A OpenAI anunciou em 26 de outubro de 2026 três resultados que a empresa classifica como grandes descobertas em matemática, ciência da computação e física. O anúncio ocorre menos de um mês depois de a companhia liberar centenas de manuscritos que, segundo ela, continham soluções para problemas matemáticos de longa data. Desta vez, porém, o elemento mais importante não é apenas o tamanho das alegações: é a tentativa de criar um processo externo de acompanhamento e verificação para saídas geradas por IA.

Computação: a aposta contra uma hipótese de 1999

No caso da ciência da computação, a OpenAI afirma que seus sistemas produziram uma prova de que a Hipótese do Tempo Exponencial (ETH, na sigla em inglês) é falsa. A ETH é amplamente tratada como verdadeira e foi proposta em 1999 por um grupo que inclui Russell Impagliazzo e Ramamohan Paturi. O material divulgado descreve um algoritmo determinístico que conta exatamente atribuições satisfatórias de fórmulas CNF de largura fixa em tempo subexponencial e espaço polinomial. No caso específico do 3-SAT, isso refutaria a ETH, segundo a empresa. A verificação será guiada por um grupo de três especialistas: Impagliazzo, Paturi e Ryan Williams, do MIT. A pedido do grupo, a OpenAI publicou no GitHub o texto produzido pela IA e uma prova em Lean.

Matemática: saída direta e uma escala que chama atenção

Na matemática, a OpenAI diz que o modelo produziu uma prova da conjectura de suavização local em todas as dimensões e, com isso, também resolveria a conjectura de Kakeya e a conjectura de restrição de Stein em todas as dimensões. O texto cita o resultado de suavização local para a equação de onda euclidiana, obtido com uma equação diferencial parcial auxiliar para estabelecer a suavização local de Sogge para ondas em todas as dimensões espaciais pelo menos dois. A empresa informou que está liberando a saída do modelo diretamente, como fez na divulgação de 6 de outubro. O contraste de escala é evidente: alguns meses antes, a professora Hong Wang, da NYU, recebeu a Medalha Fields por resolver a conjectura de Kakeya em três dimensões.

A novidade não é só o trio de resultados anunciados: é a tentativa de transformar saídas de modelos em objetos científicos verificáveis — sob regras que ainda estão em disputa.

Física: prova anunciada, material incompleto

O terceiro resultado, na física, é o menos aberto à checagem externa neste momento. A OpenAI descreve uma prova de existência matematicamente rigorosa de certas teorias quânticas de campos interagentes contendo campos de gauge e férmions em quatro dimensões, incluindo a cromodinâmica quântica (QCD) e uma completude unificada do Modelo Padrão da física de partículas. O material não foi divulgado integralmente. Segundo a empresa, David Gross vai liderar um grupo que inclui Michael Douglas, Arthur Jaffe, Igor Klebanov e Nikita Nekrasov para acompanhar o trabalho.

Shepherds, acesso e crédito

A mudança de método tem nome: a OpenAI diz que especialistas externos, descritos como shepherds, orientam os resultados em computação e física. Para o problema de matemática, a empresa afirma que os consultores recomendaram liberar a saída da IA para que os pesquisadores desenvolvessem suas próprias explicações. A abordagem, no entanto, já nasce sob crítica. A própria OpenAI admite que o modelo pode ter problemas. Além disso, o painel AGMAI de conselheiros matemáticos da empresa afirmou no dia anterior ao anúncio que recomenda que empresas de IA não adotem a prática de designar certas pessoas para receber a saída primeiro. O painel citou acesso desigual, reputação emprestada e seleção enviesada como problemas. Como alternativa, defendeu que os laboratórios publiquem resultados em repositórios acadêmicos, com provas formalizadas em Lean, informações sobre como os problemas foram escolhidos e financiamento para quem trabalha na compreensão dos resultados.

A verificação também é trabalho científico

A carta aberta divulgada junto com o material de computação amplia a discussão para além das três provas. O texto pede contribuições da comunidade sobre três questões: quais expectativas devem reger o acesso antecipado a resultados gerados por IA, a divulgação de conflitos de interesse e o uso de material não publicado em pesquisas posteriores; como o crédito deve reconhecer tanto novas descobertas quanto o trabalho de checar, corrigir, simplificar, explicar e estender resultados; e como apoiar estudantes e pesquisadores enquanto métodos e direções de pesquisa mudam, preservando o entendimento e o julgamento necessários para questionar resultados e desenvolver novas ideias.

Para o leitor de pesquisa, o ponto central é separar anúncio, prova e consenso. Os resultados foram publicados no GitHub, com textos e, no caso da computação, uma prova em Lean. A fonte não informa publicação em periódico revisado por pares, nem confirma validação independente concluída. Além disso, o grupo que examina a refutação da ETH é descrito como independente, mas inclui dois dos proponentes originais da hipótese em 1999 — o que não invalida a checagem, mas mostra por que a comunidade deve acompanhar o processo com atenção.

A consequência prática é que o anúncio será medido menos pelo tamanho das afirmações e mais pela capacidade de outros pesquisadores reconstruírem as provas, apontarem falhas e entenderem o que realmente foi demonstrado. Se a verificação avançar, a OpenAI terá dado um passo importante não só na produção de resultados por IA, mas na criação de normas para lidar com eles. Se não avançar, os três anúncios continuarão como alegações técnicas de alto impacto à espera de confirmação.