Die KI hat gelernt, die Unmöglichkeit zu beweisen: AWM von Tsinghua schlägt GPT-6 Astra und Claude Opus 5.5, wo sie aufgeben

Was macht eine KI, wenn es für eine Aufgabe keine Lösung gibt? Normalerweise heißt es „Ich konnte es nicht machen“ – was nicht zu unterscheiden ist von „Ich habe es nicht gefunden“. Ein Team der Tsinghua-Universität und der Zhejiang-Universität unter der Leitung des Turing-Preisträgers Andrew Yao hat Algebraic World Model (AWM) eingeführt, ein System, das die Unmöglichkeit im wahrsten Sinne des Wortes beweist: Es erstellt ein mathematisches Modell einer unbekannten Umgebung, formalisiert es in Lean 4 und liefert einen überprüfbaren Beweis dafür, dass keine Gewinnfolge existiert. Bei ARC-AGI-3 meistert der Ansatz alle 183 Level und hebt die Punktzahl von Claude Opus 5 von 40,7 auf 99,9.

Warum „es nicht funktioniert hat“ ist eine schlechte Antwort

ARC-AGI-3 ist eine Reihe von 25 öffentlichen Spielen, bei denen der Agent weder Regeln noch ein Tor erhält. Es muss die Mechanik ausarbeiten und dann das Level räumen. Diese Aufgaben testen, ob ein Modell über eine unbekannte Welt nachdenken kann, anstatt sich an ähnliche Beispiele aus dem Training zu erinnern.

Genau hier straucheln die Flaggschiffe. In einem Experiment auf zwei versiegelten Ebenen – Ebenen, deren Aktionsbudget eine Einheit unter dem günstigsten möglichen Gewinn liegt – lieferten weder Claude Opus 5.5 noch GPT-6 Astra, beide mit Codierungstools ausgestattet, einen einzigen Beweis. Bei 12 Läufen sagten sie nur fünfmal, dass die Aufgabe unmöglich sei, und in vier dieser Fälle nannten sie die falschen Mindestkosten. Auf Ebene sc25 mit einem Budget von 18 Aktionen (der billigste Sieg kostet 19), GPT-6 Astra fand eine Route, die 22 Züge kostete, und kam zu dem Schluss, dass es nichts Billigeres gab – ohne Beweis.

Wie AWM ein Spiel in einen Satz verwandelt

Die Arbeit erfolgt in drei Phasen. Erstens: Erkundung: Der Agent spielt, zeichnet Beobachtungen auf und schreibt Hypothesen als ausführbaren Python-Code. Jede Hypothese wird anhand aller beobachteten Übergänge getestet und umgeschrieben, wenn auch nur ein Übergang ihr widerspricht.

Dann kommt die Struktur: Hypothesen werden zu typisierten Objekten und gemeinsamen Regeln, während von der Kategorientheorie inspirierte Transformationen Redundanzen beseitigen. Im Spiel lp85 wurden elf verschiedene Konzepte zu vier Arten von Knöpfen in einer einzigen Regel zusammengefasst, press_permutes. Abschließend wird das Modell in Lean 4 übersetzt, die Sprache, die Mathematiker für maschinenüberprüfbare Beweise verwenden. Dort beweist AWM zwei Arten von Aussagen: dass ein bestimmter Weg das Ziel erreicht, und dass es bei einem gegebenen Budget überhaupt keinen gewinnbringenden Weg gibt.

Der Schlüsselbegriff ist „überhaupt“. Ein normales Modell sagt: „Ich habe es nicht gefunden.“ AWM stellt einen Beweis dar, der Zeile für Zeile überprüft werden kann und jede legale Abfolge von Handlungen ausschließt, nicht nur diejenigen, die der Agent zufällig versucht hat.

Sechs Beweise gegen null

Auf den beiden versiegelten Ebenen lieferte AWM einen geschlossenen Lean-Beweis dafür, dass es unmöglich ist, in allen sechs von sechs Läufen innerhalb des Budgets zu gewinnen. GPT-6 Astra und Claude Opus 5.5 ergaben in zwölf Durchgängen keine derartigen Beweise. Die Mindestkostenschätzungen sind sogar noch aussagekräftiger: Vier der sechs Anfangsgrenzen von AWM waren richtig, Claude Opus 5.5 hat eine von sechs richtig und GPT-6 Astra keine. Nachdem man ihm mitgeteilt hatte, dass es einen günstigeren Gewinn gäbe, überarbeitete AWM seine Regeln und erreichte sechs von sechs richtigen Grenzen.

183 Level, 99,9 Punkte und 43 % der Handlungen eines Menschen

Dann kommt das komplette ARC-AGI-3-Set. In den 25 öffentlichen Spielen ermöglichen die Modelle von AWM Lean die Gewinnwege aller 183 Level nachzuspielen. Auf unbekannten Layouts sagten die eingefrorenen Regeln alle 4.160 Übergänge voraus; Nach einer mechanischen Änderung lehnte das Modell 4.031 Übergänge ab – was bedeutete, dass das Modell bemerkte, dass sich die Welt verändert hatte, anstatt mit den alten Anweisungen fortzufahren.

