I 722 manoscritti matematici di OpenAI: il modello che vi è dietro non ha né nome, né prezzo, né API

Alle 21:47 UTC del 6 ottobre 2026, un repository chiamato openai/math è apparso su GitHub senza descrizione e con un commit iniziale. Quattordici minuti dopo OpenAI lo ha pubblicato su X e ha messo online una pagina di accompagnamento, "Condividere i progressi dell'IA in matematica". Insieme, queste due cose descrivono un evento senza precedenti: 722 manoscritti matematici, raggruppati in 372 famiglie, prodotti da un modello di frontiera interno che OpenAI non ha nominato, non ha stabilito un prezzo e non può essere invocato da alcuna API. I modelli che stanno sotto di esso sono quelli che puoi effettivamente raggiungere oggi — GPT-6 Astra a $10 / $50 per milione di token e GPT-6.1 Sol a $2 / $10 — e nessuno dei due ha scritto questi articoli. OpenAI dice che il modello che li ha scritti è ancora in addestramento e che sta lavorando per "rilasciarlo in modo responsabile". Questo è ciò che è verificato finora, ciò che non lo è, e l'unica domanda che un lettore dovrebbe trarne.

Inizia da ciò che questo rilascio non è. Non è il lancio di un modello: non c'è una model card, nessun identificatore, nessuna finestra di contesto, nessuna tabella di benchmark, nessuna data. Non è un articolo: nulla di quanto qui presentato è stato sottoposto a peer review, e OpenAI dice chiaramente che i risultati privi di una formalizzazione in Lean "potrebbero avere problemi". E non è una fuga di notizie — il motivo per cui questo pezzo è scritto con un'impostazione basata su ciò che sappiamo finora non è che il materiale sia segreto, ma che l'oggetto stesso, il modello, non è ancora stato rilasciato. Tutto il resto di seguito è verificabile rispetto al repository, al post di OpenAI e al gruppo consultivo che OpenAI afferma di aver consultato.

Che cosa è effettivamente atterrato il 6 ottobre

Il repository è pubblico, con licenza Apache-2.0, e scritto in Lean. Il suo README afferma che il catalogo «contiene 722 manoscritti organizzati in 372 famiglie», dove una famiglia raggruppa un risultato principale con argomenti complementari, conseguenze o prove alternative. La mappa dei manoscritti è abbastanza dettagliata da consentire una verifica: 372 famiglie con un risultato principale ciascuna, elencate con i relativi articoli costituenti e, ove disponibile, un link alla formalizzazione in Lean.

Il post di OpenAI aggiunge i dati sulla provenienza, che sono propri e non verificati in modo indipendente:

• Problemi proposti — circa 4.000, dai quali sono state selezionate le famiglie rilasciate

• Calcolo per risultato — in media, l'equivalente di circa tre ore di pensiero di ChatGPT Pro

• Sintesi di ragionamento — 10 pubblicate, riguardanti famiglie che includono l'esponente di irrazionalità di π, le congetture di Mahler simmetrica e generale, la congettura di finitezza diretta di Kaplansky in caratteristica due, la formula di Mézard–Parisi per i vetri di spin diluiti e il sistema relativistico tridimensionale di Vlasov–Maxwell

• Politica di revisione — le nuove versioni vengono pubblicate per le correzioni, con le versioni precedenti mantenute accessibili

Gli argomenti spaziano su tutta la mappa: teoria dei numeri, geometria algebrica e complessa, combinatoria, informatica teorica, algebre degli operatori, probabilità e fisica matematica. Alcuni dei titoli della famiglia sono, a prima vista, affermazioni molto impegnative — un controesempio alla congettura di copertura di Ryser, moltiplicazione intera inferiore a n log n, moltiplicazione di matrici con esponente al massimo 9/4, le congetture di Mahler, controesempi a Baum–Connes e Kadison–Kaplansky. Se una data affermazione sia vera è esattamente la domanda che questa versione non risolve per te.

