Modelo inédito da Anthropic avança na resolução da Hipótese de Riemann

A Anthropic revelou na última segunda-feira que um modelo de inteligência artificial ainda não lançado comercialmente alcançou um avanço significativo na Hipótese de Riemann, um dos problemas abertos mais antigos e complexos da matemática. Sem uma solução definitiva há mais de 150 anos e oferecendo um prêmio não reclamado de US$ 1 milhão, o enigma sobre a distribuição de números primos teve seu limite inferior de soluções válidas substancialmente ampliado pela nova ferramenta.

O aspecto mais impressionante do feito reside no método operacional: o processo não foi guiado por matemáticos seniores, mas sim por um funcionário da Anthropic sem treinamento avançado na área. Ele apenas instruiu o modelo com o comando para dar "uma tentativa real" de provar a hipótese, deixando a inteligência artificial coordenar autonomamente toda a investigação ao longo de um dia e meio de processamento ininterrupto.

Progresso inédito na Hipótese de Riemann

Durante as 36 horas de execução contínua, o modelo não lançado da Anthropic operou como um ecossistema autônomo de resolução de problemas. O sistema testou um total de 650 ideias diferentes para abordar a Hipótese de Riemann, consumindo uma escala massiva de computação que atingiu 31 milhões de tokens de saída.

A capacidade dos modelos de linguagem em ir além da simples síntese de texto e realizar descobertas científicas reais é um tema central de debate na tecnologia. A abordagem da Anthropic demonstra que a distribuição de tarefas lógicas entre múltiplos agentes pode contornar os gargalos de raciocínio observados em execuções de thread única.

Arquitetura e simulação por subagentes

A estrutura montada internamente pelo modelo dividiu a complexidade matemática entre 60 subagentes especializados. Segundo notas explicativas da própria Anthropic, a distribuição foi rigorosamente segmentada: apenas dois subagentes foram os responsáveis diretos pelo desenvolvimento das ideias matemáticas centrais da pesquisa.

O restante da rede atuou no suporte técnico e na checagem de erros. Um grupo de 13 subagentes contribuiu com ideias complementares aos líderes; 30 subagentes tentaram erguer hipóteses alternativas, mas não obtiveram sucesso; 13 subagentes atuaram exclusivamente como verificadores para atestar a precisão dos argumentos lógicos; e os dois subagentes finais estruturaram a redação da versão preliminar do artigo acadêmico.

Validação rigorosa com o software Lean

A descoberta do modelo não permaneceu apenas como um resultado computacional isolado. A exatidão do avanço foi confirmada por dois matemáticos internos da Anthropic e, em seguida, formalizada através do Lean, um assistente de provas de código aberto projetado para verificar rigorosamente se uma demonstração lógica possui falhas.

O uso do Lean elimina a margem para alucinações de linguagem, garantindo que os passos matemáticos intermediários gerados pelos 30 milhões de tokens respeitem as regras formais do campo. O processo prova que ferramentas open-source de verificação tornaram-se aliadas indispensáveis para a validação do conhecimento produzido por IA.

Histórico recente de avanços matemáticos

O feito relativo à Hipótese de Riemann insere-se em uma série de avanços acadêmicos conquistados por grandes modelos de linguagem ao longo de 2026. Recentemente, a OpenAI publicou uma lista com 10 grandes resultados matemáticos demonstrados por seu modelo interno codinome Astra.

Em paralelo, a própria Anthropic já havia refutado com sucesso a antiga Conjectura Jacobiana em outro projeto recente, enquanto diversos problemas da famosa lista de Erdős foram resolvidos por sistemas automatizados ao longo do ano. O acúmulo desses resultados tem alterado a rotina dos centros globais de pesquisa pura.

O debate ético na comunidade matemática

A expansão da IA na matemática pura desperta reações divididas. Em junho deste ano, um grupo de matemáticos renomados publicou uma declaração aberta manifestando preocupação com a integridade dos valores do setor. O manifesto defende que demonstrações verdadeiras devem ser obrigatoriamente "atribuíveis a autores específicos que assumam o crédito por sua descoberta e a responsabilidade por sua exatidão".

Por outro lado, pesquisadores de renome internacional enxergam a mudança sob uma perspectiva transformadora. Em resposta à declaração de junho, o vencedor da Medalha Fields, Timothy Gowers, publicou uma reflexão em seu blog pessoal questionando se a autoria humana individual é realmente indispensável para o avanço do conhecimento científico.

"Se chegarmos a um mundo onde os teoremas matemáticos não estejam mais associados a matemáticos, talvez isso não seja mais problemático do que o fato de as estrelas não levarem o nome de astrônomos e a maioria nem sequer ter um nome", pontuou Timothy Gowers.

Impacto no ecossistema de tecnologia

Para o ecossistema brasileiro de ciência e tecnologia, os avanços impulsionados pela Anthropic ressaltam a relevância do investimento na integração entre ecossistemas de agentes e ferramentas formais como o Lean. Instituições acadêmicas brasileiras de ponta, a exemplo do Instituto de Matemática Pura e Aplicada (IMPA), acompanham de perto essa transição em que o rigor lógico é validado por software de código aberto.

No ambiente corporativo e no desenvolvimento de software no Brasil, o gasto de 31 milhões de tokens em 36 horas para solucionar um problema histórico demonstra a mudança de paradigma no uso da IA: sai a geração pontual de texto e entra a orquestração massiva de dezenas de subagentes focados no cumprimento autônomo de metas complexas.