
Astra od OpenAI vyřešila deset otevřených matematických problémů. Za 2000 dolarů API tokenů
OpenAI oznámila 2. srpna 2026 novou generaci modelů Astra. Interní verze vyřešila desítku matematických problémů, na kterých se roky nikdo nehnul, a důkazy publikovala jako strojově ověřitelné certifikáty v Lean 4.
Novinka + rozbor
OpenAI Astra + Lean 4
OpenAI oznámila 2. srpna 2026 novou generaci modelů pod pracovním názvem Astra. Místo klasického press releasu s benchmarky publikovala 249stránkový sborník matematických důkazů, kde její interní verze vyřešila desítku problémů, které matematici otevírali dekády. Celkový compute cost: zhruba 2 000 dolarů API tokenů. Zatím si to nekoupíš, ale je to nejkonkrétnější náhled, kam AI míří v oblasti vědeckého výzkumu.
Co OpenAI oznámila
Astra je pracovní název další velké rodiny modelů OpenAI. Firma ji zatím nespustila v ChatGPT ani přes API a nezveřejnila, jestli půjde jako GPT-6 nebo jako další varianta pětky. Místo blogpostu s marketingovými čísly OpenAI vydala report a přiložený manuskript, kde interní Astra vyřešila deset otevřených problémů z matematiky a teoretické informatiky.
Konkrétní výčet: explicitní konstrukce ne-sofic grupy (otázka otevřená od roku 1999, kdy pojem soficity zavedl Mikhail Gromov), vyvrácení Connesovy rigidity conjecture, Ehrhartova volume conjecture, tři Erdősovy problémy z multibarevných Ramseyho čísel a extremal graph theory, sphere packing bounds, binary a spherical kódy, arithmetic circuit complexity, kvantová parallel repetition a closest vector problem v lattice kryptografii. Každý důkaz je zformalizovaný v Lean 4, certifikáty jsou na GitHubu pod Apache 2.0. Repozitář hlásí nulu nedokončených kroků (Lean tomu říká sorry), tedy každou dedukci vidí typový systém od axiomů po závěr. Celkový compute na všech deset řešení dohromady vyšel na zhruba 2 000 dolarů v cenách API pro GPT-5.6 Sol.

Proč tě zajímá model, který si zatím ani nekoupíš
Krátká odpověď: běžné práci ti Astra nepomůže, ale mění, jak si máš plánovat rok dopředu. Poprvé máš od velké laboratoře vědecký výstup, který ti nemusí prodávat marketingový tým. Máš ho ověřený strojem.
Lean 4 je typový systém, který sám kontroluje, že každý krok důkazu logicky navazuje. Když projde kompilátor bez sorry, důkaz platí. Není o čem diskutovat, ověří ti to laptop za pár minut. To je jiná situace než loňské říjnové oznámení, že GPT-5 vyřešil Erdősovy problémy. Tam se za týden ukázalo, že model retrievoval existující řešení bez originálního přínosu. U Astry je manipulace vyloučená, protože každý si můžeš stáhnout repozitář a spustit lean lokálně.
Druhá věc, kterou si stojí zapamatovat, je cena. Dva tisíce dolarů API za deset dekády otevřených výsledků je zlomek toho, co stojí jeden článek v Nature nebo Annals of Mathematics. Vědecký výzkum přestává být svázaný jen s časem člověka. Compute jde nakoupit a Noam Brown z OpenAI přímo přiznává, že tým na jednotlivé problémy nepálil neomezené zdroje. Pushnout test-time compute dál je otevřená možnost.
Kdo z toho reálně bude něco mít
Zatím nikdo z běžných uživatelů ChatGPT. Astra není v žádném produktu, na který by ses proklikl. Ale tři skupiny by měly začít přemýšlet, co s tím.
Vědci a matematici jsou první. Kdo dnes na univerzitě řídí PhD studenty nebo postdoky, musí počítat s tím, že AI umí formalizovat důkaz do Lean 4 za pár set dolarů. Změní se ekonomika toho, čemu se dnes říká otevřený problém. Když se dá zaplatit compute a dostat důkaz, přehodnotí se, čemu se říká "nedosažitelný" a čemu jen "otevřený" problém.
