Um fim de semana foi suficiente para abalar a comunidade matemática. Em 1º de agosto de 2026, a OpenAI publicou um balanço de resultados: seu modelo interno de nova geração, Astra, produziu dez novos resultados de pesquisa abrangendo geometria de alta dimensão, teoria dos códigos, teoria dos grupos, complexidade quântica, criptografia de reticulados e combinatória extremal. Algumas das questões subjacentes não viam progresso essencial há uma década; outras estavam abertas há décadas.
O custo total de computação, precificado nas taxas da API Sol: cerca de US$ 2.000.
O cientista de pesquisa da OpenAI Noam Brown acrescentou um detalhe que pesa mais do que a manchete: “Não gastamos muito esforço em nenhum problema individual. A computação em tempo de teste ainda tem muito espaço para crescer.” Este não foi um lançamento de modelo. Foi uma verificação pública da capacidade da IA de realizar pesquisa original.
As Dez Montanhas que a Astra Escalou
Cada um dos dez resultados ultrapassa uma fronteira da matemática ou da ciência da computação teórica, e qualquer um deles por si só seria um artigo publicável em um periódico de ponta.
- Uma construção de um grupo não-sofico. Uma questão central aberta na teoria dos grupos há 27 anos. Mikhail Gromov introduziu os grupos soficos em 1999, e desde então os matemáticos perguntam se todo grupo discreto contável precisa ser sofico. Astra construiu um grupo não-sofico — a resposta é não.
- A conjectura de rigidez de Connes, refutada. Posta em 1980 pelo medalhista Fields Alain Connes, diz respeito a se as álgebras de von Neumann “lembram” o grupo que as gerou. O contraexemplo da Astra mostra que, para certos grupos, a álgebra não determina unicamente sua origem — décadas de teoria da rigidez em álgebras de operadores agora precisam ter seus limites reexaminados.
- Um novo limite superior para a densidade de empacotamento de esferas em alta dimensão. A primeira melhoria no limite geral desde 1978, provando com precisão quão forte é realmente o limiar de Cohn-Elkies.
- Limites para códigos binários e esféricos. Limites substancialmente mais precisos sobre o tamanho máximo de códigos binários para uma dada distância mínima, com ganhos correspondentes para códigos esféricos em alta dimensão.
- Limites inferiores para complexidade de circuitos aritméticos. Novos limites inferiores para o cálculo do permanente com circuitos e fórmulas aritméticas, alcançando o regime de n⁴/log n para fórmulas — um problema central da ciência da computação teórica.
- Um teorema de repetição paralela quântica. Um resultado de repetição paralela exponencial para jogos quânticos gerais de dois jogadores, estendendo um marco da teoria da complexidade clássica ao domínio quântico.
- Dureza do problema do vetor mais próximo. Uma prova de que o CVP resiste a aproximação por fator polinomial — um resultado fundamental de reticulados diretamente relevante para a criptografia pós-quântica.
- A conjectura do volume de Ehrhart. Resolvida em toda dimensão: o volume máximo possível de um corpo convexo cujo único ponto de reticulado interior é seu baricentro.
- Números de Ramsey multicoloridos. Um limite inferior superexponencial para os números de Ramsey de triângulos multicoloridos, resolvendo o problema nº 183 de Paul Erdős.
- Conjecturas de números extremais. Novos resultados sobre conjecturas de compacidade e degenerescência na teoria dos grafos extremais, resolvendo os problemas nº 146 e nº 180 de Erdős.
Por Que Desta Vez é Realmente Diferente
O ceticismo aqui é merecido. Em outubro de 2025, a OpenAI afirmou que o GPT-5 havia resolvido dez problemas de Erdős — e em poucos dias, o matemático Thomas Bloom desmontou a afirmação: o modelo havia recuperado soluções existentes da literatura. Uma prova de comunicado à imprensa, no molde clássico. E em maio, quando a IA da OpenAI refutou a conjectura da distância unitária de Erdős, a verificação se apoiou nas assinaturas de revisão de nove matemáticos externos — um forte sinal social, mas não reproduzível.
Três diferenças estruturais separam o lote da Astra desses episódios.
Primeiro, cobertura entre domínios. Os dez resultados se espalham por seis campos matemáticos distintos, e não por um único catálogo, e quatro deles são contraexemplos — conjecturas mortas em vez de construções acumuladas.