Mit Claude Opus 5 als Basismodell erreicht AWM einen Wert von 99,9; das gleiche Claude Opus 5 ohne AWM erhält 40,7. Die zertifizierten Gewinnverläufe nutzen 43 % der Aktionen, die ein Mensch im Grunde ausführt. Mit anderen Worten: Das System beendet das Spiel nicht einfach; es räumt es wirtschaftlicher ab als ein durchschnittlicher Mensch.

Wo der Haken ist

Die Beweise von AWM sind Beweise für ein erlerntes Modell, nicht für das Spiel selbst. Das Umwandeln von Bildschirmen in Zustände geschieht in Python, außerhalb von Lean. Das Modell kann am Ende strenger sein als das Spiel; dann wäre ein Beweis von „unmöglich“ für das Modell wahr und für die Realität falsch. Die Autoren gehen explizit darauf ein, was die Beweise belegen: Die Regeln stimmen mit jedem aufgezeichneten Übergang überein, die zertifizierte Route schafft tatsächlich die Ebene unter diesen Regeln, und auf versiegelten Ebenen gibt es innerhalb des Budgets keine erfolgreiche Route.

Die Verbindung zum realen Spiel wird von außen hergestellt: Die eingefrorenen Regeln sagen 4.160 Übergänge auf unsichtbaren Layouts voraus, und eine umfassende Suche in der Spiel-Engine bestätigt die versiegelten Schwellenwerte. Wenn die Erkundung jedoch unvollständig war und der Agent eine wichtige Regel übersehen hat, ist das Ergebnis eine lokale Wahrheit und keine Beschreibung der gesamten Welt. Die Autoren beschreiben eine Schleife: Beobachtung, Hypothese, Experiment, Abstraktion, Beweis und wieder Beobachtung. Das Papier ist dran arXiv (eingereicht am 29. Oktober 2026, überarbeitet am 30. Oktober) und Laufaufzeichnungen sowie eine Demo sind auf der Projektseite.

Warum das über Spiele hinaus wichtig ist

Agenten planen bereits Reisen, schreiben Code und verwalten Aufgaben. In der realen Welt müssen sie jedoch nicht nur sagen: „Hier ist die Lösung“, sondern auch: „Es gibt keine Lösung, und hier ist der Grund.“ Der Unterschied ist riesig. „Ich habe es nicht gefunden“ bedeutet, einen anderen Ansatz zu versuchen oder zu warten. „Ich habe bewiesen, dass es nicht geht“ setzt Ressourcen frei, ändert den Plan und stoppt eine Endlosschleife.

Für eine Plattform, die auf generativen Modellen basiert, sieht die Frage von der anderen Seite aus genauso aus: Je mehr Aufgaben automatisiert werden, desto wichtiger wird die Überprüfbarkeit – und nicht das Vertrauen in eine Antwort. Ein formaler Beweis ist die extremste und strengste Form dieser Überprüfbarkeit. In Spielen funktioniert es bereits. Bei der Planung, Budgetierung und Codeüberprüfung besteht der nächste Schritt darin, zu lernen, ebenso kurze und lesbare Beweise für Probleme ohne klare Regeln zu erstellen.

Was es für Benutzer bedeutet

Beide Modelle aus dem Papier – Claude Opus 5.5 und GPT-6 Astra – sind in erhältlich NeuralSpace Chatten. AWM ist ein Forschungsprojekt ohne öffentlichen Zugang, aber Sie können bereits sehen, wie moderne Modelle über Ihre eigenen Aufgaben nachdenken. Für Bauträger und eigene Projekte gibt es die Code Abschnitt.

Und ein bisschen echte Statistik. Laut anonymisierten Produktionsdaten von NeuralSpace in den letzten 30 Tagen (Fenster 03.10–02.11.2026) verarbeitete der Chat 1.513 Benutzernachrichten in 516 Sitzungen. Auf vier Modelle entfielen 69 % der Antworten, wobei GPT-5.4 Mini mit 580 Antworten an der Spitze stand. Schwere Flaggschiffe werden selektiv ausgewählt: Im Arbeitsalltag überwiegen in der Regel Geschwindigkeit und Preis, während schwierige Probleme eine andere Geschichte sind.

FAQ

Was ist der Algebraic World Model?

Ein System, das eine unbekannte Umgebung erforscht, ein mathematisches Modell davon erstellt und Aussagen über dieses Modell in Lean 4 formal beweist – zum Beispiel, dass ein Ziel innerhalb eines vorgegebenen Aktionsbudgets nicht erreichbar ist.

Wie unterscheidet sich AWM von einem regulären Sprachmodell?

Ein Sprachmodell schlägt eine Antwort vor und kann falsch sein, ohne sie anzuzeigen. AWM erstellt zunächst explizite Regeln der Welt, überprüft sie dann und leitet Konsequenzen als Beweis ab, den ein unabhängiges Programm überprüfen kann. Ein Fehler in einer Regel ist in den Gewichten sichtbar und nicht verborgen.

Kann ich AWM ausprobieren?

Es gibt keine öffentliche Version; Es ist ein Forschungsprojekt. Aber die Basismodelle, auf denen es lief, sind im NeuralSpace Chat verfügbar, und Sie können im Abschnitt „Code“ Ihre eigenen Experimente erstellen.