OpenAI Model Astra Berhasil Memecahkan 10 Soal Matematika Puluhan Tahun dengan Biaya Hanya Rp30 Juta

Pada 1 Agustus 2026, OpenAI mengumumkan bahwa versi internal dari model generasi terbaru mereka yang belum dirilis, Astra, berhasil menghasilkan sepuluh temuan baru di bidang matematika dan ilmu komputer teoretis . Setiap masalah ini sudah terbuka setidaknya selama satu dekade, dan sebagian besar justru lebih lama lagi. Perusahaan tersebut menerbitkan manuskrip setebal 249 halaman dan merilis sertifikat bukti formal Lean 4 yang bisa diperiksa oleh mesin di GitHub dengan lisensi Apache 2.0 . OpenAI menyatakan bahwa biaya token untuk menghasilkan kesepuluh solusi ini kira-kira $2.000 dengan tarif API Sol . Pengumuman ini disambut dengan antusiasme atas hasilnya, namun juga skeptisisme terkait cara penyajian dan keterbatasannya .

Masalah Spesifik yang Dipecahkan Astra

Menurut laporan OpenAI, hasilnya mencakup delapan bidang dan mencakup bukti, contoh penyangkal, serta batasan yang lebih baik :

• Grup non-sofic — Konstruksi eksplisit pertama yang membuktikan keberadaan grup non-sofic, menutup pertanyaan sentral dalam teori grup yang tak terpecahkan sejak konsep soficitas diperkenalkan oleh Mikhail Gromov pada tahun 1999 .
• Konjektur rigiditas Connes — Menyanggah konjektur yang sudah lama ada dalam aljabar von Neumann .
• Pengemasan bola dimensi tinggi — Batas atas baru untuk pengemasan bola di dimensi di luar yang sudah terselesaikan .
• Tiga masalah yang diajukan Paul Erdős — Memecahkan tiga masalah kombinatorial terbuka dari kanon Erdős, termasuk masalah Erdős No. 183 tentang bilangan Ramsey multiwarna .
• Hasil tambahan — Temuan baru dalam pengulangan paralel kuantum, masalah vektor terdekat dalam kriptografi kisi, kompleksitas sirkuit aritmetika, kode biner dan bola, serta konjektur volume Ehrhart .

Cara OpenAI Memverifikasi Solusi

OpenAI tidak hanya mengandalkan keluaran model. Setiap hasil disertai dengan sertifikat bukti formal Lean 4 — file bukti yang dapat diperiksa oleh komputer dan dapat diverifikasi sendiri oleh pembaca di laptop masing-masing . Lean adalah asisten pembuktian yang memeriksa setiap langkah logis dari aksioma hingga kesimpulan, mendeteksi celah, kesalahan tipe, dan ketidakkonsistenan . OpenAI menerbitkan semua file Lean secara publik di GitHub, dan jumlah "maaf" di repositori — yang menunjukkan langkah yang belum terbukti — adalah nol untuk semua sepuluh bukti .

Namun, sejumlah pengamat mencatat bahwa verifikasi formal memiliki batasan penting: Lean dapat mengonfirmasi bahwa pernyataan formal mengikuti definisi formalnya, tetapi tidak dapat menjamin bahwa ringkasan siaran pers secara akurat mencerminkan teorema formal, bahwa definisi formal sesuai dengan masalah yang dimaksud oleh komunitas matematika, atau bahwa kebaruan dan kerangka historis hasil tersebut sudah benar . Para ahli masih perlu mengaudit kesetiaan pernyataan, definisi, reduksi, serta jembatan antara informal dan formal .

Biaya: $2.000 dalam Token

OpenAI mengungkapkan bahwa total biaya komputasi untuk menghasilkan kesepuluh solusi adalah kira-kira $2.000 dalam biaya token dengan tarif API Sol . Angka ini adalah harga setara API untuk token pencari solusi saja — tidak termasuk upaya yang gagal, eksplorasi paralel, dan komputasi internal yang dihabiskan untuk mencari sebelum menemukan sertifikat . Sebagai perbandingan, biaya tahunan seorang mahasiswa PhD matematika di universitas ternama bisa melebihi $50.000, menjadikan efisiensi biaya sebagai aspek paling mencolok dari pengumuman ini bagi banyak pengamat .

Kritik dan Skeptisisme

Komunitas matematika dan peneliti AI telah mengemukakan beberapa poin peringatan:

• Komunitas matematika terbelah — Penilaian atas hasil ini masih beragam. Beberapa peneliti mengingatkan bahwa meskipun sertifikat Lean membuktikan kebenaran formal, hal itu tidak menjamin bahwa hasil tersebut signifikan, mengejutkan, atau dirangkai dengan benar sebagai solusi dari masalah terbuka yang dimaksud .
• Gary Marcus (ilmuwan kognitif) berargumen bahwa "keberhasilan di bidang matematika adalah kasus khusus" dan bahwa keahlian di satu domain tidak berarti kemampuan penalaran umum. Ia mendaftarkan delapan kesalahpahaman umum, memperingatkan agar tidak terlalu menggeneralisasi hasil ini ke semua bidang sains .
• "Siapa yang memverifikasi bukti AI?" — Pengamat mengajukan pertanyaan terbuka tentang cara mengaudit matematika yang dihasilkan AI ketika penalarannya tidak transparan. Belum ada metode yang disepakati untuk mengevaluasi apakah hasil model kotak hitam merupakan rekonstruksi dari karya yang sudah diketahui .
• Kurangnya peer review dan transparansi — Pengumuman ini datang tepat setelah "Deklarasi Leiden" pada Juni 2026, di mana para matematikawan mengkritik perusahaan AI yang melewati peer review dengan siaran pers . OpenAI belum merilis model Astra secara publik, memberikan kartu model, atau mengungkapkan tingkat kegagalan di balik angka $2.000 tersebut .
• Perbandingan dengan Google DeepMind — Para skeptis mencatat bahwa klaim AI matematika sebelumnya (misalnya, AlphaGeometry dari DeepMind) kemudian menghadapi pengawasan ketat, mendesak kehati-hatian sebelum menyatakan terjadi pergeseran paradigma .

Implikasi yang Lebih Luas

• Demokratisasi riset — Biaya $2.000 menunjukkan masa depan di mana tim kecil atau bahkan individu dapat menggunakan AI untuk memberikan kontribusi riset nyata yang sebelumnya membutuhkan keahlian manusia bertahun-tahun .
• Krisis budaya verifikasi — Bidang ini kini menghadapi kebutuhan mendesak akan standar yang disepakati tentang cara mengevaluasi, mengatribusikan, dan meninjau bukti yang dihasilkan AI ketika modelnya adalah kotak hitam milik perusahaan .
• Kontrol komersial atas matematika — Jika penemuan matematika mutakhir menjadi bergantung pada akses API ke model milik perusahaan, infrastruktur riset inti bergeser dari institusi publik ke perusahaan swasta .
• Tolok ukur baru untuk kemampuan AI — Tidak seperti memecahkan masalah kompetisi tetap (misalnya, IMO atau MATH), Astra menghasilkan hasil masalah terbuka yang benar-benar baru yang memajukan batas pengetahuan, meningkatkan standar untuk apa yang dimaksud dengan "AI melakukan matematika" . Thomas Bloom, seorang matematikawan dari University of Manchester, menyebut hasil ini "berita besar" sambil juga menolak gagasan bahwa AI menggantikan matematikawan, dengan mencatat bahwa AI memanfaatkan lebih dari satu abad teori matematika dan dibangun oleh para matematikawan .