Il modello non ha un nome, non è ancora stato rilasciato e OpenAI afferma che sta per arrivare.

Il README non lascia dubbi sull'autore: "manoscritti matematici e artefatti di supporto alle dimostrazioni prodotti da un modello interno di OpenAI", con la stragrande maggioranza ottenuta "utilizzando un modello interno di OpenAI non rilasciato". Nessun nome, nessun nome in codice, nessuna dimensione. I nomi che circolano in altri resoconti non sono stati confermati da OpenAI, e non intendiamo fornirne uno.

Ciò che è databile è la cronologia attorno ad esso. Il 28 agosto 2026, secondo la pagina di OpenAI sul suo gruppo consultivo per la matematica, l'azienda «ha iniziato ad addestrare un nuovo modello interno» che da allora ha risolto il problema del Millennio di Navier–Stokes e, secondo il conteggio della stessa OpenAI, più di 100 problemi aperti di lunga data. Il risultato su Navier–Stokes è stato annunciato separatamente l'8 settembre 2026, dove OpenAI ha descritto il modello che ne sta alla base come «significativamente più capace di GPT-6 Astra» e ha affermato che l'addestramento era ancora in corso. Due dei manoscritti della raccolta di questa settimana infrangono la procedura standard, il che vale la pena notare perché significa che il rilascio non è un'unica pipeline uniforme: il lavoro su una regione priva di zeri per la funzione zeta di Riemann e una dimostrazione della congettura di Hodge per le varietà abeliane CM sono stati gestiti diversamente, e OpenAI afferma che il testo sullo zeta è stato modificato da esseri umani per migliorarne la leggibilità.

Poi la frase che conta per chiunque stia pianificando in base a questo: OpenAI scrive che sta «lavorando per rilasciare in modo responsabile il modello che ha prodotto questi risultati». Questa è una dichiarazione d'intenti, non una data. Finché non sarà disponibile, gli unici modelli OpenAI che uno sviluppatore può chiamare sono quelli già presenti nel listino prezzi.

Che cosa significa "verifica" qui — e dove si ferma

Questa è la parte che la maggior parte della copertura della pubblicazione condensa in una frase, ed è la parte che determina quanto peso dare a ogni singolo articolo.

OpenAI è esplicito: «questa raccolta include risultati in diverse fasi di verifica». La forma di evidenza più forte nel pacchetto è una formalizzazione in Lean, che consente a un computer di verificare la dimostrazione anziché a una persona. Il manifesto di formalizzazione del repository stesso — il catalogo degli articoli con un risultato principale formalizzato — elenca 162 voci, quindi circa uno su cinque dei 722 manoscritti è supportato da una dimostrazione verificabile automaticamente nell'albero pubblico. OpenAI afferma che ne verranno aggiunti altri «man mano che li otteniamo».

La restante grande maggioranza non è verificata in quel senso, e OpenAI non pretende il contrario per l'intera raccolta: «Alcuni dei risultati non formalizzati potrebbero avere problemi. Ci adopereremo per correggere rapidamente eventuali problemi di questo tipo». Due dettagli strutturali rafforzano che si tratta di un rilascio gestito anziché aperto — le issue sono disabilitate sul repository e le pull request sono limitate ai collaboratori. Non esiste un percorso pubblico per contestare una dimostrazione in essere.

Quindi la lettura onesta è più limitata di quanto suggerisca il conteggio del titolo:

• Verificato dalla macchina — 162 manoscritti con un risultato principale formalizzato nell'albero Lean pubblico

• Non verificato automaticamente — il resto, che OpenAI stessa segnala come potenzialmente contenente errori

• Responsabilità umana — nessuno nominato; la stessa impostazione di OpenAI è che nessuna persona comprende gli argomenti alla base della maggior parte di ciò che è stato prodotto

• Valutazione indipendente — nessuna pubblicata; la selezione di quali risultati fossero "significativi" a sufficienza per essere inclusi è stata fatta da OpenAI

Niente di tutto ciò significa che il lavoro sia sbagliato. Significa che per ora "OpenAI ha pubblicato 722 dimostrazioni" e "722 dimostrazioni sono state verificate" sono affermazioni diverse, e oggi solo la prima è vera.

