Terence Tao und OpenAI: Vom Workshop-Mitorganisator zu „Ich sehe keinen Weg, konstruktiv zusammenzuarbeiten“

Zeitleiste

1. März 2026

   Tao hilft, einen von OpenAI gesponserten IPAM-Workshop zu organisieren. Seine eigene Seite erklärt den Hintergrund: Das Sponsoring ging aus einer Notfall-Spendenaktion nach der Aussetzung der NSF- und NIH-Förderung 2025 hervor und war 60.000 bis 70.000 US-Dollar wert. Während des Workshops zeichnete OpenAI ein einstündiges Interview mit ihm auf und verwendete einige Ausschnitte in einer Werbung, wogegen er sich im Rückblick, wie er sagt, stärker hätte wehren sollen.

   Terence Tao on AI: a living summary (disclosure)

2. 24. Juli 2026

   Auf dem Internationalen Mathematikerkongress hält er den öffentlichen Vortrag „Mathematics in the age of AI“. Er nennt den Moment eine Krise der Werte und Praktiken und nicht der mathematischen Argumente und warnt, dass das Beweislösen als Ziel sich von den Zielen lösen kann, für die es früher stand.

   Terence Tao on AI: a living summary (ICM 2026 section)

3. 9. September 2026

   Er veröffentlicht eine Erklärung zu Protokoll. Er ordnet sich weder einer „Pro-KI“- noch einer „Anti-KI“-Position zu, beschreibt zwei Wege (verantwortungsvolle Einführung oder wahlloser Einsatz für kurzsichtige Ziele) und schreibt, das Fach nähere sich „leider rasch“ dem zweiten.

   Terence Tao on AI: a living summary

4. 11. September 2026

   Eine Erklärung mit dem Titel „A Severe Misalignment of AI in Mathematics“ erscheint mit 25 Fields-Medaillengewinnern als Erstunterzeichnern, darunter Tao. Sie sagt, die Ziele der KI-Unternehmen und der mathematischen Gemeinschaft seien stark verschoben, weil das Lösen von Problemen ein Stellvertreter für Verstehen sei und nicht das Ziel selbst.

   Terence Tao on AI: a living summary

5. 6. Oktober 2026

   Veröffentlicht: OpenAI veröffentlicht „Sharing AI progress in mathematics“. Der Beitrag sagt, das Labor gebe eine breite Menge neuer mathematischer Ergebnisse eines internen Frontier-Modells frei, in einem GitHub-Repository, mit Lean-Formalisierungen vieler Beweise und 10 Zusammenfassungen der Modellüberlegungen. Das durchschnittliche Ergebnis habe etwa drei Stunden ChatGPT-Pro-Denken an Rechenzeit gebraucht.

   OpenAI: Sharing AI progress in mathematics

6. 6. Oktober 2026

   Berichtet, nicht in dem OpenAI-Beitrag: Taos Seite zitiert die New York Times und beschreibt den Release als mehr als 350 Ergebnisse in nahezu jedem Teilgebiet, darunter Algebra, Zahlentheorie, theoretische Informatik, mathematische Logik und Topologie. Dieselbe Seite sagt, die Times berichte, OpenAI habe eine Lösung des Navier-Stokes-Problems angekündigt. Der OpenAI-Beitrag, den wir am 2026-10-22 gelesen haben, nennt Navier-Stokes nicht und gibt die Zahl 350 nicht an.

   Terence Tao on AI: a living summary (citing the Times)

7. 8. Oktober 2026

   Tao antwortet im Blog Proofs and Prompts. Er schreibt, keiner der an den Beweisen beteiligten Menschen stehe für Fragen, Vorträge, Zeitschrifteneinreichungen oder die Ausbildung von Studierenden zur Verfügung, und er sei „entsetzt“, dass Personenjahre langsamer Forschung, besonders junger Mathematiker, nebenbei durcheinandergebracht würden.

   Terence Tao on AI: a living summary (quoting his post)

8. 9. Oktober 2026

   Er hält den öffentlichen Caltech-Vortrag „Math 2.0“. Sein Argument: Beweisknappheit habe die Institutionen der Math 1.0 organisiert, Beweisüberfluss sprenge diese Ordnung, und der Engpass des Fachs sei Vorstellungskraft, nicht Technik.

