IA paga domina a matemática e deixa código aberto para trás

A inteligência artificial atingiu um novo patamar de excelência na resolução de problemas matemáticos de nível acadêmico, mas esse privilégio segue restrito às ferramentas corporativas pagas. O projeto First Proof, que mede de forma independente a capacidade de raciocínio de modelos públicos de IA, divulgou sua terceira rodada de resultados, comprovando que grandes modelos de linguagem (LLMs) proprietários superam com imensa folga as alternativas de pesos abertos (“open-weight”).

“O abismo entre os modelos de pesos abertos e os modelos de fronteira é muito grande na pesquisa matemática — muito maior do que em outras áreas,” alertou Mohammed Abouzaid, matemático da Universidade de Stanford e integrante do projeto First Proof.

O rigor metodológico do First Proof

Criado em fevereiro por pesquisadores de elite da matemática, o First Proof nasceu para estabelecer parâmetros técnicos sólidos frente à proliferação de benchmarks imprecisos. O avanço acelerado do setor ganhou força após a solução do enigma de Navier-Stokes no mês anterior e a divulgação recente de soluções de questões não resolvidas há décadas pela OpenAI em seu chamado “slop drop”. Contudo, esses episódios não ocorreram em condições científicas controladas: a OpenAI não detalhou as milhares de falhas ocorridas e manteve seu modelo interno inacessível para escrutínio externo.

Para manter a imparcialidade, o First Proof avalia exclusivamente sistemas disponíveis ao público, descartando modelos secretos de laboratórios. Os organizadores selecionaram dez problemas complexos enviados por especialistas e solicitaram as respostas diretamente às IAs, sem interferência humana. Em seguida, bancas com três avaliadores por problema conduziram uma revisão por pares simulada.

Participaram do teste nomes como o GPT 6 Astra (OpenAI), o Claude Opus 5.5 (Anthropic), o Kimi K3 (principal modelo aberto do mercado) e o aggregate ProofCouncil — um arranjo que une o Astra a agentes verificadores. Gigantes como o Google não participaram da avaliação.

A disparada das ferramentas pagas

O líder absoluto do exame foi o ProofCouncil, que resolveu nove das dez questões propostas em um nível classificado pelos revisores como adequado para publicação em periódicos científicos mediante “pequenas revisões”. O índice reforça a rápida curva de evolução durante 2026: na primeira edição, em fevereiro, o melhor concorrente acertou apenas poucas questões; na segunda fase, em junho, o vencedor solucionou entre seis e sete.

No que tange à formulação de provas lógicas bem estruturadas, “os modelos se tornaram muito bons,” diz Abouzaid, “tão bons que testar os modelos de fronteira nessa tarefa pode não ser tão relevante no futuro.”

O fracasso aberto e o dilema da privacidade

Em contrapartida, a principal aposta de código aberto, o Kimi K3, não conseguiu solucionar absolutamente nenhum dos dez desafios. “Ele realmente deu com a cara no chão,” declarou Lauren Williams, matemática da Universidade Harvard e integrante da equipe avaliadora. “Os modelos abertos estão muito, muito para trás, por isso pedimos encarecidamente que a comunidade invista pesado para aprimorá-los.”

A disparidade preocupa os acadêmicos. Devido a polêmicas recentes envolvendo o sigilo de dados sensíveis, parte da comunidade científica prefere evitar os gigantes comerciais. “Conheço pessoas que usam exclusivamente modelos de código aberto porque estão extremamente paranoicas com o vazamento de dados nos modelos de fronteira,” pontuou Williams.

Abouzaid reforça que a busca por alternativas independentes esbarra na performance técnica: “Recebemos muitas perguntas de matemáticos dizendo: ‘Gostaria de buscar alternativas ao uso dos modelos da OpenAI ou da Anthropic, mas não sei se eles funcionariam’”. Por enquanto, os dados atestam que as opções gratuitas e abertas permanecem inviáveis na fronteira da matemática avançada.