChatGPT. |
| Результат OpenAI | Контрпример к ожидаемой границе n^{1+o(1)}, с семейством конструкций вида n^{1+δ}. |
OpenAI не утверждает, что найден точный максимум для всех n. |
| Проверка | Внешние математики подготовили краткую, вычитанную версию доказательства на arXiv. | Это препринт, а не журнальная peer review. |
| Уточнение Sawin | Will Sawin получил явную нижнюю оценку: больше n^{1.014} единичных расстояний для сколь угодно больших n. |
Это улучшение нижней оценки, а не закрытие верхней границы O(n^{4/3}). |
Почему это отдельная задача Эрдеша
У Эрдеша было много задач, поэтому заголовки про «задачу Эрдеша» легко смешивают разные сюжеты. Старый материал Toolarium был про задачу #1196 на сайте Erdős Problems Project: там GPT-5.4 Pro помогла Лиаму Прайсу найти ход для проблемы о примитивных множествах. Новый инфоповод OpenAI связан с геометрией: точками на плоскости и расстоянием ровно 1.
Разница важна не только для SEO. В кейсе #1196 модель дала полезную подсказку человеку, а доказательство затем очищали и формализовали математики. В unit distance problem OpenAI описывает более сильную претензию: внутренний general-purpose reasoner сам произвёл исходное доказательство, а внешние математики проверили, переварили и расширили его контекст.
Этот кейс также лучше ложится в общий разговор о моделях рассуждения. Там мы разбирали, почему длинная проверяемая цепочка вывода стала отдельным классом задач для LLM. Математика удобна именно этим: если рассуждение ломается в одном месте, красивый текст уже не спасает результат.
Почему TechCrunch пишет «for real this time»
Скепсис вокруг этой новости понятен. TechCrunch напомнил, что осенью 2025 года у OpenAI уже была преждевременная громкая претензия про задачи Эрдеша: тогда бывший VP Kevin Weil написал, что GPT-5 якобы нашла решения для 10 нерешённых задач и продвинулась ещё в 11. После критики со стороны математиков и конкурентов пост убрали.
В новой истории OpenAI действует осторожнее. Вместе с анонсом компания дала ссылку на proof, companion remarks и укороченную версию chain of thought. Внешняя группа включает Ногу Алона, Томаса Блума, Тима Гауэрса, Уилла Соина, Арула Шанкара, Джейкоба Цимермана и других математиков. Поэтому инфоповод сильнее обычного пресс-релиза: результат вынесли в проверяемый математический контур.
Вопросы остаются. Препринт на arXiv не равен журнальной публикации. Кроме того, модель остаётся внутренней: её нельзя открыть в ChatGPT и проверить на соседней задаче. Разница с прошлым overclaim всё равно существенная: сейчас есть конкретная постановка, открытые документы и список людей, которые взяли на себя проверку и объяснение результата.
Что именно доказано
Технически результат опровергает ожидание, что число единичных расстояний всегда ограничено почти линейной функцией n^{1+o(1)}. OpenAI говорит о конструкциях с n^{1+δ} единичных расстояний для фиксированного положительного δ. В исходной версии это δ было неявным.
Работа Will Sawin An explicit lower bound for the unit distance problem, поданная на arXiv в тот же день, делает оценку явной. В аннотации Sawin пишет о множествах из сколь угодно большого числа точек, где пар на расстоянии ровно 1 больше, чем n^{1.014}. Внутри теоремы фигурирует более точная форма n^{1.014114}/C для абсолютной константы C.
Смысл можно передать без тяжёлой математики. Раньше сильнейшая известная конструкция росла лишь немного быстрее линейной. Новая линия показывает, что можно выбить фиксированную прибавку в показателе степени. Верхняя граница при этом остаётся далеко выше, порядка O(n^{4/3}), так что вся проблема единичных расстояний не закрыта полностью.
n^{1.014} единичных расстояний. Источник: arXiv:2605.20579.Почему алгебраическая теория чисел внезапно оказалась в геометрии
В привычной интуиции задача звучит как геометрия на клетчатой бумаге: поставили точки, посчитали пары на расстоянии 1. Именно поэтому квадратная решётка долго выглядела естественным кандидатом на почти оптимальную конструкцию.
