OpenAI apresenta Astra, o modelo que resolveu dez problemas em aberto

A OpenAI deixou de falar em abstrato sobre “próximos modelos” e passou a dar-lhes nome: Astra. Uma versão interna desta nova família de IA resolveu dez problemas em aberto em matemática e ciência da computação teórica, alguns sem avanços há décadas. Não é um benchmark sintético nem um exame universitário, são resultados que entram diretamente no corpo da matemática moderna.

No artigo técnico publicado pela empresa, Astra ataca áreas como geometria em alta dimensão, teoria de códigos, teoria de grupos, complexidade quântica, criptografia de reticulados e combinatória extremal. Um dos destaques é uma prova da existência de grupos não-sofícios, a fechar uma questão de peso em teoria de grupos. Thomas Bloom, matemático da Universidade de Manchester que mantém o site erdosproblems.com, chamou aos resultados “big news” e colocou-os acima do contraexemplo recente à conjectura da distância unitária em termos de peso de construção.

Importa sublinhar a linha de crédito. A OpenAI insiste que as provas são da autoria do modelo e não dos investigadores humanos, alinhando-se com a Leiden Declaration on AI and Mathematics, que pede transparência sobre o papel da IA na autoria científica. Os humanos ajudaram a polir os artigos e a formalizar as provas em Lean, produzindo certificados verificáveis por máquina. A própria empresa assume responsabilidade pela exatidão, mas deixa claro que a parte criativa das demonstrações veio de Astra. É uma posição curiosa para uma casa que, noutras frentes, tem sido menos transparente, como se viu quando os modelos andaram soltos na internet sem controlo durante dias.

Em termos de engenharia, Astra é apresentado como a “próxima grande família de modelos” da OpenAI, focada em tarefas de longa duração e em coordenação de múltiplos agentes ao longo de horas ou dias. Sam Altman já mostrou o sistema a políticos e reguladores em Washington, com ênfase precisamente nessa capacidade de correr projetos complexos sem se perder pelo caminho. A mesma tecnologia de test-time reasoning que sustenta o modelo de matemática é pensada para código, investigação científica e, inevitavelmente, automação de trabalho intelectual que hoje ainda parece demasiado caro ou lento.

Há números para enquadrar o feito: segundo a OpenAI, os tokens usados para gerar as dez soluções custariam cerca de 2.000$ aos preços de API do modelo Sol, algo como ~1.850€. Para uma empresa, isto é menos do que muitas horas de consultoria especializada. Para um departamento de matemática universitário, é o tipo de valor que entra facilmente no orçamento anual. O custo marginal de experimentar problemas difíceis com IA ficou, de repente, ao alcance de qualquer laboratório com cartão de crédito, não apenas de gigantes tecnológicos.

No lado humano, Bloom recusa a narrativa fácil de que “a IA vai substituir matemáticos”. Argumenta que não faz sentido falar em substituição quando o sistema é construído por matemáticos, treinado em tudo o que matemáticos escreveram e encostado a mais de um século de teoria. O papel muda, mas não desaparece: alguém tem de escolher problemas, interpretar resultados, desconfiar quando é preciso. E convém lembrar que Astra também falhou em problemas grandes, incluindo os famosos Millennium Prize Problems, como admitiu o investigador Noam Brown. A diferença é que agora há uma entidade que pode passar semanas de CPU a tentar, sem pedir férias nem financiamento do próximo projeto europeu.

Fonte: The Decoder