OpenAI opublikowało w nocy z 6 na 7 października 2026 roku (czasu polskiego) publiczne repozytorium z 722 pracami matematycznymi, które przygotował niewydany, wewnętrzny model firmy. Prace pogrupowano w 372 rodziny wyników z różnych działów matematyki i informatyki teoretycznej. Według katalogu formalizacji 162 prace mają główny wynik sprawdzony w asystencie dowodzenia Lean, a pozostałe czekają na weryfikację. OpenAI samo zastrzega, że część niesformalizowanych wyników może zawierać błędy. Aktualizacja z 9 października 2026 roku: w poprawce z 7 października firma wycofała trzy manuskrypty z powodu błędu znaku w jednym z dowodów i poprawiła 14 innych.
Co dokładnie opublikowało OpenAI
Materiał trafił do repozytorium openai/math na GitHubie, a firma zapowiedziała go wpisem „Sharing AI progress in mathematics”. Według opisu repozytorium są to manuskrypty i artefakty dowodowe przygotowane przez wewnętrzny model OpenAI w ramach ewaluacji na otwartych problemach badawczych. Firma rozszerzyła takie testy, gdy model zaczął osiągać maksymalne wyniki w dotychczasowych sprawdzianach matematycznych.
Rodzina wyników to grupa powiązanych prac: główny rezultat, argumenty pomocnicze, wnioski albo alternatywne dowody. Każdą rodzinę przypisano do dyscypliny, a całość opisuje osobny dokument przeglądowy. Dla dziesięciu wybranych wyników OpenAI udostępniło też skrócone podsumowania rozumowania modelu.
OpenAI nie podało nazwy modelu ani terminu jego udostępnienia. Scientific American przekazuje, że firma pracuje nad odpowiedzialnym wydaniem modelu, który wygenerował te wyniki.
Jak model doszedł do wyników
Według repozytorium zdecydowaną większość wyników uzyskano jedną, stałą procedurą. Model dostał w sumie ok. 4 tys. problemów, a na jeden wynik przypadały średnio trzy godziny obliczeń w trybie myślenia ChatGPT Pro. Katalog powstał po zgrupowaniu rezultatów w rodziny i odrzuceniu tych, które nie spełniły progu znaczenia naukowego.
Firma wskazuje dwa wyjątki od tej procedury: pracę nad obszarem bez zer funkcji dzeta Riemanna i dowód hipotezy Hodge'a dla rozmaitości abelowych typu CM. Opis wyniku dla funkcji dzeta zredagowali dodatkowo ludzie, aby poprawić czytelność. Scientific American zwraca uwagę na kontrast z wcześniejszym ogłoszeniem OpenAI dotyczącym równań Naviera-Stokesa, przy którym według redakcji pracował rój ok. 10 tys. agentów.
Ile wyników ma formalny dowód
Lean to asystent dowodzenia, czyli język programowania, w którym komputer sprawdza każdy krok dowodu. Wynik sformalizowany w Lean jest bardzo mało prawdopodobny do obalenia, o ile poprawnie zapisano samo twierdzenie. Sprawdziliśmy plik formalization.yaml w repozytorium. Stan na 7 października 2026 roku wygląda tak:
- 722 manuskrypty w katalogu, 372 rodziny wyników,
- 162 prace z głównym wynikiem wpisanym do katalogu formalizacji w Lean,
- status projektu formalizacji: częściowy postęp (Partial progress),
- przegląd formalizacji: oznaczony jako niesprawdzony (unchecked),
- OpenAI zapowiada dodawanie kolejnych formalizacji i zachowanie historii wersji z poprawkami.
OpenAI wycofuje trzy prace i poprawia 14 kolejnych
Aktualizacja z 9 października 2026 roku. Pierwsza korekta repozytorium pojawiła się dzień po publikacji. Według pliku history.md, dodanego 8 października (zmiany opisano pod datą 7 października), w pracy o algebraiczności klas Weila na rozszczepionych rozmaitościach abelowych wymiaru ósmego znaleziono błąd znaku. Unieważnia on jeden z argumentów dowodu oraz konstrukcję, na której opierały się dwie zależne prace.
