OpenAI usa una versione interna di Astra su dieci problemi matematici senza progressi da un decennio

OpenAI ha usato “una versione interna di Astra, il nostro prossimo modello maggiore” su dieci problemi di matematica bloccati “sul risultato principale da almeno un decennio”. Dice di aver speso “meno di 2.000 dollari” per problema, calcolati ai prezzi token di GPT-5.6 Sol¹.

Cosa è stato pubblicato. OpenAI ha messo online le formalizzazioni: il repository openai/ten-proofs raccoglie le dimostrazioni in Lean 4. C’è un paper che descrive le soluzioni. È disponibile anche un PDF generato da un LLM che “ricostruisce come la prova è stata assemblata” partendo da tracce di ragionamento non pubblicate¹.

Cosa manca. I prompt non ci sono. Non c’è il numero di tentativi che hanno raggiunto o superato la soglia di spesa senza trovare una soluzione. Mancano le tracce di ragionamento grezze. L’autore del post apprezza il pacchetto come “un buon livello di trasparenza”, ma insiste: “voglio vedere i prompt che hanno usato!” e “nessuna notizia su quanti problemi abbiano speso 2.000 dollari senza arrivare a una soluzione”¹.

Il confronto con Anthropic entra in gioco perché l’autore lo porta esplicitamente. “Pochi giorni fa” Anthropic ha detto di aver trovato debolezze crittografiche con Claude usando Mythos Preview, spendendo 100.000 dollari in token. Tra i prompt citati da Anthropic compare: “again we are not looking for low hanging fruit, we want proper research to find genuinly hard findings.” Da qui la lettura: “è il turno di OpenAI di flettere i muscoli” con dieci problemi e un costo per caso sensibilmente più basso, secondo il parametro dichiarato¹.

Nel thread spuntano reazioni forti. “Molti matematici online stanno vivendo un’esplosione collettiva da Deep Blue”, scrive l’autore. Il tono resta cauto sulle implicazioni più ampie: il materiale pubblicato mostra risultati e struttura delle prove; il processo operativo che ha guidato il modello resta in parte opaco senza prompt e tracce¹.

La distinzione fra fatti e giudizi va tenuta netta. Fatti: uso di una versione interna di Astra, dieci problemi senza progressi da almeno dieci anni, repository openai/ten-proofs con Lean 4, un paper descrittivo, un PDF generato da LLM, e la stima “meno di 2.000 dollari” per problema ai prezzi di GPT-5.6 Sol. Giudizi e richieste provengono dall’autore del post: apprezzamento per la trasparenza relativa, desiderio di vedere i prompt, domanda sui costi dei tentativi falliti¹.

Restano richieste aperte a OpenAI, esplicitate dall’autore e rilevanti per la comunità: pubblicare i prompt usati; indicare quanti tentativi non hanno portato a una soluzione e quale spesa hanno comportato; chiarire l’estensione delle tracce di ragionamento rese disponibili. Se arrivassero queste informazioni, sarebbe più semplice valutare rigore, replicabilità ed efficienza dell’approccio, non solo l’esito delle dieci dimostrazioni¹.