   Terence Tao on AI: a living summary (Math 2.0 section)

9. 15. Oktober 2026

   Die Simons Foundation kündigt mit Anthropic und OpenAI ein Vorhaben über 15 Millionen US-Dollar an, das Mathematikern helfen soll, KI-gestützte Ergebnisse zu bewerten, die Werkzeuge zu lernen und Standards zu prägen. OpenAI ergänzt seinen Beitrag vom 6. Oktober um ein Update: 5 Millionen US-Dollar davon stammen von OpenAI selbst, dazu Modell- und Rechenzugang für von Simons geförderte Forschende.

   Simons Foundation announcement

10. 16. Oktober 2026

    Die New York Times veröffentlicht ihr Porträt. Tao sagt der Zeitung „I’m on a war footing“, er mache sehr wenig Mathematik, und über OpenAI: „At this point, I don’t see a way to constructively engage.“

    The New York Times: Why One of the World’s Greatest Mathematicians Is on a ‘War Footing’

Ein Workshop im März und ein Handel, der damals Sinn ergab

Um zu verstehen, warum Terence Taos Oktober so klingt, wie er klingt, muss man im März beginnen, denn der Tao vom März war kein Gegner der KI-Unternehmen. Laut der Offenlegung auf seiner eigenen Seite half er, einen IPAM-Workshop zu organisieren, den OpenAI sponserte. Das Geld kam nicht aus einer Vorliebe für Unternehmenspartnerschaften. Seine Seite sagt, es stammte aus einer Notfall-Spendenaktion nach der Aussetzung der NSF- und NIH-Förderung 2025, und das Sponsoring habe zwischen 60.000 und 70.000 US-Dollar gelegen. Ein Forschungsinstitut, das Bundesmittel verloren hat, nimmt die Angebote, die es gibt.

Dieselbe Offenlegung verzeichnet einen Preis. Während des Workshops zeichnete OpenAI ein einstündiges Interview mit Tao auf und verwendete später einige Ausschnitte in einer Werbung. Tao sagt, im Rückblick hätte er sich stärker wehren sollen. Es ist ein kleines Detail, und von der Art, die später zählt: das erste Zeichen, dass das Interesse eines Sponsors an der Stimme eines Mathematikers und das Interesse des Mathematikers am Geld des Sponsors nicht dasselbe waren.

Sein erklärter Grund, sich überhaupt einzulassen, war strategisch, und er sagte es deutlich. Laut seiner Seite vertrat er lange, sich mit der Branche einzulassen sei besser, als „uniformly hostile“ zu sein, weil Anreize in beide Richtungen wirken: Der Umgang mit den Laboren könne die Bilanz der Technik „in eine bessere Richtung“ bewegen. Er argumentierte auch, dass ein verbeamteter Akademiker ohne Gehalt eines KI-Unternehmens trotzdem ehrlich sprechen könne. An dieser Position sollte man für den Rest der Geschichte festhalten. Er wurde in kein Lager geholt. Er wettete darauf, dass Reden das Ergebnis prägen würde.

Sommer: das Problem beschreiben, bevor es kam

Zwischen März und Oktober widmete Tao einen wachsenden Teil seines öffentlichen Schreibens einer Sorge, die wenig damit zu tun hatte, ob KI Mathematik kann. Seine Seite sagt, die Antwort darauf laute zunehmend Ja. Auf dem Internationalen Mathematikerkongress am 24. Juli beschrieb er den Moment als Krise der Grundlagen mathematischer Werte und Praktiken. Sein Argument: Das Problemlösen, historisch das sichtbarste Ziel der mathematischen Forschung, sei immer Stellvertreter für langsamere Ziele gewesen, nämlich Verstehen, Theoriebildung und die Ausbildung der nächsten Generation. Solange Probleme zu lösen schwer war, folgte der Stellvertreter den Zielen. Sobald Maschinen Lösungen billig erzeugen könnten, warnte er, folge er ihnen nicht mehr, und stärkeres Drücken richte Schaden an.

Für den Mechanismus nutzte er einen Namen aus der Ökonomie, das Goodhart-Gesetz: Wird ein Maß zum Ziel, taugt es nicht mehr als Maß. Dieselbe Seite verzeichnet einen Essay vom September, in dem er argumentiert, offene Probleme der Mathematik seien so etwas wie eine nicht erneuerbare Ressource geworden, weil ein Problem, dessen Lösung bereits öffentlich ist, dauerhaft weniger taugt, um irgendetwas zu bewerten. In derselben Phase schrieb er ein Gedankenexperiment zu beschränkten Lücken zwischen Primzahlen: Wie hätte eine jahrzehntelange gemeinsame Geschichte mit ihren gescheiterten Versuchen und neuen Methoden verlaufen können, wenn benchmark-hungrige KI-Unternehmen von Anfang an dabei gewesen wären? Eine Schranke, die schnell fällt, ein Problem, das für gesättigt erklärt wird, und wenig, das sich noch lehren ließe.

