US$ 2.000 de Computação Solucionam Problemas que Matemáticos Deixaram em Aberto por 40 Anos
Na madrugada de 2 de agosto, a OpenAI divulgou discretamente um artigo de 249 páginas, e a comunidade matemática discute o assunto desde então. O artigo não é um leaderboard de benchmark nem uma demonstração de capacidade. Ele anuncia o Astra, o modelo de próxima geração da OpenAI, e lhe atribui a resolução, de uma só vez, de dez problemas em aberto de longa data na matemática e na ciência da computação teórica.
Os dez problemas abrangem oito áreas: geometria de alta dimensão, teoria dos códigos, teoria dos grupos, álgebras de operadores, complexidade quântica, criptografia de retículos e combinatória extremal, entre outras. Cada um permaneceu em aberto por pelo menos uma década, e alguns por mais de quarenta anos — o empacotamento de esferas em alta dimensão não avançava desde 1978. O Astra produziu esses resultados com cerca de US$ 2.000 em computação.
Desta Vez Não É um Assistente — É o Autor
O papel da IA na matemática vem mudando há dois anos: auxiliando cálculo simbólico, verificando passos de provas, orientando estudantes em cálculo. Tudo isso é ferramenta. O que o Astra fez é estruturalmente diferente:
-
A IA gera a matemática. Não recupera resultados conhecidos, não costura citações — constrói novos caminhos de prova e contraexemplos.
-
Humanos organizam o manuscrito. Os argumentos chegam do modelo; pessoas os moldam no formato acadêmico padrão.
-
A IA formaliza o próprio trabalho. O Astra traduz seus argumentos para o Lean e produz certificados de prova verificáveis por máquina.
A declaração assinada da OpenAI é invulgarmente direta: os argumentos matemáticos foram gerados inteiramente pelo sistema de IA, com a equipe auxiliando no manuscrito e na verificação formal e assumindo a responsabilidade pela correção. No sentido que importa, o Astra é o primeiro autor.
Os Resultados Mais Marcantes
Todos os dez resultados são sérios. Quatro merecem atenção individual.
Uma prova de que grupos não-sofic existem
Gromov perguntou em 1999 se todo grupo enumerável é sofic — uma questão que ancorou a teoria geométrica dos grupos por uma geração. O Astra responde que não, e vai além de um único contraexemplo: constrói uma família infinita de grupos enumeráveis, dois a dois distintos em estrutura, todos não-sofic. Um matemático formado pelo Caltech chamou o trabalho de nível de Medalha Fields, e a avaliação OpenMath da Epoch AI o classificou como um avanço do ano.
A conjectura da rigidez de Conne cai
A conjectura da rigidez de Conne tem sido um alvo central nas álgebras de operadores desde que foi formulada. O Astra não encontrou meramente um contraexemplo — construiu um lote de grupos que diferem estruturalmente enquanto compartilham álgebras de von Neumann idênticas. A imagem usada por um comentarista: alguém afirma que não existem dois flocos de neve iguais, e o modelo responde com uma nevasca — cada floco distinto por fora, cada floco idêntico no núcleo.
Um novo limite superior para empacotamento de esferas em alta dimensão
A primeira melhoria desde 1978. Quão densamente esferas podem ser empacotadas no espaço de alta dimensão não é um quebra-cabeça pelo prazer de ser — a mesma matemática limita códigos corretores de erros e molda o design de sistemas de comunicação.
Um limite inferior superexponencial para números de Ramsey multicoloridos
Isso resolve o problema #183 da lista de Erdős. A teoria de Ramsey é alicerce da combinatória, e o resultado sinaliza algo maior: o raciocínio abstrato do modelo em matemática pura agora opera na fronteira profissional.
O Método É a Verdadeira Manchete
Os teoremas específicos importam menos do que o fluxo de trabalho que o Astra executou. O ciclo clássico de pesquisa é hipótese, experimento, análise, artigo, verificação. O ciclo do Astra se parece com isto: o modelo gera hipóteses e caminhos de prova; humanos avaliam, filtram e organizam; o modelo conclui a verificação formal sozinho. A IA detém os dois estágios mais demorados — geração e verificação — enquanto as pessoas se concentram em julgamento e integração.
Igualmente notável é a amplitude. O Astra não foi ajustado para uma única família de problemas; acertou golpes em oito direções matemáticas diferentes. Não é mais “a IA alcançou os matemáticos humanos em um nicho” — é um sistema exibindo descoberta entre domínios.
A OpenAI acompanhou o lançamento com um rollout: ChatGPT for Academic Researchers, acesso gratuito a modelos de ponta para 100.000 cientistas e matemáticos. Isso não é coincidência. É infraestrutura entrando em operação antes de um novo paradigma de pesquisa.
O Que US$ 2.000 Realmente Compram
O número de computação merece um segundo olhar. Um estudante de doutorado passando cinco anos em uma dessas áreas custa a uma universidade bem mais de US$ 200.000 quando se contabiliza apoio à matrícula, tempo do orientador, recursos de computação e viagens a conferências. O Astra queimou cerca de US$ 2.000 em eletricidade para percorrer caminhos de prova que ocupariam um matemático humano por anos.
A honestidade exige ressalvas. Os resultados ainda enfrentam revisão por pares da comunidade, e a OpenAI não divulgou quantas tentativas falharam. Se cada sucesso custou US$ 2.000 e exigiu cem tentativas, a conta real é de US$ 200.000 — a economia, não o preço de etiqueta, é a história. Mas a direção é inequívoca: a IA está deixando de ser uma geradora de respostas para se tornar uma geradora de hipóteses. Em campos que executam ciclos densos de busca e verificação — matemática, ciência da computação teórica, descoberta de fármacos, ciência dos materiais — essa mudança pode chegar mais rápido do que a maioria espera.
O Que Isso Significa para Profissionais de IA
-
O roteiro dos agentes de pesquisa agora é visível. A capacidade central do Astra não é raciocínio de disparo único, mas colaboração de longo prazo entre múltiplos agentes em um único problema difícil — o passo que transforma ferramentas conversacionais em parceiros de pesquisa.
-
A curva de custos está se acentuando. Dez problemas de fronteira por US$ 2.000 significa que a descoberta impulsionada por IA está se tornando produzível em massa, e não mais um luxo de laboratório. Se seu trabalho envolve revisão de literatura, geração de hipóteses ou detecção de padrões, a questão da integração já está atrasada.
-
A verificação formal está se tornando o padrão. A OpenAI usou o Lean para verificação por máquina, e isso não é acidente. À medida que argumentos gerados por IA se tornam mais complexos, saídas verificáveis por máquina serão o requisito básico para pesquisa com IA. Fluência em Lean pode ser a habilidade mais cobiçada dos próximos anos — como o Python foi na última década.
-
O momento é deliberado. Altman demonstrou o Astra na Casa Branca, e o prazo do framework de IA da nova administração americana vence neste fim de semana. Como um dos primeiros modelos em avaliação, o ritmo de lançamento do Astra moldará como toda a indústria interpreta a regulação de IA.
US$ 2.000. 249 páginas. Dez problemas em aberto, alguns intocados por quarenta anos.
Este não é o ciclo habitual de notícias “os modelos melhoraram”. É a primeira vez que um sistema de IA submete trabalho à comunidade matemática como autor independente. O matemático Thomas Bloom manteve seu elogio comedidos, mas contundente: este avanço supera a refutação anterior da OpenAI da conjectura da distância unitária.
Aquele resultado anterior chegou em maio de 2026. Três meses atrás.
A velocidade é a parte mais inquietante desta história.
