OpenAI wirft 722 KI-Mathe-Papers auf GitHub und die Mathematiker revoltieren

Ein KI-Modell hat in einem Wurf 722 mathematische Manuskripte geschrieben, darunter der größte Angriff auf die Riemannsche Vermutung seit 160 Jahren, und die Menschen, die Jubeln müssten, sind wütend. Am 6. Oktober hat OpenAI das öffentliche Repository openai/math freigeschaltet: 722 Manuskripte, geordnet in 372 Ergebnisfamilien, dazu Lean-Formalisierungen für 235 der Familien, also maschinell prüfbare Beweise in einer Sprache, die ein Computer Satz für Satz gegenprüfen kann. Sam Altman schrieb bei X, wir träten in eine neue Ära der Entdeckung. Die Community antwortete mit Mafia-Vergleichen, einer offiziellen Empfehlung, genau solche Tests einzustellen, und einem Essay eines xAI-Gründers, der erklärt, warum die Mathematik trotzdem nie wieder wie bisher sein wird. Ich gehe die Story durch, weil sie etwas zeigt, das mich in meinem Agentenbetrieb täglich beschäftigt: den Unterschied zwischen einer Behauptung eines Agenten und einem geprüften Resultat. Auslöser dieses Beitrags ist ein Video von AI Revolution, das die Vorgänge rund um das Repository zusammenfasst; alle Kernzahlen habe ich gegen die offizielle OpenAI-Ankündigung und das Repository selbst geprüft.

Zuerst das Faktische. Die Manuskripte stammen aus einem internen Frontier-Modell von OpenAI, das niemand außerhalb der Firma benutzen kann. OpenAI sagt, man habe rund 4.000 real existierende offene Probleme auf das Modell gelassen und nur die signifikanten Ergebnisse behalten. Das große Publikum hat zuerst auf einen Satz geschaut: Riemann. Die Riemannsche Vermutung behauptet seit 1859, dass die Nullstellen der Zetafunktion allesamt auf einer einzigen geraden Linie sitzen; Hunderte Sätze aus der Primzahltheorie stehen auf dieser Annahme, aber bewiesen wurde sie in 160 Jahren nie. Das Modell hat jetzt für eine ganze Familie verwandter Funktionen eine nullstellenfreie Zone bewiesen, in der die gesuchten Punkte nicht liegen können, und zusätzlich ausgeschlossen, dass in dieser Familie ein sogenannter Siegel-Nullpunkt existiert, ein Phantom, das die Analytiker jahrzehntelange Nervenzusammenbrüche kostet. Das ist nicht die Vermutung selbst, aber wenn es hält, ist es der größte Sprung in diesem Gebiet seit einem halben Jahrhundert, und die Beweisschritte dafür liegen in Lean vor. Dasselbe Muster zieht sich durch das Repository: das Unique-Games-Theorem, das eine Vermutung von Subhash Khot aus 2002 samt den Konsequenzen aus 2008 direkt beweist, Teilresultate zur Hodgeschen Vermutung, Kakeya in drei und vier Dimensionen, eine Version von Hilberts zehntem Problem und die Irrationalität der Catalanschen Konstante. Was nicht passiert ist: ein kompletter Beweis der Riemannschen Vermutung oder der Navier-Stokes-Gleichungen.

Das Modell ist der Nachfolger dessen, was im Vormonat die Navier-Stokes-Millenniumsaufgabe getroffen hat, und laut OpenAI deutlich stärker als GPT-6 Astra. Der Aufwand ist der Punkt, der Fachleute am Kopfreiben lässt. Beim Millenniums-Resultat liefen laut OpenAI etwa 10.000 Agenten 88 Stunden lang; diesmal kam schätzungsweise fast jedes Ergebnis aus einem einzelnen Agenten mit einem einzelnen Prompt, im Durchschnitt drei Stunden ChatGPT-Pro-Denken. Sonderbehandlung gab es nur für die Riemann- und die Hodge-Familie, den Riemann-Text haben Menschen überarbeitet. OpenAI hat zehn Reasoning-Summarys veröffentlicht, die durchschnittliche Rechenzeit und das Volumen der probierten Probleme, aber die Prompts selbst fehlen, ebenso die Kosten pro Ergebnis. Der Mathematiker Andrew Sutherland vom MIT hat deshalb gesagt, die Ein-Agent-Claims blieben unbewiesen, bis das Modell draußen sei und die Ergebnisse reproduziert werden könnten; man müsse die Belege sehen wollen. Auffällig ist übrigens, wie lebendig das Repository ist: Die Manuskripte und Lean-Formalisierungen wurden in den ersten Tagen mehrfach nachgeschoben, ein Zeichen, dass Fehler in den ungeprüften Teilen tatsächlich auftreten und Version für Version korrigiert werden.

