OpenAI hat am 6. Oktober 2026 auf seinem offiziellen Blog eine Reihe mathematischer Ergebnisse veröffentlicht, die ein unveröffentlichtes internes Frontier-Modell erzeugt hat — in einem für eine einzelne Veröffentlichung ungewöhnlichen Umfang: 722 Manuskripte in 372 Ergebnisfamilien, die Hunderte seit Langem offener mathematischer Probleme abdecken. Die Arbeit erschien nicht in einer Fachzeitschrift, sondern in einem einzigen GitHub-Repository, samt Regeln für Überarbeitung und Zitierung, zur Prüfung durch die Mathematik-Community.
Was die Veröffentlichung konkret behauptet
Bereits im September 2026 hatte OpenAI erklärt, seine Modelle hätten mehr als hundert lange offene Probleme in fast allen Teilgebieten der Mathematik gelöst. Diese Veröffentlichung macht aus der Behauptung lesbaren Text: Neben den Beweisen enthält sie Zusammenfassungen von Teilen des Modell-Schlussfolgerns, Schätzungen zum Rechenaufwand und eine Zählung, an wie vielen Problemen sich das Modell insgesamt versucht hat. Nach OpenAIs Angaben entspricht ein typisches Ergebnis ungefähr der Rechenleistung, die ChatGPT Pro in drei Stunden ununterbrochenem Nachdenken verbraucht.
Das war also kein einzelner Geistesblitz zu einer Aufgabe, sondern eine im großen Maßstab betriebene Pipeline: Viele offene Probleme wurden nacheinander demselben unveröffentlichten Modell vorgelegt, die Ergebnisse als Manuskripte gebündelt veröffentlicht. Die Menge selbst ist das Signal — Frontier-Modelle gehen von Wettbewerbsaufgaben dazu über, offene Forschungsfragen systematisch abzuarbeiten.
Warum die Lean-Formalisierung beiliegt
Ein erheblicher Teil der Beweise wurde in Lean formalisiert, einem System, das einen Beweis Zeile für Zeile per Computer prüfen lässt. Formalisiert hängt Korrektheit nicht mehr von der Intuition eines Gutachters ab, sondern ist maschinell verifizierbar. Gerade weil KI-erzeugte Arbeit bei der Vertrauenswürdigkeit am härtesten befragt wird, unterscheiden diese maschinell prüfbaren Beweise die Manuskripte von gewöhnlichen Preprints.
Die Grenze gehört dazu: Formalisiert ist nur ein Teil der Sammlung. Der Rest muss weiterhin von menschlichen Mathematikern bewertet und verarbeitet werden, und OpenAI räumt selbst ein, dass die volle Wirkung Zeit braucht. Wie viele der 722 Manuskripte der Fachprüfung standhalten, ist derzeit offen.
Der Streit dreht sich nicht um Antworten, sondern um die Art der Veröffentlichung
Die Diskussion um diese Sammlung konzentriert sich weniger auf die Mathematik als auf die Veröffentlichungsform. Ende September veröffentlichte AGMAI, eine unabhängige Beratergruppe von Mathematikern, ihre ersten Empfehlungen: Labore sollten mathematische Ergebnisse zügig über etablierte akademische Kanäle publizieren, Modellname, Prompts und Rechenaufwand offenlegen — und, in deutlicher Formulierung der Gruppe, die Veröffentlichung mathematischer Ergebnisse nicht als Werbung für die eigenen Modelle benutzen.
An diesen Punkten gemessen beantwortet die Veröffentlichung einiges: Die Ergebnisse liegen an einem Ort öffentlich vor, Rechenwerte sind genannt, Überarbeitungs- und Zitierregeln sind enthalten. Der wichtigste Punkt fehlt weiterhin: Das Modell, das die Arbeit erzeugt hat, hat keinen Namen, weil es nicht veröffentlicht ist. Leser können die Beweise prüfen, aber den Prozess, der sie erzeugt hat, nicht nachvollziehen. Für die Mathematik lässt sich ein Beweis unabhängig verifizieren. Für die KI-Branche ist ein anderer Punkt entscheidend: Wenn Modelle beginnen, überprüfbare Forschung in Serie zu produzieren, müssen die Veröffentlichungsnormen der Labore mit dem Ausstoß Schritt halten.
