OpenAI har släppt de första resultaten Astra, deras nästa modell för artificiell intelligensFöretaget har gjort framsteg med tio öppna problem inom matematik och teoretisk datavetenskap. Enligt företaget har några av dessa problem förblivit olösta i över ett decennium utan några betydande framsteg. Tillkännagivandet, som publicerades den 1 augusti 2026, har skapat stor uppståndelse i forskarsamhället, även om många forskare uppmanar till försiktighet tills resultaten har granskats av oberoende experter.
Det som skiljer den här annonsen från andra liknande är att OpenAI har publicerat inte bara resultaten, utan även de formaliserade demonstrationerna i Lean-verifieringssystemet. Detta gör det möjligt för alla matematiker att automatiskt kontrollera argumentens riktighet. Dessutom har företaget detaljerat upptäcktsprocessen, inklusive 249 sidor argument och 62 sidor motiverade anteckningar, vilket ger ovanlig transparens i denna typ av kommunikation.
De tio problemen och deras relevans
Problemen som Astra tar upp täcker mycket skilda områden inom modern matematik. Bland dem finns: vederläggningen av Connes rigiditetsförmodanDetta resultat har stor inverkan på operatoralgebror, och den explicita konstruktionen av icke-sofiska grupper är en grundläggande fråga inom gruppteorin. Nya övre gränser har också erhållits för sfärpackning i höga dimensioner, ett problem med direkta tillämpningar inom informationsteori och felkorrigeringskoder.
Inom kombinatorik har Astra löst tre problem som ställts av den ungerske matematikern Paul Erdős: problem 146, 180 och 183. Det sista av dessa, relaterat till flerfärgade Ramsey-tal, har beskrivits av experten Thomas Bloom som "det mest överraskande av hela listan". Andra framsteg inkluderar nya nedre gränser för aritmetiska kretsar, en parallell repetitionssats för kvantspel och resultat om approximationshårdheten för närmaste vektorproblem, relevant för postkvantkryptografi.
Kostnad och metod
OpenAI har avslöjat att Den totala tokenkostnaden för att hitta dessa lösningar var cirka 2 000 dollarEnligt Sols API-priser inkluderar denna siffra inte modellträning eller arbete av mänskliga forskare. Processen kombinerade argumentgenerering av Astra med expertinput som hjälpte till att omvandla dessa argument till tydliga manuskript och därefter till automatiskt verifierbara Lean-certifikat.
Formalisering är nyckeln i Lean: det gör det möjligt för alla med tillgång till programvaran att steg för steg verifiera att demonstrationen är logiskt korrekt. Emellertid, Matematiker behöver fortfarande verifiera att de definitioner och antaganden som används motsvarar det ursprungliga problemet.Detta är något som en maskin inte kan göra på egen hand. OpenAI har tagit ansvar för att korrigera arbetet, men har inte identifierat någon oberoende grupp som offentligt har utvärderat alla tio resultaten.
Jämförelse med Deep Blue och nödvändig försiktighet
Flera medier har jämfört denna milstolpe med Deep Blues seger över Garry Kasparov 1997, men experter påpekar att Matematik är mer komplext än schackI ett spel är resultatet omedelbart; inom matematik kan ett bevis kräva månader av peer review innan det accepteras. Dessutom är Astra inte offentligt tillgängligt, så externa forskare kan inte reproducera processen eller fastställa modellens felfrekvens.
OpenAI har tidigare erfarenheter där till synes korrekta resultat visat sig vara felaktiga efter granskning av experter. I februari 2026 skickade företaget in lösningar för First Proof-utmaningen och erkände senare att en av dem var felaktig. Därför, Vetenskapssamhället insisterar på att dessa tio framsteg bör betraktas som lovande, men inte som definitiva.tills de är oberoende verifierade.
I Europa har forskare från universitet som Polytekniska universitetet i Madrid och Cambridges universitet uttryckt intresse för att analysera de Lean-certifikat som publiceras av OpenAI. Möjligheten att artificiell intelligens samarbetar i genereringen av ny matematisk kunskap öppnar upp en debatt om vilken roll mänskliga forskare kommer att spela i framtiden, även om företaget betonar att valideringen och kontextualiseringen av resultaten kommer att fortsätta att vara beroende av experter under många år framöver.
Ändå markerar Astras tillkännagivande en vändpunkt: artificiell intelligens är inte längre begränsad till att lösa problem med kända svar, utan börjar lägga fram originella argument om frågor som ligger i kunskapens framkant. Det sanna "Deep Blue-ögonblicket" inom matematiken kanske inte kommer med ett enda spektakulärt resultat, utan snarare gradvis, i takt med att dessa modeller blir samarbetspartners som kan utforska tusentals vägar och formalisera resultat som ingen forskare tidigare hade testat.
