Technische Analyse 019｜openai/math: Repository-Analyse der einmaligen Open-Source-Freigabe von 722 KI-Mathematikmanuskripten durch OpenAI

Am 6. Oktober veröffentlichte OpenAI auf GitHub das Repository openai/math und gab auf einen Schlag die mathematischen Forschungsergebnisse eines unveröffentlichten internen Modells frei: 722 Manuskripte, 372 Ergebnisfamilien, 3.1 GB, 132,880 Dateien, in zwei Tagen 9832 Stars (weiter steigend), die entsprechende HN-Diskussion mit über 1200 Likes und mehr als 1400 Kommentaren, der offizielle Blog-Beitrag “Sharing AI progress in mathematics” wurde am selben Tag veröffentlicht. Es ist keine Papiersammlung, sondern ein “Manuskript + Formalisierung + Verifizierungswerkzeug”-Trio, und Lektüre, Verifizierung und Kontroversen dieses Repositories basieren fast vollständig auf dieser Dreischichtenstruktur. Dieser Artikel analysiert anhand von sechs Aspekten: Was es ist, warum es sich anzusehen lohnt, Struktur und Mechanismus, Zahlen und Grenzen, Verifizierung und Wertung.

I. Was es ist

openai/math ist ein KI-Mathematik-Produktions-Repository: Hauptsprache Lean, Apache-2.0-Lizenz, drei Inhaltsschichten plus einer Manuskript-Landkarte.

Die erste Schicht preprints/, 722 Verzeichnisse, ein Verzeichnis pro Forschungsmanuskript, enthaltend paper.pdf, LaTeX-Quelldateien, Referenzen und Build-Anweisungen. Die Verzeichnisnamen tragen einen Datumsstempel: der früheste ist der 10. September – genau der Tag, an dem das Navier-Stokes-Ergebnis nach außen kommuniziert wurde – der späteste der 5. Oktober, die offizielle Veröffentlichung erfolgte am 6. Oktober. Die Manuskripte sammelten sich fast einen Monat lang an, bevor sie auf einmal freigegeben wurden; der Zeitstempel des ersten Commits fällt genau auf den Tag der Veröffentlichung.

Die zweite Schicht lean/, die formale Bibliothek. Unter OAI/ nach Fachgebieten in 24 Unterverzeichnisse unterteilt, von Algebra bis Topology, mit 121.700 .lean-Dateien; sie ist von mathlib4 abhängig und auf den spezifischen Commit d13f23b gepinnt, in patches/ liegen die Patches für das Upstream – diese Bibliothek konsumiert mathlib4 nicht nur, sie hat das Upstream modifiziert.

Die dritte Schicht reasoning_traces/, PDFs mit Reasoning-Zusammenfassungen für 10 Ergebnis-Familien. Das README bezeichnet sie selbst als abridged summaries, ein Kommentar auf HN (Hacker News) merkt an, dass „Auszüge von Zusammenfassungen“ die treffendere Bezeichnung sei – und nicht die ursprünglichen Reasoning-Traces.

Die Navigation auf der obersten Ebene besteht aus zwei Dateien: CONTENTS.md, einer 640 KB großen Manuskript-Landkarte, die alle 722 Stücke einzeln erfasst, wobei jedes den Titel und den Verweis auf die Schlussfolgerung angibt; die8 unten zitierten 001, 003, 102, 180 sind die Eintragsnummern in dieser Landkarte; overview.pdf mit Quelldateien, 323 KB, ist ein Überblick über alle Ergebnisse. Das Repository ist nach „Familien“ organisiert; ein Hauptergebnis plus begleitende Argumente, Korollare und alternative Beweise bilden eine Familie, die 722 Manuskripte werden in 372 Familien eingeordnet – ein beträchtlicher Teil der Ergebnisse wurde zusammen mit alternativen Beweisen oder begleitenden Argumenten veröffentlicht, beim Lesen ist es vorteilhafter, nach Familien statt nach einzelnen Papieren zu lesen.

