A taxa de acerto dos melhores modelos de IA em problemas científicos teóricos passou de cerca de 2% em torno de meados de 2024 para aproximadamente 35% em torno de meados de 2026, segundo a WIRED. O resultado veio de um benchmark com seis áreas teóricas; problemas que exigiam simulações ou experimentos ficaram fora do teste.
O que significa a alta de cerca de 2% para 35%
A diferença entre os dois índices é de aproximadamente 33 pontos percentuais. Em termos relativos, a taxa posterior equivale a cerca de 17,5 vezes a anterior (35 ÷ 2). Os dois cálculos usam os valores arredondados publicados pela WIRED, não medições mais precisas.
A comparação diz respeito ao desempenho dos melhores modelos testados naquele conjunto de problemas. Ela não mede o avanço da IA em todas as áreas científicas nem permite concluir que o progresso foi igual nos seis campos.
O que os pesquisadores testaram
A reportagem da WIRED descreve testes com OpenAI o1, o3, GPT-5, GPT-5.1, GPT-5.4 e GPT-5.5. Os problemas vieram de artigos de pesquisa publicados online entre dezembro de 2025 e maio de 2026 e abrangiam teoria da probabilidade, teoria estatística, teoria econômica, física de altas energias, gravitação e cosmologia, e física quântica.
O acesso à internet foi bloqueado durante os testes. A WIRED também relata que as soluções usadas como referência apareceram em artigos posteriores aos limites de treinamento dos modelos. A avaliação se restringiu a problemas teóricos que podiam ser abordados sem simulações ou experimentos.
O que o benchmark não mede
Como as tarefas experimentais ficaram de fora, o resultado não mede o desempenho da IA em ciência experimental. Também não equivale a uma demonstração de que os modelos conseguem, por conta própria, conduzir pesquisas científicas em geral.
A checagem das respostas continua importante. A WIRED relatou que a OpenAI retirou várias soluções de um conjunto de dados depois da publicação. Gabriel Manso, integrante da equipe do estudo, ressaltou a necessidade de verificar o raciocínio completo: uma resposta pode parecer correta até que seus passos sejam examinados. Esse cuidado também aparece na cobertura anterior do NeoTeo sobre o escrutínio da afirmação da OpenAI a respeito de Navier–Stokes.
BootLoops é outro tipo de pesquisa assistida por IA
Um exemplo separado vem do trabalho com Claude e BootLoops descrito pela Science. A ferramenta foi usada para buscar estruturas matemáticas recorrentes na literatura científica. Em uma etapa inicial, o sistema resolveu 30 exemplos de uma classe de integrais, incluindo 15 descritos como anteriormente não resolvidos; o esforço mais amplo resultou em 36 preprints.
A Science também relata um projeto de linguistas que usou agentes de IA e verificações com BootLoops para criar um catálogo de padrões de acento e entonação em mais de 6 mil línguas. O catálogo tinha mais de oito vezes o tamanho do maior conjunto de dados anterior desse tipo. São projetos de pesquisa distintos do benchmark de seis áreas, e o trabalho envolveu julgamento e colaboração de especialistas humanos.