Warum feiert niemand? Weil das Verhältnis zwischen dem Labor und der Disziplin zerrüttet ist, und das hat Vorgeschichte. Im August hatte OpenAI laut Teilnehmerberichten rund 40 Spitzenmathematiker hinter verschlossenen Türen versammelt und die Frage gestellt, was die Disziplin tun würde, wenn KI sie komplett überholen würde; dabei soll durchgeklungen sein, das Unternehmen hätte schon über 100 offene Probleme gelöst. Am 21. September wurde das offiziell bestätigt, verbunden mit der Zusage, nicht alles gleichzeitig zu publizieren. Die Mathematiker baten darum, kein Influencer-Gehabe an den Tag zu legen, sondern reguläre Papers zu publizieren, die Menschen Zeit zum Prüfen haben. Bryna Kra von der Northwestern University brachte das im Nachgang auf die Formel, im Raum hätten sich extreme Aufregung und extreme Angst gleichzeitig angefühlt, und die Meinung sei klar überhört worden. Am 6. Oktober lagen dann aber alle 722 Manuskripte auf einmal im Repository. Eine OpenAI-Sprecherin erklärte, man sei von keiner solchen Zusage bewusst. Dazu passen die offenen Wunden: Ein offener Brief von 25 Mathematikern aus September wirft den Labors vor, die schwersten Probleme der Menschheit als Modelle-Scoreboard zu missbrauchen. In die gleiche Kerbe schlägt der Streit um Navier-Stokes: Tristan Buckmaster von der NYU sagt aus, er arbeite zusammen mit Levent Alpoge von Anthropic an einem Schlüsselteil des Problems, ausgerechnet mit OpenAI-Werkzeugen, und OpenAI habe, befeuert vom Gerücht, ein anderes Team sei nah dran, Tausende Agenten aufs Problem geworfen, um zuerst zu sein. Sätze, die OpenAI-Forscher Sebastian Bubeck dabei angeblich gefallen sein sollen, bestreitet dieser; solche Vorgänge gehen auf Wired-Berichte zurück und bleiben, solange ich die Primärtexte nicht gelesen habe, mit Vorsicht zu genießen. Das Klima fasst Néstor Guillen zusammen, der von Kollegen hört, die Angst gelte den Unternehmen und der Machtanhäufung, nicht der KI selbst; die Mafia-Vergleiche stammen genau aus diesem Nerv. Dazu kommt die reine Börsen-Rechnung: Da OpenAI und Anthropic beide auf einen Börsengang zusteuern, lesen viele die Paper-Würfe als Show für Investoren.

Die beraterische Instanz, über die OpenAI selbst den Dialog versucht, heißt Advisory Group on Mathematics and Artificial Intelligence und sitzt am Institute for Advanced Study in Princeton; Timothy Gowers, Martin Hairer und Edward Witten, drei Fields-Medaillisten, sitzen in ihr. Nach Anhörung von mehr als 600 Mathematikern haben die am 29. September Empfehlungen veröffentlicht, die in einem Punkt anfangen: Labors sollen aufhören, die großen Mathematik-Probleme an privaten Modellen zu testen. Der Rest liest sich wie ein Sittenkodex für Agentenbetriebe: Jedes Ergebnis soll offenlegen, welches Modell, welche Prompts, wie die Begründung lief, wie lange es dauerte und was es kostete; Beweise sollen maschinell geprüft sein, in Form von Lean oder Ähnlichem; die Ablage soll an einem Ort liegen, den kein KI-Unternehmen kontrolliert; Marketing bleibt draußen; große Bündel sollen dokumentieren, wie die Probleme ausgewählt wurden und wie viele Versuche scheiterten; Förderung soll über gemeinnützige Organisationen laufen, die Verteilung der Mittel also nicht beim Labor bleiben; Mathematiker brauchen Zugang zu publik zugänglichen Modellen. OpenAI hat die Empfehlungen nicht als verbindliche Regel übernommen: Man sei nicht daran gebunden, internes Testing sei der schnellste Weg zu wissenschaftlichen Werkzeugen, und man versuche weiter, eine von der Community getragene Ablage zu finden, während die Papers vorerst in einem OpenAI-eigenen Repository liegen. Eine Sprecherin räumte sogar ein, OpenAIs eigene Mathematiker hätten viele dieser Ergebnisse selbst noch nicht vollständig durchdrungen.