Druhou skupinou jsou týmy, které dělají formal verification softwaru. Kdo pracuje s Lean, Coq nebo F* na verifikaci kryptografie, kompilátorů nebo bezpečnostních protokolů, dostane během roku nástroj, který sám dopisuje důkazy invariantů. Astra ještě není v public API, ale schopnost je tam. Jakmile ji OpenAI otevře, formal verification přestane být disciplína pro dvě stě lidí v Cambridge, Paříži a Bostonu.
Třetí skupina jsou vývojáři a analytici, kteří sledují, kam se posouvá test-time compute. Když dnes stačí 2 000 dolarů na deset PhD-level důkazů, za rok to bude řádově méně. Kdo staví AI pipeline nebo pracuje s agenty, měl by počítat s tím, že úlohy, které se dnes zdají nedostupné, budou letos nebo příští rok běžně řešitelné přes standardní API.
Jak si ověřit, že důkaz skutečně sedí
Nemusíš věřit OpenAI ani modelu. Astra důkazy jsou publikované, kdokoli s Linuxem nebo macOS je zvládne ověřit za odpoledne. Postup:
1. Nainstaluj Lean 4
Použij elan (jednořádkový unix installer) nebo oficiální Windows setup. Zabere pět minut, žádný Python ani C++ toolchain nepotřebuješ. Lean si přitáhne vlastní verzi kompilátoru.
2. Naklonuj Astra repozitář
git clone stáhne všech deset důkazů a mathlib jako závislost. Velikost je pár set megabajtů. Repozitář je pod Apache 2.0, můžeš z něj čerpat lemmata do vlastního výzkumu.
3. Spusť lake build
Kompilace projde všechny důkazy. Když skončí bez erroru a grep sorry vrátí nulu, důkazy formálně platí. Trvá to desítky minut na běžném noteboku, na M-serii Applu i pod hodinou.
Tenhle postup je klíč k tomu, proč Astra oznámení sedí jinak než dřívější "AI vyřešila X". Lean neumí halucinovat. Buď důkaz projde, nebo ne. Když projde, ztrácí smysl hádka o schopnostech modelu. Umí to.
Příklad z praxe
Kryptografický tým, který dělá lattice-based algoritmy pro post-quantum standard, dostal od kolegy tip na jeden ze zveřejněných Astra důkazů, konkrétně na výsledek k closest vector problem. Místo dlouhého čekání na peer review v oborovém časopise stáhli repozitář, pustili Lean kompilátor a za hodinu měli jistotu, že důkaz sedí. Následně z něj vytáhli lemma, které použili v bezpečnostní analýze vlastního návrhu. Cena za ověření nula dolarů, protože OpenAI dala výsledek pod otevřenou licenci a hardware měl tým už doma.
Shrnutí
Astra ještě nekoupíš, ale je to nejkonkrétnější doklad, že AI zvládá originální vědecký výzkum se strojově ověřitelným výstupem. Deset otevřených matematických problémů, Lean 4 certifikáty s nulou sorry, celková cena 2 000 dolarů API. První krok pro tebe: podívej se na Astra repozitář na GitHubu, vyber si jeden důkaz a projeď ho lokálně. Uvidíš na vlastní oči, jak vypadá výstup, který za rok dostane přes běžné API každý, kdo zaplatí.
Zdroje
- SiliconANGLE: OpenAI's Astra solves 10 long-open math problems and publishes the proofs, 2. srpna 2026.
- The Decoder: OpenAI announces its "next major model" Astra by dropping ten previously unsolved math solutions, srpen 2026.
- DataCamp: OpenAI's New Model, Astra, Has Solved Ten Open Math Problems, srpen 2026.
- Quartz: OpenAI Astra model solves 10 open math problems for $2,000, 3. srpna 2026.
- Forbes: OpenAI's Astra Solved Decades-Old Math Problems For $2,000, 3. srpna 2026.
Časté otázky
Na co se nás často ptáte?
Můžu si Astru zkusit v ChatGPT?
