A crise começou como um problema de sinal e terminou como um problema de confiança. Em 6 de outubro de 2026, a OpenAI (abre em nova aba) publicou num repositório público do GitHub mais de setecentos manuscritos matemáticos gerados por um modelo interno ainda não nomeado. Menos de 24 horas depois, três deles estavam retirados por um erro de sinal que invalidava um argumento de cancelamento de traço de estabilização — e, junto com ele, a construção usada por dois artigos dependentes. No dia seguinte, uma organização que se apresenta como Association for Human Mathematics publicou um apelo para que matemáticos simplesmente parem de colaborar com a empresa.
Para quem trabalha com software, o episódio é mais do que curiosidade acadêmica. Ele expõe, em estado quase puro, o dilema de qualquer pipeline que produza conteúdo em escala sem revisão humana proporcional: o custo de verificação cresce linearmente com o volume, e a credibilidade decai de forma não linear quando o primeiro erro aparece.
O que exatamente foi publicado
Segundo o relato da Retraction Watch (abre em nova aba), a empresa postou 722 pré-prints sobre avanços alegados em 372 problemas matemáticos, cobrindo geometria, ciência da computação, álgebra e outras áreas. Vale fixar a distinção: não são 722 provas distintas; um mesmo problema pode gerar múltiplos manuscritos, e a reportagem da The Atlantic (abre em nova aba) fala em 377 provas novas, número que não coincide com as contagens anteriores e ainda não foi reconciliado com uma fonte primária. Trate os dois algarismos como medições diferentes do mesmo evento, não como contradição resolvida.
O anúncio oficial da OpenAI descreve o material com mais cautela do que a cobertura sugere. A página não declara contagem de manuscritos, não nomeia o modelo e não afirma que todo resultado foi verificado independentemente. O que ela afirma:
- Os resultados foram produzidos por um modelo de fronteira interno da empresa.
- Parte das provas foi formalizada em Lean, a linguagem de verificação que transforma um argumento matemático em um artefato checável por máquina.
- O repositório inclui dez sumários do raciocínio do modelo, estimativas de custo computacional e estatísticas sobre os problemas tentados.
- Em média, cada resultado consumiu o equivalente a cerca de três horas de raciocínio no plano ChatGPT Pro.
Estamos liberando uma ampla gama de novos resultados matemáticos produzidos por um modelo de fronteira interno. Consultamos o Grupo Consultivo Independente de Matemática e Inteligência Artificial do Institute for Advanced Study e nos baseamos em seus conselhos e recomendações públicas para orientar a forma de liberar esses resultados.
O detalhe desses "conselhos" é justamente o que explode na mão da empresa.
O grupo consultivo que a OpenAI diz ter ouvido — e contrariado
A OpenAI diz ter se apoiado no Advisory Group on Mathematics and Artificial Intelligence (AGMAI), sediado no Institute for Advanced Study. Segundo a The Atlantic, o grupo, formado em setembro de 2026 por oito matemáticos e pelo físico Ed Witten, pediu em 29 de setembro que os laboratórios de IA de fronteira parassem de testar problemas matemáticos avançados em modelos proprietários inacessíveis à comunidade científica.
É contra esse pano de fundo que a declaração da AHM (abre em nova aba), publicada em 7 de outubro, ganha força. O texto diz que, ao ignorar a premissa central da posição do grupo consultivo, a OpenAI demonstrou "desprezo total pelas normas da pesquisa científica", e conclui com uma frase que resume a disputa: "Liberar mais de 700 arquivos de uma vez não é uma demonstração de erudição, é uma demonstração de poder."
Duas ressalvas de atribuição importam aqui. Primeiro, a proveniência primária da AHM ainda não foi confirmada por apuração independente: o site existe, a declaração existe, mas a página não nomeia uma direção nem lista assinantes. Segundo, segundo o The Decoder, o medalhista Fields Terence Tao teria publicado a declaração como post convidado em seu blog e, no Mastodon, teria comparado o que está acontecendo a uma colheita em larga escala: uma vez que um problema é considerado resolvido, ele não volta a ficar não resolvido, e ramos inteiros da matemática podem ficar menos férteis. Essas caracterizações são relatos do The Decoder sobre publicações dele, não transcrições verificadas aqui.
A retratação: o mecanismo técnico
O histórico de alterações do repositório (abre em nova aba), datado de 7 de outubro, é o documento mais concreto do episódio. Ele lista as três retiradas:
| Manuscrito retirado | Motivo |
|---|---|
| Algebraicity of Weil classes on split abelian eightfolds | Erro de sinal invalida argumento de cancelamento |
| Algebraicity of Kuga–Satake Correspondences for K3 Surfaces | Depende da construção invalidada |
| The rational Hodge conjecture for products of K3 surfaces | Depende da construção invalidada |
O mesmo registro informa que outros 14 manuscritos foram revisados com reparos de prova, correção de enunciados e esclarecimento de hipóteses. Um erro de sinal em uma estimativa de cancelamento de traço não é exotismo: em geometria algébrica, um sinal trocado pode destruir silenciosamente o coração de uma construção, e é perfeitamente plausível que a falha só apareça quando alguém tenta reproduzir a linha do argumento linha a linha.
