GPT-5.6 Resolveu 30 Anos de Matemática em 2 Horas

Trinta anos. Esse foi o tempo que a comunidade matemática passou tentando provar que um algoritmo clássico de otimização convexa era, de fato, o melhor possível. Centenas de papers publicados, dezenas de conferências, pesquisadores inteiros construindo carreiras ao redor dessa questão. E aí, em julho de 2026, um pesquisador sentou na frente do computador, escreveu uma prompt de 1.200 tokens e, 148 minutos depois, o GPT-5.6 Sol cuspiu a prova completa.

Sim, você leu certo. Duas horas e meia. Uma prompt. Um modelo de linguagem.

O problema que ninguém conseguia resolver

Pra entender por que isso é tão importante, preciso te dar um pouco de contexto sobre otimização convexa. Calma, não vai doer.

Desde meados dos anos 1990, existia um algoritmo conhecido para minimizar funções convexas, limitadas e Lipschitz-contínuas em d dimensões. Esse algoritmo precisa de Ω(d²) avaliações de função para encontrar o mínimo. Pra quem não é da área: isso significa que, conforme o número de dimensões cresce, o custo computacional cresce com o quadrado das dimensões.

O problema é que ninguém sabia se Ω(d²) era realmente o limite inferior. Talvez existisse um algoritmo mais esperto, mais rápido, que ninguém tinha descoberto ainda. Sem essa prova do limite inferior, a porta ficava aberta: “e se der pra fazer melhor?”

Matemáticos tentaram fechar essa porta por três décadas. Não conseguiram.

1.200 tokens que mudaram tudo

O pesquisador (que até o momento da publicação deste artigo não revelou o prompt exato, citando peer review em andamento) passou cerca de um ano refinando a abordagem. Tentou com modelos anteriores, falhou, ajustou, falhou de novo.

A versão final da prompt tinha três componentes bem específicos:

Remover qualquer um desses componentes fazia o modelo regredir para resultados parciais já conhecidos. A combinação dos três foi o que desbloqueou a prova inédita.

E o GPT-5.6 Sol trabalhou por 148 minutos, quase duas horas e meia de raciocínio formal sustentado, antes de entregar a demonstração completa.

O que a prova diz (em português)

O resultado é direto: nenhum algoritmo, por mais inteligente que seja, consegue resolver essa classe de problemas com menos de Ω(d²) avaliações de função. O algoritmo de 30 anos atrás era ótimo. Ponto final.

Em termos práticos, isso fecha uma questão teórica fundamental. Agora, pesquisadores que trabalham com otimização convexa sabem exatamente onde está o piso. Não adianta procurar atalhos: o melhor possível já foi encontrado nos anos 90.

Para quem trabalha com machine learning, isso tem implicações reais. Muitos algoritmos de treinamento de modelos, de SVMs a redes neurais convexas, dependem de variantes de otimização convexa. Saber que Ω(d²) é o limite inferior ajuda a calibrar expectativas e a investir esforço de engenharia onde realmente importa.

Pense em um problema prático: você está treinando um modelo com 10 mil features. Otimização convexa nesse espaço exige, no mínimo, algo proporcional a 10.000² = 100 milhões de avaliações. Sem a prova desse limite inferior, alguém poderia argumentar “deve ter um jeito mais rápido, a gente só não achou”. Agora sabemos: não existe jeito mais rápido. Qualquer framework, qualquer linguagem, qualquer hardware. O limite é matemático, não tecnológico.

Isso muda como engenheiros abordam problemas de escala. Em vez de buscar algoritmos magicamente mais rápidos, o foco vai pra estratégias de aproximação, decomposição do problema em subproblemas menores, e otimizações de hardware. A resposta pra “como fazer isso mais rápido” deixou de ser “achar um algoritmo melhor” e passou a ser “mudar a pergunta”.

A verificação: dois times, duas linguagens, zero contraexemplos

Uma coisa é o modelo gerar uma prova. Outra é a prova estar correta.

Dois grupos independentes verificaram o resultado:

• O primeiro time usou CVXPY, uma biblioteca Python amplamente usada para otimização convexa, para testar os lemas centrais da prova
• O segundo grupo implementou um solver customizado de programação semidefinida em Julia e confirmou os resultados

Até agora, nenhum contraexemplo apareceu. O resultado se mantém.

