OpenAI diz que Astra avançou dez problemas matemáticos e publica as provas

Dez resultados matemáticos importantes apareceram de uma vez. Junto deles, vieram 249 páginas de argumentos e certificados que um verificador consegue conferir passo a passo. É um pacote que merece atenção, mas também aquela sobrancelha levantada na altura correta.

A OpenAI diz que uma versão interna do Astra, seu próximo grande modelo ainda não lançado, produziu os argumentos. Humanos escolheram os problemas e prepararam os manuscritos com ajuda do mesmo sistema, que também formalizou as provas em Lean. Dá para examinar bastante coisa no material público. O que não dá é repetir o processo que levou às soluções.

Astra gerou os argumentos, segundo a OpenAI

A empresa anunciou em 3 de agosto uma coleção de dez resultados em matemática e ciência da computação teórica. O paper e os metadados do repositório datam o pacote técnico de 1º de agosto. As áreas vão de geometria em alta dimensão e teoria de códigos a grupos, álgebras de operadores, complexidade, computação quântica, reticulados e combinatória.

Aqui é bom separar as etapas. Segundo a OpenAI, o Astra gerou os argumentos matemáticos. Depois, pesquisadores prepararam os textos com ajuda do modelo, e o sistema converteu os argumentos em certificados Lean. A empresa assume a responsabilidade pela correção, pede que a comunidade matemática revise e contextualize os resultados e afirma explicitamente que os argumentos vieram do sistema, não dos autores humanos.

Astra continua indisponível. A OpenAI não publicou os prompts completos, o harness, o hardware, as tentativas que falharam ou as execuções separadas de cada problema. Os walkthroughs de raciocínio também foram reconstruídos depois: um modelo leu as cadeias originais e os papers para produzir a explicação pública. Eles ajudam a entender a proposta, mas não são o registro bruto da descoberta. Por enquanto, não há API nem material suficiente para repetir o processo.

Fontes: OpenAI — Ten advances in mathematics and theoretical computer science e The New Stack.

Os dez resultados atravessam áreas bem diferentes

O título “dez avanços” coloca trabalhos bem diferentes dentro do mesmo pacote. O paper apresenta estes resultados:

• a força assintótica exata do programa linear de Cohn–Elkies para empacotamento de esferas;
• limites exponencialmente melhores para códigos binários e esféricos;
• a construção explícita de um grupo não sófico;
• contraexemplos para a rigidez de Connes;
• limites inferiores para o permanente em modelos específicos de circuitos aritméticos;
• repetição exponencial para todo jogo entre dois participantes, finito e com emaranhamento quântico;
• uma dificuldade de aproximação do problema do vetor mais próximo, ou CVP, em distância euclidiana;
• o limite preciso de volume de Ehrhart;
• um limite inferior superexponencial para números de Ramsey multicoloridos;
• contraexemplos para duas conjecturas de teoria extremal de grafos.

Alguns desses nomes parecem uma reunião que esqueceu de convidar as vogais. Os exemplos ajudam a entender melhor o que saiu dali.

No empacotamento de esferas, a pergunta é quão densamente esferas iguais podem preencher um espaço de muitas dimensões. O paper afirma ter obtido a primeira melhora desde 1978 no expoente geral de alta dimensão. Na notação do trabalho, ele passa de 0,59905576… para 0,6044… O capítulo sobre códigos também reivindica as primeiras melhorias gerais de expoente desde 1977 e 1978. Códigos binários e esféricos estudam quantas palavras ou pontos bem separados cabem num espaço, uma questão ligada a geometria, correção de erros e teoria da informação.

Na parte quântica, o resultado trata de repetição paralela. A ideia é exigir que os participantes vençam várias cópias independentes de um jogo com emaranhamento e verificar se a chance de sucesso cai exponencialmente. Segundo o paper, esse comportamento vale para todo jogo finito entre dois participantes com emaranhamento.

Há ainda um limite de Ehrhart igual a (n+1)^n/n! e um resultado de Ramsey expresso como R_k(3)=k^Θ(k). Esses capítulos e os contraexemplos em grafos são resultados assintóticos e teóricos. Não vão virar uma biblioteca nova para instalar na aplicação de terça-feira.

Fonte: paper “Ten Advances in Mathematics and Theoretical Computer Science”.

Complexidade e criptografia exigem leitura sem atalhos

Dois capítulos são especialmente fáceis de transformar numa manchete maior que o teorema.

O resultado sobre o permanente melhora limites inferiores em modelos restritos de computação aritmética. Circuitos sem divisão precisam de pelo menos Ω(n² log log n) portas. Fórmulas, que têm estrutura em árvore e não reaproveitam resultados da mesma forma, precisam de Ω(n⁴/log n) ocorrências de variáveis nas folhas. O próprio paper avisa: isso não estabelece VP ≠ VNP para circuitos gerais.

No capítulo de reticulados, o Astra teria encontrado uma redução determinística em tempo polinomial a partir de 3SAT. Ela estabelece dificuldade de aproximação por um fator n^(1/400) para o problema do vetor mais próximo em distância euclidiana. O trabalho também dá fatores n^(1/200) para decodificação binária e n^(1/(200p)) para CVP em normas ℓp racionais e fixas.

