GPT-6 Astra lidera benchmark de matemática, mas não foi otimizado para isso

O GPT-6 Astra, novo modelo da OpenAI, alcançou o primeiro lugar no ErdosBench, uma avaliação voltada a problemas matemáticos abertos. O desempenho chama atenção porque, segundo o material publicado pelo The Decoder, a própria OpenAI afirma que não direcionou seus principais esforços de otimização para pesquisa matemática. O resultado sugere que avanços relevantes podem surgir como efeito indireto de prioridades mais amplas de desenvolvimento.

A OpenAI apresentou o Astra em 11 de setembro de 2026, em uma publicação intitulada “GPT-6 Astra: The next generation in intelligence for work”. O dossiê fornecido não inclui o conteúdo integral desse anúncio, apenas seu título e resumo de feed. Por isso, não é possível atribuir à empresa detalhes técnicos adicionais, métricas de produto ou casos de uso que não estejam explicitamente presentes nas fontes disponíveis.

A confirmação independente veio de uma reportagem do The Decoder publicada em 10 de setembro. De acordo com o texto, o Astra obteve pontuação 3,23 no ErdosBench e resolveu 106 dos 226 problemas avaliados. Desses, 43 foram considerados completamente resolvidos. O modelo também teria refutado 27 propostas, uma capacidade relevante em matemática, onde identificar que uma conjectura não se sustenta pode ser tão importante quanto encontrar uma solução.

O benchmark, hospedado pela ulam.ai, reúne problemas inspirados nos desafios associados a Paul Erdős. Ainda assim, seus resultados não equivalem a uma medição completa da capacidade matemática de um sistema. A própria reportagem ressalta que a avaliação está longe de atingir saturação. Isso significa que uma posição elevada pode indicar avanço real, mas não permite concluir que o modelo domina a pesquisa matemática em sentido amplo.

Um avanço expressivo sem otimização dedicada

Na comparação apresentada pelo The Decoder, o Astra resolveu mais problemas do que o modelo Sol em seu nível máximo de raciocínio, que teria alcançado 78 soluções. A análise também descreve o novo sistema como mais forte na redação científica e menos inclinado a fazer afirmações exageradas. Em alguns casos, segundo a reportagem, o Astra teria subestimado os próprios resultados, em vez de apresentar conclusões mais ambiciosas do que as evidências permitiam.

Przemek Chojecki, desenvolvedor do benchmark, avaliou o desempenho como um ganho sólido de 5% a 10% em diferentes habilidades de pesquisa matemática testadas. Essa estimativa é uma declaração atribuída pela fonte ao responsável pela avaliação, não uma métrica geral de desempenho do modelo. Ela também deve ser lida junto da ressalva de que o benchmark ainda não está saturado e de que o ranking pode mudar conforme novos sistemas sejam avaliados.

O ranking, aliás, já sofreu alteração. O material informa que o Fable 5.1 retomou a liderança posteriormente, com menos problemas resolvidos, mas melhor desempenho geral. A divergência mostra por que resultados de benchmarks precisam ser examinados além da classificação final. Número de problemas resolvidos, qualidade das respostas, completude das provas e capacidade de refutação podem medir dimensões diferentes.

O aspecto central da notícia está na explicação atribuída a Jakub Pachocki, cientista-chefe da OpenAI. Em seu ensaio “An Alien Mind”, ele teria escrito que a empresa poderia tornar os modelos melhores especificamente em pesquisa matemática com foco adicional, mas decidiu não priorizar essa direção diante da urgência de trabalhar em autoaperfeiçoamento recursivo e pesquisa de alinhamento automatizado.

A escolha revela um trade-off estratégico

Essa decisão desloca a interpretação do resultado. O modelo que liderou o benchmark não seria, de acordo com a reportagem, produto de uma campanha exclusiva para maximizar matemática. Seu desempenho aparece como consequência de outras capacidades e investimentos. Isso não prova que a otimização específica deixou de ser importante, mas indica que empresas de IA precisam escolher como distribuir recursos entre ganhos imediatos em tarefas concretas e pesquisas destinadas a acelerar ou proteger sistemas futuros.

O dossiê também registra a justificativa de Pachocki de que o autoaperfeiçoamento recursivo seria necessário para a OpenAI permanecer na fronteira da pesquisa em IA. Trata-se de uma posição da empresa, não de um fato estabelecido no material. A fonte menciona ainda relatos de modelos internos de matemática mais avançados depois da publicação do ensaio, mas esses relatos não são detalhados nem confirmados no dossiê e, portanto, não permitem conclusões firmes.

A reportagem relaciona o caso à ideia de uma trajetória “pontiaguda” para a IA. Nesse cenário, os sistemas avançariam muito em alguns domínios, como programação e matemática, mas poderiam estagnar ou até regredir em linguagem, senso comum ou raciocínio social. A hipótese contrasta com uma visão de progresso gradual e abrangente em todas as tarefas humanas. O resultado do Astra, isoladamente, não comprova nenhum desses cenários.

O que acompanhar a partir de agora

Na prática, pesquisadores e usuários devem evitar tratar o primeiro lugar no ErdosBench como evidência de inteligência geral. É necessário acompanhar a reprodução dos resultados, a evolução do ranking, a qualidade das provas e o desempenho em problemas fora do conjunto avaliado. Também importa verificar se futuras versões mantêm a cautela descrita na reportagem ou se passam a produzir respostas mais confiantes sem aumento proporcional de correção.

• Novas avaliações independentes e eventuais mudanças na liderança do ErdosBench.
• Diferença entre soluções completas, parciais e refutações corretas.
• Evidências públicas sobre autoaperfeiçoamento recursivo e alinhamento automatizado.
• Desempenho do Astra em áreas não matemáticas, especialmente linguagem e raciocínio social.

Por enquanto, a conclusão mais segura é restrita: o GPT-6 Astra apresentou um resultado de destaque em um benchmark de matemática aberta, mas esse avanço ocorreu em um contexto no qual a OpenAI diz priorizar outras frentes. A notícia importa menos como anúncio de uma supremacia matemática definitiva e mais como sinal de que a fronteira dos modelos pode continuar avançando de forma desigual, com capacidades muito fortes convivendo com limitações ainda não esclarecidas.

Fontes: OpenAI · The Decoder