II. Warum es sich jetzt lohnt anzusehen

Der erste Grund ist das Gewicht der Ergebnisliste selbst. 722 Einträge sind keine 722 isolierten Probleme; nach Familien organisiert, gleicht sie eher einem Forschungsarchiv. In CONTENTS.md finden sich neben den Schwerpunkten auch verstreut der Irrationalitätsindex von π, quasipolynomiale Schranken für arithmetische Progressionen vom Erdős-Typ, Kaplansky-Gegenbeispiele für direkte Endlichkeit in Charakteristik 2, Isomorphie freier Gruppenfaktoren, relativistische Vlasov–Maxwell-Gleichungen, die Mahler-Vermutung, spontane Magnetisierung des Quanten-Heisenberg-Ferromagneten – was sich von Zahlentheorie und Graphentheorie bis hin zur mathematischen Physik erstreckt. Lassen Sie uns vier der gewichtigsten Einträge herausgreifen.

Nummer 003, Quasi-Riemann-Vermutung: Die ζ-Funktion und alle Dirichlet-L-Funktionen haben im Bereich Re(s)>7/8 keine Nullstellen, einschließlich des einheitlichen Ausschlusses von Landau–Siegel-Nullstellen. Die Richtung muss zunächst klargestellt werden: Je weiter rechts der nullstellenfreie Bereich liegt, desto stärker ist er; der menschliche Rekord liegt bei 11/12≈0.9167, 7/8=0.875 liegt links davon – dies ist eine Untergrenze, die das System unabhängig für ein altes Problem vorangetrieben hat, kein Rekordbruch.

Nummer 102, Unique-Games-Vermutung (Khot, 2002), das Manuskript liefert einen Beweis für ihre Gültigkeit. Eine Aussage von infrastruktureller Bedeutung in der theoretischen Informatik; eine große Anzahl an Ergebnissen zur Inapproximabilität hat sie zur Voraussetzung. In HN (Hacker News) gibt es Kommentare, die ihr Gewicht als höher als das einiger Millennium-Probleme einschätzen.

Nummer 180, Barnette-Vermutung (1969): Jeder endliche, einfache, kubische, bipartite, planare, 3-zusammenhängende Graph besitzt einen Hamilton-Kreis. Ein 57 Jahre alter ungelöster Fall der Graphentheorie; ein HN-Nutzer gab an, dieses Problem monatelang mit den aktuell stärksten Modellen attackiert zu haben, ohne Erfolg.

Nummer 001, Milne-Vermutung zur Rationalität (abelsche Varietäten), im selben Eintrag wird parallel die Behauptung eines Beweises für den Spezialfall der Hodge-Vermutung für CM-abelsche Varietäten aufgeführt – hier muss man beim genauen Wortlaut bleiben: Es handelt sich nur um die Behauptung für einen Spezialfall, eine Zertifizierung durch das Clay-Institut hat nicht stattgefunden.

Der zweite Grund ist die Art der Veröffentlichung. Zuvor waren Veröffentlichungen in der KI-Mathematik meist punktuelle Behauptungen; auf einen Schlag 722 Einträge freizugeben, als komplettes Repository inklusive formaler Schichten und Verifikationstools – diese Form an sich ist selten. In den HN-Diskussionen sind bereits neue Herangehensweisen aufgetaucht: Jemand hat das gesamte Repository an seinen eigenen Agenten übergeben, um diesen für jedes einzelne Manuskript die Significance (Bedeutung) beantworten zu lassen – das Ausmaß von 722 Einträgen erzwingt neue Lesemethoden.

III. Kerntechnische Mechanismen

Die Erstellungspipeline wird im README (Readme-Datei) beschrieben: die überwiegende Mehrheit der Ergebnisse wird von demselben unveröffentlichten internen Modell in einem festen Prozess erzeugt; insgesamt werden etwa 4000 Probleme eingespeist, wobei durchschnittlich für jedes Ergebnis Rechenleistung für das Denken äquivalent zu 3 Stunden ChatGPT Pro (OpenAI Premium-Version) verbraucht wird; die erzeugten Ergebnisse werden zu Familien zusammengefasst, und nach Überschreiten der Signifikanzschwelle bleiben 722 Exemplare übrig. Zwei Punkte werden als Ausnahmen vom festen Prozess aufgeführt: die Nullstellen-Freizone der Riemann-Zeta-Funktion und der Hodge-Fall für CM-Abelsche Varietäten, die Unterschiede werden im README nicht ausgeführt, es wird nur erwähnt, dass die Lesbarkeit der Arbeit zur Nullstellen-Freizone durch manuelle Bearbeitung und Politur verbessert wurde.