CVP pede o ponto de um reticulado mais próximo de um alvo. O problema tem conexões fundamentais com a teoria de complexidade em torno da criptografia baseada em reticulados, inclusive a pós-quântica. O resultado publicado, porém, é um teorema de dificuldade de aproximação no pior caso. Ele não quebra criptografia de reticulados nem fornece um ataque prático contra um sistema criptográfico.

Esses limites não diminuem a notícia. Só deixam cada afirmação do tamanho que a evidência sustenta, uma unidade de medida bem mais útil.

Fonte: paper “Ten Advances in Mathematics and Theoretical Computer Science”.

As provas em Lean deixam a alegação aberta à inspeção

Para quem está fora dessas especialidades, o repositório público talvez seja a parte mais concreta. A OpenAI disponibilizou um módulo Lean para cada área e incluiu instruções para baixar o cache do mathlib e compilar tudo com Lake. Os dois comandos principais são lake exe cache get e lake build All.

Lean não pergunta se uma demonstração é bonita ou importante. Definições, enunciados e termos de prova são codificados para que um kernel pequeno confira se cada passo obedece às regras lógicas. Um sorry seria um buraco aceito provisoriamente no lugar de uma obrigação ainda não provada. Segundo os metadados fornecidos pela OpenAI, não há nenhum nos resultados principais.

O mesmo arquivo registra 12 declarações principais, apesar das dez áreas. Códigos binários e esféricos aparecem separados, assim como os dois resultados de grafos. Os únicos axiomas listados para essas declarações são propext, Classical.choice e Quot.sound. A formalização teria consumido uma semana de tempo corrido e aparece com o status agent-reviewed.

Tudo isso vem dos metadados da própria OpenAI, não de uma auditoria externa. Esta pesquisa inspecionou o material público, mas não compilou e verificou localmente todos os módulos. Também não encontrou uma revisão matemática independente e pública dos dez argumentos.

O repositório inclui configurações do Comparator para exportar e conferir as provas com outra implementação, como o nanoda. Assim, a verificação não depende apenas de um kernel. Mesmo quando passa, ela prova o enunciado codificado em relação às regras, aos axiomas e ao verificador usados. Não diz se o enunciado formal representa fielmente toda a interpretação informal, se o resultado é novo ou quanto ele importa para aquela área.

Fontes: repositório openai/ten-proofs e metadados da formalização.

O projeto usa uma versão anterior ao patch do Lean

Há mais um detalhe técnico que merece cuidado. O projeto fixa o Lean 4.32.0. Em 28 de julho, antes da publicação do pacote da OpenAI, saiu o Lean 4.32.2 com a correção recente de uma falha de soundness no kernel.

Já falamos sobre esse bug do Lean. Ele podia fazer o kernel de referência aceitar uma prova de False, atingindo a base de confiança do sistema. Leonardo de Moura, cofundador do Lean, explicou que o bug do kernel de referência era diferente daquele encontrado no antigo nanoda. É justamente por isso que verificadores independentes são úteis: uma implementação pode recusar uma construção que outra aceitou por engano.

Não há evidência de que os certificados da OpenAI explorem essa falha, e o pin em 4.32.0 não torna as provas inválidas por si só. O caminho sensato é reconstruir os artefatos com cuidado e rodar os verificadores independentes atuais. A prova formal reduz bastante o espaço para erro, mas a versão do verificador continua fazendo parte da história.

Fontes: versão fixada pelo ten-proofs, postmortem de Leonardo de Moura e lançamento do Lean 4.32.2.

Os US$ 2 mil não são o preço desta pesquisa

A OpenAI estima que os tokens usados para encontrar as soluções custariam aproximadamente US$ 2 mil se fossem cobrados pelas tarifas da API do Sol. A comparação sugere um custo de inferência relativamente baixo para problemas tão ambiciosos. Ainda assim, esse valor não é o preço do Astra nem o custo completo do trabalho.

Astra não tem preço de uso anunciado. A conta também deixa de fora treinamento, hardware, trabalho humano, preparação dos manuscritos, formalização, tentativas fracassadas e o restante da estrutura de pesquisa. Não há contagem de tokens por problema nem informação suficiente para reproduzir o benchmark. Os US$ 2 mil são uma conversão contrafactual da quantidade relatada de tokens pela tabela de outro modelo.

O resultado sobre rigidez de Connes também pede cuidado com a ideia de “dez descobertas independentes”. O capítulo reconhece que Shuoxing Zhou desenvolveu em paralelo outro contraexemplo, em parte com ajuda do GPT-5.6 Sol. A comunidade ainda precisa avaliar a precedência, a novidade e o significado do trabalho em cada área.

Mesmo com esses limites, é um fluxo de pesquisa incomum para um anúncio de IA. Há argumentos atribuídos ao modelo, manuscritos extensos, código formal e caminhos para checkers independentes. Só que a máquina que teria encontrado as soluções continua fechada, enquanto quase toda a avaliação inicial vem da organização que a construiu.

Agora os matemáticos podem atacar os enunciados, reconstruir as provas e descobrir onde cada resultado realmente pousa. A conversa sai um pouco do “o modelo afirmou” e entra num terreno em que outras pessoas conseguem conferir bastante coisa. Ainda não tudo.

Fontes: anúncio da OpenAI, paper técnico e análise do The New Stack.

Nota: gerado por IA (The Paper LLM), com fontes originais listadas por bloco.