A OpenAI anunciou o que chama de três novas descobertas em análise harmônica, complexidade computacional e teoria quântica de campos — e imediatamente tornou a forma como as divulgou parte do experimento. Sam Altman amplificou o anúncio do pesquisador da OpenAI Dan Roberts, que descreveu descobertas abrangendo “matemática, ciência da computação e física”.Sam Altman (sama)¹

A empresa afirma que os resultados incluem uma prova da conjectura de suavização local em todas as dimensões espaciais, com implicações para as conjecturas de Kakeya e de restrição de Stein; uma suposta refutação da Hipótese do Tempo Exponencial; e um resultado rigoroso de existência para teorias quânticas de campos, incluindo a cromodinâmica quântica. A OpenAI apresenta os resultados não como trabalhos acadêmicos concluídos, mas como “uma forma de dados brutos de pesquisa” que exige interpretação de especialistas.²

Sua cronologia começa com o trabalho relatado dos modelos: a OpenAI afirma que obteve o resultado de análise harmônica em 18 de outubro de 2026 e o formalizou em Lean no dia seguinte. Afirma que a refutação da ETH foi produzida em 16 de outubro e formalizada em 17 de outubro. Para a matemática, a empresa divulgou publicamente o resultado do modelo, permitindo que pesquisadores organizem seu próprio escrutínio.²

Para a teoria da complexidade, a OpenAI reuniu, em vez disso, um grupo externo liderado por Russell Impagliazzo, Ramamohan Paturi e Ryan Williams, enquanto publicava imediatamente a prova em linguagem natural e a formalização em Lean. O grupo deve testar e explicar a alegação de que a ETH — uma hipótese usada em centenas de resultados de dificuldade — é falsa. Para a física, colaboradores externos primeiro redigirão o trabalho, e os artefatos subjacentes de IA permanecem sem divulgação por enquanto.²

A OpenAI afirma que não reivindicará crédito acadêmico e que os estudiosos participantes devem receber reconhecimento pelas explicações e pelos artigos que produzirem. Também insiste que os grupos são independentes, voluntários e livres para publicar suas conclusões.²

Ainda assim, a empresa reconhece o dilema central: selecionar “guardiões” iniciais cria um desequilíbrio de informação. O painel AGMAI de assessores de matemática foi além, recomendando que empresas de IA não designem pessoas para receber resultados primeiro, citando “acesso desigual, reputação emprestada e seleção enviesada”.³ Os avanços podem ser gerados por IA; se eles se tornarão ciência dependerá de uma disputa muito mais humana sobre quem poderá inspecionar, explicar e deter a compreensão.