Aqui vale notar uma diferença importante: enquanto a prova do CDC (outro resultado recente da OpenAI) foi formalizada em Lean, um assistente de provas formal, a verificação dessa prova de otimização convexa foi feita por especialistas humanos com ferramentas computacionais. Ou seja, humanos com PhD olharam cada passo e disseram “sim, isso está correto”.

O debate que ninguém quer ter (mas precisa)

A notícia explodiu no Hacker News com mais de 580 pontos e centenas de comentários. E a reação da comunidade foi… complicada.

De um lado, entusiasmo genuíno. Uma questão aberta por 30 anos foi resolvida. Independente de como, o resultado é real e verificado.

Do outro lado, uma pergunta incômoda: quanto disso foi realmente a IA versus o trabalho humano prévio?

O pesquisador passou um ano construindo a prompt. Os três componentes (enunciado formal, guia de estilo, controle de qualidade) não surgiram do nada. Foram destilados de décadas de expertise humana. O GPT-5.6 executou o raciocínio, mas a direção veio de alguém que conhecia profundamente o problema.

É como dar a um piloto automático as coordenadas exatas do destino e a rota ótima, e depois dizer que o avião chegou sozinho. Tecnicamente verdade. Mas sem o piloto humano programando a rota, o avião ficaria em círculos.

A Declaração de Leiden: 16 matemáticos contra-atacam

Em junho de 2026, apenas um mês antes desse resultado do GPT-5.6, 16 pesquisadores publicaram a Declaração de Leiden sobre Inteligência Artificial e Matemática. Endossada pela União Matemática Internacional, o documento levanta preocupações sérias.

O ponto mais provocativo: viés de seleção. Os modelos resolvem problemas que são suscetíveis a ataques guiados por prompt, o que pode distorcer as agendas de pesquisa. Se a IA resolve melhor certos tipos de problemas, a comunidade pode inconscientemente migrar para esses tipos de problemas, abandonando questões matematicamente importantes mas computacionalmente intratáveis.

Outros pontos da declaração:

• Confiabilidade: provas geradas automaticamente ameaçam a precisão e a verificabilidade independente da pesquisa
• Atribuição: quando o modelo é proprietário, como se atribui crédito? Quem é o autor da prova?
• Peer review: como revisores devem avaliar provas geradas por IA?
• Influência corporativa: o envolvimento crescente de empresas de tecnologia na pesquisa matemática pura é preocupante

Não é a primeira vez (e não vai ser a última)

Esse resultado do GPT-5.6 se encaixa em uma tendência que acelerou absurdamente em 2026:

AxiomProver, um sistema autônomo multi-agente para Lean 4, resolveu quatro problemas abertos no início de 2026. Em um deles, encontrou uma conexão com símbolos de Jacobi, um fenômeno numérico do século XIX que humanos tinham deixado passar.

A OpenAI já tinha feito barulho em maio de 2026 quando uma IA refutou uma conjectura matemática de longa data, encontrando um contraexemplo para o problema da distância unitária planar de Erdős, formulado em 1946.

O Gemini do Google atingiu performance de medalha de ouro na Olimpíada Internacional de Matemática.

E em abril de 2026, a Forbes reportou que uma IA resolveu um problema que “tinha desafiado as melhores mentes do mundo por décadas”.

A velocidade é assustadora. Cada mês parece trazer um novo resultado “impossível” sendo desbloqueado.

E olha que estamos falando só de resultados públicos. Quantas provas assistidas por IA estão em peer review agora, esperando publicação? Quantos pesquisadores estão usando modelos como ferramenta de exploração sem sequer mencionar nos papers? A Declaração de Leiden aborda exatamente esse ponto: se a IA vira uma ferramenta silenciosa no toolkit do matemático, como a comunidade avalia a originalidade e a atribuição?

O cenário mais provável é que, daqui a dois ou três anos, papers de matemática vão ter uma seção tipo “AI Assistance Statement”, similar ao que já existe para conflitos de interesse. A questão é se isso vai ser suficiente para preservar a integridade do processo.

Prompt engineering virou habilidade matemática?

Uma das lições mais estranhas desse episódio: a prompt importa tanto quanto o modelo.