Die Organisation der Formalisierungsschicht ist einen genaueren Blick wert. Unter lean/docs/ gibt es für jedes formalisierte Ergebnis eine Dokumentseite, auf der der Anwendungsbereich, die referenzierte Arbeit und der Link zum Comparator (Vergleichsprogramm) klar angegeben sind. Wiederum als Beispiel Nummer 003: die Aussage deckt die ζ-Funktion, alle Dirichlet-L-Funktionen und Hecke-L-Funktionen endlicher Ordnung über Q(√-3) ab; der Pol des Hauptcharakters bei s=1 ist ausdrücklich von der Aussage ausgeschlossen; die Konstante wird ohne expliziten Wert angegeben. Was formalisiert wurde und was nicht, wird in der Dokumentation klar abgegrenzt – um dieses Repository zu lesen, sollte man zuerst die docs und dann den Code lesen, diese Seiten mit Erklärungen sind der müheloseste Einstieg.

Für die Schicht der Inferenzzusammenfassungen muss man separat einen Dämpfer einlegen. 10 Familien sind mit reasoning_traces (Inferenzspuren) ausgestattet, die Formulierung im README lautet “abridged summaries” (gekürzte Zusammenfassungen), die HN-Diskussion (HN: Hacker News) weist jedoch darauf hin, dass es sich tatsächlich um „Auszüge von Zusammenfassungen“ handelt. Verglichen mit der Denkmenge von „durchschnittlich 3 Stunden pro Ergebnis“, reichen die Inferenzmaterialien, die der Community zur Verfügung stehen, bei weitem nicht aus, um den Inferenzpfad des Modells zu reproduzieren – für diejenigen, die untersuchen möchten, „wie das Modell denkt“, ist dies die undurchsichtigste Schicht des Repositories.

Die gestaffelte Verifikation ist der wichtigste Bestandteil des Mechanismus. formalization.yaml zählt 162 Arbeiten auf, die eine Formalisierung des Hauptergebnisses aufweisen, was etwas mehr als 20 % der 722 entspricht; der Wortlaut im README besagt, dass sich die Ergebnisse in unterschiedlichen Verifikationsstadien befinden und nicht alle mit einer Lean-Formalisierung (Lean: Beweisassistent) versehen sind, und räumt ein, dass der nicht formalisierte Teil Fehler enthalten könnte. Mit anderen Worten, das Repository selbst hat die Vertrauenswürdigkeit als Gradienten markiert: 162 Arbeiten sind maschinell überprüfbar, die restlichen 560 Exemplare sind menschenlesbare Behauptungen.

4. Zahlen und Grenzen

Zahlen im Überblick: 722 Manuskripte, 372 Familien,4 162 Formalisierungen, 132,880 Dateien, 3.1 GB, ca. 4000 eingespeiste Probleme, durchschnittlich 3 Stunden pro Ergebnis, 9832 Sterne in zwei Tagen; Lean-Bibliothek mit 24 Fach-Unterverzeichnissen, 121.F700 .lean-Dateien.

Zu den Grenzen seien vier Punkte genannt.

Er*stens: Die Richtung? Richtung nicht falsch lesen. 7/8 ist schwä#cher als 11/12, das Ergebnis der Nullstellen-Freiheitszone von AI (Künstliche Intelligenz) stellt keine Überlegenheit gegenüber dem Menschen dar; es als Rekordbruch zu schreiben, ist der häufigste Fehler& Fehler in diesem Themenbereich, wenn die Richtung falsch angegeben wird, ist die Glaubwürdigkeit des gesamten Textes ruiniert.

Zweitens: Formalisierung bedeutet nicht Fehlerfreiheit. Die Voraussetzung für die Lean-Verifikation ist, dass die Theoremaussage korrekt übersetzt wurde – die Maschine überprüft die Aussage im Code, nicht den chinesischen oder englischen Satz im Paper. Genau hier setzt die am höchsten bewertete Kritik auf HN (Hacker News) an: bei 24 Disziplinen ist es lohnenswert, die Übersetzung jeder Aussage manuell zu überprüfen, dass im Dokument 003 keine expliziten Werte für Konstanten angegeben werden, ist genau das Detail, das bei solchen Prüfungen zu klären ist; einige sagten direkt einen Absturz voraus, während die Antwortseite darauf hinwies, dass das README bereits selbst zugibt, dass der nicht formalsierte Teil Fehler enthalten könnte.