OpenAI wycofało w efekcie trzy manuskrypty: „Algebraicity of Weil classes on split abelian eightfolds”, „Algebraicity of Kuga-Satake Correspondences for K3 Surfaces” oraz „The rational Hodge conjecture for products of K3 surfaces”. Wycofane prace mają w repozytorium notę z opisem luki i odnośnik do zarchiwizowanej wersji. Firma nie podała, kto wykrył błąd.
Ta sama aktualizacja poprawia 14 innych prac. Zmiany obejmują naprawione dowody, skorygowane twierdzenia, doprecyzowane założenia i jedną nieaktualną referencję. Kolejnych 13 manuskryptów zmieniono tylko po to, by cytowały poprawione wersje prac towarzyszących. Zakres poprawek wygląda tak:
- wysokości lipschitzowskie i model Ashkina-Tellera - 4 prace z naprawionymi argumentami zbieżności i warunkowania,
- programy modeli minimalnych w geometrii kählerowskiej - 6 prac z rozbudowanymi argumentami i jawnie wskazanymi założeniami,
- struktury hipersymplektyczne - 2 prace, w tym skorygowane twierdzenie o równości stożków,
- transport w pudełku nieściśliwym oraz praca o wzorze Bircha-Swinnertona-Dyera - po jednej poprawce,
- formalizacje w Lean - 6 nowych formalizacji i 5 dodatków z wynikami pomocniczymi.
Ile wyników jest teraz sprawdzonych w Lean
Po aktualizacji OpenAI podaje, że sformalizowany jest główny wynik 300 z 719 prac, czyli ok. 42 proc. kolekcji. Katalog formalization.yaml, który sprawdziliśmy 9 października, wymienia z kolei 173 prace z wpisanym głównym wynikiem, wobec 162 dzień wcześniej. Firma nie wyjaśnia, skąd różnica między tymi liczbami. Możliwe, że część formalizacji obejmuje kilka powiązanych prac z tej samej rodziny wyników.
W opisie zmian OpenAI zaznacza też, że przy synchronizacji nie uruchamiano ponownie kompilacji dowodów w Lean. W naszej ocenie szybkie wycofanie błędnych prac świadczy o działającej kontroli, ale potwierdza też zastrzeżenia matematyków. Ponad połowa wyników nadal nie ma formalnego dowodu, a błąd w jednej pracy pociągnął za sobą dwie kolejne.
Jak reagują matematycy
Środowisko jest podzielone. Andrew Sutherland z MIT powiedział Scientific American, że do czasu udostępnienia modelu wszystkie takie deklaracje należy traktować jako niezweryfikowane. Daniel Litt z Uniwersytetu w Toronto argumentuje odwrotnie: skoro wyniki istnieją, nie ma powodu, by firma trzymała je w tajemnicy.
Terence Tao krytykował wcześniej tempo, w jakim laboratoria AI publikują wyniki matematyczne. Problem jest praktyczny: sprawdzenie setek prac wymaga miesięcy pracy specjalistów. We wrześniu 2026 roku OpenAI powołało niezależną grupę doradczą ds. matematyki, która zaleciła ujawnianie modeli, poleceń i czasu obliczeń. Według Scientific American firma zobowiązała się do podania średniego czasu obliczeń i wybranych statystyk, ale nie ujawniła poleceń.
Stowarzyszenie matematyków wzywa do zerwania współpracy z OpenAI
Aktualizacja z 8 października 2026 roku. Dzień po publikacji repozytorium Association for Human Mathematics (AHM), stowarzyszenie matematyków sprzeciwiających się zastępowaniu ludzkiej pracy badawczej przez AI, wezwało środowisko do zakończenia współpracy z OpenAI. Oświadczenie przygotowała grupa robocza ds. komunikacji AHM, a 7 października opublikował je jako wpis gościnny na swoim blogu Terence Tao. Sam Tao nie dodał do tekstu własnej oceny.
AHM zarzuca firmie całkowite lekceważenie norm badań naukowych. Stowarzyszenie argumentuje, że matematycy nie prosili o taką pracę, a grupa doradcza ds. matematyki i AI wychodziła z założenia, że laboratoria nie powinny testować zaawansowanych problemów na wewnętrznych modelach. Publikację ponad 700 plików naraz AHM nazywa pokazem siły, a nie dorobkiem naukowym, i przypomina, że OpenAI odpiera w sądach zarzuty dotyczące plagiatu i naruszeń praw autorskich.
