OpenAI 722 naskah matematika dari analisis model yang belum dirilis

Para matematikawan bangun dan mendapati padanan dunia riset dari seseorang yang memundurkan truk sampah penuh LaTeX ke ruang santai dosen. MLQ News melaporkan bahwa OpenAI menerbitkan 722 manuskrip matematika yang dihasilkan oleh model frontier internal yang belum dirilis, dan itulah bagian penting yang tersembunyi di dalam meriam konfeti. Semua orang mendapat makalah, artefak pembuktian, dan instruksi build, tetapi bukan mesin yang menghasilkannya. Rasanya seperti diberi seribu struk restoran dan beberapa resep, sementara sang koki tetap berada di bunker sambil berbisik kepada sebuah GPU.

Ini bukan peluncuran model biasa, dan sejujurnya, syukurlah kepada Euclid. Cerita yang berguna di sini bukan bahwa sebuah sistem AI menghasilkan segunung prosa matematika. Cerita yang berguna adalah bahwa OpenAI sedang menguji pola rilis di mana permukaan verifikasi lebih penting daripada akses demo, karena dalam matematika perbedaan antara teorema dan fan fiction bisa berupa satu lemma yang diam-diam sudah pasti gagal.

Apa yang sebenarnya dirilis OpenAI

Menurut MLQ News, OpenAI menerbitkan manuskrip-manuskrip itu pada 6 Oktober dan mengorganisasikannya menjadi 372 keluarga di berbagai bidang termasuk teori bilangan, geometri, ilmu komputer teoretis, fisika matematika, dan logika. MLQ News juga melaporkan bahwa koleksi tersebut disimpan dalam repositori GitHub publik dengan berkas sumber, instruksi sitasi dan build khusus untuk tiap manuskrip, artefak pembuktian Lean, serta katalog ikhtisar. OpenAI mengatakan model tersebut dievaluasi pada sekitar 4.000 masalah riset terbuka setelah evaluasi matematika yang sudah ada menjadi jenuh, yang merupakan cara sopan untuk mengatakan bahwa tes lama sudah menjadi polisi tidur yang terbuat dari puding.

@title Dari model internal ke artefak publik
@source MLQ News
@source CellCog

  Internal model
        │
        ▼
  roughly 4000 problems
        │
        ▼
  722 manuscripts
        │
        ├→ 372 families
        └→ 162 Lean main results

@caption Rilis ini membuka keluaran dan pekerjaan pembuktian sementara modelnya tetap internal.

CellCog menambahkan dua detail yang membuat tumpukan ini lebih mudah dievaluasi: repositorinya berada di bawah Apache 2.0, dan formalisasi Lean mencakup hasil utama dari 162 dari 722 makalah. Itu tidak sama dengan mengatakan bahwa setiap baris sudah menjadi matematika yang tuntas, tetapi itu adalah permukaan inspeksi yang bermakna. PDF bisa terlihat sangat serius sambil menyelundupkan nuansa samar melalui lampiran. Lean, seperti yang terkenal, punya lebih sedikit perasaan.

Modelnya belum dirilis, jadi bukti-buktinya lebih penting

MLQ News mengidentifikasi sistem tersebut sebagai model frontier internal yang belum dirilis, yang menjadikan ini jenis keterbukaan yang sangat spesifik. Para peneliti dapat memeriksa manuskrip dan materi pendukungnya, tetapi mereka tidak dapat menjalankan ulang model, menguji prompt, mengukur mode kegagalan, atau membandingkan perilakunya di berbagai kelas masalah. Itu kurang seperti membuka sumber sebuah alat, dan lebih seperti menerbitkan buku catatan laboratorium dari kolega yang sangat produktif tetapi menolak hadir rapat (bisa dipahami, tetapi tetap saja sebuah batasan).