Drittens: Veröffentlichung bedeutet nicht ZBertifizierung. Der Titel des Blogs verwendet sharing (Teilen) und nicht solving (Lösen), weder eine Clay-Zertifizierung noch ein Peer-Review haben stattgefunden, das Paper ist unter der Autorschaft$ von OpenAI veröffentlicht# veröffentlicht, ohne menschliche Prüfer als Autoren. Der Streit auf HN zwischen GitHub und arXiv (Archiv-Server) entstand genau deshalb: einige lobten die GitHub-Veröffentlichung als Durchbrechung der Paywall, Mathematiker entgegneten, dass mathematische Ergebnisse ohnehin über arXiv gehen, der Archivierungswert des Repositories und die Archivierung eines Papers seien nicht isomorph.

Viertens: Bei der Metrik der Rechenleistung muss man hinter die Kulissen schauen, bei der Metrik der Sternzahl auf das Bezugsobjekt. 3 Stunden ist die Durchschnittsmetrik, jemand auf HN grub die alte Rechnung von AlphaZero aus – „4-Stunden-Übermensch“ bedeutet in Wirklichkeit 4 Stunden mal 5000 TPU (Tensor Processing Unit)-Chips – was daran erinnert, dass bei Formulierungen wie „3 Stunden ChatGPT Pro-Äquivalent“ nach der Gesamt? Gesamtmenge im Hintergrund gefragt werden muss; und 9832 Sterne in zwei Tagen messen nur den Grad der Aufmerksamkeit, nicht die Korrektheit – das Repository selbst hat die 722 Manuskripte als Verifikationsgradienten markiert, die erneute Überprüfung durch die Community hat gerade erst begonnen.

Fünf: Wie man es ausführt, wer es nutzen kann

Man kann auch verifizieren, ohne das Modell auszuführen; das ist der handfesteste Teil des Repository-Designs. lean/README beschreibt den Ablauf von Comparator (Vergleichsprogramm): Zuerst die drei Pakete comparator, landrun und lean4export installieren, mit lake update die Abhängigkeiten laden, mit lake exe cache get den mathlib4-Cache abrufen und dann lake env comparator ComparatorChallenges/QuasiRiemannHypothesis.json ausführen – um einen Abgleich für die formalisierte Aussage der Nummer 003 durchzuführen. In dem Verzeichnis ComparatorChallenges/ befindet sich die offiziell voreingestellte Liste der Herausforderungen, mit diesem Ablauf kann man punktuell einzelne Items prüfen. Um die gesamte Bibliothek zu kompilieren, warnt das README ausdrücklich, dass das Standardlimit vm.max_map_count unter Linux (Betriebssystem) möglicherweise nicht ausreicht, und gibt einen Umweg mit CMake -DMMAP=OFF und GLIBC_TUNABLES an – dass ein Repository so groß ist, dass offiziell spezielle Anleitungen zum Umgehen von Kompilierungsfehlern geschrieben werden müssen, ist geradezu ein Beleg für sein Volumen.

Es lassen sich drei Zielgruppen unterscheiden. Für diejenigen, die mit Lean (Beweisassistent) und formaler Mathematik arbeiten: 162 formale Ergebnisse mit referenzierenden Papern und Dokumentationen sowie die Lock-Datei und Patches für mathlib4 sind unmittelbar les- und überprüfbare Ressourcen und zugleich anschauliche Beispiele dafür, „wie KI-Ergebnisse in Lean einfließen“. Für Theoretiker der Informatik: Das Manuskript zu den Unique Games (Eindeutige Spiele) ist – unabhängig davon, ob es sich letztlich als gültig erweist – Zeile für Zeile lesenswert. Die damit verbundenen Auswirkungen auf die Landschaft der Inapproximability (Nicht-Approximierbarkeit) sind zu gewaltig; jeder Schritt der Verifizierung der Schlussfolgerungen wird von der Wissenschaft wiederholt zitiert werden. Für Modell-Evaluatoren: Die gesamte Pipeline zur Filterung – von der Eingabe von 4000 Aufgaben über die Familien-Aggregation bis zur Signifikanzschwelle – samt dem Kostenmaßstab von 3 Stunden pro Ergebnis ist ein seltenes Material für Methodik aus erster Hand.

