L'IA ha imparato a dimostrare l'impossibilità: AWM da Tsinghua batte GPT-6 Astra e Claude Opus 5.5 dove si arrendono

Cosa fa un’intelligenza artificiale quando un compito non ha soluzione? Di solito dice "Non potevo farlo" - che è indistinguibile da "Non l'ho trovato". Un team dell'Università di Tsinghua e dell'Università di Zhejiang guidato dal vincitore del Premio Turing Andrew Yao ha introdotto Algebraic World Model (AWM), un sistema che dimostra letteralmente l'impossibilità: costruisce un modello matematico di un ambiente sconosciuto, lo formalizza in Lean 4 e produce una prova verificabile che non esiste alcuna sequenza vincente. Al ARC-AGI-3 l'approccio supera tutti i 183 livelli e aumenta il punteggio di Claude Opus 5 da 40,7 a 99,9.

Perché “non ha funzionato” è una pessima risposta

ARC-AGI-3 è un insieme di 25 partite pubbliche in cui l'agente non riceve né regole né goal. Deve elaborare i meccanismi e quindi superare il livello. Questi compiti verificano se un modello può ragionare su un mondo non familiare piuttosto che ricordare esempi simili dalla formazione.

È proprio qui che inciampano le ammiraglie. In un esperimento su due livelli sigillati - livelli il cui budget di azione è un'unità inferiore alla vincita più economica possibile - né Claude Opus 5.5 né GPT-6 Astra, entrambi dotati di strumenti di codifica, hanno prodotto un'unica prova. In 12 esecuzioni hanno affermato che l'attività era impossibile solo cinque volte e in quattro di questi casi hanno indicato il costo minimo sbagliato. Al livello sc25 con un budget di 18 azioni (la vittoria più economica costa 19), GPT-6 Astra ha trovato un percorso che costava 22 mosse e ha concluso che non esisteva nulla di più economico, senza prova.

Come AWM trasforma un gioco in un teorema

Il lavoro avviene in tre fasi. Innanzitutto, l'esplorazione: l'agente riproduce, registra osservazioni e scrive ipotesi come codice eseguibile Python. Ogni ipotesi viene testata rispetto a tutte le transizioni osservate e riscritta se anche una transizione la contraddice.

Poi arriva la struttura: le ipotesi diventano oggetti tipizzati e regole condivise, mentre le trasformazioni ispirate alla teoria delle categorie eliminano la ridondanza. Nel gioco lp85, undici concetti separati su quattro tipi di pulsanti sono riuniti in un'unica regola, press_permutes. Infine, il modello viene tradotto in Lean 4, il linguaggio utilizzato dai matematici per le dimostrazioni verificabili dalla macchina. L'AWM dimostra due tipi di affermazioni: che un percorso specifico raggiunge l'obiettivo e che con un dato budget non esiste affatto un percorso vincente.

La frase chiave è “affatto”. Un modello normale dice “Non l’ho trovato”. AWM presenta una prova che può essere verificata riga per riga e che esclude ogni sequenza legale di azioni, non solo quelle che l'agente ha tentato di tentare.

Sei prove contro zero

Sui due livelli sigillati AWM ha prodotto un Lean chiuso, prova che vincere entro il budget è impossibile in tutte e sei le serie su sei. GPT-6 Astra e Claude Opus 5.5 hanno prodotto zero prove di questo tipo in dodici esecuzioni. Le stime del costo minimo sono ancora più significative: quattro dei sei limiti iniziali di AWM erano corretti, Claude Opus 5.5 ne ha ottenuto uno corretto e GPT-6 Astra non ne ha ottenuto nessuno. Dopo che gli è stato detto che esisteva una vincita più economica, AWM ha rivisto le sue regole e ha raggiunto sei limiti corretti su sei.

183 livelli, 99,9 punti e il 43% delle azioni di un essere umano

Poi arriva il set completo di ARC-AGI-3. Nei 25 giochi pubblici, i modelli di AWM hanno permesso a Lean di riprodurre le traiettorie vincenti di tutti i 183 livelli. Sui layout invisibili le regole congelate prevedevano tutte le 4.160 transizioni; dopo una modifica meccanica, il modello ha rifiutato 4.031 transizioni, il che significa che il modello ha notato che il mondo era cambiato invece di continuare con le vecchie istruzioni.