Strategi ini mungkin tetap berharga jika artefaknya cukup kaya. CellCog melaporkan bahwa rilis ini mencakup hasil utama yang telah diperiksa untuk sebagian makalah, sementara MLQ News menjelaskan adanya berkas sumber dan instruksi build yang memungkinkan pihak luar memeriksa lebih dari sekadar PDF yang sudah dipoles. Bagi pembaca yang membangun alur kerja riset AI, itulah pelajaran praktisnya: klaim yang mengesankan membutuhkan objek yang dapat direproduksi di sekelilingnya. Modelnya mungkin tersegel, tetapi matematikanya harus mampu bertahan ketika berhadapan dengan orang-orang yang punya pena merah dan jabatan tetap.

Verifikasi kini menjadi bagian dari produk

A Human Audit of OpenAI’s AI-Generated Mathematical Proofs menelaah sepuluh hasil matematika yang diumumkan OpenAI pada 1 Agustus 2026, dan abstraknya mengatakan tidak ada kesalahan matematis substantif yang terkonfirmasi dan masih bertahan dalam hasil utama yang ditinjaunya. Audit yang sama juga memperingatkan bahwa catatan peninjauannya tidak merata, dengan beberapa dependensi hanya diperiksa sebagian dan satu keberatan besar terkait bagian analitik yang dipadatkan di Bab 8. Dengan kata lain, pelajarannya bukan percaya pada robot. Pelajarannya adalah buat robot menghasilkan hal-hal yang benar-benar dapat diperiksa oleh manusia dan asisten pembuktian.

Konteks itu penting untuk rilis 722 manuskrip ini karena CellCog mengatakan hanya 162 makalah yang memiliki formalisasi Lean untuk hasil utamanya. Verifikasi formal bukan deterjen ajaib untuk setiap noda di karpet pembuktian, tetapi ia mengubah sikap peninjauan. Alih-alih bertanya apakah keluaran AI terdengar masuk akal, peninjau dapat bertanya klaim mana yang diperiksa mesin, mana yang bergantung pada pembacaan manusia, dan mana yang masih memakai jas hujan mencurigakan berlabel jelas.

Matematika AI sudah ada di dalam ruangan

Tren AI4Math yang lebih luas sudah mempercepat langkah bahkan sebelum rilis ini. Makalah arXiv The Gold Rush in AI4Math menganalisis 32.944 pengajuan arXiv terkait matematika yang diposting antara 1 Maret dan 20 Agustus 2026, dan mengidentifikasi 3.575 yang secara eksplisit mengungkapkan penggunaan AI. Dari jumlah itu, 1.712 melibatkan setidaknya satu kontribusi matematis substantif, dengan penggunaan AI substantif yang diungkapkan naik dari 1,39 persen pengajuan matematika pada Maret menjadi 14,09 persen hingga 20 Agustus.

Itu membuat rilis OpenAI ini kurang seperti petir dari langit cerah dan lebih seperti klakson keras di ruangan yang sudah mulai penuh mesin asap. Pertanyaan jangka dekatnya bukan apakah AI akan menyentuh riset matematika, karena The Gold Rush in AI4Math menunjukkan bahwa itu sudah terjadi. Pertanyaannya adalah norma mana yang akan mengeras seputar pengungkapan, pembuktian formal, atribusi, dan akses. Jika gelombang berikutnya matematika AI datang sebagai artefak publik plus model privat, orang-orang yang bisa mengaudit, memformalkan, dan mereproduksi akan mendapatkan kursi terbaik di ruangan.

Bagi pembangun, peneliti, dan siapa pun yang berusaha memisahkan kemajuan dari kilau semata, perhatikan artefak GitHub alih-alih kata sifat dalam siaran pers. Hitung apa yang sudah diformalkan, periksa apa yang dapat direproduksi, dan tanyakan apa yang masih terkunci di balik akses internal. Teoremanya mungkin menjadi judul utama, tetapi alur verifikasilah tempat alurnya bersembunyi.