Für diejenigen, die nur zuschauen möchten, liegt die Hürde bei Speicherplatz und Geduld: ein 3.1 GB großer Klon, plus einer Kompilierung der gesamten Bibliothek, die nicht unbedingt problemlos durchläuft; wer nichts installieren möchte, liest zuerst die 323 KB große overview.pdf im obersten Verzeichnis, hat nach zwanzig Minuten einen kartografischen Überblick über alle Ergebnisse des Repositories und kann dann entscheiden, in welches Fachverzeichnis man navigieren möchte.

6. Werturteil und für wen es geeignet ist

Der Wert der Stichprobe ist hoch. Es verwandelt „KI macht Mathematik“ von einer Einzelpunkt-Behauptung in einer Pressemitteilung in ein öffentliches Repository, das zählbar, stichprobenartig überprüfbar und maschinell nachprüfbar ist. Die Zahl 162 ist besonders entscheidend: Selbst wenn alles andere angezweifelt wird, sind die formalisierten Aussagen dieser 162 Arbeiten harte Fakten, die die Community unabhängig verifizieren kann. Die Stellungnahme des Fields-Medaillen-Gewinners Terence Tao auf Mastodon (von HN zitiert) geht in dieselbe Richtung: Er hofft, dass KI ihre Ergebnisse menschlichen Mathematikern erklären kann, und glaubt, dass die KI bei der Darlegung und beim Community-Aufbau einen positiven Beitrag leisten kann.

Der Produktivitätswert hängt von der Person ab. Für Forscher in Mathematik und theoretischer Informatik ist dies ein Muss, selbst wenn es nur darum geht, beurteilen zu können, ob das eigene Thema bereits abgedeckt ist – auf HN haben bereits Doktoranden die Angst geäußert, „ein zur Hälfte geschriebenes Paper, das von 722 Arbeiten überrollt wird“, und empathische Antworten rieten dazu, die Spitze der Forschung zu umarmen und unveröffentlichte Forschungstexte nicht in eine KI einzufügen. Diese Emotion an sich ist ebenfalls eine Branchenvariable. Für die Engineering-Seite sind die Toolchain zur Verifizierung und die Dokumentation zur Vermeidung von Kompilierungs-Stolpersteinen eine fertige Referenz für große Lean-Projekte. Für diejenigen, die nur Schlussfolgerungen wollen, eine Erinnerung: Hier gibt es keine Schlussfolgerungen, sondern nur Behauptungen in verschiedenen Verifizierungsstadien.

Der Blog verspricht zudem, eine Reihe von Seminaren, Konferenzen und speziellen Projekten zu finanzieren, um der mathematischen Gemeinschaft zu helfen, die von KI erzeugten bedeutenden Ergebnisse zu verstehen, und gibt an, daran zu arbeiten, die Modelle, die diese Ergebnisse produzieren, verantwortungsvoll freizugeben; das README erwähnt auch, dass Community-gehostete Repositories erkundet werden. Abschließend ein Satz zum vorherigen Kontext: Die zehn Lean-Aufgaben im August, die Erklärung des Fields-Medaillen-Gewinners und das Positionspapier der Beratergruppe im September bilden den externen Hintergrund dieser Veröffentlichungsmethode; die kritische Auseinandersetzung wird im Beitrag zu den Trendthemen desselben Tages ausgeführt und hier nicht weiter ausgeführt.

Urteil in einem Satz: Die historische Position von openai/math hängt nicht davon ab, wie viele der 722 Beiträge letztendlich standhalten, sondern davon, dass es zum ersten Mal die Ergebnisse der KI-Mathematik auf eine Bahn gebracht hat, auf der die menschliche Mathematik sie Punkt für Punkt überprüfen kann – die Anzahl der Sterne gehört OpenAI, das Recht auf punktuelle Überprüfung gehört der Community.

Referenzquellen

• Haupt-Repository: github.com/openai/math (nach lokalem Klonen elementweiser Vergleich von README, CONTENTS.md, lean/-Verzeichnis, formalization.yaml, git log; keine Builds ausgeführt)
• OpenAI-Blog „Sharing AI progress in mathematics“ (2026-10-06)
• HN story 49984923 (bis zum 2026-10-08 über 1200 Upvotes, über 1400 Kommentare; Terence Taos Stellungnahme und das Empfehlungsschreiben der Beratergruppe wurden beide über HN zitiert, der Originaltext wurde nicht wörtlich abgeglichen)
• Die Sternzahl von 9832★ entspricht dem Stand zum Zeitpunkt 2026-10-08 und steigt weiterhin