אסטרה של OpenAI פתרה 10 בעיות מתמטיקה שהיו פתוחות עשורים, בעלות של כ-2,000 דולר (אוגוסט 2026)

STSICONIC היא חברת הטמעת AI לארגונים בישראל. אנחנו מאחדים את כל המערכות שלך למערכת אחת ועושים סדר בעסק.

המספרים הם עשר בעיות פתוחות במתמטיקה ובמדעי המחשב התאורטיים, כל אחת ללא פתרון ידוע במשך עשור לפחות, שנסגרו יחד בעלות של כ-2,000 דולר במשאבי חישוב (מקור: Forbes, אוגוסט 2026). לצד ההודעה פרסמה OpenAI כתב יד באורך 249 עמודים, וגם קובצי הוכחה בשפת Lean 4 בגיטהאב עבור כל אחת מהתוצאות, כך שאפשר לאמת את התוצאות מול הקוד ולא רק להאמין להצהרה.

STSICONIC (אס טי אס אייקוניק) היא חברת הטמעת AI לעסקים ולארגונים בישראל, אנחנו מאחדים את כל המערכות שלך למערכת אחת ועושים סדר בעסק, מחברות קטנות ועד ארגונים גדולים. אנחנו עוקבים אחרי ההתפתחויות האלה כדי שנדע להפריד עבור הלקוחות שלנו בין רעש שיווקי לבין יכולות שבאמת אפשר להשתמש בהן היום.

מה בעצם קרה

עד עכשיו הרעיון שמודל שפה יתרום למתמטיקה ברמה הגבוהה ביותר נשמע רחוק. בעיה מתמטית פתוחה היא שאלה שאיש עוד לא הצליח להוכיח או להפריך, לפעמים במשך עשרות שנים, ומאחוריה עומדים חוקרים רבים שניסו ונכשלו. לפי הדיווחים, אסטרה לא רק ניסחה טענות, אלא סיפקה הוכחות מלאות לעשר בעיות כאלה בבת אחת.

שני פרטים הופכים את ההודעה למעניינת במיוחד. הראשון הוא השקיפות: במקום להסתפק בהצהרה, OpenAI העמידה לרשות הציבור את כתב היד המלא ואת הקוד, כדי שכל חוקר יוכל לאמת את ההוכחות מול הקוד. השני הוא העלות. סכום של כ-2,000 דולר לעשר תוצאות ברמה כזו הוא נמוך באופן מפתיע, וזה חלק מסיפור רחב יותר של ירידת מחירים חדה ביכולות AI מתקדמות בשנתיים האחרונות.

בין התוצאות יש בנייה שמוכיחה את קיומן של חבורות שאינן סופיות (non-sofic groups), שאלה מרכזית ופתוחה בתורת החבורות, וגם חסמים חדשים בבעיית אריזת הכדורים, תחום קלאסי שעוסק בשאלה כמה צפוף אפשר לסדר כדורים במרחב (מקור: The Next Web, אוגוסט 2026). הזוכה במדליית פילדס, טימותי גאוארס, אמר שהיה ממליץ על אחת ההוכחות לכתב עת מוביל בלי היסוס, וקרא לכך אבן דרך למתמטיקה בסיוע AI.

לעומק: מה זו הוכחה שנבדקת במכונה

הנקודה המבלבלת ביותר בסיפור היא הביטוי "הוכחה ב-Lean". הנה הסבר פשוט. Lean 4 היא תוכנה, מעין קומפיילר קפדני מאוד, שבודקת הוכחה מתמטית שורה אחר שורה. אתם כותבים את ההוכחה בשפה פורמלית, והתוכנה עוברת על כל צעד ומוודאת שהוא נובע באמת מהצעד הקודם. בסוף מתקבלת תוצאה בינארית: עבר או נכשל. אין אזור אפור ואין "בערך".

לכן מה שקרה כאן שונה מצ'אטבוט שמצהיר שהוא פתר משהו. כשמודל טוען שהוא הוכיח משפט, אנחנו רגילים לחשוד שאולי הוא המציא צעד או דילג על פרט. אבל כשההוכחה עוברת ב-Lean, מכונה ניטרלית אישרה שכל שורה תקינה. במילים אחרות, לא צריך להאמין ל-OpenAI על המילה, אפשר להריץ את הקוד מגיטהאב ולראות בעצמכם שהתוצאה מאומתת (מקור: DataCamp, אוגוסט 2026).

אימות פורמלי כזה גם משנה את מאזן הכוחות. אם בעבר תוצאה של מודל הייתה דורשת מומחה אנושי שיישב שבועות כדי לוודא שאין בה טעות סמויה, כאן החלק הזה נעשה על ידי המכונה בשניות, והחוקר האנושי מתפנה לשאלה החשובה יותר: האם התוצאה מעניינת ולאן היא מובילה. זו בדיוק ההפרדה בין "האם זה נכון" ל"האם זה שווה", והיא רלוונטית הרבה מעבר למתמטיקה.

חשוב לומר את זה בכנות: אסטרה היא מודל פנימי שעדיין לא שוחרר. OpenAI לא אמרה מתי, ואם בכלל, הוא יהיה זמין לציבור. וגם פתרון של עשר בעיות פתוחות שנבחרו בקפידה איננו אותו דבר כמו "לעשות את כל המתמטיקה". זהו הישג אמיתי ומרשים, אבל הוא נקודתי, ולא סוף הסיפור של המתמטיקאים האנושיים. עדיין נדרש שיקול דעת אנושי כדי לבחור אילו שאלות בכלל שוות מאמץ.

מה השתנה, בטבלה

למה זה משנה לכל אחד

• אימות במקום אמון: ההרגל של הצמדת בדיקה אוטומטית לתוצאה של AI, כמו ש-Lean בודק הוכחה, הוא בדיוק מה שהופך כלים כאלה לשמישים גם מחוץ למתמטיקה. מי שעובד עם AI לומד לדרוש הוכחה, לא הצהרה.
• סטודנטים וחוקרים: אם אתם לומדים מתמטיקה, מדעי המחשב או הנדסה, הכלים שיושבים לצדכם משתנים. שווה להכיר מערכות אימות פורמלי כמו Lean, כי הן הופכות ממחקר נישתי לכלי עבודה יומיומי.
• עצמאים ומנהלים: הלקח המעשי הוא לא "AI פתר מתמטיקה" אלא שעלות של יכולת גבוהה צונחת. מה שעלה הון לפני שנתיים עולה היום אלפי דולרים בודדים, וזה הכיוון שבו נעים גם כלים עסקיים.
• ולמי שמנהל עסק או ארגון: הסיפור הזה הוא תזכורת שכדאי לבדוק אילו משימות בארגון שלכם כבר אפשר להעביר ל-AI עם בקרה אנושית, במקום להמתין ל"מודל המושלם".

אם אתם רוצים להעמיק בהקשר, כתבנו בעבר על ההשקה של Claude Opus 5 של Anthropic ומשמעותה לירידת המחירים בשוק, מגמה שמסבירה למה גם הישג כמו זה של אסטרה יוצא בעלות כה נמוכה. אצל STSICONIC אנחנו קוראים את החדשות האלה דרך שאלה אחת: מה מזה כבר עובד מספיק טוב כדי לשרת עסק אמיתי היום.