Il gruppo consultivo ha posto una condizione, e ciò è messo a verbale.

Il post di OpenAI afferma che ha consultato l'Advisory Group on Mathematics and Artificial Intelligence, gruppo indipendente presso l'Institute for Advanced Study, e ha attinto ai «loro consigli e alle loro raccomandazioni pubbliche». Tali raccomandazioni sono state pubblicate il 29 settembre 2026, dopo che il gruppo ha ricevuto più di 600 risposte dalla comunità matematica, e vale la pena leggerle direttamente perché il gruppo non è un organismo di mera ratifica.

Lo stesso documento si apre affermando che il gruppo non approva affatto questa pratica: «alcuni laboratori di IA all'avanguardia stanno testando problemi matematici avanzati su modelli proprietari che rimangono inaccessibili alla più ampia comunità scientifica... non approviamo questa pratica e chiediamo loro di fermarsi.» Il gruppo si descrive anche come operante in modo indipendente, con membri non retribuiti e senza potere decisionale su OpenAI — una descrizione del rapporto che riecheggia nel post di OpenAI stesso.

Dove le raccomandazioni del gruppo e questo rilascio coincidono è sul processo: una revisione della letteratura esaustiva con citazioni ai lavori che hanno introdotto le idee, stesure di dimostrazioni prodotte in uno stile standard anziché output grezzo del modello, e un versionamento che preserva i rilasci precedenti. Dove non coincidono è sulla parte che il gruppo definisce centrale — che un laboratorio che rilascia risultati che nessuno comprende dovrebbe finanziare la comprensione umana che deve seguirne, attraverso workshop, conferenze e programmi, e che questo lavoro resti guidato dalla comunità anziché diretto dal laboratorio. OpenAI si è impegnata a finanziare "una serie di workshop, conferenze e programmi speciali sulla comprensione dei principali risultati prodotti dall'IA" e afferma che i dettagli seguiranno. Questo è il punto aperto, ed è quello su cui bisogna chiamarli a rispondere.

Cosa puoi chiamare oggi, e a cosa serve davvero il routing qui

Non c'è alcun modo di inviare una richiesta al modello che ha prodotto questi manoscritti, e nessuna piattaforma di terze parti può instradarla — qualsiasi annuncio che sostenga il contrario descrive un modello che non esiste nel catalogo di nessuno. I modelli OpenAI in produzione sono la linea GPT-6 attiva, e i loro numeri sono sul listino prezzi anziché essere dedotti:

• GPT-6 Astra — 10 $ / 50 $ per milione di token, 1 $ per la lettura della cache; fascia a contesto lungo oltre 272K token di prompt a 20 $ / 75 $; contesto di 1,05M token, output massimo di 128K

• GPT-6.1 Sol — $2 / $10 per milione di token, $0,10 per lettura cache; stessa struttura a livelli per contesto lungo a $4 / $15; contesto di 1,05M token, output massimo di 128K

Entrambi sono nel catalogo OrcaRouter, il che è il punto pratico per chiunque legga questo annuncio come un segnale sulle capacità: i modelli che ti è consentito usare oggi sono anche quelli attorno ai quali sono già modellati i tuoi prompt, e il divario tra questi e quello interno è esattamente il divario che OpenAI sta chiedendo ai matematici di aiutarla a colmare.