Nichts davon betrifft den 6. Oktober, und das ist der Punkt. Wochen vor OpenAIs Release hatte Tao die befürchtete Fehlform aufgeschrieben, im Detail und mit einem Mechanismus. Als der Release kam, reagierte er nicht wie jemand, der eine neue Gefahr entdeckt. Es war eher, als sähe man eine Prognose pünktlich eintreffen. Seine Erklärung zu Protokoll vom 9. September sagt das ebenso: Er habe seit 2023 zwei mögliche Wege gesehen, verantwortungsvolle Einführung oder wahllosen Einsatz für kurzsichtige Ziele, und „we are unfortunately rapidly approaching“ den zweiten. Zwei Tage später war er einer von 25 Fields-Medaillengewinnern, die den Ausgangstext von „A Severe Misalignment of AI in Mathematics“ unterzeichneten. Darin wurde die Frage der Fähigkeiten glatt eingeräumt, die Werkzeuge könnten inzwischen große offene Probleme lösen, und es ging sofort zu dem, was sie beunruhigte: dass das Lösen von Problemen nur ein Stellvertreter für begriffliches Verstehen sei und dass das Massenproduzieren wahrer oder falscher Aussagen fruchtbaren Boden zerstören könne, statt neuen Ideen Leben einzuhauchen.

6. Oktober: was OpenAI veröffentlichte

Am 6. Oktober veröffentlichte OpenAI einen Beitrag mit dem Titel „Sharing AI progress in mathematics“. Die New York Times beschreibt in ihrem Porträt von Tao zehn Tage später, was an diesem Tag eintraf, als mehr als 350 Ergebnisse in nahezu jedem Teilgebiet des Fachs, darunter Algebra, Zahlentheorie, theoretische Informatik, mathematische Logik und Topologie. Mathematiker, von denen manche kurz davor gewesen seien, Probleme zu lösen, an denen sie Jahre gearbeitet hatten, seien von der KI im Nu überholt worden. (Anderswo variieren die Zahlen, von einigen Hundert bis zu höheren Werten. Wir verwenden die Zahl der Times und weisen sie ihr zu, weil wir die anderen nicht in Einklang bringen können.)

Dem Release ging eine Schlagzeilenbehauptung voraus. Die Times berichtet, OpenAI habe zuvor angekündigt, das Navier-Stokes-Problem gelöst zu haben, eines der sieben Millennium-Probleme. In diesem Zusammenhang sagte Tao der Zeitung „There are no rules any more“ und er sei „just numb to what would have been jaw-dropping events“ für ihn ein Jahr zuvor. Ein Mann, der eine Laufbahn lang mathematische Überraschungen verarbeitet hat, beschrieb einen Zustand, in dem Überraschung nicht mehr ankommt. Das ist für einen Mathematiker ein seltsamer Satz, und man sollte ihn als Information über das Tempo lesen, nicht als Rhetorik.

Veröffentlicht, berichtet, und kein Datum

• Veröffentlicht. Am 6. Oktober 2026 sagt der OpenAI-Beitrag, das Labor veröffentliche Ergebnisse eines internen Frontier-Modells in einem GitHub-Repository, mit Lean-Formalisierungen vieler Beweise und 10 Zusammenfassungen der Modellüberlegungen. Das durchschnittliche Ergebnis habe etwa drei Stunden ChatGPT-Pro-Denken gebraucht. Ein Update desselben Beitrags vom 15. Oktober 2026 sagt, OpenAI steuere 5 Millionen Dollar bei und stelle Modell- und Rechenzugang bereit. Gelesen am 2026-10-22.
• Berichtet, nicht in diesem Beitrag. Taos Seite zitiert die New York Times vom 16. Oktober 2026 und sagt, OpenAI habe eine Lösung des Navier-Stokes-Problems angekündigt und der Release vom 6. Oktober habe mehr als 350 Ergebnisse enthalten. Der gelesene OpenAI-Beitrag nennt Navier-Stokes nicht und gibt 350 nicht an. Beides gilt als berichtet.
• Taos eigene Worte, soweit seine Seite sie zitiert. Der Beitrag vom 8. Oktober auf Proofs and Prompts enthält „horrified“ und den Satz, dass keiner der beteiligten Menschen für Fragen zur Verfügung stehe. „I’m on a war footing“ und „I don’t see a way to constructively engage“ schreibt die Seite dem Times-Interview vom 16. Oktober zu.
• Kein Datum. Der OpenAI-Beitrag sagt, er werde in naher Zukunft mehr zu Workshops mitteilen, und er arbeite daran, das Modell zu veröffentlichen, das die Ergebnisse erzeugt hat. Keiner der beiden Sätze nennt einen Tag. Diese Seite ergänzt keinen.

