OpenAI publica 722 provas e reivindica era matemática

A matemática quebrou antes do modelo sair do laboratório

Quasi-Riemann Hypothesis não é o tipo de expressão que aparece em release de produto. É problema de teoria dos números, daqueles que atravessam gerações sem solução e definem carreira. Quando a OpenAI diz que resolveu algo nessa faixa, com 722 manuscritos publicados de uma vez e avanço em 90 dos 500 maiores problemas abertos, a pergunta imediata para quem opera não é se é histórico. É como isso foi produzido, quanto custou e o que sobra para verificação.

O anúncio ofuscou até o Mistral Large 4, apelidado de 'Le Chonk', com 1T de parâmetros totais e 49B ativos, multimodal nativo e preço de 1.36 dólar por milhão de tokens de entrada. Em qualquer outra semana, um modelo europeu treinado em cerca de 3.800 Grace Blackwells dominaria a conversa. Desta vez virou nota de rodapé. O centro da discussão virou um modelo interno da OpenAI que ainda nem foi lançado, mas já assina centenas de provas.

O fato: 722 manuscritos, 372 famílias

O que aconteceu é direto. A OpenAI publicou em um repositório público uma coleção de resultados matemáticos gerados por um modelo interno de fronteira, o mesmo ciclo de pesquisa que já tinha trabalhado no problema de Navier-Stokes. São 722 manuscritos agrupados em 372 famílias de resultados relacionados, vindos de uma avaliação de cerca de 4.000 problemas de pesquisa. Junto foram liberados artigos, artefatos de prova e resumos selecionados de raciocínio. O modelo em si continua fechado.

A empresa afirma ter consultado um grupo consultivo independente do Institute for Advanced Study sobre como liberar o material. Sam Altman chamou de 'uma nova era da descoberta'. Entre os destaques citados por comentaristas estão um resultado de multiplicação de inteiros mais rápido que n log n, um resultado de unicidade para o problema elástico inverso que estaria aberto em 3D desde 1994, além de progressos parciais ligados a Riemann, Hodge e BSD. O ponto mais comentado é o Resultado 003, a chamada Quasi-Riemann, descrita por matemáticos como algo entre um Fields Medal e o maior avanço em teoria dos números em 200 anos.

A recepção foi intensa. Levent Alpöge, ligado à concorrência na Anthropic, elogiou os resultados de quasi-Riemann e ausência de zeros de Siegel e chamou de o momento mais significativo na história da matemática. Ao mesmo tempo, ele apontou problemas de atropelo e conflito de interesse envolvendo usuários de outros laboratórios. Uma análise inicial estima que cerca de 20% dos resultados seriam refutações ou contraexemplos, o que seria relevante porque enfraquece a tese de que IA só ganha por busca bruta em espaço de prova.

Como funciona: 3 horas de ChatGPT Pro por teorema?

Aqui está o detalhe que mais interessa para quem constrói. Enquanto o trabalho de Navier-Stokes teria levado 88 horas com 10.000 agentes, esses novos resultados teriam custado em média cerca de três horas de computação de raciocínio do ChatGPT Pro por resultado. É um número estranhamente baixo para matemática de ponta. Se for literal, estamos falando de inferência longa, não de um novo pré-treino monstruoso por teorema.

Como operador, dá para inferir o pipeline provável sem tratar como certeza. Tudo aponta para um modelo treinado com RLVR, reforço com recompensa verificável, onde prova formal ou checagem simbólica funciona como verificador. Nesse regime, o modelo gera candidatos, um checador externo valida passos, e o sinal de recompensa guia a política. Isso explica a proporção alta de contraexemplos, porque refutar exige encontrar um caso que quebra a conjectura, tarefa muito mais adequada para busca guiada do que prova existencial longa.

O custo também muda de figura. Três horas de ChatGPT Pro não é uma métrica científica de FLOPs, é uma unidade de produto. Mas dá para traduzir. Estamos provavelmente falando de dezenas a centenas de dólares em computação de inferência por problema, com paralelismo agressivo e agregação por votação ou busca em árvore. Se 4.000 problemas foram avaliados para gerar 722 manuscritos, a taxa de aproveitamento fica perto de 18%. Isso ainda sugere muito descarte silencioso, retries e filtragem pesada antes da publicação.

