O avanço no raciocínio dos LLM em problemas matemáticos complexos resultou em 35/42 pontos na IMO, segundo pesquisadores da OpenAI
A OpenAI anunciou que um modelo experimental de linguagem alcançou desempenho equivalente ao de uma medalha de ouro na Olimpíada Internacional de Matemática, resolvendo cinco dos seis problemas oficiais e somando 35 dos 42 pontos possíveis na prova da IMO 2025. Segundo os pesquisadores Alexander Wei e Noam Brown, o resultado representa um avanço no raciocínio dos LLM em problemas matemáticos complexos, capaz de produzir argumentos longos e rigorosos em linguagem natural.
Como foi o teste e o que os pesquisadores disseram
O modelo respondeu às questões sob as condições padrão de competição: duas sessões de 4,5 horas, sem ajuda externa, todas as respostas escritas em linguagem natural e sem o uso de ferramentas. As soluções foram avaliadas de forma anônima por medalhistas anteriores da IMO e, segundo a OpenAI, as soluções completas estão disponíveis no GitHub.
Wei afirmou que este é o primeiro modelo de IA capaz de “elaborar argumentos complexos e à prova de falhas no nível dos matemáticos humanos”. Brown explicou que o sistema se apoia em “novas técnicas experimentais de uso geral” e destacou um comportamento incomum: “Enquanto alguns modelos geram uma ideia em segundos e outros pesquisam profundamente por alguns minutos, este pensa por horas”.
Em uma confirmação no X, o pesquisador Jerry Tworek afirmou que o modelo recebeu “muito pouco trabalho específico para a IMO — apenas treinamento contínuo dos modelos base de uso geral”. Tworek também observou que “todos os grandes anúncios da OpenAI nesta semana — o sistema de agente de IA geral, a derrota apertada para um humano em um concurso de programação heurística e a resolução de 5 dos 6 problemas da IMO — vieram do mesmo sistema de aprendizado por reforço”, e comentou que uma liberação pública do modelo é possível até o final do ano.
Por que isso importa para o raciocínio dos LLM em problemas matemáticos complexos
A importância do feito reside no caráter de uso geral do modelo. Ao contrário de iniciativas como o AlphaGeometry da DeepMind, desenvolvido especificamente para matemática, a OpenAI diz que alcançou o resultado sem técnicas estritas direcionadas, mas por meio de escalonamento do processamento em tempo de teste e de aprimoramentos no aprendizado por reforço.
Se confirmado de forma independente, o avanço pode indicar que modelos de grande escala conseguem transferir habilidades de raciocínio formal para problemas inéditos, abrindo possibilidades para assistência em pesquisas científicas, verificação de provas e automação de tarefas intelectuais complexas. Brown sugere que “mesmo uma pequena vantagem em relação ao desempenho humano pode impulsionar grandes avanços científicos”, ressaltando o potencial de escalabilidade desse tipo de abordagem.
Limitações, cautelas e próximos passos
Apesar do otimismo, a OpenAI e observadores externos apontam limitações óbvias. Os resultados ainda não foram confirmados de forma independente, e a própria OpenAI afirma que o projeto é estritamente de pesquisa, sem planos imediatos de liberar o modelo ou um similar. Wei esclareceu que, embora o GPT‑5 esteja previsto para breve, ele não está relacionado ao modelo usado na IMO, que foi desenvolvido por uma pequena equipe liderada por Wei.
Além disso, um teste recente conduzido pela plataforma MathArena.ai evidenciou lacunas significativas em modelos contemporâneos: “Nenhum deles conseguiu atingir os 19 pontos necessários para uma medalha de bronze”. A avaliação citou nomes como Gemini 2.5 Pro, Grok‑4, DeepSeek‑R1 e modelos o3 e o4‑mini da OpenAI, e destacou que “O Gemini 2.5 Pro teve o melhor desempenho, mas com apenas 13 dos 42 pontos”. Esses números colocam em perspectiva a distância entre modelos comerciais e o experimento da OpenAI.
Pesquisadores também ressaltam que a qualidade das soluções precisa ser verificada em outros conjuntos de problemas e em aplicações práticas fora do formato competitivo da IMO. A reproducibilidade independente e a transparência sobre técnicas e custos computacionais serão cruciais para avaliar o real impacto no campo do raciocínio dos LLM em problemas matemáticos complexos.
Por ora, a comunidade acompanha com atenção. A OpenAI descreve o trabalho como um marco interno, e Tworek indicou a possibilidade de uma liberação pública até o fim do ano. Enquanto isso, especialistas e concorrentes continuarão a testar e comparar abordagens, em busca de confirmar se essa conquista representa apenas um passo isolado ou uma virada estrutural nas capacidades de raciocínio das LLM.
Deixe um comentário