OpenAI и математика: 722 доказательства от ИИ
OpenAI публикует 722 математических рукописи от внутренней frontier-модели, включая решение задачи Навье–Стокса. Lean-доказательства доступны на GitHub.
OpenAI и математика: как ИИ решает задачи, которые не поддавались людям десятилетиями
6 октября 2026 года OpenAI опубликовала масштабный пакет математических результатов, сгенерированных внутренней frontier-моделью (передовая языковая модель, не доступная публично). Это не просто очередной бенчмарк — компания разместила на GitHub репозиторий openai/math с 722 научными рукописями, формальными доказательствами в Lean и подробными сопроводительными материалами.
Что именно опубликовала OpenAI
В исследовательском посте от 6 октября 2026 года OpenAI сообщила о выпуске широкого спектра новых математических результатов, полученных с помощью нераскрытой внутренней frontier-модели: 722 рукописи, организованные в 372 семейства, размещены в публичном репозитории на GitHub вместе с формализациями доказательств в Lean и краткими изложениями хода рассуждений модели.
Каталог содержит 722 рукописи, сгруппированные в 372 семейства. Семейство объединяет связанные статьи — основной результат, сопутствующие аргументы, следствия или альтернативные доказательства — и каждое семейство классифицировано по математической дисциплине.
В директории препринтов хранятся PDF-файлы, исходный код и инструкции по цитированию, а библиотека Lean и каталог формализаций описывают доступные формальные доказательства, связанные статьи и конфигурации верификации.
Масштаб задачи
Согласно README репозитория, каталог содержит 722 рукописи в 372 семействах; модели было предложено около 4 000 задач, и в среднем каждый результат потребовал вычислительных ресурсов, эквивалентных трём часам работы ChatGPT Pro в режиме глубокого размышления.
«Мы делимся формализациями многих доказательств в Lean — языке программирования, который позволяет проверять математические доказательства компьютером.» — OpenAI
Хронология прорывов: от 10 задач до 722 рукописей
Октябрьский релиз — не первый шаг, а кульминация серии событий 2026 года.
timeline
title Хронология математических прорывов OpenAI (2026)
август 1 : Публикация 10 решений открытых задач (Astra)
249-страничная рукопись + Lean 4 доказательства
август 5 : Открытый репозиторий с Lean-сертификатами
сентябрь 1 : Запуск мультиагентной системы
для задачи Навье–Стокса
сентябрь 8 : Объявление о решении задачи Навье–Стокса
(Проблема тысячелетия)
октябрь 6 : Мегарелиз: 722 рукописи, 372 семейства
на GitHub под лицензией Apache 2.0
Август 2026: первые 10 задач
OpenAI опубликовала десять новых результатов в области математики и теоретической информатики 1 августа 2026 года — каждый из них отвечает на задачу, по которой не было прогресса как минимум десятилетие. Каждое доказательство поставляется с машинно-проверяемым сертификатом Lean 4 — это наивысшая планка верификации, которую когда-либо преодолевало ИИ-генерируемое математическое исследование в таком масштабе.
Задачи охватывают высокоразмерную геометрию, теорию кодирования, сложность арифметических схем, теорию групп, операторные алгебры, квантовую сложность, решёточную криптографию и экстремальную комбинаторику.
Суммарная стоимость вычислений составила около $2 000 по ценам API. Верификация выполнена в виде машинно-проверяемых доказательств Lean 4 с нулевым количеством «sorry» (незаполненных лакун в доказательстве).
Сентябрь 2026: задача Навье–Стокса
Пожалуй, самый громкий результат года — решение одной из Задач тысячелетия (Millennium Prize Problems) Математического института Клэя, за каждую из которых назначен приз в $1 000 000.
OpenAI поделилась решением задачи о существовании и гладкости уравнений Навье–Стокса — одной из Задач тысячелетия. Это доказательство, полученное внутренней системой OpenAI, показывает, что динамика уравнений Навье–Стокса для движения жидкости может развить сингулярность за конечное время. Опубликованы как письменное изложение доказательства, так и его формализация в Lean.
По данным компании, модель потратила 88 часов на решение задачи, используя до 10 000 «ИИ-агентов», работавших параллельно.
