2026年9月，Vals AI用10个Claude Opus 5.5智能体协作15小时，推出击败Dijkstra算法的C-HD算法，形式化验证通过但工程实现性能不及预期。

　　· Vals AI依托10个Claude Opus 5.5智能体，15小时内协作推导出自定义C-HD最短路径算法，提交289个Lean文件完成形式化验证并通过，在特定稀疏图区间内理论复杂度超越Dijkstra算法，具备AI推动基础科研突破的里程碑意义。

　　· C-HD因常数爆炸，实际工程中比Dijkstra算法慢1.4-2.8倍，预处理代价过高，当前无实用价值。

　　总结：该事件是AI参与纯理论科研的重大突破，展现了智能体在基础算法创新的潜力，但需关注理论成果转化为工程应用的可行性风险，具备一定技术演进参考价值。

　　对于所有学过计算机的人来说，Dijkstra算法是一个神圣不可侵犯的名字。

　　它是计算机科学的基石，几代顶 尖科学家在它身上耗费了无数心血，探索了几十年，试图把它优化到极 致。

　　这不是什么「把代码写得优雅一点」就能解决的工程问题，而是需要从底层数学上证明：哪怕在无限大的数据规模下，新算法确实更快。

　　Vals AI团队把10个Opus 5.5智能体被放进一个沙盒里，可以在虚拟留言板上交流、找茬，甚至为了某个技术路线小时后，留言板上留下了733次激烈的讨论记录。

　　15小时后，它们交卷了。这群AI不仅给出了一个名为C-HD的全新算法，还包含了289个文件的Lean形式化证明，直接扔给Lean Kernel做机器验证，并且一次性通过！

　　：「过去需要人类花几年去试错的研究，现在居然被Agent在半天内并行复制了？」

　　给定一个图，包含若干顶点和连接它们的有向边，每条边有一个非负实数权重。从某个起点出发，你需要找到前往图中每一个其他顶点的最小总权重路径，或者判断其不可达。

　　其中，所有内部操作（比如访问节点的计数、中间距离的存储）都会计入运行时间。

　　配合合适的优先队列数据结构（例如斐波那契堆），Dijkstra算法的时间复杂度达到了完 美的

　　但在图的密度处于某种中间状态时，Dijkstra依然是无法撼动的王 者。

　　去设计一种比Dijkstra更快的最短路径算法，并且必须用Lean数学形式化语言证明它。

　　如果说此前的Hugging Face 事件和攻克NS难题教会了我们什么，那就是： 智能体可以极大地压缩人类在难题上取得进展的时间。

　　而让 Agent 协同工作的最有效的方法，就是给它们一个「交流论坛」，人多力量大。

　　实验中，人类拉起10个Claude Opus 5.5 Agent实例，将「努力值」拉满。

　　这10个Agent拥有初始的分工角色，但被赋予了极高的自治权——可以随时重组工作、分享新发现、互相质疑，并将算力转移到看起来最有希望的方向上。

　　4.必须和2025年、2026年人类最顶 尖的最新论文（比如将复杂度压到O(m \log^{2/3} n)的前沿成果）进行对比。

　　接下来，在15个小时的「闭关锁国」中，这10个Opus 5.5开始疯狂运转，仿佛一支特种部 队，表现出惊人的协作能力。

　　它们发现了一些走不通的死胡同，就会立刻在留言板上大喊：「这条路不通，别试了！」如果有AI提出了一个新点子，其他AI就会像无情的审稿人一样，疯狂寻找漏洞。

　　经典的Dijkstra算法，采用的是贪心策略，每次都老老实实地从当前未访问的顶点中，挑一个距离最近的，然后再向外扩展。

　　在使用了斐波那契堆等合适的数据结构后，它的时间复杂度可以稳定在 O(m + n \log n)。

　　有网友特意让Opus 5.5画了一张原理对比图：在C-HD的世界里，算法不再像Dijkstra那样只盯着单个最近点，而是会标出一批黄色的「枢轴点」

　　3.将新遇到的顶点计入搜索限制，即便是当某条边并没有改善距离估计时，那些未探索的叶子节点也会被计算在内。

　　更绝的是，AI们还给这个算法设计了严密的「局部不变量」——也就是每次更新后必须保持为真的数学规则。

　　通过小心翼翼地删除无效边并限制局部搜索，C-HD极限地压缩了重复搜索和数据结构上的无用功。

　　经过漫长的编译和机器验证，Lean Kernel 亮起了绿灯：证明通过！

　　：在AI定义的计算模型和图密度范围内，C-HD算法绝 对能够正确求出最短路径，并且绝 对达到了它声称的

　　一队智能体能做什么，真是引人入胜。数据中心里的天才之国；这个预测离现实并不太远。

　　C-HD算法的消息一出，极客们坐不住了。一位名叫 danalec 的开发者在GitHub上连夜肝出了一个名为 C-HD的项目——

　　他用高性能C语言（MSVC,C17），将C-HD算法原封不动地敲成了1900行的工程代码，并将其与经典的Dijkstra以及25年的DMMSY算法，放进同一个竞技场里跑分。

　　在实测数据图表中，C-HD算法被按在地上摩擦：它依然比DMMSY慢了大约1.8到2.9倍。

　　虽然C-HD在理论上少了一点点运算次数，但在实际工程中，它需要疯狂地进行预处理。根据实测，C-HD算法在跑一次任务时，59%的时间耗在了处理16字节标签，34%的时间耗在了预处理上。

　　在实际的图论规模下，C-HD省下来的那点理论步骤，根本弥补不了它为了「花式切分任务」付出的巨大内存调度和预处理代价。

　　而且，随着顶点数增加，它落后于Dijkstra的比例虽然在缩小，但在人类有生之年能用到的机器内存极限内，它永远也追不上Dijkstra的实际物理耗时。

　　或许这就人类没死磕这个方向的原因：对纯数学来说太偏工程，但对工程来说又毫无实用价值。

　　Vals AI的作谈球吧官方网站者这样写道：一个装在数据中心里的「天才国度」，这个预言已经不远了。

　　10个Claude在15小时内推导出C-HD算法，就是AI领域的「莱特兄弟时刻」。

　　：AI完全有能力踏入纯理论的无人区。它们不仅仅是在搜索已有知识，而是真的在「组合、推演、创造」人类甚至未曾设想过的解法。

　　推导常温超导的晶体结构，穷举治愈癌症的靶向蛋白折叠路径，求解黎曼猜想，都在眼前了。

　　当几十年后，人们回望AI接管科研的起点时，一定会想起2026年9月的这个事件。