8. Oktober: was Tao tatsächlich beanstandete

Zwei Tage später veröffentlichte Tao seine Reaktion, und sie ist präziser, als die Schlagzeilen es klingen ließen. Laut seiner Seite, die den Beitrag direkt zitiert, sagte er nicht, die Beweise seien wertlos. Er sagte, sie schienen „clevere neue Ideen einzuführen, die fruchtbar sein werden, sobald sie verdaut sind, und zugleich auf den bestehenden Beiträgen unzähliger Mathematiker der Vergangenheit und Gegenwart aufzubauen“, und er sei begeistert, dass die Gemeinschaft solche Werkzeuge für ehrgeizige Großprojekte nutzen könnte, die frühere Generationen sich nicht hätten vorstellen können.

Seine Beanstandung galt der Anordnung um die Ergebnisse herum. „Keiner der an diesen Beweisen beteiligten Menschen steht für Fragen, Vorträge, Konferenzen, Zeitschrifteneinreichungen, die Ausbildung von Studierenden oder sonst die weitere Entwicklung dieser Ergebnisse zur Verfügung.“ In der Mathematik hat dieser Satz Gewicht, denn ein Beweis ist nicht fertig, wenn er korrekt ist. Er ist fertig, wenn jemand ihn erklärt, eingeordnet und lehrbar gemacht hat. Die beste Gelegenheit, ein Ergebnis zu verdauen, sei der Moment seiner Entdeckung, schrieb er, und solche Momente würden „zunehmend vergeudet, wenn sie ganz an KI-Werkzeuge delegiert werden“.

Dann kam die Zeile, die das Wort „entsetzt“ erklärt. Tao schrieb, er sei entsetzt über „die vielen Personenjahre laufender geduldiger und bewusst langsamer Forschung, besonders von Doktoranden und Postdocs, an vielen motivierenden Problemen der Mathematik, die durch einen solchen Release nebenbei durcheinandergebracht oder zerstört werden“. Sein Vergleich ist bodenständig: So wie man einen Film-Spoiler oder einen Kreuzworträtsel-Hinweis nicht ungehört machen kann, lasse sich ein Problem nicht mehr so ertragreich erkunden, wenn man weiß, dass es eine Antwort gibt. Für eine Doktorandin im dritten Jahr an einem Problem ist der Spoiler nicht abstrakt. Er verändert, was die Dissertation sein kann.

Er beschrieb auch, was er stattdessen gewollt hätte. Derselbe Beitrag skizziert laut seiner Seite einen nicht beschrittenen Weg: Labore, die Frontier-Modelle unabhängigen Forschenden zur wissenschaftlichen Bewertung überlassen, sich mit der Forschungsgemeinschaft abstimmen, damit die Werkzeuge menschliche Forschende ergänzen statt mit ihnen zu konkurrieren, sie nutzen, um Zusammenarbeit und Teilen statt Wettbewerb und Geheimhaltung zu fördern, und „neue Türen öffnen, ohne alte zu schließen“. Der Beitrag endet mit einem Appell nach innen: Die Gemeinschaft solle eigene Standards und Werte erklären, eigene Werkzeuge und Praktiken bauen, ihre verletzlichsten Mitglieder unterstützen und ihren eigenen Weg gehen. „Let’s get to work.“

Die Ausgabe lesen: „technisch lesbar“

Der konkreteste Teil der Geschichte ist, wie Tao sagt, dass die Ausgabe sich liest. Gegenüber der Times nannte er den Navier-Stokes-Beweis „technically readable“, fügte aber hinzu: „no expert I’ve talked to has actually understood the whole argument.“ Seine Seite, die dasselbe Interview zusammenfasst, sagt, der Beweis habe angeblich 165 Seiten gehabt und sei von einem Schwarm von etwa zehntausend Agenten in 88 Stunden erzeugt worden, und vor dem Oktober-Release habe er die kommenden Ergebnisse „toxic waste“ genannt, danach „maybe treated waste“.

