Praca licząca 249 stron przyszła z nazwą

Sébastien Bubeck, badacz w OpenAI, spędził sobotę, tłumacząc internetowi, że grupy niesoficzne istnieją. Opisał to stwierdzenie jako jeden z wielu wyników udowodnionych przez Astrę, którą nazwał następnym dużym modelem firmy, i oznajmił, że OpenAI udostępnia dziesięć takich dowodów wraz z certyfikatami w Lean oraz omówieniami toku rozumowania dla każdego z nich. Do ogłoszenia dołączono manuskrypt liczący 249 stron, drugi dokument z tymi omówieniami oraz publiczne repozytorium certyfikatów sprawdzalnych maszynowo. Relacje, które nastąpiły, szybko skupiły się na dwóch liczbach: dziesięciu problemach i około 2000 dolarów obliczeń.

Sam manuskrypt ani razu nie używa słowa Astra. Otwiera go przedstawienie zbioru wyników uzyskanych przez wewnętrzny model OpenAI, po czym poświęca 249 stron upakowaniu sfer, algebrom von Neumanna i złożoności obwodów, nie nazywając tego, co je wytworzyło. Nazwa żyje w ogłoszeniu. Matematyka żyje w pracy. Utrzymanie tych dwóch płaszczyzn osobno to cała robota dla kogoś, kto czyta to jako nabywca, a nie jako widz.

To, co faktycznie dostarczono, da się sprawdzić

Dziesięć wyników nie jest ozdobą. Pierwszy wyznacza dokładną asymptotyczną siłę programu Cohna-Elkiesa i podnosi ogólny wysokowymiarowy wykładnik upakowania sfer z klasycznej wartości Kabatianskiego-Lewensztejna wynoszącej 0,59905576 do około 0,6044, co praca wskazuje jako pierwszą poprawę tego ogólnego ograniczenia od 1978 roku. Trzeci konstruuje jawną grupę niesoficzną i rozstrzyga, czy każda grupa przeliczalna dopuszcza skończone przybliżenia permutacyjne. Czwarty obala hipotezę sztywności Connesa, budując nieskończenie wiele parami nieizomorficznych grup z własnością (T), które dzielą jedną grupową algebrę von Neumanna. Pozostałe obejmują kody binarne i sferyczne, dolne ograniczenia obliczania permanentu, kwantowe powtórzenie równoległe, problem najbliższego wektora, hipotezę objętościową Ehrharta, superwykładnicze ograniczenie dolne dla wielokolorowych liczb Ramseya oraz kontrprzykłady dla dwóch hipotez z ekstremalnej teorii grafów, trzy z nich z katalogu Paula Erdosa.

Każdy niesie formalizację w Lean 4 w publicznym repozytorium, zbudowaną na mathlib w Lean 4.32.0 i wydaną na licencji Apache-2.0. To ta część publikacji, która zasługuje na bezwarunkową pochwałę. Certyfikat sprawdzalny maszynowo oznacza, że obca osoba z laptopem może potwierdzić poprawność argumentu, nie ufając OpenAI, nie ufając modelowi i nie czekając na recenzję naukową. Większość twierdzeń o możliwościach, jakie przedstawiono właścicielom w tym roku, przyszła jako wynik testu opublikowany przez tę samą stronę, która sprzedaje model. Te przyszły jako przedmioty, które nie odpowiadają przed żadną z nich.

Podziękowanie wymienia model już dostępny w sprzedaży

Na końcu czwartego rozdziału, po podziękowaniach dla Sorina Popy i innych za uwagi i lekturę, stoi jedno zdanie, którego nie podchwyciła żadna relacja. W trakcie przygotowywania tego manuskryptu, pisze OpenAI, firma dowiedziała się o niezależnej i równoległej pracy Shuoxinga Zhou, która również ustalała kontrprzykład dla hipotezy sztywności Connesa, opracowany częściowo przy wsparciu GPT-5.6 Sol. Sol nie jest modelem niewydanym. Sol to model, który OpenAI sprzedaje dziś, z opublikowanym cennikiem.

