OpenAI показала новую модель не демо-роликом, а десятью решёнными задачами, над которыми бились математики

OpenAI анонсировала следующее поколение своих моделей — семейство под названием Astra. Но вместо привычного шоу с голосовым ассистентом или впечатляющими бенчмарками компания опубликовала исследовательский пост с десятью решениями открытых математических задач, к которым десятилетиями никто не мог подступиться.

Анонс без презентации

Обычно крупные релизы моделей сопровождаются эффектной подачей: живой демо, сравнение с конкурентами, ролик с говорящим ассистентом. С Astra OpenAI пошла другим путём. Компания сразу заявила, что внутренняя версия модели самостоятельно получила десять новых результатов в математике и теоретической информатике — в задачах, где основной результат не двигался как минимум десять лет.

Список областей впечатляет разнообразием: теория групп, геометрия высоких размерностей, теория кодирования, квантовая сложность, решёточная криптография и экстремальная комбинаторика. Это не смежные темы из одного учебника — каждая требует своего аппарата и своей математической интуиции.

Сэм Альтман уже показывал Astra политикам в Вашингтоне, хотя формальный релиз для широкой публики ещё не состоялся. OpenAI пока не решила, как назвать финальную версию — GPT-6 или новый вариант в линейке GPT-5. Само название Astra используется как рабочее для семейства моделей, которое компания разрабатывает.

Что именно доказала модель

Ключевая деталь, которая отличает этот анонс от привычных заявлений «наша модель решает олимпиадные задачи», — способ верификации. Доказательства не просто написаны текстом, который эксперты должны перепроверить вручную. Они формализованы в Lean 4 — языке для машинной проверки математических доказательств.

Это принципиально меняет уровень доверия к результату. Lean 4 — это система, в которой каждый логический шаг доказательства проверяется компьютером на формальную корректность. Если доказательство прошло верификацию в Lean, значит, в нём нет логических дыр, даже если человек не в силах уследить за всей цепочкой рассуждений. Такие проверяемые доказательства называют машинно-проверяемыми сертификатами — и именно их OpenAI приложила к каждому из десяти решений.

Это отличает подход от, например, ситуации с AlphaEvolve от Google DeepMind или другими системами, где результаты подавались как впечатляющие, но требовали ручной проверки специалистами. Здесь верификация встроена в саму подачу.

Почему это не просто маркетинговый трюк

Скепсис к заявлениям ИИ-компаний о прорывах в математике оправдан — индустрия уже видела случаи, когда «решённые» задачи оказывались переформулировками известных результатов или содержали незамеченные ошибки. Формальная верификация через Lean снимает значительную часть этих сомнений: компьютер либо принимает доказательство, либо нет, здесь нет пространства для маркетинговых натяжек.

При этом важно понимать масштаб: десять задач за десятилетие без прогресса — это не решение проблемы тысячелетия и не доказательство гипотезы Римана. Речь о специализированных, узких результатах внутри своих областей, которые тем не менее были важны для конкретных сообществ исследователей. Для человека со стороны названия задач ничего не скажут, но для специалиста в теории кодирования или решёточной криптографии сдвинуть застоявшийся результат — это реальное достижение.

Мультиагентная работа как основа Astra

Помимо математических результатов, OpenAI описывает архитектурный принцип, лежащий в основе Astra: несколько агентов совместно работают над сложной задачей часы или даже дни. Это не единичный запрос с одним ответом, а распределённый процесс, где разные экземпляры модели, судя по всему, разбивают задачу, проверяют промежуточные шаги друг друга и постепенно выстраивают решение.

Такой подход перекликается с трендом, который в 2025-2026 годах активно развивают все крупные лаборатории — от «глубоких исследований» (deep research) до агентных цепочек рассуждений. Разница в том, что OpenAI, судя по всему, делает ставку на длительную автономную работу без постоянного участия человека, растянутую на дни, а не минуты.

Для разработчиков и исследователей это означает потенциальный сдвиг в том, как использовать модели: не как быстрый ответчик на вопрос, а как инструмент, которому можно поставить открытую задачу и вернуться через день-два за результатом с проверяемым доказательством.

Что пока неизвестно

Главный пробел в анонсе — детали о самой архитектуре, размере модели и вычислительных затратах на получение этих десяти решений. Неясно, сколько компьютерного времени и агентов потребовалось на каждую задачу, и насколько воспроизводим этот процесс для новых, ещё не решённых проблем. Формальная верификация подтверждает корректность результата, но не отвечает на вопрос об эффективности и стоимости его получения.

Также остаётся открытым вопрос о релизе: будет ли Astra доступна как продукт для разработчиков и исследователей, войдёт ли она в API, и когда именно ждать финального названия — GPT-6 или иначе. Демонстрация политикам в Вашингтоне намекает и на то, что часть позиционирования Astra связана не только с наукой, но и с диалогом вокруг регулирования ИИ.

Что дальше

Если формальные доказательства действительно выдержат проверку математическим сообществом — а Lean-сертификаты делают такую проверку прозрачной и быстрой, — Astra станет заметной вехой: первым случаем, когда модель ИИ публично и верифицируемо продвинула застоявшиеся открытые проблемы сразу в нескольких областях математики. Для индустрии это сильный сигнал: следующий раунд гонки моделей может измеряться не только бенчмарками по программированию, но и реальным вкладом в фундаментальную науку. Осталось дождаться релиза и первых независимых проверок — тогда станет ясно, насколько Astra меняет правила игры на практике, а не только в пресс-релизах.

Источники

• The Decoder: OpenAI announces its "next major model" Astra by dropping ten previously unsolved math solutions