Die Times fügt hinzu, das Schreiben sei im jüngsten Release besser gewesen, was er einen „mixed bag“ nannte. Manche Arbeiten zitierten seine eigene Arbeit angemessen und schienen sie auf eine Weise weitergebracht zu haben, die er plausibel fand. Dieses Detail spricht gegen die schlichte Lesart der Geschichte als die eines Mannes, der sich überholt fühlt. Er beschreibt ein Werk, in dem manches gut ist, und ist trotzdem unzufrieden, wegen dessen, was fehlt: „there is no author that I can have a real conversation with about the results.“

Dieser Satz ist die These der ganzen Episode. In seiner Argumentation vom ICM hat die fertige Pipeline für ein Ergebnis Stufen: Erzeugung, Verifikation, Darstellung, Veröffentlichung und Kanonisierung, wobei die letzte der Punkt ist, an dem das Ergebnis Teil dessen wird, was die nächste Generation lernt. Die KI hatte die ersten Stufen billig gemacht. Der Release ließ nach seiner Darstellung die späteren ohne Besitzer.

9. Oktober: der Caltech-Vortrag und was er stattdessen zu tun rät

Am Tag nach seinem Beitrag hielt Tao den öffentlichen Caltech-Vortrag, angekündigt als „Machine Assisted Proof“, den er jetzt lieber „Math 2.0“ nennt. Die New York Times, die ihn in der Folgewoche beschreibt, sagt, er habe argumentiert, dass trotz OpenAIs Releases die meisten Probleme an der Front der Mathematik ungelöst blieben, dass die Schwierigkeit von Problemen grenzenlos sei und dass Mathematiker, weil KI das Sammeln von Daten in riesigem Maßstab erlaube, zunehmend in großen Gruppen an Projekten arbeiten würden, die früher unvorstellbar gewesen wären.

Seine Seite gibt die längere Fassung. Math 1.0, sagt er, lief auf Beweisknappheit: Eine Lösung zu finden und zu beweisen war selten und schwierig, und Institutionen, Traditionen und Anreize des Fachs waren darum herum organisiert. Wenn ein bahnbrechender Beweis erschien, erzeugte die Reaktion des Fachs Einladungen, Treffen, Workshops, neue Kooperationen und Neulinge, bis der Beweis in Lehrbüchern verdaut war. Autonom gelöste Probleme, argumentiert er, erzeugen von diesem Zyklus sehr wenig, weil die Leute, die die KI angestoßen haben, oft kein Interesse am Fach haben, sobald das Ziel gelöst ist, und Fragen zum Ergebnis nicht beantworten können. Seine Zusammenfassung des Engpasses ist unverblümt: Er „is not technology, or even institutional culture. It is imagination.“

Der Rat, den die Times berichtet, ist für einen Mann, der sagt, er sei in Kriegsbereitschaft, bemerkenswert sanft. Problemlösen sei kein Ziel, sondern eine Reise, und die unterwegs gelernten Lektionen seien oft wichtiger als die Antwort. Statt allein ein einzelnes Problem zu lösen, könnten Mathematiker mit KI zehn lösen und nach Mustern und neuen Fragen suchen. Es ist Akzeptanz aus Notwendigkeit, wie die Times es formuliert, und kein Aufruf zum Kampf.

15. Oktober: das Geld kommt

Am Tag vor dem Porträt der Times kündigte die Simons Foundation eine neue Reihe von Initiativen an. In einer Partnerschaft sagten die Foundation, Anthropic und OpenAI zusammen 15 Millionen US-Dollar an Mitteln und Ressourcen zu. Die Foundation wird die Mittel verwalten und vergeben, auch über eine offene Ausschreibung, um Workshops und Initiativen zu unterstützen, die Forschenden helfen, aktuelle KI-gestützte Ergebnisse zu bewerten, neue Werkzeuge zu lernen und zu nutzen, Perspektiven zu teilen und kollektive Standards für den KI-Einsatz zu prägen. Anthropic und OpenAI stellen den von der Foundation unterstützten Forschenden auch Werkzeuge und Rechenressourcen bereit, in den Grundlagenwissenschaften wie in der Mathematik. Die Ankündigung vermerkt, dass Simons ein früher Förderer des Beweisassistenten Lean war.

