A OpenAI divulgou um lote de 722 manuscritos com soluções para problemas matemáticos de longa data, organizados em 372 famílias de resultados relacionados. O trabalho foi produzido por um modelo de fronteira que a empresa ainda não lançou publicamente. Junto com os manuscritos, a OpenAI publicou formalizações em Lean — a linguagem de prova formal usada para verificar rigorosamente demonstrações matemáticas — e detalhes da pesquisa em um repositório no GitHub.

Isso não é um evento isolado. A OpenAI vem acumulando uma sequência de anúncios no mesmo molde: um modelo não lançado resolve ou avança problemas matemáticos difíceis, a empresa publica os resultados como prova de capacidade, e o ciclo se repete. O uso do Lean é relevante porque tira a verificação do campo da confiança: uma prova formalizada pode ser checada mecanicamente, sem depender da palavra da empresa sobre o que o modelo "realmente" fez.

É justamente aí que mora a controvérsia. Segundo a Wired, matemáticos que acompanham esses anúncios têm criticado não o conteúdo técnico, mas a forma como a OpenAI conduz e divulga esse processo. Um deles descreveu a percepção da comunidade como "comportamento de máfia" por parte das empresas líderes em IA — uma crítica que aponta para a maneira como esses resultados são apresentados ao público antes de passar pelo escrutínio normal da comunidade matemática, e para a questão de quem recebe crédito quando um modelo contribui para (ou reproduz) um resultado que já estava em discussão entre pesquisadores humanos.

O pano de fundo é a disputa por benchmarks de raciocínio avançado. Matemática de nível de pesquisa é um dos poucos domínios onde é difícil simular capacidade sem entregar algo verificável — não dá para "alucinar" uma prova em Lean que passa no verificador. Por isso esses anúncios funcionam como vitrine para investidores e para o mercado em geral: é uma forma de dizer "nosso próximo modelo já faz isso" sem abrir o modelo em si.

O que fica sem resposta é exatamente o ponto que os críticos levantam: qual é o processo de revisão por pares para esse tipo de publicação, e quem decide o que conta como contribuição original quando o "autor" é um sistema fechado controlado por uma empresa com interesse comercial direto no resultado? A comunidade matemática tem normas estabelecidas — décadas de prática — para atribuir crédito e validar resultados; não está claro se divulgações em lote via GitHub, fora desse circuito, deveriam seguir as mesmas regras ou se precisam de regras novas. Até a OpenAI lançar o modelo que gerou esses manuscritos, também não há como pesquisadores externos testarem de forma independente se o processo é replicável ou se os 722 casos foram escolhidos a dedo.