AIの性能を、ベンチマークの数点差で比べる時代は終わり始めた。
2026年8月1日、OpenAIは次期主力モデル「Astra」の内部版が、数学・理論計算機科学の未解決問題10件を解決、または大幅に前進させたと発表した。
重要なのは「数学が得意」という話ではない。
Astraは、数十年間ほとんど動かなかった問題を複数分野で崩し、解法を論文へまとめ、さらに証明支援系Leanで機械検証できる形まで作った。
AIが既存知識を答える道具から、新しい知識を生産する研究システムへ変わったのである。
1件ではなく、8分野を横断して10件を動かした
今回の成果は、一つの数学問題だけに最適化した専用AIの記録ではない。
OpenAIが「次期主力モデル」と呼ぶAstraが、高次元幾何、符号理論、算術回路計算量、群論、作用素環論、量子計算量、格子暗号、極値組合せ論という8分野を横断して結果を出した。
内容も軽くない。
非ソフィック群の存在を具体的な構成で示し、コンヌの剛性予想には反例を提示。エルハートの体積予想や複数のエルデシュ問題を解決し、高次元球充填や符号理論では数十年間止まっていた境界を更新した。
人間の研究者は、通常一つの専門分野を何年、何十年とかけて掘る。
Astraは、一つのモデルで8分野にまたがる問題へ入り込み、10件の新結果をまとめて出した。
ここが最も異常である。
「答え」ではなく、検証可能な証明まで生成した
現在の生成AIは、もっともらしい誤答を平然と出す。
未解決問題を解いたと自称するだけなら、SNSにも毎日いる。
Astraが違うのは、数学的な議論を生成しただけでなく、10件すべてをLean 4で形式化した点だ。
Leanは、証明の各段階が論理規則に従っているかをコンピューターで検査する。OpenAIは証明データをGitHubで公開し、第三者がビルドして確認できる状態にした。
算術回路計算量を扱う「Permanent.lean」だけでも約2万7500行、容量は1.08MBある。
数行の回答をそれらしく整えたものではない。巨大な数学的議論を、機械が検証できる証明コードへ変換した成果物である。
もちろん、Leanを通れば数学的価値の評価まで終わるわけではない。定理の設定や既存研究との関係は、専門家が確認する必要がある。
それでも、AI最大の弱点だった「出力を信用できない」という問題に対して、AI自身が検証可能な証明を残した意味は大きい。
本当に壊れたのは、研究の追加コストである
OpenAIによると、10件の解法探索に使った総トークン量は、GPT-5.6 SolのAPI料金換算で約2000ドルだった。
当然ながら、これはAstraの開発費ではない。
モデルの学習費、GPU、人件費、問題選定、論文化、検証費用は含まれていない。
それでも重要なのは、一度モデルを完成させれば、数十年止まった問題10件への追加探索を数千ドル規模で回せる可能性が示されたことだ。
人間の研究では、専門家を一人育成するだけで10年以上かかる。複数分野へ研究者を配置すれば、人件費も時間も膨大になる。
Astraは、その探索能力をソフトウェアとして複製できる。
1件の発見より恐ろしいのは、同じモデルを数百、数千の未解決問題へ投入できることである。
ベンチマーク競争の次は「知識の生産量」で決まる
これまでAI企業は、数学ベンチマークで何％、コーディング試験で何点という数字を競ってきた。
しかし、既存問題の正解率と、まだ人類が知らない答えを発見する能力は別物である。
Astraが示したのは、AIが試験を解く段階から、研究テーマを前進させ、論文と検証可能な証明を生産する段階へ入ったことだ。
数学はLeanによる形式検証が可能なため、現実世界の研究すべてに同じ成功率を期待するのは早い。実験が必要な物理、化学、医学では、現実との照合という別の壁がある。
それでも、数学と理論計算機科学で研究工程が成立した意味は重い。
Astraの本当の脅威は、IQが高いことではない。
疲れず、専門分野の境界を越え、大量の候補を試し、最後に検証可能な成果物まで残せることだ。
研究者一人を置き換えるのではない。
研究機関そのものを、ソフトウェアとして複製し始めたのである。
GearTuneをチェックして最新ニュースをお見逃しなく。