Auf den Punkt: OpenAI demonstriert mit Astra Lösungen für langjährig ungelöste mathematische Probleme und veröffentlicht Lean-4-Formalisierungen sowie LLM-generierte Rekonstruktionen der Beweise.
OpenAI hat sein internes Astra-Modell (nächste Hauptversion) auf zehn mathematische Probleme angesetzt, die seit mindestens zehn Jahren keine Fortschritte gemacht haben. Für jedes Problem gab das Unternehmen weniger als 2.000 Dollar an GPT-5.6-Sol-Token-Kosten aus.
Das Unternehmen wendete ein internes Astra-Modell auf mathematische Probleme an, die mindestens ein Jahrzehnt lang stagnierten. Nach eigenen Angaben entstanden Kosten von unter 2.000 Dollar pro gelöstem Problem — deutlich unter den Summen, die Anthropic zu Vergleichszwecken mit Claude und Mythos Preview aufwendete (100.000 Dollar für kryptographische Sicherheitsforschung). OpenAI macht keine Aussage darüber, wie viele Probleme ohne Erfolg ähnliche Mittel verbrauchten.
Die Ergebnisse sind im Repository openai/ten-proofs dokumentiert, mit Lean-4-Formalisierungen der Lösungen. Zusätzlich veröffentlichte das Unternehmen ein Paper mit Lösungsbeschreibungen sowie eine von Modellen generierte PDF, in der die KI auf Basis unveröffentlichter Reasoning-Traces rekonstruiert, wie die Beweise zustande kamen. Dies signalisiert ein gewisses Transparenz-Bemühen, wobei Mathematiker:innen sich explizit auch die verwendeten Prompts wünschen.
Die Resultate evozieren für Beobachter Parallelen zur Deep-Blue-Ära und entsprechen einer Vision, die Terence Tao vor Kurzem als „Big Mathematics“ beschrieb. Tao sieht KI nicht als Bedrohung, sondern als Katalysator für einen Paradigmenwechsel in der Mathematik: dezentralisierte Mensch-Maschinen-Kooperationen, bei denen Menschen kreative Anteile übernehmen und KI-Systeme die technische Schwerarbeit leisten.
Quelle: simonwillison.net · Erschienen 1. August 2026
Lumi AI News — KI-assistierte Kuratierung gemaess Art. 50 EU AI Act. Paraphrase und Klassifikation durch Lumi News Pipeline v1.7.3.