Con Claude Opus 5 come modello base, AWM ottiene un punteggio di 99,9; lo stesso Claude Opus 5 senza AWM segna 40,7. Le traiettorie vincenti certificate utilizzano il 43% delle azioni spese da una linea di base umana. In altre parole, il sistema non si limita a completare il gioco; lo cancella in modo più economico di un essere umano medio.

Dov'è il problema

Le dimostrazioni di AWM riguardano un modello appreso, non il gioco stesso. La trasformazione degli schermi in stati avviene in Python, fuori Lean. Il modello può risultare più rigido del gioco; allora una dimostrazione dell’“impossibile” sarebbe vera per il modello e falsa per la realtà. Gli autori sono espliciti su ciò che stabiliscono le prove: le regole concordano con ogni transizione registrata, il percorso certificato supera davvero il livello secondo quelle regole e sui livelli sigillati non esiste alcun percorso vincente all'interno del budget.

Il legame con il gioco reale viene stabilito dall'esterno: le regole congelate prevedono 4.160 transizioni su layout invisibili, e una ricerca approfondita del motore di gioco conferma le soglie sigillate. Ma se l’esplorazione fosse incompleta e l’agente non rispettasse una regola importante, il risultato sarebbe una verità locale, non una descrizione del mondo intero. Gli autori descrivono un ciclo: osservazione, ipotesi, esperimento, astrazione, prova e ancora osservazione. Il giornale è acceso arXiv (inviato il 29 ottobre 2026, rivisto il 30 ottobre) e i record di esecuzione più una demo sul sito del progetto.

Perché questo è importante al di là dei giochi

Gli agenti già pianificano viaggi, scrivono codici e gestiscono attività. Nel mondo reale, però, dovranno dire non solo “ecco la soluzione” ma “non esiste una soluzione, ed ecco perché”. La differenza è enorme. “Non l’ho trovato” significa provare un altro approccio o aspettare. “Ho dimostrato che non si può fare” libera risorse, cambia il piano e interrompe un ciclo infinito.

Per una piattaforma costruita su modelli generativi, la domanda appare la stessa anche dall’altro lato: più le attività vengono automatizzate, più importante diventa la verificabilità, non la fiducia in una risposta. Una prova formale è la forma più estrema e rigorosa di tale verificabilità. Nei giochi funziona già. Nella pianificazione, nel budget e nella revisione del codice, il passo successivo è imparare a costruire dimostrazioni altrettanto brevi e leggibili per problemi senza regole chiare.

Cosa significa per gli utenti

Entrambi i modelli del documento — Claude Opus 5.5 e GPT-6 Astra — sono disponibili in NeuralSpace Chatta. AWM è un progetto di ricerca senza accesso pubblico, ma puoi già vedere come i modelli moderni ragionano sui tuoi compiti. Per gli agenti edilizi e i tuoi progetti, c'è il Codice sezione.

E un po' di statistiche reali. Secondo i dati di produzione anonimi di NeuralSpace negli ultimi 30 giorni (finestra dal 03.10 al 02.11.2026), la chat ha gestito 1.513 messaggi utente in 516 sessioni. Quattro modelli hanno rappresentato il 69% delle risposte, con GPT-5.4 Mini che portano a 580 risposte. Le ammiraglie pesanti vengono scelte in modo selettivo: nel lavoro quotidiano, la velocità e il prezzo di solito vincono, mentre i problemi difficili sono una storia a parte.

Domande frequenti

Cos'è il Algebraic World Model?

Un sistema che esplora un ambiente sconosciuto, ne costruisce un modello matematico e dimostra formalmente le affermazioni su quel modello in Lean 4 - ad esempio, che un obiettivo è irraggiungibile entro un determinato budget di azione.

In cosa differisce AWM da un modello linguistico normale?

Un modello linguistico propone una risposta e può sbagliare senza mostrarlo. AWM prima costruisce regole esplicite del mondo, poi le controlla e trae conseguenze come prova che un programma indipendente può verificare. Un errore in una regola è visibile invece che nascosto nei pesi.

Posso provare AWM?

Non esiste una versione pubblica; è un progetto di ricerca. Ma i modelli base su cui funzionava sono disponibili nella NeuralSpace Chat e puoi creare i tuoi esperimenti nella sezione Codice.