OpenAI Astra risolve dieci problemi aperti di matematica e pubblica le dimostrazioni in Lean

OpenAI ha annunciato il primo agosto 2026 un risultato destinato a far discutere ben oltre la comunità dell’intelligenza artificiale: il suo prossimo modello, per ora interno e non ancora disponibile al pubblico, ha prodotto soluzioni originali a dieci problemi aperti di matematica e informatica teorica. Il modello si chiama Astra e, stando al rapporto pubblicato dall’azienda, ogni soluzione arriva accompagnata da un certificato verificabile a macchina scritto in Lean 4. Chiunque, anche con un normale portatile, può controllare le dimostrazioni passo dopo passo.

Non si tratta dell’ennesimo primato su un benchmark. Qui parliamo di problemi rimasti irrisolti per almeno un decennio, in qualche caso molto di più, e di una verifica formale che alza in modo netto l’asticella di ciò che possiamo considerare affidabile quando è una macchina a dimostrare teoremi.

Il salto, se i risultati reggeranno al vaglio della comunità matematica, è più di scala che di singolo colpo di genio.

Che cosa ha risolto davvero il modello Astra

Insieme all’annuncio, OpenAI ha diffuso un manoscritto di 249 pagine e i relativi certificati Lean 4 per ogni risultato, tutti caricati su GitHub con licenza aperta Apache 2.0. Il ventaglio dei problemi affrontati è volutamente eterogeneo e attraversa aree molto distanti tra loro, dalla teoria dei gruppi alla combinatoria estremale, fino alla geometria dei reticoli.

Il risultato più citato riguarda i cosiddetti gruppi non sofici. La nozione di soficità era stata introdotta dal matematico Mikhail Gromov nel 1999 e, da allora, una domanda era rimasta senza risposta: esiste davvero un gruppo che non sia sofico? Per oltre vent’anni nessuno era riuscito a costruirne uno in modo esplicito. Astra, secondo OpenAI, ha fornito la prima costruzione esplicita di un gruppo non sofico, chiudendo una questione considerata centrale in teoria dei gruppi.

Non è l’unico colpo pesante.

Il modello avrebbe anche smentito la congettura di rigidità di Connes sulle algebre di von Neumann e dimostrato la congettura sul volume di Ehrhart, due nomi che ai non addetti dicono poco ma che nei rispettivi campi valgono come pietre miliari. A questi si aggiungono tre problemi presi dal celebre catalogo di Paul Erdős, il matematico ungherese che ha lasciato in eredità centinaia di questioni aperte, numerate e ancora oggi studiate in tutto il mondo.

Dai gruppi non sofici alle congetture di Erdős

I tre problemi di Erdős portano i numeri 146, 180 e 183. Il 183 riguarda un limite inferiore superesponenziale per i numeri di Ramsey multicolore sui triangoli, un classico della combinatoria. Il 146 e il 180, risolti con due costruzioni bipartite, smentiscono rispettivamente la congettura di compattezza di Erdős e Simonovits e una congettura sulla degenerazione firmata dallo stesso Erdős.

Completano il quadro alcuni risultati di geometria e teoria dei reticoli, tra cui nuovi limiti sull’impacchettamento delle sfere e progressi sul problema del vettore più vicino, quest’ultimo con implicazioni concrete anche per la crittografia. Non contorni marginali, insomma, ma teoremi che diversi esperti giudicano sostanziali.

Perché le dimostrazioni in Lean cambiano le regole del gioco

Il punto davvero dirompente non è soltanto la lista dei problemi, ma il modo in cui le soluzioni vengono presentate. Ogni dimostrazione è accompagnata da un certificato in Lean 4, un linguaggio e assistente di dimostrazione formale che consente di verificare in modo automatico e rigoroso ogni singolo passaggio logico.

La differenza con il passato è enorme. Fino a poco tempo fa, quando un modello linguistico produceva una dimostrazione, restava un dubbio di fondo: quel ragionamento è corretto oppure è una delle sue allucinazioni ben confezionate? Con un certificato Lean quel dubbio si dissolve, perché il programma che controlla la prova è indipendente e non ha alcun interesse a compiacere chi l’ha scritta.

È la barriera di verifica più alta mai superata da una matematica prodotta dall’AI a questa scala.

Storicamente molti matematici hanno guardato con diffidenza alle dimostrazioni suggerite dai modelli, proprio perché eleganti in apparenza ma difficili da controllare fino in fondo. La formalizzazione in Lean ribalta il problema: non conta quanto sia persuasiva la prosa, conta solo se il verificatore accetta o rifiuta la catena di passaggi.

