OpenAI veröffentlichte 722 mathematische Manuskripte, die von einem unveröffentlichten internen Frontier-Modell erstellt wurden, und platzierte die gesamte Sammlung in einem öffentlichen GitHub-Repository unter einer Apache-2.0-Lizenz. Die Veröffentlichung, die am 6. Oktober 2026 in einem Forschungsbeitrag mit dem Titel „Sharing AI Progress in Mathematics“ angekündigt wurde, gehört zu den bisher größten einzelnen Dumps von KI-generierten mathematischen Ergebnissen und kommt mit formalen Lean-Proof-Prüfungen, gekürzten Begründungszusammenfassungen und ungewöhnlichen Details darüber, wie viel Rechenleistung jedes Ergebnis verbraucht hat.

Der Zug landet auf einem Feld, das bereits am Rand steht. Die New York Times berichtete, dass die Veröffentlichung eine mathematische Gemeinschaft, die sich monatelang mit KI-Systemen auseinandergesetzt hat, um ernsthafte Forschungsergebnisse zu erzielen, noch weiter in Aufruhr versetzte, während Scientific American beschrieb, dass OpenAI „Hunderte weitere mathematische Ergebnisse auf einem Gebiet freisetzt, das bereits unter Schock steht“. Für Leser, die [die neuesten Entwicklungen in der KI-Forschung] verfolgen (https://aibuzzwire.news), ist die Veröffentlichung ein Testfall dafür, wie Grenzlabore maschinengenerierte Wissenschaft teilen, ohne Kreditstreitigkeiten auszulösen.

Was sich im Repository befindet

Die Sammlung befindet sich im openai/math-Repository auf GitHub. Laut README handelt es sich bei den Inhalten um mathematische Manuskripte und unterstützende Beweisartefakte, die von einem internen OpenAI-Modell erstellt und im Rahmen von Modellentwicklungsbewertungen zu offenen Forschungsproblemen zusammengestellt wurden. Der aktuelle Katalog enthält 722 Manuskripte, die in 372 Familien unterteilt sind, wobei eine Familie verwandte Arbeiten gruppiert, die ein Hauptergebnis, Begleitargumente, Konsequenzen oder alternative Beweise enthalten können, jeweils nach mathematischer Disziplin klassifiziert.

Ein Preprint-Verzeichnis enthält PDFs, Quelldateien sowie Zitier- und Erstellungsanweisungen pro Manuskript. Eine Lean-Bibliothek katalogisiert die formalen Beweise zusammen mit den zugehörigen Dokumenten und Verifizierungskonfigurationen. Nicht jedes Manuskript wurde formalisiert: Viele Ergebnisse enthalten begleitende Formalisierungen in Lean, der Programmiersprache, mit der Computer Beweise Zeile für Zeile prüfen können. Die README-Datei weist jedoch darauf hin, dass einige nicht formalisierte Ergebnisse Probleme enthalten könnten. OpenAI sagt, dass es solche Probleme schnell beheben wird, und verpflichtet sich, den öffentlichen Veröffentlichungsverlauf der Sammlung beizubehalten, Korrekturen und Überarbeitungen als neue Versionen aufzuzeichnen und gleichzeitig frühere Versionen zugänglich zu halten. Jedes Manuskriptverzeichnis enthält außerdem einen BibTeX-Block zum Zitieren.

Wie die Ergebnisse entstanden sind

Die überwiegende Mehrheit der Ergebnisse stammte aus einem einzigen, festen Verfahren unter Verwendung eines unveröffentlichten internen OpenAI-Modells. Im Laufe der Evaluierung wurden dem Modell etwa 4.000 Probleme gestellt. OpenAI berichtet, dass das durchschnittliche veröffentlichte Ergebnis etwa drei Stunden ChatGPT Pro-Denkberechnung in Anspruch nahm, ein Maß an Transparenz, das in der Branche immer noch selten ist. Das Unternehmen gibt an, diese Auswertungen erweitert zu haben, nachdem die Leistung seiner bestehenden mathematischen Benchmarks ausgeschöpft war, und dass einige Ergebnisse auf früheren Ergebnissen seiner eigenen Modelle aufbauen. Durch die Anforderung eines angemessenen Signifikanzniveaus und die Zusammenfassung der Rohergebnisse in Familien und Manuskripte entstand der veröffentlichte Katalog.

Zwei benannte Ausnahmen wichen von diesem Verfahren ab: die Arbeit zur Festlegung eines nullfreien Bereichs für die Riemannsche Zeta-Funktion, wobei die Beschreibung den Bereich Re(s) > 11/12 abdeckte und zur besseren Lesbarkeit von Menschen bearbeitet wurde, und ein Beweis der Hodge-Vermutung für abelsche CM-Varietäten. Bei beiden handelt es sich um ernsthafte Mainstream-Mathematik, und beide werden nun einer gemeinschaftlichen Prüfung unterzogen.

