A OpenAI acaba de dar um salto importante: segundo um estudo da Epoch AI, o GPT-5.2 Pro resolveu 31% dos problemas matemáticos avançados propostos—um avanço considerável frente ao recorde anterior de 19%. Na prática, o novo modelo solucionou quatro desafios que nenhuma outra IA tinha vencido até então e, de 13 questões já decifradas por outras redes neurais, acertou 11.
O que mudou do GPT-4 para o GPT-5.2 Pro?
Além de um corpus de treinamento expandido, o GPT-5.2 Pro recebeu ajustes finos em raciocínio simbólico e maior janela de contexto, permitindo identificar padrões matemáticos mais profundos—algo que modelos anteriores tropeçavam ao lidar com cálculos de várias etapas. Em números:
- Precisão nas provas da Epoch AI: 31% (vs. 19% do recorde anterior, mantido pelo GPT-5.1).
- Novos problemas resolvidos: 4 de altíssima complexidade, inéditos para qualquer IA.
- Taxa de acertos em desafios “já vistos”: 85% (11 de 13), sinal de maior consistência.
Por que matemática ainda é espinho para a IA?
A matemática exige raciocínio step-by-step e verificação constante de premissas. Enquanto modelos de linguagem são mestres em prever a próxima palavra, eles podem “se perder” em sequências longas de lógica. O professor Joel Hass, da UC Davis, enviou um problema topológico e ficou surpreso: “O GPT-5.2 Pro reconheceu a geometria do polinômio e conduziu o raciocínio corretamente”. Já o número-teorista Ken Ono, da Universidade da Virgínia, elogiou a estratégia da IA, mas avaliou a “rigor” em 6/10 — faltaram detalhes formais que um doutorando precisaria.
Impacto prático: da pesquisa aos videogames
Se a IA entende melhor matemática, ela também gera códigos mais robustos, otimiza engines de física em jogos e auxilia no design de chips. Para o gamer, isso pode significar algoritmos de IA capazes de balancear partidas ou criar NPCs mais inteligentes. Para pesquisadores, menos tempo preso a cálculos manuais e mais foco em hipóteses.
O que essa corrida significa para o seu setup?
Modelos como o GPT-5.2 Pro são treinados em placas de vídeo de altíssimo desempenho, cheias de núcleos tensor—o tipo de arquitetura presente em GPUs modernas como a família NVIDIA RTX 40. Mesmo que você não vá treinar modelos do zero, máquinas locais equipadas com GPUs compatíveis com CUDA e muita VRAM ganham importância para rodar instâncias menores, fazer fine-tuning ou simplesmente aproveitar novos recursos de IA em softwares criativos. Vale atenção também a CPUs com múltiplos núcleos e suporte a instruções AVX-512, que aceleram inferência híbrida.
Imagem: Maxwell Cooter
Próximos passos da OpenAI (e do mercado)
Ainda sem data de liberação pública, o GPT-5.2 Pro deve chegar primeiro via API e provavelmente em camadas profissionais pagas. Paralelamente, rivais como Anthropic (Claude) e Google (Gemini) já correm para provar avanços semelhantes. Quanto maior a competição, melhor para usuários que buscam ferramentas capazes de escrever códigos, responder dúvidas técnicas e auxiliar em cálculos de engenharia.
Em resumo, superar barreiras matemáticas não é mero troféu acadêmico: é um indicativo de que as IAs estão amadurecendo em raciocínio estruturado. E isso, cedo ou tarde, repercute em softwares mais inteligentes, necessidade de hardware parrudo e—por que não?—na decisão sobre qual GPU ou processador vai equipar seu próximo upgrade.
Com informações de Computerworld