Va detto con onestà come è avvenuto il lavoro. Secondo quanto riportato, alcuni ricercatori umani hanno preso gli argomenti prodotti dal modello e li hanno riscritti in manoscritti completi, mentre la formalizzazione finale in Lean è stata poi curata dal modello stesso. Non è quindi un processo interamente automatico dall’inizio alla fine, ma il nucleo creativo, l’idea che sblocca il problema, viene attribuito ad Astra.

Duemila dollari di calcolo e un modello ancora chiuso

C’è un dettaglio che ha colpito quasi quanto i teoremi: il costo. OpenAI stima che trovare tutte e dieci le soluzioni sia costato all’incirca duemila dollari di calcolo, ai prezzi attuali delle API della famiglia Sol. Una cifra irrisoria, se rapportata al valore che la comunità scientifica attribuisce anche a un solo risultato di questo tipo.

Astra, però, non è ancora un prodotto. Il modello resta interno, e ciò che vediamo è un’anteprima delle sue capacità in un dominio, la matematica avanzata, che funziona da banco di prova ideale perché le risposte o sono corrette o non lo sono.

Se un modello non ancora rilasciato riesce a fare tutto questo con un budget da poche centinaia di euro a problema, la domanda diventa quasi inevitabile: quanto durerà ancora il vantaggio degli esseri umani nelle aree più astratte della ricerca?

Le reazioni dei matematici e il filo con i risultati precedenti

Le prime reazioni dal mondo accademico sono state caute ma tutt’altro che liquidatorie. Il medaglia Fields Timothy Gowers ha lasciato intendere che raccomanderebbe una delle dimostrazioni per la pubblicazione su una rivista di primo piano senza troppe esitazioni, un giudizio che da una figura del genere pesa parecchio. Thomas Bloom, che cura il catalogo online dei problemi di Erdős, ha definito la notizia rilevante soprattutto sul fronte delle nuove costruzioni.

Per chi segue il settore, questo annuncio non arriva dal nulla. È l’ultimo anello di una catena che si sta stringendo in fretta.

Pochi mesi fa avevamo raccontato la prima congettura di Erdős risolta da un modello di OpenAI, un episodio che allora sembrava un caso isolato. A luglio era poi arrivata la notizia di GPT-5.6 Sol Ultra e della congettura del ciclo doppio, un problema rimasto aperto per mezzo secolo. Con Astra si passa da un singolo teorema alla volta a dieci risultati pubblicati insieme, e per giunta certificati formalmente.

Il cambio di ritmo è la vera notizia.

Non è un caso che quasi tutti i grandi laboratori stiano spingendo l’AI verso la ricerca scientifica. Anthropic, per esempio, ha costruito un ambiente dedicato con Claude Science, il suo workbench per la ricerca, mentre OpenAI ha aperto i propri modelli di frontiera al mondo accademico offrendoli gratis a decine di migliaia di ricercatori. La matematica, con le sue verità dimostrabili in modo netto, è il terreno perfetto per misurare chi è davvero avanti.

Cosa cambia adesso per la ricerca

Conviene comunque tenere i piedi per terra. Un manoscritto di 249 pagine va letto, digerito e messo alla prova da matematici in carne e ossa, e la storia della disciplina è piena di dimostrazioni annunciate che poi hanno mostrato qualche crepa. I certificati Lean riducono di molto questo rischio, ma non cancellano il lavoro di interpretazione e di contestualizzazione che solo la comunità può fare.

Resta però un fatto difficile da ignorare. Per la prima volta un sistema di intelligenza artificiale non si limita a rincorrere risultati già noti, ma contribuisce a espandere la frontiera del sapere in modo verificabile, a un costo quasi simbolico e con un modello che nemmeno possiamo ancora provare in prima persona.

Se lavori nella ricerca, nella didattica o semplicemente segui da vicino l’evoluzione dell’AI, questo è il momento di prestare attenzione. La collaborazione tra intelligenza umana e modelli generativi sta smettendo di essere una promessa da conferenza per diventare uno strumento di lavoro concreto.

Ti conviene continuare a seguire questi sviluppi e, soprattutto, verificare sempre alla fonte: il rapporto completo, con tutti i certificati, è disponibile sul sito ufficiale di OpenAI. È il modo migliore per farti un’idea tua, senza affidarti soltanto al clamore del momento.