A OpenAI reporta que o GPT-5.2 Pro resolveu um problema estatístico em aberto colocado na COLT 2019

O caso de estudo é o verdadeiro ponto de interesse, não os benchmarks

A OpenAI destaca dois números: o GPT-5.2 Pro obteve 93,2% no GPQA Diamond e o GPT-5.2 Thinking resolveu 40,3% dos problemas do FrontierMath (Nível 1–3), o que classifica como um novo estado da arte. Ambos são reportados com condições específicas — o GPQA sem ferramentas e com esforço de raciocínio máximo, o FrontierMath com uma ferramenta Python ativada e esforço de raciocínio máximo.

Mas a parte da publicação que efetivamente mostra o modelo a fazer algo novo é o caso de estudo sobre monotonicidade das curvas de aprendizagem. É aí que a afirmação passa de 'respondeu a questões de nível de pós-graduação' para 'contribuiu com uma prova para um problema de investigação até então não resolvido'.

Qual era, na verdade, o problema em aberto

O problema remonta a uma questão em aberto colocada na Conference on Learning Theory em 2019 por Viering, Mey e Loog: se recolhermos mais dados, os resultados melhoram de forma fiável? Investigadores já tinham demonstrado que mesmo configurações simples podem apresentar curvas de aprendizagem não monótonas, em que mais dados aumentam o erro esperado.

A lacuna específica que o GPT-5.2 Pro resolveu era o exemplo mais simples de manual: um modelo corretamente especificado, dados gaussianos, média conhecida, desvio-padrão desconhecido. Já se sabia que pequenas perturbações a essa configuração quebravam a monotonicidade, mas o caso central permanecia em aberto. O artigo resultante, 'On Learning-Curve Monotonicity for Maximum Likelihood Estimators', mostra que, neste contexto, a aprendizagem melhora de forma previsível com mais dados.

O processo de trabalho que a OpenAI tem o cuidado de descrever

A OpenAI sublinha a forma como a prova foi obtida, não apenas o facto de ter sido obtida. Os autores não forneceram ao modelo um esboço da prova nem argumentos intermédios. Pediram ao GPT-5.2 Pro que resolvesse o problema em aberto diretamente, verificando depois o resultado — incluindo revisão por especialistas externos na área. Perguntas de seguimento levaram o modelo a estender o resultado a contextos de dimensão superior e a outros modelos estatísticos comuns.

Ao longo de todo o processo, o papel humano manteve-se centrado na verificação e na redação clara, e não no fornecimento de andaimes matemáticos.Montana Labs

Essa frase é a afirmação central de toda a publicação. Trata-se de uma divisão de trabalho específica: o modelo gera o argumento estruturado, os humanos são responsáveis pela correção e pela exposição. A OpenAI também identifica claramente os limites — estes sistemas 'não são investigadores independentes', podem cometer erros e podem depender de pressupostos não declarados.

A interface que isto sugere: pedir e depois verificar

Para quem constrói ferramentas sobre estes modelos, a conclusão honesta é sobre a interface dirigida ao humano, não sobre a tabela de classificação. O modo de trabalho descrito tem dois pontos de contacto: um investigador coloca um problema bem formulado e, depois, ocorre uma verificação separada e deliberada por parte de especialistas na área. O resultado do modelo é tratado como um argumento detalhado que 'merece um estudo e um aperfeiçoamento humano cuidadosos', e não como uma resposta a aceitar de imediato.

Esta estrutura tem consequências para o que constitui um bom frontend em domínios teóricos. As funcionalidades valiosas não são a conveniência de um chat; são a apresentação estruturada de provas, pressupostos rastreáveis e um processo de revisão que torna a validação externa pouco dispendiosa. A OpenAI é explícita ao afirmar que um progresso fiável 'depende de processos de trabalho que mantêm a validação, a transparência e a colaboração firmemente presentes' — o que é tanto um requisito de produto como uma precaução de investigação.

A implicação específica deste anúncio: em áreas axiomáticas como a matemática e a informática teórica, o obstáculo que a OpenAI descreve deslocou-se da geração de argumentos candidatos para a sua verificação. As equipas que queiram usar o GPT-5.2 para este tipo de trabalho devem investir o seu esforço de engenharia na interface de verificação, porque é essa a etapa que, segundo a publicação, permaneceu inteiramente humana.