GPT-6 Astra lässt Mathematiker durchpusten, weil OpenAI es so will

Auf dem ErdosBench von ulam.ai hat Astra den ersten Platz unter allen getesteten KI-Modellen erreicht (Update: Fable 5.1 hat sich auf Platz 1 geschoben). Der Benchmark umfasst 226 offene Mathematikprobleme, die von den berühmten Erdős-Problemen inspiriert sind. Astra erzielte einen Score von 3,23 und löste 106 Probleme, davon 43 vollständig. 27 weitere widerlegte es.

Gegenüber Sol, das mit maximalem Reasoning 78 Probleme löste, zeige Astra stärkeres wissenschaftliches Schreiben und neige weniger zu überzogenen Behauptungen. Teilweise unterschätze es sogar seine eigenen Ergebnisse. Insgesamt handelt es sich laut Benchmark-Entwickler Przemek Chojecki um einen soliden Gewinn von "nur" fünf bis zehn Prozent bei verschiedenen mathematischen Forschungsfähigkeiten. Der Benchmark sei weit von einer Sättigung entfernt.

OpenAI priorisierte Mathematik bewusst nicht

OpenAI hätte Astra in der Mathematikforschung gezielt stärker machen können, entschied sich aber dagegen, obwohl das Unternehmen bei der ersten Ankündigung sogar Mathe-Erfolge in den Vordergrund stellte. Jakub Pachocki, Chief Scientist bei OpenAI, schreibt in seinem Essay "An Alien Mind": "Wir glauben, dass wir die Modelle mit zusätzlichem Fokus speziell in der Mathematikforschung besser machen könnten, aber wir priorisieren diese Richtung nicht, wegen der Dringlichkeit, die wir bei RSI und automatisierter Alignment-Forschung empfinden."

Das derzeit leistungsfähigste KI-Modell für Mathematik ist demnach kein Ergebnis maximaler Optimierung auf das Gebiet. Es ist ein Nebenprodukt anderer Prioritäten. OpenAI investiert seine Ressourcen vorrangig in rekursive Selbstverbesserung und die Absicherung künftiger KI‑Systeme. (Anmerkung: Seit der Veröffentlichung des Essays hat OpenAI wohl doch bessere interne Mathemodelle trainiert, eine komplizierte Geschichte, und die Themen RSI und KI-Sicherheit sind explodiert).

Pachockis Aussage ist aufschlussreich, weil sie zeigt, dass an der Frontier der KI-Entwicklung harte Optimierungsentscheidungen getroffen werden: Ein Modell, das in Mathematik dominiert, ist nicht automatisch in allen Bereichen gleichermaßen stark.

Das passt zu einer Visualisierung des Cambridge-Forschers Adam Hunt, die zwei mögliche Entwicklungspfade der KI gegenüberstellt. Die "Mainstream-AGI"-These geht davon aus, dass sich KI-Modelle graduell und breit verbessern, bis sie alle menschlichen Aufgaben abdecken.

Das alternative Szenario beschreibt eine zunehmend "stachelige" Entwicklung mit extremer Stärke in wenigen Domänen wie Programmierung und Mathematik, während andere Bereiche wie Sprachqualität, Alltagslogik oder soziales Schlussfolgern stagnieren oder sich sogar verschlechtern.

Pachockis Eingeständnis, dass OpenAI bei Astra bewusst auf Mathematik-Optimierung verzichtete, liefert einen konkreten Beleg für die "spiky"-These. Selbst das führende KI-Labor kann nicht gleichzeitig in allen Richtungen maximale Fortschritte erzielen. Die Fähigkeiten wachsen dort, wo gezielt optimiert wird. Wer Mathematik stärker macht, muss an anderer Stelle Abstriche hinnehmen. Hinter der RSI-Priorisierung steht allerdings die Hoffnung, das KI-Modell in die Lage zu versetzen, solche Optimierungen selbst vorzunehmen und so insgesamt schneller zu skalieren – auch in der Mathematik.

Die Mathematik ringt mit KI und sich selbst

Unabhängig davon, ob Astra nun 5 oder 50 Prozent besser als sein Vorgänger ist, bleibt die grundsätzliche Frage bestehen, die der Mathematiker Terence Tao beim Internationalen Mathematikerkongress 2026 aufgeworfen hat: Wenn KI-Modelle immer mehr Beweise produzieren, die schneller anfallen, als Menschen sie prüfen können, droht ein Übergang von Beweisknappheit zu Beweisüberfluss.

Die entscheidende Aufgabe sei dann nicht mehr, Probleme zu lösen, sondern festzulegen, welche Ergebnisse überhaupt Bedeutung haben. Die Mathematik stehe vor einer Krise ihrer Werte und Praktiken, die Tao mit der Grundlagenerschütterung des frühen 20. Jahrhunderts vergleicht.

Dass die härtesten Probleme der Mathematik weiterhin ungelöst bleiben, dürfte der Disziplin Zeit verschaffen. Die Richtung scheint dennoch klar, auch wenn manche Mathematiker Sprachmodellen mangels menschenähnlicher Kreativität keine grundlegenden Durchbrüche zutrauen. Aus ähnlichen Gründen gibt es auch Zweifel am KI-Potenzial der eigenen Selbstverbesserung.