Segundo — o decisivo — verificação formal em Lean 4. Toda prova vem com um certificado verificável por máquina em Lean 4. Qualquer pessoa com um notebook pode verificar o trabalho de forma independente, porque o kernel do Lean emite um veredito binário: compila ou não compila. Nenhum doutorado é necessário, nenhum mês de revisão por pares. A OpenAI liberou todo o código sob Apache 2.0 no GitHub. Bloom — o mesmo matemático que expôs a afirmação sobre o GPT-5 — chamou esses resultados de “grande notícia” no X, com peso maior que o contraexemplo da distância unitária de maio.
Terceiro, transparência de custos. Dois mil dólares. O número reformula toda a conversa — não é mais “a IA pode fazer matemática”, mas “quão absurdamente barata a matemática feita por IA se tornou”.
O Fim de Semana Existencial da Profissão
As reações mais fortes dos matemáticos não foram sobre técnica. Foram sobre significado. O ensaio amplamente compartilhado do jovem pesquisador Kirwin Hampshire, “A Noite Escura da Matemática”, enquadrava a preocupação como espiritual, e não profissional: se a IA pode produzir instantaneamente incontáveis provas belas, os humanos podem continuar aprendendo, ensinando e julgando matemática — mas perder a chance de verdadeiramente descobri-la. Ele recorreu a Borges: numa Biblioteca de Babel onde todo grande romance já existe e a IA sempre pode recuperar o melhor deles, os escritores podem continuar escrevendo, mas o ato da criação mudou sob seus pés.
Daniel Litt, professor de matemática da Universidade de Toronto, admitiu ter subestimado a IA — um artigo com qualidade de Annals of Mathematics era apenas uma questão de tempo. Jean-François Puget, seis vezes grão-mestre do Kaggle e especialista em aprendizado de máquina da NVIDIA, tirou a conclusão de carreira: o trabalho cerebral puramente simbólico é o que está sendo consumido mais rápido, e o terreno mais seguro é o trabalho fortemente ligado à realidade física.
Ainda assim, Noam Brown ofereceu o detalhe que todos os outros ignoraram: a Astra não resolveu nenhum Problema do Prêmio Millennium, não fundou um novo ramo da matemática, não formulou conjecturas novas e interessantes. Para um matemático humano preocupado com a obsolescência, ainda resta muita montanha acima deste acampamento base.
Os Sinais Mais Profundos
A pesquisa com IA está passando de ferramenta a descobridora. Maio trouxe a refutação de uma conjectura; agosto trouxe dez resultados em seis campos, todos formalmente verificados. Esse ritmo está acelerando, não seguindo uma linha reta.
A infraestrutura de verificação amadureceu. O AlphaProof Nexus da DeepMind completou nove provas de problemas de Erdős em Lean em maio; a OpenAI alcançou essa escala em um território mais amplo dois meses depois. Ambos os laboratórios convergiram independentemente para o Lean 4 como backend padrão de verificação — a matemática com IA agora tem um placar unificado e verificável por máquina.
O sinal de preço pode ser o que mais importa. Dez problemas abertos entre domínios pelo custo de um notebook usado significa que o custo marginal do trabalho de pesquisa com IA está se aproximando da insignificância. Isso não é um ganho de eficiência; é uma reestruturação do próprio pipeline de pesquisa — seleção de tópicos, exploração, verificação, tudo isso.
O que os Profissionais Devem Levar Disso
- A computação em tempo de teste está drasticamente subexplorada. Nas palavras do próprio Brown — eles não se esforçaram em nenhum problema individual. Tudo o que foi mostrado até agora é a parte rasa da piscina.
- Colaboração multiagente de longo prazo é o caminho para o raciocínio difícil. A força central da Astra, segundo relatos, é orquestrar múltiplos agentes de IA cooperando por períodos extensos em tarefas que vão do gerenciamento de projetos às provas de alto nível.
- A verificação formal é o que torna a saída da IA utilizável. Remova os certificados Lean e este anúncio recebe o mesmo tratamento do caso de outubro de 2025. Saída verificável mais prova verificável por máquina equivale a uma ferramenta de pesquisa na qual se pode realmente construir.
Para a matemática, a verdadeira questão do fim de semana vai mais fundo do que qualquer benchmark: quando a IA já faz o trabalho tão bem, o que exatamente os matemáticos humanos ainda estão buscando? Todas as outras disciplinas simbólicas deveriam começar a redigir uma resposta agora — a pergunta vem para elas em seguida.
