KI SpotlightNewsOpenAIs Mathe-Release: Viele Behauptungen, wenig unabhängige Prüfung
Das Lab hat über 700 KI-Manuskripte auf GitHub gestellt. Ein Lean-Eintrag belegt weniger, als er nahelegt. Fachleute streiten über Rückzüge, Lesbarkeit und die AGMAI-Richtlinien.
Mit KI erstelltInhalt
◆ Fakten auf einen Blick
- OpenAI hat am 6. Oktober 2026 722 Manuskripte in 372 Gruppen verwandter Ergebnisse veröffentlicht.
- Die Arbeiten liegen im GitHub-Repository openai/math, das sich täglich ändert.
- Die Ergebnisse stammen von einem nicht öffentlich verfügbaren internen Modell, fast alle aus einem einzigen Prompt.
- Nur etwa 42 % der Top-Line-Ergebnisse haben laut developersdigest.tech eine Lean-Formalisierung.
- Von acht viel diskutierten Ergebnissen verlinken sieben laut CONTENTS.md auf eine Lean-Formalisierung.
722 Manuskripte aus einem Prompt: Was OpenAI auf GitHub gestellt hat
Am 6. Oktober 2026 veröffentlichte OpenAI im GitHub-Repository openai/math mehr als 700 mathematische Manuskripte. Laut Axios, zitiert von shattered.io und hyper.ai, sind es 722 Arbeiten in 372 Gruppen verwandter Ergebnisse. Das Repository wird täglich geändert, die Zahlen können sich also verschieben.
Die Texte stammen von einem nicht öffentlichen internen Modell. Nach OpenAIs Angabe entstanden fast alle aus einem einzigen Prompt. Die Themen reichen von Kombinatorik, Geometrie und Zahlentheorie über theoretische Informatik, Algebra und Topologie bis zu Wahrscheinlichkeit und mathematischer Physik.
Der Begleitpost enthält Zusammenfassungen des Modell-Reasonings sowie Compute-Schätzungen in ChatGPT-Pro-Begriffen. Ein Ergebnis kostete demnach im Schnitt rund drei Stunden ChatGPT-Pro-Denkzeit. OpenAI behauptet, die Veröffentlichung enthalte Lösungen für hunderte offene Probleme, darunter Schranken zur Matrixmultiplikation und ein Elastizitätsproblem. Das ist eine Herstellerangabe. Unabhängig bestätigt ist sie bislang nicht.
Gelistet ist nicht geprüft: Was die Lean-Abdeckung von 42 Prozent aussagt
OpenAI spricht von Lean-Formalisierungen von „many“ Beweisen. Sekundärquellen nennen genauere Zahlen. Laut developersdigest.tech hat rund 42 Prozent der Top-Line-Ergebnisse eine Formalisierung. Bei acht viel diskutierten Ergebnissen verlinkt die CONTENTS.md des Repositorys in sieben Fällen auf Lean. Nur die Ganzzahlmultiplikation fehlt.
Die beiden Zahlen widersprechen sich nicht zwingend, denn sie beziehen sich auf unterschiedliche Gesamtheiten: alle Manuskripte, Top-Line-Ergebnisse oder ausgewählte Headline-Resultate. Alle Angaben stammen aus Sekundärquellen und können sich mit dem Repository ändern.
Ein Lean-Eintrag belegt zunächst nur, dass eine Formalisierung gelistet ist. Explainx.ai hat die Beweise nach eigener Aussage nicht selbst ausgeführt. Ein Hinweis darauf, dass eines der acht Hauptergebnisse begutachtet wurde, fehlt. Offen bleibt, was die Lean-Beweise im Einzelnen abdecken und ob die formalisierte Aussage der im Paper behaupteten entspricht. Das lässt sich aus dem vorliegenden Material nicht beantworten.
Rückzüge, schwer lesbare Papers und eine Lücke bei einem Millionen-Dollar-Problem
Laut The Decoder sind einige Papers bereits zurückgezogen, andere gelten als schwer lesbar. Im Blog Proofs and Prompts haben sich mehr als 100 Forschende geäußert. Ihre Haltung wird unterschiedlich beschrieben. Shattered.io hebt wenige prominente Stimmen hervor und spricht von öffentlicher Wut. Eine Berufsvereinigung nannte die Veröffentlichung „a demonstration of power“. The Decoder zeichnet ein gemischtes Bild zwischen Faszination und Trauer. Der Fields-Medaillist Peter Scholze rät dort zu Geduld. Eine repräsentative Erhebung fehlt. Beide Darstellungen sind Ausschnitte.
TechCrunch verweist außerdem auf ein neues Paper. Es zeigt Lücken zwischen natürlichsprachlicher und formaler Lösung eines Millionen-Dollar-Problems, das OpenAI-Modelle angeblich gelöst haben. Ob dieses Problem zur aktuellen Veröffentlichung gehört, geht aus dem Material nicht hervor.
AGMAI-Richtlinien und OpenAIs Praxis: Wer entscheidet, ob sie befolgt wurden?
OpenAI sagt, es habe die Advisory Group on Mathematics and Artificial Intelligence (AGMAI) konsultiert. Die Gruppe ist am Institute for Advanced Study angesiedelt und besteht aus neun Forschenden. Ihre Richtlinien erschienen Ende September.
Die erste Forderung lautet, fortgeschrittene mathematische Probleme nicht mehr an proprietären Modellen zu testen. OpenAIs Release hält ausdrücklich fest, dass das Lab proprietäre Modelle an offenen Forschungsproblemen evaluiert. Die AGMAI erklärte, letztlich sei es Sache der mathematischen Community zu beurteilen, inwieweit die Empfehlungen befolgt wurden. Auf TechCrunchs Bitte um eine genauere Bewertung antwortete die Gruppe nicht.
Was nur Begutachtung und der Abgleich der Aussagen klären können
Die Stärke der Ergebnisse ist bisher nicht unabhängig begutachtet. Prüfbar wird sie durch Peer Review, durch die Prüfung der Lean-Formalisierungen mit Abgleich von formalisierter und behaupteter Aussage sowie durch einen Literaturabgleich zur Neuheit. Wer Agenten-Ergebnisse nutzt, sollte einen Lean-Eintrag nicht als geprüfte Aussage lesen. Welche Folgen die Veröffentlichung für Zeitschriften, arXiv oder Autorschaft hat, geht aus dem Material nicht hervor.
