Sam Altman bronił publikowania wyników matematycznych OpenAI, argumentując, że ważnych odkryć naukowych nie należy zatrzymywać. W relacji opublikowanej 30 października 2026 r. wyraził też zrozumienie dla matematyków, którzy muszą mierzyć się z oceną tych prac. Publiczne repozytorium OpenAI opisuje zbiór 721 manuskryptów, ale podaje, że formalizację w Lean ma około 42% wyników głównych.
Altman uzasadnia publikowanie odkryć
Wypowiedzi padły w odcinku podcastu Cheeky Pint, opublikowanym 29 października. Dzień później The Verge opisał stanowisko Altmana: OpenAI nie powinno wstrzymywać ważnych odkryć z zakresu nauk podstawowych, mimo że publikowanie wyników utrudnia pracę części matematyków. Altman powiedział też, że firma ma kolejne odkrycia matematyczne poza setkami już opublikowanych dowodów, ale ich nie wymienił.
W tej samej rozmowie Altman oszacował wydatki OpenAI na problemy matematyczne na setki milionów dolarów, a prace nad równaniami Naviera–Stokesa na około 10 mln dolarów, być może nieco więcej. To jego szacunki.
Co OpenAI podaje o skali zbioru i jego powstawaniu
README repozytorium OpenAI, którego ostatni widoczny commit pochodzi z 30 października 2026 r., wymienia 721 manuskryptów zebranych w 373 rodziny wyników. Rodzina może obejmować główny rezultat, powiązane argumenty, konsekwencje lub alternatywne dowody. OpenAI podaje również, że około 42% wyników głównych sformalizowano w Lean. Repozytorium matematyczne OpenAI
| Miara | Dane podane przez OpenAI | Zakres |
| Manuskrypty | 721 | Stan repozytorium z 30 października 2026 r. |
| Rodziny wyników | 373 | Grupy mogą obejmować główny wynik i powiązane prace. |
| Wyniki główne sformalizowane w Lean | Około 42% | Odsetek podany przez OpenAI. |
| Problemy przedstawione modelowi | Około 4 000 | Dotyczy opisanego procesu tworzenia większości wyników. |
| Średnie obliczenia na wynik | 3 godziny „thinking” w ChatGPT Pro | Średnia dla zdecydowanej większości wyników; OpenAI wskazuje wyjątki. |
Według OpenAI zdecydowana większość rezultatów powstała w podobnym procesie z użyciem nienazwanego modelu wewnętrznego. Firma podaje, że przedstawiono mu około 4 000 problemów, a średnia wyniosła trzy godziny obliczeń „thinking” w ChatGPT Pro na wynik. Repozytorium zaznacza, że były wyjątki od tej procedury. OpenAI informuje też, że część wyników opiera się na wcześniejszych rezultatach uzyskanych przez modele.
Formalizacja w Lean obejmuje tylko część wyników
Lean to system używany do formalizacji dowodów matematycznych. OpenAI opisuje swoje manuskrypty jako surowe dane badawcze, a nie dopracowane artykuły naukowe. Według repozytorium wyniki znajdują się na różnych etapach weryfikacji, nie wszystkie mają formalizację w Lean, a nieformalne prace mogą zawierać problemy. Odsetek około 42% dotyczy więc formalizacji wyników głównych, a nie jednakowego etapu całego katalogu.
Anglojęzyczny esej Ellie Sleightholm omawia październikowy zbiór OpenAI, formalizację w Lean i reakcje matematyków.
Wycofane prace i wpływ znajomości rozwiązania
Quartz podał 21 października 2026 r., że OpenAI wycofało trzy prace w ciągu kilku dni od publikacji zbioru po wykryciu błędów. Terence Tao zwracał uwagę, że poznanie istniejącego rozwiązania może ograniczyć możliwość samodzielnego i pogłębionego badania problemu. Quartz relacjonował również jego obawy, że osoby stojące za dowodami nie były dostępne, by odpowiadać na pytania, wygłaszać wykłady lub szkolić studentów. To perspektywa Tao na wpływ publikacji na pracę i naukę. Repozytorium OpenAI opisuje poprawki i rewizje jako nowe wersje, zachowując wcześniejsze wersje prac.