Quel divario è anche un motivo per tenere la fattura della sperimentazione separata dal percorso di produzione. Quando OpenAI darà un nome e un prezzo a questo modello, la prima settimana sarà un fiume di affermazioni non verificate sui benchmark e un sacco di lavoro di reintegrazione in preda al panico — l'argomento di routing per una piattaforma come la nostra è che provare un modello non collaudato allora ti costa una stringa di modello, non una migrazione. GPT-6 Astra è a $10 / $50 e GPT-6.1 Sol è a $2 / $10 per milione di token, passati al prezzo di listino con 0% di markup, così una variazione di prezzo del fornitore è attiva lo stesso giorno in cui arriva. Il failover automatico significa che un nuovo modello può gestire una frazione del traffico ed essere eliminato senza far cadere con sé il percorso delle richieste, e il DSL di routing ti consente di comporre diversi modelli in un'unica chiamata se vuoi un secondo parere su una lunga derivazione invece di una singola risposta. Niente di tutto ciò si applica a un modello che non è stato rilasciato — ma è esattamente l'infrastruttura che vuoi avere pronta prima che lo faccia il prossimo.

Cosa guardare dopo

Quattro cose, nell'ordine in cui probabilmente conteranno. Il conteggio delle formalizzazioni, perché è l'unico numero in questo rilascio che può passare da "OpenAI dice" a "una macchina l'ha verificato", ed è pubblico. La prima valutazione genuinamente indipendente di un risultato specifico — un matematico esterno a OpenAI che esamina pubblicamente un paper specifico, non un riassunto della raccolta. Il repository ospitato dalla comunità che OpenAI dice di star ancora esplorando, il che sposterebbe l'artefatto dall'account di OpenAI stesso nelle mani del settore. E il rilascio del modello stesso, che OpenAI si è impegnata a fare ma non ha ancora programmato.

I 722 manoscritti significano che l'IA ha risolto questi problemi?

Per un sottoinsieme, se la matematica regge: la raccolta rivendica controesempi e dimostrazioni su problemi aperti ben noti, e 162 degli articoli hanno una formalizzazione verificabile automaticamente a supporto del loro risultato principale. Per il resto, l'affermazione è che un modello ha prodotto un manoscritto sul problema, il che è un'affermazione più debole di una soluzione verificata, e OpenAI stessa avverte che i risultati non formalizzati possono contenere errori. La distinzione tra "aver prodotto una dimostrazione" e "avere una dimostrazione" è l'intera storia di questo rilascio.

Qualcosa di tutto questo è utilizzabile in un prodotto oggi?

No. I manoscritti sono PDF, sorgenti Lean e riassunti di ragionamento — artefatti di ricerca, non un servizio. Non c'è alcun ID del modello, alcun endpoint, alcun prezzo e alcun modulo di richiesta di accesso. La parte praticamente utile del rilascio per uno sviluppatore è la conferma che OpenAI ha in addestramento un modello sensibilmente al di là di GPT-6 Astra, il che è un segnale di pianificazione per i prossimi dodici mesi piuttosto che qualcosa che puoi chiamare questa settimana.

Perché OpenAI ha pubblicato i risultati invece del modello?

Perché i due hanno profili di rischio diversi. Pubblicare manoscritti è reversibile — OpenAI conserva le versioni precedenti e afferma che correggerà i problemi — mentre distribuire il modello non lo è. OpenAI dichiara di lavorare per rilasciarlo in modo responsabile, e le raccomandazioni del gruppo consultivo, a cui l'azienda afferma di aver attinto, sono costruite esattamente attorno a questa sequenza: mettere i risultati nelle mani del settore con citazioni e versionamento, poi finanziare la comprensione umana che deve seguirne.

La versione in una riga per chi dà una scorsa veloce: un corpus di matematica prodotta dall'IA davvero senza precedenti è diventato pubblico il 6 ottobre, circa un quinto verificato dalla macchina, nessuna parte sottoposta a revisione paritaria, tutto legato a un modello che non puoi usare. La domanda interessante non è se il modello sia capace — tre ore di calcolo di pensiero di frontiera per risultato su 4.000 problemi rispondono a questo, e OpenAI afferma che il modello è significativamente più capace di GPT-6 Astra — ma se la verifica e la comprensione umana recupereranno il ritardo prima che il prossimo rilascio renda obsoleto questo.