Außerdem werden zehn gekürzte Zusammenfassungen der Modellbegründung veröffentlicht. Sie umfassen Ergebnisse wie den Irrationalitätsexponenten von Pi, die symmetrischen und allgemeinen Mahler-Vermutungen, den Isomorphismus freier Gruppenfaktoren, quasipolynomiale Schranken für arithmetische Folgen, Kaplanskys direkte Endlichkeitsvermutung in Charakteristik zwei, die Mezard-Parisi-Formel für verdünnte Spingläser, die spontane Magnetisierung im Quanten-Heisenberg-Ferromagneten und das dreidimensionale relativistische Wlassow-Maxwell-System.

Eine Beratergruppe half bei der Gestaltung der Veröffentlichung

OpenAI sagt, es habe die unabhängige Beratergruppe für Mathematik und künstliche Intelligenz am Institute for Advanced Study konsultiert und dabei Best Practices für den Austausch von Ergebnissen entwickelt. Diese Gruppe veröffentlichte ihre Empfehlungen zur verantwortungsvollen Veröffentlichung am 29. September 2026, nachdem sie mehr als 600 Antworten aus der Mathematik-Community erhalten hatte. Die Empfehlungen sind unverblümt: „Wir unterstützen diese Praxis nicht und bitten sie, das Testen fortgeschrittener mathematischer Probleme an proprietären Modellen einzustellen.“ Die Gruppe fordert Labore dringend auf, Ergebnisse in wissenschaftlichen Repositorien zu hinterlegen, die kein KI-Labor kontrolliert, dauerhafte zitierfähige Identifikatoren zuzuweisen, den Modellnamen, die verwendeten Eingabeaufforderungen und zusammengefassten Argumentationsketten offenzulegen und Ergebnisveröffentlichungen nicht als Marketinginstrumente zu behandeln.

Die Veröffentlichung von OpenAI ist eindeutig ein Versuch, diesem Rahmen zu entsprechen, anstatt sich ihm zu widersetzen. Ob die Community das akzeptiert, ist eine andere Frage. In der Umfrage der Beratergruppe wurde speziell nach einem Szenario gefragt, in dem ein Labor die Existenz zahlreicher Ergebnisse ankündigt, ohne Einzelheiten anzugeben, und die daraus resultierenden Empfehlungen spiegeln tiefe Besorgnis darüber wider, dass die Ankündigungen die Verifizierung übertreffen.

Die Verifikationslast verlagert sich auf Mathematiker

Die praktische Herausforderung gehört nun den arbeitenden Mathematikern. Formale Lean-Proofe können mechanisch überprüft werden und ihr Vorhandensein verringert das Fehlerrisiko erheblich. Aber Manuskripte ohne Formalisierungen, die in der README-Datei selbst als potenziell fehlerhaft gekennzeichnet werden, erfordern eine traditionelle Begutachtung durch Fachkollegen, und 722 Manuskripte übersteigen bei weitem das, was die Community schnell aufnehmen kann. Es stellt sich auch die Frage nach Priorität und Anerkennung: Mathematiker, die sich jahrelang mit diesen Problemen beschäftigt haben, möchten genau wissen, worum es bei dem Modell ging, was ihm gegeben wurde und ob irgendwelche menschlichen Ergebnisse berücksichtigt wurden. Die Veröffentlichung von Eingabeaufforderungszusammenfassungen und Berechnungsstatistiken durch OpenAI soll einige dieser Fragen im Voraus beantworten.

Die Veröffentlichung legt auch eine Vorlage fest, der die Wettbewerber möglicherweise folgen müssen. Anthropic, Google DeepMind und andere Labore mit Grenzmodellen, die Mathematik auf Forschungsniveau beherrschen, sehen sich nun einer von der Beratergruppe formulierten De-facto-Norm gegenüber, wonach in proprietären Modellen verborgene Ergebnisse entweder mit vollständiger Provenienz veröffentlicht oder überhaupt nicht gehänselt werden sollten.

Derzeit ist das Repository live, die Formalisierungsbemühungen dauern an und Korrekturen werden öffentlich versioniert. Ob dies zum Standardwerk für KI-generierte Mathematik wird oder ein weiterer Brennpunkt in einem sich verschärfenden Konflikt zwischen Laboren und den Forschungsgemeinschaften, auf die sie zurückgreifen, wird davon abhängen, wie die Prüfungen in den nächsten Wochen verlaufen.

Bleiben Sie der KI-Kurve einen Schritt voraus

KI-generierte Wissenschaft bewegt sich von der Pressemitteilung zum Peer-Review. Verfolgen Sie aktuelle KI-Nachrichten auf aibuzzwire.news für die Berichterstattung über alle wichtigen Forschungsveröffentlichungen, Modelleinführungen und Richtlinienänderungen.

Weitere KI-Neuigkeiten lesen →