Quando uma empresa diz que um modelo resolveu problemas matemáticos difíceis, a primeira pergunta é como verificar. Em 1º de agosto, a OpenAI apresentou o Astra por meio de dez resultados em matemática e ciência da computação teórica, um artigo de 249 páginas, um repositório GitHub com certificados Lean e walkthroughs de raciocínio.
Os resultados cobrem geometria de alta dimensão, teoria de códigos, teoria de grupos, complexidade de circuitos aritméticos, complexidade quântica, criptografia baseada em reticulados e combinatória extremal. A OpenAI afirma que os resultados principais estavam sem avanço por pelo menos dez anos, em muitos casos por mais tempo, e que o custo em tokens para encontrar as dez soluções seria de cerca de US$ 2.000 pelas tarifas da Sol API.
As evidências vieram primeiro
A lista inclui limites para empacotamento de esferas, melhorias para códigos binários e esféricos, construção de grupos não-sofic, contraexemplo à conjectura de rigidez de Connes, limites inferiores para o permanente, repetição paralela quântica, dificuldade do closest vector problem, conjectura de volume de Ehrhart e problemas de Erdős em grafos.
Os números técnicos são verificáveis: o artigo cita limite inferior de fórmula n^4/log n para o permanente, fator de dificuldade n^1/400 para CVP euclidiano e forma k^Theta(k) para números de Ramsey triangulares multicoloridos. O repositório usa Lean 4.32.0, mathlib e Lake, com arquivos como NonSoficGroup.lean, ConnesRigidity.lean e GapCVP.lean.
“claiming human authorship for a proof generated entirely by an AI system would misrepresent both the system’s contribution and the nature of genuine human intellectual work.”
US$ 2.000 criam nova pressão
Esse valor não inclui seleção de problemas, desenho de prompts, preparação humana do manuscrito, formalização ou revisão externa. Portanto, não significa dez teoremas por US$ 2.000. Ainda assim, ele dá preço a parte do processo de busca e sugere que provas candidatas podem ficar muito mais baratas.
Para laboratórios de IA, a mensagem é prática: alegações de capacidade matemática precisarão trazer provas, código e rotas de reprodução, não só pontuações de benchmark. Sistemas formais como Lean podem virar infraestrutura para matemática assistida por IA, ciência da computação teórica e provas de segurança.
A próxima checagem vem de fora
O Astra continua interno, então o processo de busca da OpenAI não pode ser reproduzido por terceiros. Agora importa saber se o repositório Lean será compilado por pesquisadores externos, se especialistas aceitarão os resultados e a atribuição, e se surgirão revisões sobre condições de contorno ou relação com literatura anterior. Se passar por essas etapas, o Astra vira um precedente de pesquisa de IA verificável.
Fontes: publicação de pesquisa da OpenAI, artigo de 249 páginas da OpenAI, repositório GitHub ten-proofs, CocoLoop, IT Home e Developers Digest; verificados o escopo do Astra, a lista de dez resultados, o custo estimado de cerca de US$ 2.000 em tokens pela Sol API, o caminho de build do Lean 4.32.0 e métricas como n^4/log n e n^1/400.