- OpenAI afirma que 8,4 milhões de mensagens são enviadas todas as semanas sobre ciências e matemática avançadas
- Os modelos GPT-5.2 podem seguir longas cadeias de raciocínio e verificar os resultados de forma independente
- A IA acelera tarefas rotineiras de pesquisa, como codificação, revisão de literatura e planejamento de experimentos
A OpenAI deseja que os usuários tratem o ChatGPT como um colaborador de pesquisa, com quase 8,4 milhões de novas postagens de pesquisa a cada semana focadas em tópicos avançados de ciências e matemática, geradas por cerca de 1,3 milhão de usuários em todo o mundo.
A OpenAI observa que esse uso cresceu quase 50% no ano passado, sugerindo que o sistema está indo além da experimentação ocasional para fluxos de trabalho regulares de pesquisa.
Esses usuários trabalham em matemática, física, química, biologia e engenharia em comparação com estudos de pós-graduação ou pesquisa ativa.
Escala de uso e integração de pesquisa
A matemática recebe atenção especial no relatório. Os modelos GPT-5.2 suportam longas cadeias de raciocínio, verificam seu trabalho e funcionam com sistemas de evidências formais como o Lean.
A OpenAI afirma que os modelos alcançaram resultados de nível ouro na Olimpíada Internacional de Matemática de 2025 e mostraram sucesso parcial no benchmark FrontierMath.
O relatório também indica os modelos que contribuíram para as soluções relacionadas aos problemas abertos de Erdő, pois os resultados foram confirmados por matemáticos humanos.
Embora os modelos não criem teorias matemáticas inteiramente novas, eles recombinam ideias conhecidas e identificam conexões entre campos, o que acelera a verificação formal e a descoberta de evidências.
Padrões semelhantes aparecem em outros campos científicos. Em benchmarks de pós-graduação, como GPQA, o GPT-5.2 excede 92% de precisão sem ferramentas externas.
Diz-se que os laboratórios de física usam IA para integrar simulações, registros experimentais, documentação e sistemas de controle, ao mesmo tempo que apoiam a exploração teórica.
Em química e biologia, abordagens híbridas combinam modelos de linguagem de uso geral com ferramentas especializadas, como redes neurais de grafos e preditores de estrutura de proteínas.
Estas combinações visam melhorar a fiabilidade, mantendo a supervisão humana no centro da tomada de decisões.
O relatório coloca estes desenvolvimentos num contexto mais amplo. O progresso científico apoia a medicina, os sistemas energéticos e a segurança pública, mas a investigação é muitas vezes lenta e trabalhosa.
Uma pequena fração da população mundial produz a maioria das descobertas básicas, e projetos como o desenvolvimento de medicamentos podem levar mais de uma década.
De acordo com a OpenAI, os pesquisadores estão usando cada vez mais ferramentas de IA para gerenciar tarefas rotineiras e demoradas, incluindo codificação, revisão de literatura, análise de dados, suporte de simulação e planejamento de experimentos.
Ele cita estudos de caso, desde provas matemáticas mais rápidas até design de proteínas com RetroBioSciences, onde a IA encurtou os prazos de anos para meses.
Embora o relatório apresente números de utilização e resultados de benchmark significativos, a validação independente permanece limitada.
Persistem questões sobre como estes resultados se mantêm ao longo do tempo, até que ponto se aplicam e se os ganhos relatados se traduzem em avanços científicos sustentáveis.
Esses números de uso e pontuações de benchmark são dignos de nota, mas a validação independente ainda é limitada.
Siga o TechRadar no Google Notícias e adicione-nos como sua fonte padrão para receber notícias, opiniões e opiniões de nossos especialistas em feeds. Certifique-se de clicar no botão Continuar!
E é claro que você também pode Siga o TechRadar no TikTok para receber notícias, análises, unboxings de vídeos e receber atualizações regulares nossas WhatsApp também
