Radar Tech: GPT-5.6 prova conjectura matemática de 40 anos — e redefine arquitetura de agentes de IA
OpenAI anuncia que o GPT-5.6 Sol Ultra produziu uma prova da Cycle Double Cover Conjecture, um problema aberto desde 1973. Entenda como a arquitetura multi-agente do prompt usado pode transformar a engenharia de sistemas de IA.
O que aconteceu?
No dia 10 de julho de 2026, uma equipe de pesquisadores utilizando o GPT-5.6 Sol Ultra (OpenAI) produziu uma prova matemática de uma conjectura aberta de 40 anos: a Cycle Double Cover Conjecture (CDCC). A conjectura, proposta por Szekeres (1973) e Seymour (1979), afirma que todo grafo 2-aresta-conexo pode ter suas arestas cobertas exatamente duas vezes por uma família de ciclos.
Por que isso importa?
A CDCC é considerada o segundo problema mais importante da teoria dos grafos em aberto (depois apenas do P vs NP, segundo o Open Problem Garden). Até esta semana, todas as tentativas de prova — humanas e computacionais — haviam falhado. O que torna este feito particularmente notável não é apenas o resultado, mas o método: o modelo foi orquestrado como um sistema multi-agente, com exploração paralela de estratégias, síntese e verificação formal.
A arquitetura do prompt vencedor
A OpenAI divulgou o prompt usado (disponível publicamente em PDF). A estrutura revela um padrão de engenharia sofisticado:
- Persona de Agente Cientista: o modelo recebe um papel específico com regras de conduta e objetivos claros.
- Exploração paralela: múltiplas estratégias são atacadas simultaneamente, sem descartar nenhuma prematuramente.
- Meta-regra de persistência: "gaste pelo menos 8 horas antes de considerar desistir" — uma instrução que combate a tendência do modelo a convergir rápido demais.
- Verificação embutida: cada passo é checado contra um harness antes da entrega final.
- Esquema de saída JSON: a resposta deve seguir um schema rígido, eliminando ambiguidades.
O custo estimado foi de ~$400 em inferência (64 subagentes rodando por ~1 hora no GPT-5.6), com o modelo produzindo aproximadamente 12 milhões de tokens de output.
Implicações para arquitetura de software
Este evento não é apenas uma curiosidade acadêmica — ele redefine como devemos pensar sobre arquitetura de sistemas agentes:
- Orquestração > Modelo Isolado: o sucesso veio da arquitetura (múltiplos agentes, paralelismo, verificação), não apenas do poder bruto do modelo.
- Engenharia de Prompt como Disciplina de Arquitetura: prompts multi-arquivo com schemas, guardrails e few-shot examples são o equivalente a "testes unitários" para agentes de IA — sem eles, a precisão despenca.
- Verificação é o Novo Teste: o harness de verificação cumpriu o papel que os testes automatizados cumprem em engenharia de software — garantir que a saída está correta antes do deploy.
- Custo vs. Valor: ~$400 por uma prova que matemáticos perseguiam há 40 anos é um ROI extraordinário.
Para onde vamos?
Com modelos capazes de raciocínio matemático profundo e arquiteturas multi-agente que escalam a exploração, estamos entrando em uma era onde a IA não apenas executa código — ela descobre. O próximo passo natural é aplicar esta mesma arquitetura a problemas de engenharia de software: verificação formal de código, descoberta de vulnerabilidades, otimização de algoritmos.
O prompt usado pela OpenAI já está disponível. O pacote de arquitetura que criamos hoje no ArchPrompts codifica estes mesmos princípios em 6 arquivos complementares, prontos para uso em qualquer LLM moderno.
Radar Tech é uma publicação diária do ArchPrompts cobrindo as notícias mais relevantes de tecnologia, arquitetura de software e IA aplicada.
