OpenAIs 722 mathematische Manuskripte stammen aus einem einzigen Prompt
OpenAI hat hunderte Mathe-Manuskripte auf GitHub veröffentlicht, erzeugt von einem internen Modell mit rund drei Stunden ChatGPT-Pro-Rechenzeit. Erstaunlich: Fast alle Ergebnisse gehen auf denselben Ausgangsprompt zurück.
Veröffentlicht am 9. Oktober • Zuerst erschienen auf peremptory.ai
Letzte Woche hat OpenAI 722 mathematische Manuskripte auf GitHub hochgeladen. Jedes einzelne wurde von einem internen, noch nicht veröffentlichten Modell erzeugt, das für die Bearbeitung von rund 4.000 Mathematikaufgaben etwa drei Stunden Rechenleistung im Umfang von ChatGPT Pro verbrauchte. Der kuriose Teil daran: Fast jedes Ergebnis stammte aus einem einzigen Prompt, der an einen einzigen KI-Agenten übergeben wurde.
Ich lese diese Meldung anders als die schlagzeilenfreundliche Rahmung nach dem Motto "OpenAI löst Matheprobleme". Die eigentliche Geschichte ist die Tatsache, dass sich 722 Ergebnisse zu einer einzigen Prompt-und-Agent-Ausführung verdichten. Das bedeutet, dass die Vielfalt der Ausgaben nicht davon herrührt, dass das Modell verschiedene Ansätze erkundet oder unabhängige Lösungen findet. Es ist ein einziger Reasoning-Zweig, ein einziger Pfad durch den Suchraum, der wiederholt und zu 722 Varianten zurechtgestutzt wurde.
Das verändert die Perspektive auf das, was wir hier sehen. Wir sehen kein Modell, das mehrere mathematische Traditionen wirklich durchdringt oder dieselbe Aufgabe auf fünf verschiedene Arten lösen kann. Wir sehen ein Modell, das auf eine einzige Methode, einen einzigen Deutungsrahmen, eine einzige funktionierende interne Repräsentation fixiert ist. Skaliert man die Generierung hoch und liefert 722 Ergebnisse aus, sieht das nach Breite aus. In Wirklichkeit ist es die Tiefe einer einzigen Ausführung.
Scott Aaronson hat auf etwas anderes hingewiesen, über das man nachdenken sollte. Er stellte fest, dass Frontier-Labore begonnen haben, still zu prüfen, ob ihre neuesten mathematikfähigen Modelle echte kryptografische Primitive brechen können. OpenAIs Veröffentlichung vom 6. Oktober enthielt Beweise zur Unique Games Conjecture sowie angebliche Arbeiten zu L=BPL. Aaronson merkt an, dass das Modell nur etwa 5 Prozent von 8.000 versuchten offenen Problemen löste, jeweils bei drei Stunden Rechenzeit. Aber die Tatsache, dass Labore ihre Modelle nun gegen Verschlüsselung testen und das stillschweigend tun, deutet darauf hin, dass sie die Möglichkeit ernst nehmen, dass Mathematikmodelle zu Werkzeugen für das Brechen echter Sicherheitssysteme werden könnten.
Die Beweise selbst haben eine Auffälligkeit. Mathematiker, die die Ausführungen gelesen haben, beschreiben sie als "geschrieben von jemandem auf Psychedelika". Das ist oberflächlich amüsant. Es ist aber auch ein Warnsignal hinsichtlich des Reasoning-Prozesses. Das Modell kann gültige Lean-Zertifikate erzeugen, also formale Beweise, die die Prüfung bestehen, doch die Erklärungen in natürlicher Sprache sind inkohärent. Das ist ein Modell, das weiß, wann es recht hat, ohne zu verstehen, warum. Es ist Mustererkennung in großem Maßstab, kein Einblick.
Was mich dabei interessiert: OpenAI hat diese Arbeit veröffentlicht. Komplett öffentlich zugänglich gemacht. Als Schaufenster inszeniert. Doch die Details, ein Prompt, ein Pfad, funktionierende Lösungen, die wie Fieberträume wirken, zeichnen ein Bild von etwas, das weit stärker eingeschränkt ist, als die Erzählung vermuten lässt. Das Modell hat Lösungen auf einem sehr engen Weg gefunden und diesen engen Weg 722 Mal wiederholt.
Wenn dies der Stand des mathematischen Reasoning im Spätjahr 2026 ist, dann sind entweder die Durchbrüche kleiner als beworben, oder das Reasoning ist spröder, als es aussieht.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
Posted on Oct 9 • Originally published at peremptory.ai
Last week OpenAI uploaded 722 math manuscripts to GitHub. Each one was generated by an internal unreleased model that spent roughly three hours of ChatGPT Pro compute chewing through roughly 4,000 math problems. Here's the weird part: almost every result came from a single prompt handed to one AI agent.
I'm reading this differently than the headline-friendly framing of "OpenAI solves math problems." The fact that 722 results collapsed into a single prompt-and-agent execution is the actual story. It means the diversity in the outputs isn't coming from the model exploring different approaches or discovering independent solutions. It's one branch of reasoning, one path through the search space, repeated and pruned into 722 versions.
That changes what we're looking at. You're not seeing a model that groks multiple mathematical traditions or can solve the same problem five different ways. You're seeing a model locked onto one method, one framing, one internal representation that happens to work. Scale the generation up, ship 722 results, and it looks like breadth. In reality it's depth of a single execution.
Scott Aaronson flagged something else worth sitting with. He noted that frontier labs have begun quietly checking whether their newest math-capable models can break actual cryptographic primitives. OpenAI's October 6 release included proofs for the Unique Games Conjecture and claimed work on L=BPL. Aaronson points out that the model only solved around 5% of 8,000 attempted open problems at 3 hours of compute each. But the fact that labs are now stress-testing their models against encryption, and doing it quietly, suggests they're taking seriously the possibility that math models could become tools for breaking real security.
The proofs themselves have a tell. Mathematicians looking at the writeups describe them as "written by someone on psychedelics." That's funny on the surface. It's also a red flag about the reasoning process. The model can produce valid Lean certificates (formal proofs that check out), but the natural language explanations are incoherent. That's a model that knows when it's right without understanding why. It's pattern-matching at scale, not insight.
Here's what interests me: OpenAI published this work. Dumped it public. Framed it as a showcase. But the details, one prompt, one path, working solutions that read like fever dreams, paint a picture of something much more constrained than the narrative. The model found solutions in a very narrow way and repeated that narrow way 722 times.
If this is the state of math reasoning in late 2026, then either the breakthroughs are smaller than advertised, or the reasoning is more brittle than it looks.