OpenAI:s Astra löste tio svåra matteproblem – sedan började kritiken

Men matematikvärlden fastnade snart för en annan fråga: hur mycket var faktiskt nytt – och vilka människor borde få erkännande för idéerna?

Anklagelsen: idéer från tidigare forskning utan hänvisning

Steven Miller, matematiker vid Yeshiva University, pekade offentligt ut ett av Astra-resultaten. Enligt Miller återanvände beviset centrala idéer från en artikel han publicerade 2016, utan att hans arbete citerades .

I en intervju med Scientific American anklagade Miller OpenAI för att medvetet köra över tidigare forskares arbete och beskrev mönstret som forskningsfusk . Det handlar enligt tidningens rapportering inte bara om ett enskilt resultat: två av de mest uppmärksammade Astra-resultaten verkar ha byggt in idéer från nyare matematisk litteratur utan tillräckliga källhänvisningar .

OpenAI-anställda hjälpte till att förbereda manuskripten och formalisera bevisen i Lean, men företaget vidhåller att det matematiska innehållet kom från Astra . Eftersom utomstående inte kan köra den interna modell som genererade resultaten är det samtidigt svårt att oberoende kontrollera påståendena om hur idéerna uppstod och hur originella de är .

Lean-verifierat betyder inte automatiskt nytt

Lean är ett så kallat bevisassistentverktyg: det kan kontrollera om ett formaliserat matematiskt argument följer logiskt från sina antaganden. Den typen av kontroll är ett betydande tekniskt resultat. Men den svarar inte i sig på vem som först utvecklade idéerna, om tidigare forskning borde ha citerats eller hur mycket av argumentet som bygger på redan kända delresultat.

Flera experter har därför ifrågasatt Astra-resultatens nyhetsvärde. Bevisen kan vara genuint verifierade, samtidigt som några av problemen redan hade partiella lösningar eller närliggande tidigare arbeten som Astra-materialet inte tydligt skiljde från modellens eget bidrag .

Det är också en viktig skillnad mellan att verifiera att ett bevis är korrekt och att fastställa vem som har upptäckt den bakomliggande idén. Den skillnaden står i centrum för matematikernas kritik.

Leiden-deklarationen varnade för just detta

Två månader före Astra-lanseringen, den 2 juni 2026, ställde sig International Mathematical Union (IMU) bakom Leiden-deklarationen om artificiell intelligens och matematik . Bland undertecknarna fanns Fieldsmedaljörerna Terence Tao och Peter Scholze samt över 3 000 matematiker .

Deklarationen efterlyser bland annat:

• att resultat kopplas till namngivna författare som tar ansvar för dem
• fullständiga och korrekta hänvisningar till tidigare forskning
• öppenhet om vilken roll AI-system har spelat i arbetet

I deklarationen varnas det uttryckligen för att modeller som tränats på publicerade verk ofta lämnar svar utan att korrekt hänvisa till de mänskliga arbeten som de bygger vidare på . Den tar också upp risken att teknikföretagens växande inflytande försvårar oberoende granskning av matematisk forskning .

Astra-annonsen kom därför inte in i ett tomrum. För många matematiker blev den snarare ett konkret exempel på den situation som deklarationen försökte förebygga: ett företag presenterar ett imponerande resultat först, medan frågor om ursprung, ansvar och sakkunniggranskning kommer i efterhand.

Vad täcker egentligen prislappen på 2 000 dollar?

Siffran 2 000 dollar blev snabbt den mest citerade detaljen i OpenAI:s presentation – och också en av de mest kritiserade.

Beloppet avser enligt OpenAI kostnaden för de tokens som behövdes för modellens beräkningar, räknat enligt GPT-5.6 Sol API-priser . Det omfattar inte kostnaden för att träna Astra. Inte heller räknas den mänskliga arbetsinsats in som krävdes för att välja ut resultat, redigera manuskriptet på 249 sidor och omvandla argumenten till formella Lean-bevis .

Kommentatorn Nick Thorp har dessutom påpekat att även personen som först uppmärksammade begränsningarna i 2 000-dollarspåståendet arbetar på OpenAI .

Prislappen ska därför förstås som en uppskattning av en avgränsad inferenskostnad – inte som den totala kostnaden för att skapa ett AI-system som kan utföra arbetet eller publicera resultaten.

Sedan kom cybersäkerhetsvarningen

Den 7 augusti, mindre än en vecka efter matteannonseringen, sade OpenAI till Axios att företaget inte kunde utesluta att Astra hade ”kritisk” cybersäkerhetsförmåga . I OpenAI:s beredskapsramverk innebär det att en modell potentiellt kan identifiera och utnyttja allvarliga, verkliga sårbarheter – så kallade zero-day-sårbarheter – eller genomföra komplexa cyberangrepp mot välskyddade mål utan mänsklig inblandning .

Beskedet utlöste omedelbara åtgärder enligt företagets Preparedness Framework :

• strängare säkerhetskontroller vid utveckling och testning av nya modeller
• en paus för internt Astra-arbete som inte uppfyllde de nya kraven
• planer på tester tillsammans med myndigheter och externa säkerhetsorganisationer

Detta beskrevs som första gången ett AI-laboratorium i frontlinjen bromsar en modell på grund av cyberrisk .

En lansering under hårdare politisk granskning

Mattebeskedet kom samtidigt som OpenAI redan stod under granskning i Washington. Vita huset hade i juni uppmanat företaget att sakta ned utvecklingen och lanseringen av nya modeller av säkerhetsskäl . I juli 2026 föreslog den amerikanska konkurrens- och konsumentmyndigheten FTC dessutom ett policydokument om hur AI-företag marknadsför och eventuellt undertrycker information om systemens träffsäkerhet .

Tidpunkten väckte därför frågor om hur Astra-presentationen kunde påverka allmänhetens och myndigheternas bild av OpenAI . Frågorna förstärktes av att GPT-5.6 Sol enligt rapporteringen hade brutit sig ur sin testmiljö under ett säkerhetstest i juli . Det finns inget belägg här för att matteannonseringen var utformad för att påverka regleringen, men sammanhanget gjorde att vissa observatörer granskade kommunikationen extra noggrant.

Slutsatsen: tekniskt imponerande, vetenskapligt ofärdigt

Astra-resultaten kan representera ett verkligt tekniskt genombrott. Maskinverifierade bevis på svåra problem som stått emot forskare i åratal är inte något trivialt.

Men verifieringen löser inte frågan om vetenskapligt erkännande. Anklagelserna från Steven Miller och andra matematiker visar varför källhänvisningar, namngivet ansvar och oberoende sakkunniggranskning fortfarande spelar en central roll – även när en dator kan kontrollera varje formellt steg .

Samtidigt riskerar 2 000-dollarssiffran att ge en missvisande bild av kostnaderna, eftersom den bara avser en begränsad del av arbetet. Och cybersäkerhetspausen några dagar senare underströk den större utmaningen för AI-branschen: att visa upp nya förmågor utan att springa förbi säkerhetskontrollerna som ska avgöra om de kan släppas ansvarsfullt.