OpenAI заявила, что ее новая reasoning-модель смогла опровергнуть задачу Эрдёша по геометрии, поставленную еще в 1946 году. В этот раз история важна не только громким заголовком: компанию публично поддержали математики, которые всего семь месяцев назад сами же указывали на ее ошибку. Для русскоязычной IT-аудитории это не сюжет про «ИИ опять всех заменит», а более практичный сигнал: модели начинают дотягиваться до длинных цепочек рассуждений там, где раньше красиво звучали в основном пресс-релизы.
По данным TechCrunch, речь идет о conjecture из дискретной геометрии, которую впервые сформулировал Пол Эрдёш в 1946 году. OpenAI утверждает, что модель не просто перебрала известные варианты, а нашла оригинальное доказательство-опровержение: почти 80 лет математики считали, что наилучшие конструкции в этой задаче должны выглядеть примерно как квадратные решетки, но модель предложила новое семейство конструкций, которое работает лучше. Компания называет это первым случаем, когда ИИ автономно решил заметную открытую проблему, важную для целой области математики.
Ключевое слово здесь, конечно, не «автономно», а «в этот раз». Осенью 2025 года бывший вице-президент OpenAI Кевин Вейл написал в X, что GPT-5 якобы нашла решения 10 ранее нерешенных задач Эрдёша и продвинулась еще в 11. Очень быстро выяснилось, что прорыв был не совсем прорывом: модель воспроизвела решения, уже существовавшие в литературе. Пост удалили, а по OpenAI проехались и конкуренты, и академическое сообщество. Среди самых заметных критиков были Янн ЛеКун и глава Google DeepMind Демис Хассабис. На фоне той истории нынешнее заявление выглядело бы как дежурная попытка еще раз зайти в ту же дверь, если бы не одно отличие: теперь компания пришла не только с собственным анонсом.
Вместе с заявлением OpenAI опубликовала сопроводительные комментарии математиков, которые поддержали новое опровержение. Среди них Нога Алон, Мелани Вуд и Томас Блум, который ведет сайт Erdos Problems. Именно Блум раньше называл пост Вейла «драматическим искажением реальности», так что его нынешняя поддержка здесь важнее любого маркетингового эпитета. Если совсем приземлить смысл этого разворота, получается простая вещь: OpenAI, похоже, усвоила прошлый урок и решила не выносить на публику громкое математическое заявление без внешней проверки со стороны людей, которые понимают предмет лучше любого PR-отдела.
Отдельно компания подчеркивает, что доказательство якобы получила не узкоспециализированная система для математики и не инструмент, натасканный на одну конкретную задачу, а general-purpose reasoning-модель. Это принципиальный момент. Если заявление выдержит дальнейшую проверку, то ценность кейса будет не только в самой геометрии. Тогда речь уже о более широком классе задач, где нужно долго держать контекст, не терять промежуточные допущения и соединять идеи из соседних областей. Для разработчиков это близко к тому, что отличает убедительный демо-ролик от реально полезного агента: не скорость ответа и не уверенный тон, а способность не развалиться на середине сложного рассуждения.
Бизнесовый смысл у этой истории тоже вполне земной. Последние полтора года рынок ИИ живет в режиме постоянной инфляции обещаний: каждая новая модель «лучше рассуждает», «глубже понимает», «умеет планировать». Проблема в том, что проверить такие формулировки на прикладном материале сложно. Открытая математическая проблема в этом смысле почти идеальный полигон: либо есть новое корректное доказательство, либо нет. Поэтому для OpenAI это не просто научный пиар, а демонстрация, которую можно конвертировать в доверие со стороны исследовательских команд, корпоративных заказчиков и инвесторов в AI-инфраструктуру. И да, после осеннего конфуза ей это доверие особенно нужно.
Для российской и вообще русскоязычной IT-сцены здесь полезно смотреть не на соревнование брендов, а на изменение самого класса инструментов. Если reasoning-модели действительно начинают стабильно проходить длинные логические траектории, это влияет не только на академическую математику. Следом в зону практического интереса попадают верификация кода, формальные методы, поиск нетривиальных архитектурных решений, сложные инженерные расчеты, а со временем и задачи в биологии, физике и медицине, о которых говорит сама OpenAI. Конечно, между одной громкой задачей и промышленной надежностью дистанция еще большая. Но у техлидов, продактов и CTO появляется более предметный критерий для оценки моделей: не сколько токенов они сгенерировали и не какой у них benchmark на слайде, а могут ли они довести до конца рассуждение, где цена ошибки не в неловком ответе, а в неверном выводе.
Именно поэтому эта история интереснее обычного AI-шума. Если задача Эрдёша действительно получила новое корректное опровержение, подтвержденное профильными математиками, рынок получит редкий пример, когда громкий тезис про ИИ упирается в проверяемый результат, а не в впечатляющий интерфейс. Следующий логичный вопрос для отрасли уже не в том, способна ли модель удивить математиков один раз, а в том, можно ли такую дисциплину рассуждения перенести в инженерные и продуктовые процессы без обязательного присутствия человека с красной ручкой на каждом шаге.