OpenAI отозвала три математические работы своего ИИ

7 октября 2026 года OpenAI отозвала три математические работы, которые написала её внутренняя модель. Причина: ошибка в знаке в одной из них, а на ней держались ещё две. Среди отозванных есть работа «Рациональная гипотеза Ходжа для произведений K3-поверхностей». Кроме того, OpenAI исправила 14 других работ и добавила шесть формальных проверок.

Что за репозиторий

На GitHub есть репозиторий openai/math. По описанию OpenAI, в нём лежат математические рукописи, которые создала внутренняя модель компании. Эту модель проверяли на открытых научных задачах, то есть таких, у которых нет известного решения. Когда обычные математические тесты «закончились» (модели стали проходить их почти полностью), задачи для проверки расширили.

Вот что OpenAI пишет о самой коллекции:

• в каталоге 719 работ, объединённых в 372 семейства (семейство это связанные работы: главный результат, следствия, другие доказательства);
• модели предложили примерно 4000 задач, а на один результат в среднем ушло три часа «размышлений» ChatGPT Pro;
• модель внутренняя, то есть не выпущенная публично;
• результаты проверены по-разному: у части есть формальное доказательство на языке Lean, у части нет.

Сама OpenAI прямо пишет: некоторые неформализованные результаты могут содержать ошибки, и компания обещает исправлять их быстро. Запись об отзыве в истории изменений как раз об этом.

Что случилось 7 октября

В истории изменений репозитория за 7 октября 2026 года перечислено следующее:

Отозваны три рукописи:

• «Algebraicity of Weil classes on split abelian eightfolds»;
• «Algebraicity of Kuga–Satake Correspondences for K3 Surfaces»;
• «The rational Hodge conjecture for products of K3 surfaces».

Причина названа в первой из них: ошибка в знаке нарушила один из шагов доказательства и конструкцию, которую использовали две зависимые работы. Отозванные работы теперь снабжены пояснениями, где именно пробел, со ссылками на архивные версии.

Важно не преувеличивать. Модель заявляла результаты, связанные с гипотезой Ходжа, одной из самых известных нерешённых проблем математики, но одна из таких работ теперь отозвана. Говорить, что ИИ «доказал гипотезу Ходжа», нельзя.

Почему один знак ломает несколько работ

Математическое доказательство похоже на цепочку: каждый шаг опирается на предыдущий. Работы тоже опираются друг на друга: одна доказывает вспомогательное утверждение, другие берут его как готовый кирпич.

Представьте расчёт сметы, где в первой таблице вместо плюса стоит минус. Вторая таблица берёт итог из первой, третья из второй. Формулы везде выглядят правильно, но итог неверен. Здесь так же: в отозванной работе знак «не в ту сторону» делает недействительным шаг, а за ним и всё, что на него опирается. Поэтому вместе с первой работой пришлось отозвать две зависимые.

Ещё одна деталь: после исправлений OpenAI обновила 13 работ, чтобы они ссылались на новые версии соседних. Для связанных результатов исправление одной работы тянет за собой правки в других.

Что такое формализация в Lean

Lean это язык, на котором доказательство записывают так, чтобы его проверила программа. Обычное доказательство читают люди: это долго, и в длинном тексте легко пропустить ошибку. В Lean каждый шаг должен быть оформлен строго. Если шаг неверный или обоснован не до конца, программа его не примет.

Аналогия: у обычной работы проверяющий, который читает глазами, а у формализованной ещё и строгий автоматический тест. Проверяющий может устать, тест нет.

Отсюда и осторожность OpenAI. Формализовано около 42% главных результатов. У остальных такой машинной проверки нет, и именно среди них компания допускает ошибки.

Что это значит для вас

Эта история про математику, но вывод универсален. Нейросеть пишет уверенно, гладко и подробно, независимо от того, права ли она. Чем длиннее рассуждение, тем больше шансов, что где-то затаилась ошибка, которую не видно по стилю.

Практические правила для работы:

• Код. Запускайте тесты, а не верьте, что «должно работать».
• Расчёты и таблицы. Пересчитайте итог вручную или другим способом хотя бы на выборке.
• Факты, цифры, цены. Сверяйте с первоисточником: официальной страницей, документом, законом.
• Цепочки шагов. Если ИИ-агент делает много шагов подряд, ставьте проверку на ключевых этапах, а не только в конце. Об устройстве агентов мы рассказывали в статье что такое ИИ-агент.
• Важные решения. Финальное слово остаётся за человеком или за автоматической проверкой.

Какие модели сейчас сильнее, смотрите в обзоре лучших нейросетей 2026, но ни одна из них не освобождает от проверки.

Хороший знак в этой истории тоже есть: OpenAI не стала молчать, а отозвала работы, объяснила причину и сохранила старые версии доступными. Так и должна выглядеть работа с результатами, которым нельзя верить на слово.

Источник: репозиторий openai/math на GitHub; история изменений (history.md).