Czytane wprost, jeden z dziesięciu sztandarowych wyników został osiągnięty w tym samym czasie przez kogoś spoza laboratorium, pracującego z powszechnie dostępnym oprogramowaniem. Nie umniejsza to pozostałych dziewięciu, a OpenAI ujawnił to we własnym dokumencie, zamiast pozwolić, by ktoś to odkrył, co firmie służy. Jest to jednak zdecydowanie najbardziej rozstrzygające zdanie całej publikacji dla kogoś, kto musi wybrać, co licencjonować, i stoi w akapicie z podziękowaniami po drugiej stronie 200 stron algebry operatorów, a nie w ogłoszeniu. Dla polskich firm ogłaszających przetargi na usługi sztucznej inteligencji właśnie tam leży różnica między pokazem a zobowiązaniem.

Metka cenowa pożyczona od innego produktu

Liczba 2000 dolarów pracowała przez ostatnią dobę ciężej niż jakakolwiek inna liczba z tej publikacji, a nie jest ceną. To ilość tokenów wyceniona według opublikowanych stawek API dla GPT-5.6 Sol, czyli około 1800 euro. Astra nie ma opublikowanych stawek, ponieważ Astra nie jest w sprzedaży. Liczba odpowiada zatem na pytanie hipotetyczne, mianowicie ile te tokeny kosztowałyby, gdyby rozliczono je jako tokeny Sola, a czytana jest jako odpowiedź na pytanie inne, mianowicie ile kosztują dziś matematyczne badania na granicy wiedzy.

To, czego liczba nie niesie, waży tyle samo co to, co niesie. Nie ujawnia, ile prób poprzedziło dziesięć udanych, ile ludzkiego kierowania je ukształtowało, ile to wszystko trwało w czasie rzeczywistym ani ile Astra będzie kosztować, gdy i jeśli się ukaże. OpenAI nie podał daty i opisuje ją wyłącznie jako następną dużą rodzinę modeli. Kto odłoży 2000 dolarów jako obowiązującą stawkę za rozwiązaną hipotezę, zanotował liczbę, która nigdy nie była rachunkiem, za produkt, którego jeszcze nie da się kupić.

Pytaj, co potrafi model wdrożony

Przepaść między modelem z pokazu a modelem z cennika to najpewniej manipulowana zmienna w zakupach sztucznej inteligencji i zwykle pozostaje niewidoczna, bo dostawcy nie mają obowiązku jej dokumentować. Ta publikacja jest niezwykła właśnie dlatego, że dowód dotyczący modelu wdrożonego znajduje się wewnątrz manuskryptu samego dostawcy. Właściwą reakcją nie jest nieufność wobec matematyki, która jest sformalizowana i sprawdzalna, lecz dyscyplina we wnioskowaniu. Zweryfikowany dowód jest twierdzeniem o dowodzie. Nie mówi nic o tym, który model go wytworzył, przy której próbie, przy jakiej pomocy i za jaką cenę.

Trzy pytania zamieniają to w praktykę zakupową. Która wersja modelu wygenerowała wynik, który mi państwo pokazujecie, i czy ta wersja jest dziś powszechnie dostępna. Jeśli nie jest, co potrafi wersja powszechnie dostępna przy tym samym zadaniu. Oraz jakie są opublikowane stawki dla wersji, którą faktycznie bym uruchamiał. Dostawca, który odpowie na wszystkie trzy, sprzedaje produkt. Dostawca, który odpowie tylko na pierwsze, pokazuje zapowiedź badawczą, choćby dołączony przedmiot był nie wiadomo jak imponujący.

Czytaj dalej: Microsoft szkolił własnych handlowców, by nazywali Claude wolniejszym  |  Google wyrzucił niemal gotowy model AI