Zatím ne. OpenAI Astru drží interně a nevydala žádný release plán. Nezveřejnila ani to, jestli poplyne jako GPT-6 nebo jako další varianta pětky. Konkrétní ukázka schopností je pouze v podobě publikovaných matematických důkazů a přiložené 249stránkové zprávy. Pro běžné použití platí, že další flagship model od OpenAI přijde nejdřív koncem roku 2026 a nejdřív pravděpodobně přes API, ne v ChatGPT. Pokud tě zajímá, kam OpenAI míří, čti research paper, ne press release.
Proč je Astra jiná než dřívější AI 'průlomy' v matematice?
Rozdíl je v Lean 4 verifikaci. Loni v říjnu OpenAI oznámila, že GPT-5 vyřešil Erdősovy problémy. Ukázalo se, že šlo o retrieval starých existujících řešení, ne o nový důkaz. Astra u každého z deseti výsledků zveřejnila Lean 4 certifikát, kde počet nedokončených kroků (v Leanu se jim říká sorry) je nula. To znamená, že typový systém sám ověří logickou konzistenci každého kroku. Když projde kompilace, důkaz platí. Není třeba věřit modelu ani OpenAI, stačí spustit Lean lokálně.
Kolik ten výpočet reálně stál a je to hodně?
OpenAI uvádí náklad zhruba 2 000 dolarů v cenách API pro GPT-5.6 Sol na všech deset řešení dohromady. To je zhruba 200 dolarů za jeden důkaz, který se roky nepohnul dopředu. Pro srovnání, běžný matematický článek stojí univerzitu v přímých nákladech na výzkumníka desítky tisíc dolarů a trvá měsíce až roky. Test-time compute půjde ještě dál dolů. Noam Brown z OpenAI přiznává, že tým na každý problém nepálil neomezené zdroje a další optimalizace jsou možné.
K čemu mi to je, když nedělám do matematiky?
Signál pro plánování na rok dopředu. Když dnes AI za pár set dolarů řeší PhD-level problémy s ověřeným výstupem, za rok to zvládne za desítky dolarů. Pro tebe to znamená, že úlohy, které dneska odkládáš jako 'na to nemáme kapacitu', budou letos nebo příští rok dostupné přes běžné API. Konkrétně to platí pro formal verification softwaru, právní analýzu, výzkum trhu a všechno, kde dnes stojí lidský expert nejvíc času. Kdo dnes plánuje pipeline nebo automatizaci, měl by počítat s tím, že za rok bude schopnost modelů řádově jiná.
Co znamená, že Lean 4 důkaz obsahuje 'nula sorry'?
Sorry je klíčové slovo v Lean 4, kterým matematik označí místo, kde ještě neumí důkaz doplnit. Kompilátor takový důkaz projde jako platný typový soubor, ale s poznámkou, že jeden nebo více kroků chybí. Když repozitář zveřejní důkaz s nula sorry na celém stromu, znamená to, že žádný krok není odložený na později. Typový systém vidí každou dedukci od axiomů po závěr. Není to garance, že se problém formalizoval přesně tak, jak matematici myslí. Ale je to nejtvrdší dostupná záruka správnosti důkazu, jakou v roce 2026 máš.
Pokračuj dál
Související články
Další texty podle stejné zóny, témat a nástrojů.

Claude Science: dokáže Anthropic přebrat vědecký výzkum, když získal i Nobelistu?
30. června 2026 Anthropic spustil Claude Science, samostatnou aplikaci pro vědecký výzkum. Deset dní předtím k němu přešel John Jumper, autor AlphaFoldu a nositel Nobelovy ceny. Co to znamená pro biotech, farmu i akademii?

Astra nakreslí kolečko a udělá z něj 3D hru. Je tohle začátek AGI?
OpenAI vydala 3. září GPT-6 Astra a Greg Brockman k tomu dodal: vítejte v éře AGI. Ve videu model z žlutého kolečka postaví hru a mezitím rezervuje tenisový kurt. Kolik z toho platí?

Souboj vlajkových modelů: Grok, Fable 5 a Codex 5.6 sázejí každý na něco jiného
Za deset dní vypustily xAI, Anthropic a OpenAI tři vlajkové modely. Grok jde po živých datech a volnosti, Fable 5 po špičkovém uvažování s brzdami, Codex 5.6 po tom udělat práci sám. Podle čeho vybrat?
