OpenAI ने 1 अगस्त को घोषणा की कि उसका नया Astra मॉडल गणित और प्रायोगिक कंप्यूटर विज्ञान में 10 लंबे समय से अनसुलझे समस्याओं को हल कर चुका है। गणितीय समुदाय की प्रतिक्रिया तेजी से आई, और यह तालियाँ नहीं थीं।
प्रमुख शोधकर्ताओं ने कंपनी को पूर्व के कार्य को कम महत्व देने, मौजूदा योगदानों को सही ढंग से आभार न देने और अपने एआई-उत्पादित परिणामों की नवीनता को अतिशयोक्ति से बताने का आरोप लगाया।
दावे और प्रतिक्रिया
ओपनएआई के अनुसार, एस्ट्रा मॉडल ने उच्च-आयामी गोले पैकिंग सीमाओं, गैर-सोफिक समूहों की स्थापना, कोडिंग सिद्धांत में उन्नति और अंकगणितीय सर्किट जटिलता जैसे समस्याओं का समाधान किया। कंपनी ने इन्हें ऐसे क्षेत्रों के रूप में प्रस्तुत किया जहां "कम से कम दशकों तक मुख्य परिणाम पर कोई प्रगति नहीं हुई थी।"
येशिवा विश्वविद्यालय के गणितज्ञ स्टीवन मिलर और कैम्ब्रिज विश्वविद्यालय के फ्रांचेस्को फौर्निए-फैसियो उन शोधकर्ताओं में शामिल थे जिन्होंने कड़ी प्रतिक्रिया दी। उनका तर्क था: एस्ट्रा के परिणाम उस पूर्ववर्ती कार्य पर आधारित थे जिसे ओपनएआई ने नज़रअंदाज़ किया या कम प्रस्तुत किया। एंड्रियास थॉम और मिलर खुद ने 2016 तक संबंधित शोध प्रकाशित कर दिया था, जिसकी जानकारी सीधे एस्ट्रा द्वारा अब कब्ज़ा करने का दावा किए जा रहे क्षेत्र को प्रभावित करती थी।
सभी 10 परिणामों के लिए कुल कंप्यूट लागत टोकन उपयोग में लगभग $2,000 बताई गई।
8 जून तक, साइंटिफिक अमेरिकन ने एक रिपोर्ट प्रकाशित की जिसमें ओपनएआई के घोषणाओं के प्रबंधन को "शोध अनैतिकता" और चोरी के रूप में वर्णित किया गया। ओपनएआई ने बाद में अपने कुछ कथनों में सुधार किया।
एक पैटर्न, एक घटना नहीं
यह गणितीय दावों को लेकर ओपनएआई का पहला विवाद नहीं है। अक्टूबर 2025 में, पूर्व उपाध्यक्ष केविन वेल ने पोस्ट किया था कि GPT-5 ने पॉल एर्डोश के अनुमानों से संबंधित समस्याओं को हल कर लिया है। उस पोस्ट को चुपचाप हटा दिया गया।
फिर 20 मई, 2026 को, ओपनएआई ने दावा किया कि उसका मॉडल 1946 से चल रहे एक अनुमान को खारिज कर चुका है। उस घोषणा को प्रतिष्ठित गणितज्ञों, जिनमें नोगा अलोन और थॉमस ब्लूम शामिल हैं, द्वारा समर्थन प्राप्त हुआ, जिससे इसे वास्तविक विश्वसनीयता मिली।
यह अकादमिक दुनिया से परे क्यों मायने रखता है
$2,000 की कंप्यूट लागत की संख्या यह एक आदर्श उदाहरण है कि संदर्भ कैसे अर्थ को आकार देता है। अलग-थलग, यह एक अद्भुत डेटा बिंदु है जो सुझाव देता है कि अग्रणी गणितीय शोध जल्द ही अत्यंत सस्ता हो सकता है। संदर्भ में, यह एक अलग प्रश्न उठाता है: उस $2,000 ने वास्तव में क्या खरीदा? यदि एस्ट्रा ने मानवीय कार्य के दशकों को एक सुव्यवस्थित पैकेज में संलयित किया बिना मानवों को श्रेय दिए, तो कंप्यूट लागत AI क्षमता का मापदंड कम है और मौजूदा ज्ञान को कितनी सस्ती लागत पर पुनः पैकेज किया जा सकता है, इसका मापदंड है।