Новый результат идёт другим путём. OpenAI и arXiv-работы описывают перенос идей из алгебраической теории чисел: вместо обычной решётки на плоскости аргумент использует более сложные числовые поля, решётки и проекции в R^2. Нужные единичные расстояния появляются потому, что у таких объектов можно создать много векторов, чьи проекции на плоскость имеют одинаковую длину.
Для математики это, вероятно, важнее самого факта «ИИ нашёл доказательство». Контрпример не просто закрывает одну ожидаемую границу. Он показывает, что в дискретной геометрии могут работать инструменты, которые раньше не считались главным маршрутом для этой задачи. Именно такие переносы между областями часто и двигают исследовательскую математику.
Что это говорит о reasoning-моделях
OpenAI подчёркивает, что доказательство пришло не от узкой системы, специально обученной на эту задачу, и не от поискового пайплайна под математические доказательства. Компания говорит о новой модели общего назначения, которую проверяли на наборе задач Эрдеша в рамках более широкой оценки frontier research.
Если формулировка OpenAI выдержит последующую проверку сообщества, это сильный сигнал для моделей рассуждений. О замене математиков здесь говорить рано: без экспертов результат не получил бы доверия, объяснения и более аккуратной оценки. Сигнал в другом: модель смогла удержать длинный путь, найти нетипичный перенос метода и произвести текст, который эксперты смогли превратить в нормальный научный объект.
Эта линия хорошо стыкуется с другим научным направлением OpenAI. В материале про GPT-Rosalind мы уже видели, как компания пробует выходить из режима чат-бота к исследовательским моделям для биологии. Unit distance problem показывает тот же разворот в математике: ценность измеряется не красивым ответом, а тем, выдерживает ли результат проверку специалистами.
Где границы новости
У этой истории есть несколько жёстких ограничений, без которых заголовок быстро превращается в кликбейт.
- Модель не публичная. Читатель не может открыть ChatGPT и воспроизвести тот же режим.
- Точный максимум для всех
nвсё ещё неизвестен. Речь о контрпримере к конкретной ожидаемой границе. - Доказательство проверено внешними математиками и вынесено в препринты, но журнальная экспертиза ещё не завершена.
- История не доказывает, что ИИ стабильно решает открытые математические проблемы. Она показывает один сильный кейс с необычно хорошей проверкой.
- Старые ошибки OpenAI вокруг задач Эрдеша остаются контекстом. Именно поэтому источники и формулировки здесь важнее обычного.
Самый аккуратный вывод такой: OpenAI показала новый уровень проверяемых вкладов ИИ в исследовательскую работу. Чем сильнее становятся модели, тем больше цена внешней проверки, нормальных ссылок и человеческого понимания того, что именно доказано.
Главное
OpenAI заявила, что внутренняя reasoning-модель опровергла гипотезу Эрдеша о единичных расстояниях, предложив конструкции с числом пар на расстоянии 1 выше прежней ожидаемой почти линейной границы. Внешние математики подготовили human-verified companion paper, а Will Sawin дал явную оценку больше n^{1.014}.
Для читателя Toolarium эта новость ценна как пример более взрослого формата: модель даёт нетривиальный математический ход, люди проверяют и объясняют, а публичные документы позволяют спорить о доказательстве, а не о маркетинге. Похоже, именно так и будет выглядеть полезный ИИ в науке: внутри строгого контура проверки, рядом с экспертами.
Читайте также
- ChatGPT помог решить 60-летнюю задачу Эрдеша
- Модели рассуждения: o3, DeepSeek-R1 и новая парадигма
- GPT-Rosalind: зачем OpenAI нужна модель для биологии
Источники и проверка фактов
- OpenAI: An OpenAI model has disproved a central conjecture in discrete geometry, опубликовано 20 мая 2026 года, проверено 27 мая 2026 года.
- TechCrunch: OpenAI claims it solved an 80-year-old math problem - for real this time, опубликовано 20 мая 2026 года, проверено 27 мая 2026 года.
- arXiv: Remarks on the disproof of the unit distance conjecture, submitted 20 мая 2026 года, проверено 27 мая 2026 года.
- arXiv: Will Sawin, An explicit lower bound for the unit distance problem, submitted 20 мая 2026 года, проверено 27 мая 2026 года.