O pesquisador testou o mesmo problema com modelos anteriores. Falhou. Testou com prompts diferentes no GPT-5.6. Falhou. Só a combinação certa de modelo e prompt produziu o resultado.

Isso sugere algo que muitos na academia vão achar desconfortável: daqui pra frente, saber construir prompts matemáticas eficazes pode ser tão importante quanto saber escrever provas à mão.

Não estou dizendo que prompt engineering substitui formação matemática. O pesquisador que escreveu a prompt precisava de conhecimento profundo do problema para formulá-la corretamente. Mas o formato é novo. Em vez de escrever a prova ele mesmo, o pesquisador escreveu as instruções para que outro agente (no caso, o GPT-5.6) a escrevesse.

Se você programa, pense assim: é como a diferença entre escrever código assembly e escrever um spec detalhado para um Copilot que gera o assembly pra você. O conhecimento é o mesmo, o formato de trabalho é diferente.

Um exemplo concreto: imagine que você quer provar que um determinado algoritmo de consenso distribuído é correto. Hoje, você escreveria a prova em Lean ou Coq, linha por linha. No futuro, talvez você escreva uma prompt descrevendo o protocolo, as propriedades de safety e liveness que quer provar, e o estilo de prova preferido. O modelo gera a prova formal, você verifica com o proof assistant. Mesma garantia, fluxo de trabalho radicalmente diferente.

A barreira de entrada para provas formais sempre foi a curva de aprendizado absurda de linguagens como Lean. Se modelos de linguagem conseguem gerar provas formais a partir de descrições em linguagem natural, isso democratiza o acesso a verificação formal de uma forma que nenhuma ferramenta conseguiu até agora.

O que muda na prática pra quem é dev

Se você é desenvolvedor e não trabalha com matemática pura, talvez esteja pensando “legal, mas o que isso muda pra mim?”

Mais do que parece.

Otimização convexa está em tudo. Quando você treina um modelo de machine learning, há otimização convexa por baixo. Quando seu banco de dados planeja queries, há otimização. Quando seu CDN decide qual edge server usar, otimização. Saber que Ω(d²) é o limite inferior tem consequências práticas para quem constrói esses sistemas.

Além disso, a tendência maior é clara: IAs estão ficando capazes de raciocínio formal sustentado. O GPT-5.6 sustentou 148 minutos de raciocínio encadeado. Isso não é autocompletar texto. É construir argumentos lógicos complexos, passo a passo, por horas.

Hoje é otimização convexa. Amanhã pode ser verificação formal de software, prova de correção de protocolos distribuídos, ou análise estática de segurança em escala que nenhum humano consegue fazer manualmente.

Pra dar um exemplo mais palpável: ferramentas como TLA+ e Alloy são usadas por times de engenharia na Amazon e na Microsoft pra verificar formalmente sistemas distribuídos. O gargalo nunca foi o poder computacional, foi a dificuldade de especificar o modelo formal. Se um LLM consegue gerar essas especificações a partir de documentação em linguagem natural, o custo de verificação formal despenca. E de repente, provar que seu sistema de pagamentos não tem race conditions deixa de ser luxo de big tech e vira algo acessível pra qualquer time.

O resultado do GPT-5.6 não é só sobre matemática abstrata. É sobre uma mudança fundamental na relação entre raciocínio humano e computação.

A real é que ninguém sabe pra onde isso vai

Eu olho pra esse resultado e fico com sentimentos mistos. De um lado, é genuinamente impressionante. Trinta anos de problema aberto, resolvido em 148 minutos por uma combinação de expertise humana e capacidade computacional bruta. Isso é colaboração, não substituição.

Do outro lado, a Declaração de Leiden tem razão. Se a comunidade começar a otimizar para “problemas que a IA resolve bem” em vez de “problemas que são importantes”, a matemática perde algo essencial: a capacidade de definir suas próprias prioridades.

Por enquanto, o modelo que parece funcionar é o colaborativo: humanos definem a direção, formulam as perguntas certas, constroem as prompts. A IA executa o raciocínio pesado. Humanos verificam o resultado.

Funciona? Pelo visto, sim. Um problema de 30 anos foi resolvido. Mas a pergunta que me tira o sono é outra: quando a IA começar a escolher quais problemas resolver sozinha, quem vai verificar se as perguntas são as certas?