O gargalo não é gerar, é verificar

Publicar prova em matemática não é como publicar benchmark de código. Cada manuscrito precisa sobreviver a leitura humana especializada, e erro sutil em lema passa fácil por checador automático se as definições estiverem mal formalizadas. Will Depue já antecipou que parte não deve sobreviver ao escrutínio e criou um rastreador para mapear quais artigos humanos foram citados. É o comportamento correto. Sem reprodução independente, 722 papers são 722 hipóteses bem formatadas, não 722 teoremas.

O que isso muda na prática

Quem ganha agora é quem já vive de prova assistida. Grupos de pesquisa em matemática, física teórica e ciência de materiais que usam Lean, Coq ou Isabelle ganham um gerador incansável de candidatos. Laboratórios com acesso a cluster e a verificadores formais podem acoplar esse tipo de modelo como front-end criativo e manter humanos como revisores. Quem perde, no curto prazo, é quem vende escassez de intuição, consultorias e pipelines fechados que dependiam de um insight raro por ano.

Para times de produto, a implicação é menos romântica e mais operacional. Modelos que provam teoremas tendem a ser bons em tarefas com verificador claro, como otimização, código crítico, planejamento formal e análise de contratos. François Chollet levantou exatamente isso, se ganhos em matemática e código com RLVR generalizam ou se domínios sem verificação continuam presos a dados humanos. É a pergunta que define roadmap.

Uma ação prática para esta semana: monte um loop mínimo de verificação. Pegue um problema do seu domínio que tenha checagem automática, teste de unidade, validador SMT, simulador físico, e rode o melhor modelo de raciocínio com orçamento fixo de inferência. Registre taxa de sucesso por dólar gasto e por minuto de latência. Se você não medir custo por solução verificada, vai comprar hype por token.

• Separe 20 problemas verificáveis do seu backlog e congele o verificador antes de testar qualquer modelo.
• Rode com 3 níveis de orçamento de raciocínio e compare precisão, latência e custo total por acerto.
• Exija artefato auditável para cada solução aceita, log de raciocínio, semente e versão do verificador.

A tensão que ninguém está resolvendo

O número impressiona, mas esconde uma troca incômoda. Três horas por resultado parece barato até lembrar que verificação humana de uma prova de alto nível pode levar meses. Se apenas 10% dos 722 manuscritos tiverem falhas relevantes, a comunidade vai gastar milhares de horas para limpar o estrago. A OpenAI externalizou o custo de revisão para a academia sem abrir o modelo que gerou as provas. Isso escala como publicação, mas não escala como ciência reprodutível.

Tem outro ponto sensível. Fala-se em atropelo, em pesquisadores que estavam perto do mesmo resultado e foram passados por um repo lançado em bloco. Quando um laboratório fechado avalia 4.000 problemas em segredo e publica 722 de uma vez, ele não está apenas colaborando. Está redefinindo prioridade, autoria e crédito. E sem o modelo aberto, ninguém consegue auditar se houve contaminação de dados, memorização ou vazamento de discussões privadas que passaram pelo ChatGPT.

E mesmo se tudo estiver correto, fica a dúvida de generalização. Matemática permite verificação elegante. Biologia, economia, direito e produto não têm esse luxo. Resolver 90 de 500 problemas abertos não prova que o mesmo método resolve churn, supply chain ou design de chip sem um verificador confiável. Pode ser que a IA tenha quebrado a barreira onde a barreira era mais fina, e agora sobre o concreto.

Conclusão

No fim, o feito é real como engenharia e ainda incerto como matemática. Temos escala inédita, custo de inferência plausível e sinais de que busca verificável funciona além de força bruta. Falta a parte lenta, revisão, reprodução e abertura do modelo. A pergunta que fica para quem opera é simples, quantas soluções verificadas por dólar esse método entrega no seu domínio quando ninguém está olhando.