OpenAI stellt drei KI-Resultate vor, darunter eine behauptete Widerlegung der Exponential Time Hypothesis

OpenAI legt drei KI-Resultate aus Mathematik, Informatik und Physik vor

OpenAI hat am 26. Oktober 2026 drei Forschungsresultate veröffentlicht. Laut Unternehmen stammen sie von internen KI-Modellen. Die Mathematik betrifft einen Beweis der Local-Smoothing-Vermutung von Sogge für Wellen in jeder Raumdimension ab 2. Daraus ergäben sich laut OpenAI auch Aussagen zu den Kakeya- und Restriktionsvermutungen. In der Informatik soll die Exponential Time Hypothesis (ETH) widerlegt sein. Die Physik betrifft nach Angaben des Unternehmens einen Existenzbeweis für bestimmte wechselwirkende Quantenfeldtheorien mit Eichfeldern und Fermionen in vier Dimensionen. Dazu gehört die Quantenchromodynamik (QCD).

OpenAI nennt die Manuskripte „raw research data“. Erst externe Akademikergruppen sollen sie in wissenschaftliches Verständnis überführen.

Ob die Resultate stimmen, ist vorerst eine Herstellerangabe. Eine unabhängige Prüfung durch Fachleute gibt es nicht. Die Lean-Formalisierungen, die OpenAI nennt, haben wir nicht geprüft. Auch die Zeitangaben stammen allein von OpenAI: Den Mathematik-Beweis sollen die Modelle am 18. Oktober erzeugt haben, die Lean-Fassung folgt am 19. Oktober. Die ETH-Widerlegung sei am 16. Oktober gefunden und am 17. Oktober in Lean formalisiert worden. Zu Modell, Setup und Details der Physik-Arbeit liegen uns keine Angaben vor.

ETH-Widerlegung: Impagliazzo, Paturi und Williams sollen den Beweis prüfen

Das Manuskript „The Exponential Time Hypothesis is False“ beschreibt laut OpenAI einen deterministischen Algorithmus. Dieser zähle erfüllende Belegungen von CNF-Formeln fester Breite exakt, in subexponentieller Zeit und bei polynomiellem Speicher. Am Fall 3-SAT werde damit die ETH widerlegt.

Prüfen und erklären soll den Beweis eine unabhängige Arbeitsgruppe aus Russell Impagliazzo, Ramamohan Paturi und Ryan Williams. Auf Wunsch der Gruppe hat OpenAI die Materialien sofort öffentlich gemacht. Einem Bericht zufolge will das Unternehmen außerdem alle Rohdaten veröffentlichen und eine Konferenz zu den Folgen finanzieren.

Zusätzlich hat OpenAI eine Lean-Formalisierung zur rationalen Hodge-Vermutung für CM-abelsche Varietäten ergänzt. Zur Tragweite der Ergebnisse lässt sich dem vorliegenden Material nichts Weiteres entnehmen.

Shepherds und drei Release-Strategien: Wie die Fachwelt die Resultate einordnen soll

Für die Einordnung bat OpenAI externe Experten, als „Shepherds“ Gruppen zu organisieren. Diese empfahlen je Fach eine andere Strategie. In der Mathematik wird der KI-Output veröffentlicht, und die Forschenden organisieren sich selbst. In der Informatik erklärt eine externe Gruppe das Resultat, der Output ist öffentlich. In der Physik entsteht ebenfalls eine externe Gruppe, die über die Veröffentlichung der Materialien entscheidet. OpenAI räumt ein, noch nicht zu wissen, welcher Ansatz am nützlichsten ist.

Für die Zusammenarbeit nennt das Unternehmen Prinzipien. Dazu gehören Transparenz, der Verzicht auf Geheimhaltungsvereinbarungen, freie Äußerung und die Veröffentlichung der Schlüsse. OpenAI beansprucht keinen akademischen Credit für Entdeckungen seiner Modelle.

Offen bleibt, welche Rolle die Akademiker in der Physik genau spielen. Auch weitere Details fehlen. Ob die Resultate tragen, muss nun die Fachgemeinschaft klären.