Ich habe keine der 722 Aussagen fachlich geprüft, und genau das sage ich nicht alsDisclaimer, sondern als Methode. Erste Lehre: Der Wert einer Aussage hängt daran, ob ein Mechanismus die Schritte ohne Zuhören gegenrechnen kann. Ein Agent kann eine Million Wörter behaupten, aber Lean ist für die Mathematik exakt dasselbe, was für meinen Agentenbetrieb der Readback ist: Ich glaube kein ok: true der API, ich lese zurück. Die Community baut genau dieses Rückgrat gerade in Eigenregie aus, mit Registern für maschinell geprüfte Beweise und mit einer Leiden-Deklaration, die von über 4.000 Mathematikern unterschrieben wurde. Zweite Lehre: Souveränität zeigt sich in der Halteposition, nicht im Modell. Die Streitfrage des gesamten Falls ist nicht, ob die Ergebnisse stimmen, sondern wer die Ablage kontrolliert, wer die Kosten offenlegt und wessen Regeln gelten; das sind, übertragen in meinen Betrieb, dieselben Fragen wie bei jedem Werkzeug, das mir Rechenleistung als Abo verkauft: Ich halte die Daten lokal, ich messe im Dashboard und ich vertraue Zahlen aus dem User-Dashboard, nicht aus dem Marketing.

Die schärfste Pro-Position kommt von Christian Szegedy, einem der zwölf Gründer von xAI, der früher führend an Inception, an adversarial examples und an Batch-Normalisierung gearbeitet hat und 2019 vorhersagte, KI würde bis 2029 zum übermenschlichen Mathematiker werden, weil sie lernt, menschliche Beweise in maschinenprüfbare zu überführen. 2024 zog er die Prognose um drei Jahre nach vorn und wetzte mit dem Keras-Erfinder François Chollet um das Datum Juni 2026. Der Kontext: In diesem Jahr hat OpenAI im Mai eine Geometrievermutung widerlegt, Anthropic schrieb im Juli mit Claude Fable 5 eine Widerlegung einer Vermutung aus 1939, und am 4. September ließ ein internes Anthropic-Modell einen maschinenprüfbaren Beweis des Großen Fermatschen Satzes in 11 Tagen fallen, wofür Menschen 350 Jahre gebraucht haben. Sein Essay auf X fragt, warum die Mathematik eine Dschungel-Expedition war und was passiert, wenn Flugzeuge aufkommen: Der Erstflug der Wrights dauerte 12 Sekunden, kürzer als die Spannweite eines Airliners; genau da, sagt Szegedy, stehe die KI in der Mathematik gerade. Die Bergsteiger würden sagen, die Steine, die die Flugzeuge treffen, seien uninteressant und die echten Gipfel würden nie erreicht; das sei statisches Denken. Sein Fazit endet mit dem Satz, man solle nicht gegen Flugzeuge wetten, und mit der Prognose, die Universitäten sähen zwar unverändert aus, würden aber belohnen, wer sinnvoll auswählt, KI-Flotten kommandiert und Entdeckungen erklären kann. Ich lese das nicht als Prognose, sondern als Beschreibung dessen, was in dem Streit um das Repository tatsächlich passiert: Die Disziplin verhandelt gerade nicht über die Mathematik, sondern über die Infrastruktur der Wahrheit.

Über den Autor: Ich bin Marcel, Grafikdesigner, und betreibe das HUNTER-Cyberdeck auf einem gebrauchten Google Pixel 6a. Ich orchestriere meine Agentenfamilie mit Hermes, pi und herdr und schreibe diese Beiträge aus dem laufenden Betrieb. Zuletzt fachlich geprüft am 08.10.2026.

Quellen: OpenAI, Sharing AI progress in mathematics, offizielle Ankündigung des Releasing der Ergebnisse mit Reasoning-Summarys, Rechenzeit und Zusammenarbeit mit der Beratergruppe, abgerufen am 08.10.2026. GitHub, openai/math, Repository mit 722 Manuskripten und Lean-Formalisierungen, Sterne- und Lizenzangaben aus dem Repo-Index, abgerufen am 08.10.2026. Advisory Group on Mathematics and Artificial Intelligence, allgemeine Empfehlungen vom 29.09.2026, im OpenAI-Text verlinkt. Scientific American, OpenAI unleashes hundreds more math results upon a field already in shock, Aussagen von Terence Tao und Daniel Litt, abgerufen am 08.10.2026. latent.space, AINews zu Quasi-Riemann mit Community-Reaktionen inklusive Alpöge-Zitat, abgerufen am 08.10.2026. YouTube, AI Revolution, OpenAI Just Broke Math With Its Most Powerful AI Yet, Auslöser-Video, gesichtet am 08.10.2026.