Как работает процесс: от задачи до верифицированного доказательства
Рабочий процесс не менее важен, чем сами результаты. Модель генерировала математические аргументы; люди затем оформляли их в рукописи с помощью той же модели; после этого модель формализовала каждый аргумент в Lean-сертификат. OpenAI разместила Lean-сертификаты в открытом репозитории, созданном 5 августа 2026 года, вместе с описанием мыслительного процесса модели для каждого решения.
graph TD
A[🧩 Открытая математическая задача] --> B[Frontier-модель генерирует доказательство]
B --> C[Люди оформляют рукопись с помощью модели]
C --> D[Модель формализует доказательство в Lean 4]
D --> E{Lean-верификатор проверяет}
E -->|✅ Успех| F[Публикация на GitHub]
E -->|❌ Ошибка| D
F --> G[Независимая проверка математиками]
Lean 4: язык, которому доверяет математика
Lean 4 — это язык программирования и система интерактивного доказательства теорем (proof assistant), разработанная в Microsoft Research. Если Lean принял доказательство без единого «sorry», это означает: каждый шаг логически корректен и машинно-верифицирован.
Готовящийся GitHub-релиз включает формальные доказательства, написанные на Lean 4 — языке ассистента доказательств, позволяющего верифицировать математические аргументы с помощью компьютера.
Библиотека Mathlib для Lean содержит 82 847 определений и 161 483 теоремы, охватывая широкий спектр тем, включая анализ, алгебру и геометрию.
Сравнение ключевых релизов OpenAI по математике (2026)
| Параметр | Август 2026 (10 задач) | Сентябрь 2026 (Навье–Стокс) | Октябрь 2026 (мегарелиз) |
|---|---|---|---|
| Количество результатов | 10 | 1 | 722 рукописи / 372 семейства |
| Модель | Astra (внутренняя) | Значительно мощнее GPT-6 Astra | Внутренняя frontier-модель |
| Lean-доказательства | ✅ Все (sorry = 0) | ✅ Опубликованы | ⚠️ Частично |
| Стоимость вычислений | ~$2 000 | ~88 ч × 10 000 агентов | ~3 ч ChatGPT Pro на результат |
| Охват областей | 6 областей математики | Механика жидкостей | Широкий спектр |
| Лицензия | Открытая | Открытая | Apache 2.0 |
Спорные вопросы: атрибуция и верификация
Октябрьский релиз поднял важные дискуссии в академическом сообществе.
Авторство
По вопросу об атрибуции OpenAI написала, что претендовать на человеческое авторство доказательства, полностью сгенерированного ИИ-системой, означало бы искажать как вклад системы, так и природу подлинного интеллектуального труда человека. Компания заявляет, что помогала подготовить рукописи и Lean-формализации и несёт ответственность за их корректность, тогда как сами математические аргументы были сгенерированы системой.
Верификация
Коллекция охватывает разные стадии верификации. Многие рукописи сопровождаются формализациями в Lean — языке программирования, позволяющем проверять математические доказательства компьютером, — но не все. README предупреждает, что некоторые неформализованные результаты могут содержать ошибки, и OpenAI обещает оперативно исправлять любые проблемы, постепенно добавляя всё больше формализаций.
openai/math можно запустить локально на своём компьютере. Достаточно установить Lean 4 и elan (менеджер версий), клонировать репозиторий и выполнить команду lake build. Если сборка прошла без ошибок — доказательство верно.Почему это важно для науки
Возникает новая проблема: ИИ может производить результаты быстрее, чем исследователи успевают их верифицировать и осмыслить.
Это меняет саму природу математического прогресса. Если раньше узким местом был поиск доказательства, то теперь им становится проверка и понимание уже найденного. Математическому сообществу предстоит выработать новые нормы публикации, атрибуции и рецензирования для результатов, полученных ИИ.
Подход к публикации результатов ориентируется на рекомендации консультативной группы «Математика и ИИ» Института перспективных исследований (Institute for Advanced Study).
Итог: новая эпоха в математике
Открытая публикация 722 рукописей, Lean-доказательств и сопроводительных материалов под лицензией Apache 2.0 — это беспрецедентный шаг для ИИ-лаборатории. OpenAI намеренно делает результаты воспроизводимыми и проверяемыми, приглашая мировое математическое сообщество к диалогу.
Вопрос уже не в том, способен ли ИИ решать сложные математические задачи. Вопрос — в том, как человечество будет адаптировать свои институты: журналы, конференции, системы присвоения авторства — к реальности, где машина может закрыть открытую проблему за $2 000 и 88 часов вычислений.