Do 8 października OpenAI nie odniosło się publicznie do oświadczenia. Apel nie jest stanowiskiem całego środowiska: część matematyków, w tym cytowany wyżej Daniel Litt, uważa publikację wyników za lepszą niż ich ukrywanie. W naszej ocenie spór przesuwa się z pytania o poprawność dowodów na pytanie o zasady, na jakich firmy AI mogą wchodzić w obszary badań bez udziału ich środowiska.
Ograniczenia i niewiadome
Repozytorium to materiał firmy, która rozwija własny model, a prace nie przeszły recenzji w czasopismach. Przed powoływaniem się na te wyniki trzeba uwzględnić kilka zastrzeżeń:
- OpenAI samo przyznaje, że część niesformalizowanych wyników może mieć błędy. Pierwsza korekta z 7 października wycofała trzy prace i poprawiła 14.
- Nie wiadomo, ile z ok. 4 tys. problemów model nie rozwiązał ani jak dokładnie wyglądały polecenia.
- Formalizacja w Lean potwierdza poprawność dowodu, ale nie przesądza o nowości wyniku ani o tym, czy ktoś nie rozwiązał problemu wcześniej.
- Model nie jest publicznie dostępny, więc niezależni badacze nie mogą odtworzyć procesu.
- Kwestia przypisania autorstwa pozostaje otwarta. Wszystkie formalizacje podpisano jako OpenAI, bez nazwisk osób, które przygotowywały manuskrypty.
Co to oznacza dla polskich badaczy
W naszej ocenie najważniejsza zmiana dotyczy skali. Meta opisała niedawno sześć prac powstałych przy współpracy matematyków z modelem, a OpenAI publikuje ponad 700 manuskryptów bez ludzkich współautorów. Dla polskich zespołów badawczych to sygnał, że przegląd literatury przed publikacją musi obejmować także takie repozytoria, a nie tylko arXiv i czasopisma.
Badacz, który pracuje nad problemem z jednej z opisanych dziedzin, powinien sprawdzić plik CONTENTS.md w repozytorium. Jeśli znajdzie tam swój problem, warto porównać podejście i sprawdzić, czy wynik ma formalizację w Lean. Prace można cytować według bloków BibTeX dołączonych do każdego manuskryptu, ale do czasu recenzji lepiej opisywać je jako niezweryfikowane preprinty.
Źródła i data sprawdzenia
- openai/math - history.md (October 7, 2026: withdrawals, fixes, additional formalizations)OpenAI, GitHub, publikacja: 2026-10-08, sprawdzono: 2026-10-09
- Update manuscripts and Lean formalizations (pull request #1)OpenAI, GitHub, publikacja: 2026-10-08, sprawdzono: 2026-10-09
- openai/math - Mathematics manuscript collection (README, CONTENTS.md, lean/formalization.yaml)OpenAI, GitHub, publikacja: 2026-10-06, sprawdzono: 2026-10-07
- Sharing AI progress in mathematicsOpenAI, publikacja: 2026-10-06, sprawdzono: 2026-10-07
- OpenAI unleashes hundreds more math results upon a field already in shockScientific American, publikacja: 2026-10-06, sprawdzono: 2026-10-07
- AHM Statement on OpenAI's October 6 Release of Mathematical DocumentsAssociation for Human Mathematics (blog Terence'a Tao), publikacja: 2026-10-07, sprawdzono: 2026-10-08
- Mathematicians Did Not Ask For This, OpenAI Has Total Disregard For Norms Of Scientific Research: Association Of Human MathematicsOfficeChai, publikacja: 2026-10-07, sprawdzono: 2026-10-08
- OpenAI forms math advisory group as its AI resolves more than 100 open problemsTechCrunch, publikacja: 2026-09-21, sprawdzono: 2026-10-07
Artykuł ma charakter informacyjny. Przy decyzjach prawnych, finansowych lub organizacyjnych warto zweryfikować wnioski w odniesieniu do konkretnej sytuacji.



