A OpenAI anunciou em 1º de agosto que seu novo modelo Astra resolveu 10 problemas antigos em matemática e ciência da computação teórica. A reação da comunidade matemática foi rápida, e não foi aplausos.
Pesquisadores proeminentes acusaram a empresa de minimizar trabalhos anteriores, não atribuir adequadamente contribuições existentes e exagerar a novidade de seus resultados gerados por IA.
As alegações e a resistência
De acordo com a OpenAI, o modelo Astra resolveu problemas abrangendo limites de empacotamento de esferas de alta dimensão, a estabelecimento de grupos não soficos, avanços na teoria da codificação e complexidade de circuitos aritméticos. A empresa apresentou esses como áreas onde não houve "progresso no resultado principal por pelo menos uma década."
Steven Miller, matemático da Universidade Yeshiva, e Francesco Fournier-Facio da Universidade de Cambridge estiveram entre os pesquisadores que contestaram fortemente. Seu argumento: os resultados da Astra se baseavam em trabalhos anteriores que a OpenAI ignorou ou subrepresentou. Andreas Thom e o próprio Miller haviam publicado pesquisas relevantes já em 2016, trabalhos que diretamente informaram o território que a Astra agora afirmava ter conquistado.
O custo total de computação para todos os 10 resultados foi relatado em cerca de US$ 2.000 em uso de tokens.
Até 6 de agosto, a Scientific American havia publicado um relatório caracterizando a maneira como a OpenAI lidou com os anúncios como “má conduta científica” e plágio. A OpenAI posteriormente revisou algumas de suas declarações.
Um padrão, não um incidente
Este não é o primeiro atrito da OpenAI com controvérsias sobre afirmações matemáticas. Em outubro de 2025, o ex-vice-presidente Kevin Weil postou que o GPT-5 havia resolvido problemas relacionados às conjecturas de Paul Erdős. Esse post foi silenciosamente excluído.
Depois, veio 20 de maio de 2026, quando a OpenAI afirmou que seu modelo havia refutado uma conjectura que remontava a 1946. Esse anúncio recebeu endossos de matemáticos respeitados, incluindo Noga Alon e Thomas Bloom, conferindo-lhe credibilidade genuína.
Por que isso importa além da academia
A cifra de US$ 2.000 de custo computacional é um exemplo perfeito de como o contexto molda o significado. Isoladamente, é um dado notável que sugere que a pesquisa matemática de ponta pode em breve se tornar radicalmente mais barata. Em contexto, levanta uma pergunta diferente: o que exatamente foi comprado com esses US$ 2.000? Se a Astra sintetizou décadas de trabalho humano em um pacote organizado sem creditar os humanos, o custo computacional é menos uma medida da capacidade da IA e mais uma medida de quão barato é reempacotar o conhecimento existente.