O dado mais revelador, porém, veio de um porta-voz da OpenAI citado pela Retraction Watch: os erros foram encontrados durante uma auditoria, colaboradores do AGMAI teriam recomendado publicar os resultados sem esperar a "formalização completa", e cerca de 50% dos resultados foram liberados sem confirmação. Ou seja, metade do corpus foi publicada em estado que a própria empresa reconhece como não verificado — e os três erros conhecidos só apareceram porque alguém olhou depois.
Por que "harvesting" incomoda
O argumento atribuído a Tao tem estrutura econômica, não apenas estética. Problemas abertos funcionam como ativos comunitários: alimentam teses, carreiras, programas de pesquisa, seminários, uma cultura inteira de trabalho em torno do obstáculo. Quando uma entidade com computação abundante "colhe" centenas desses problemas em paralelo e despeja enunciados resolvidos no espaço público, ela não cria conhecimento verificável no ritmo da disciplina — ela consome a matéria-prima da disciplina. A formalização em Lean mitigaria parte do problema, porque daria verificação mecânica; a OpenAI diz que o repositório será atualizado com mais formalizações, mas não afirma que todas as provas serão formalizadas.
Há contraponto. O AGMAI, segundo o The Decoder, adota posição mais diplomática que a AHM e trata a liberação como um primeiro passo cujo entendimento matemático apenas começa. E a própria ideia de que uma prova não verificada "resolve" um problema é discutível: na matemática, resolver é convencer a comunidade, não postar um PDF.
O que isso significa para quem constrói sistemas com IA
O padrão aqui é reconhecível para qualquer engenheiro que já operou um pipeline de geração em escala:
- Volume não é qualidade. Publicar 722 documentos quando metade não passou por verificação transfere todo o custo de checagem para fora da organização que lucrou com o anúncio. É externalização de QA.
- Verificação formal escala, revisão humana não. Lean e ferramentas equivalentes são a única estratégia conhecida de revisão cujo custo cresce de forma administrável com o volume. Sem ela, o gargalo volta a ser gente.
- Legitimidade por advisory não sobrevive ao descumprimento. Citar um grupo consultivo como selo de legitimidade funciona até o momento em que a ação contraria a recomendação central do grupo. A partir daí, a citação vira evidência.
Nenhuma instituição brasileira — a Sociedade Brasileira de Matemática, o IMPA, periódicos nacionais — apareceu, nas fontens disponíveis, com reação pública documentada ao episódio. A implicação local, por enquanto, é de política editorial: revistas e comitês que ainda não definiram como tratar manuscritos gerados por IA agora têm um caso concreto de por que precisam definir — antes que o próximo "release" chegue à sua fila de submissões.
A AHM pede boicote. O AGMAI pede calma e acesso. A OpenAI pede crédito por empurrar a fronteira do conhecimento humano, com metade dos resultados sem checagem e três retratações no primeiro dia. A matemática, no fim, vai fazer o que sempre fez comprovou errado ou certo: ler as provas. O problema é que, desta vez, são setecentas e vinte e duas.
Perguntas frequentes
A Association for Human Mathematics é uma organização verificável?
O site e a declaração existem, mas a página não nomeia uma direção nem lista assinantes, e não houve confirmação independente da origem primária. Segundo o The Decoder, Terence Tao teria publicado a declaração como post convidado em seu blog, mas isso não substitui verificação direta.
Por que a OpenAI retirou três manuscritos?
Segundo o histórico do repositório, um erro de sinal invalidou um argumento de cancelamento de traço de estabilização em um manuscrito sobre classes de Weil em abelian eightfolds; os outros dois dependiam da mesma construção e caíram juntos. Outros 14 manuscritos foram revisados.
Quantos dos resultados publicados foram verificados?
Um porta-voz da OpenAI, citado pela Retraction Watch, disse que cerca de 50% dos resultados foram liberados sem confirmação, seguindo recomendação de colaboradores do AGMAI de publicar sem esperar a formalização completa. Parte das provas tem formalização em Lean, mas não todas.
A publicação foi em periódicos revisados?
Não. Os manuscritos foram publicados como pré-prints em um repositório GitHub próprio da OpenAI (github.com/openai/math), com protocolos de revisão e citação definidos pela própria empresa, sem passar por revisão por pares tradicional.