A IA resolveu provas que ninguém avançava há uma década. O que ficou de fora?

A OpenAI afirma que uma versão interna do Astra atacou dez problemas de matemática e ciência da computação teórica cujo resultado principal não avançava havia ao menos uma década. A notícia impressiona. Mas a pergunta mais útil não é se a IA “fez conta”. É o que mudou quando um agente consegue participar de pesquisa formal com custo, ferramentas e verificação.

O caso foi reunido por Simon Willison em 1º de agosto, após o anúncio da OpenAI e a publicação de materiais técnicos relacionados. A empresa descreve o Astra como seu próximo grande modelo. Segundo o relato, ele foi usado para trabalhar nesses dez problemas difíceis. Isso coloca a alegação bem acima de um benchmark com respostas conhecidas.

A parte mais interessante não está apenas no resultado. Está no rastro técnico deixado para inspeção. O repositório público openai/ten-proofs reúne formalizações em Lean 4. Em termos simples, Lean é uma linguagem usada para representar uma prova de modo que um verificador possa checar cada passo lógico.

Isso não transforma toda a história em verdade automática. Ainda é preciso examinar as provas, os pressupostos e o que conta como avanço em cada problema. Porém, a formalização cria um grau de transparência incomum para alegações sobre capacidade de modelos. Em vez de depender somente de uma demonstração ou de uma pontuação, pesquisadores podem inspecionar artefatos verificáveis.

O número de US$ 2 mil chama atenção, mas não fecha a conta

A OpenAI afirmou que cada solução custou menos de US$ 2.000 em tokens, com base nos preços do GPT-5.6 Sol. É um número pequeno perto do valor que normalmente se associa a trabalho de pesquisa avançada. Também é um número fácil de interpretar errado.

Esse custo não informa quantas tentativas falharam antes de uma solução aparecer. Tampouco descreve o gasto de treinamento do modelo, a infraestrutura interna ou o trabalho humano que escolheu problemas, avaliou saídas e organizou o resultado. Portanto, “menos de US$ 2 mil por solução” não significa que qualquer equipe possa comprar uma descoberta matemática por esse preço.

Mesmo com essa ressalva, o dado aponta uma mudança operacional. Se uma investigação difícil pode receber muitas tentativas de um agente por milhares, e não milhões, de dólares, o gargalo muda. A pergunta deixa de ser apenas “temos especialistas suficientes?” e passa a incluir “sabemos montar, revisar e interromper esse workflow?”.

Poucos dias antes, a Anthropic divulgou um episódio diferente: o uso de Claude/Mythos Preview para encontrar fragilidades criptográficas, com gasto informado de US$ 100 mil em tokens. Os dois casos não são equivalentes. Ainda assim, eles desenham a mesma direção: agentes caros de laboratório já são capazes de executar partes intensivas de investigação técnica.

A era da big mathematics começa pela curadoria

Há um nome útil para esse cenário: big mathematics. Não é matemática sem humanos. É uma divisão de trabalho em que pessoas definem boas perguntas, identificam resultados relevantes e decidem se uma prova merece confiança. Agentes assumem uma parcela do trabalho pesado: explorar caminhos, propor derivações, registrar tentativas e ajudar na formalização.

Essa divisão pode ser mais realista do que a narrativa de substituição. Criatividade, julgamento de relevância e responsabilidade continuam sendo tarefas humanas. Um modelo pode produzir uma linha de raciocínio promissora. Alguém ainda precisa decidir se ela responde ao problema certo e se resiste a escrutínio.

O material divulgado também inclui um paper sobre as soluções e um PDF gerado por LLM que reconstrói como a prova poderia ter surgido a partir de traces de raciocínio não publicados. Essa reconstrução é útil como documentação, mas não deve ser confundida com uma gravação completa do processo original. Ela ajuda a explicar; não substitui a verificação da prova formal.

Por que isso importa para quem usa IA no Brasil

Para equipes brasileiras, a lição não é colocar um chatbot para “resolver problemas impossíveis” na próxima reunião. O sinal é mais concreto: fluxos de pesquisa e produto podem ganhar uma camada de agentes para tarefas caras, repetitivas ou amplas demais para uma pessoa explorar sozinha.

Pense em engenharia de software, análise de dados, auditoria de especificações ou pesquisa de produto. Um agente pode gerar hipóteses, comparar alternativas e produzir documentação inicial. Mas confiabilidade precisa entrar antes do entusiasmo. Quanto maior o impacto de uma decisão, maior deve ser a revisão humana e, quando possível, a validação determinística.

O debate sobre preço também merece atenção. Modelos mais capazes podem baixar o custo por tentativa e, ao mesmo tempo, elevar a conta total quando uma empresa os usa sem limites claros. É a mesma lógica que vale para escolher modelos: o preço anunciado não basta para decidir. No nosso guia sobre preço do GPT-5.6 e modelos chineses, a comparação só faz sentido quando custo, tarefa e qualidade são avaliados juntos.

A alegação da OpenAI merece interesse justamente porque veio acompanhada de provas formalizadas. O próximo teste será mais duro: pesquisadores independentes precisarão validar se os dez avanços resistem ao debate técnico. Se resistirem, a novidade não será uma IA virando matemático solitário. Será a prova de que pesquisa assistida por agentes pode deixar de ser demonstração e virar método.

Fontes: relato de Simon Willison e anúncio da OpenAI.