OpenAIs Beitrag erscheint als Update zum eigenen Beitrag vom 6. Oktober, datiert auf den 15. Oktober: Es steuert 5 Millionen US-Dollar zur Initiative bei, „to help mathematicians examine, understand, and build on results produced by AI, including those shared in this post“, und stellt Modell- und Rechenzugang bereit. Dasselbe Update sagt, das Geld finanziere Workshops, Konferenzen und Sonderprogramme.

Ob das eine Antwort auf die Kritik war, wissen wir nicht, und keine der Quellen sagt es; wir können nur die Abfolge der Daten benennen. Sagen lässt sich, dass der erklärte Zweck des Geldes, der Gemeinschaft zu helfen, Ergebnisse im Nachhinein zu verstehen, genau die Verdauungsarbeit ist, die laut Tao am 8. Oktober am besten im Moment der Entdeckung geleistet wird. Ob die Finanzierung von Workshops nach einem Release ersetzen kann, dass Autoren währenddessen verfügbar sind, ist genau die Frage, die sein Einwand aufwirft, und nichts in den Ankündigungen beantwortet sie.

16. Oktober: „I’m on a war footing“

Das Porträt der Times von Elisabeth Bumiller beginnt damit, dass Tao während eines zweitägigen Mathe-Workshops an der UCLA einen Kaffee holt, wo, wie es heißt, überall von der existenziellen Krise der KI für das Fach die Rede war. Tao, 51, sagt der Reporterin, er mache sehr wenig Mathematik. „I’m on a war footing.“ Seine Seite und die Zeitung beschreiben, wie seine Zeit jetzt vergeht: Mathematiker zusammenbringen, Strategie, Vorträge, Kollegen beraten, in dem, was er Community Organizing nennt.

Die Kehrtwende beim Austausch wird klar benannt. Ein Jahr zuvor, sagt er der Times, habe er gute Beziehungen zu vielen Leuten im Unternehmen gehabt, die „shared a very common vision of how A.I. should be used — you know, to empower scientists.“ Aber die Eile bei der Veröffentlichung, sagt er, zeige, wofür sie das Fach tatsächlich nutzten: Sie „used math for what they needed, which was to evaluate their models.“ Und dann der Satz, der diesen Artikel überschreibt: „At this point, I don’t see a way to constructively engage.“

Es lohnt sich zu bemerken, was er nicht sagt. Er sagt nicht, die Mathematik sei falsch, und er sagt nicht, KI gehöre aus dem Fach herausgehalten. Dieselbe Seite, die seine Position im Oktober verzeichnet, verzeichnet auch seine fortdauernde Unterstützung für verantwortungsvolle Nutzung, formale Verifikation und offene Werkzeuge. Seine Klage gilt einer bestimmten Art, Ergebnisse zu veröffentlichen, ohne verfügbaren Autor, ohne Abstimmung mit den Leuten, die an den Problemen arbeiten, und mit einem Unternehmen, das sich in seinen Worten mehr dafür interessiert, seine Modelle zu evaluieren, als für das Fach.

Was wir nicht prüfen konnten und ausgelassen haben

Zusammenfassungen dieser Geschichte, auch einige aus den letzten zwei Tagen, enthalten Details, die wir nicht in die Zeitleiste aufgenommen haben, weil sie entweder nur eine Quelle haben oder aus automatischen Untertiteln eines Video-Interviews stammen: wie viele der neuen Arbeiten Tao persönlich gelesen hat, wie viele zurückgezogen wurden, und die Einstufung eines Ergebnisses als größter Fortschritt zu seinem Problem seit fünfzig Jahren. Auch die gemeldeten Zahlen zum Release unterscheiden sich zwischen den Medien. Wir haben nur behalten, was eine öffentliche Quelle in lesbarer Form nennt. Das Etikett „Mozart der Mathematik“, das in populärer Berichterstattung auftaucht, haben wir ebenfalls nicht verwendet; in den obigen Quellen fanden wir es nicht.

Unsere Einschätzung

Nützlich lässt sich diese Geschichte als Streit darüber lesen, wem die letzte Meile eines Ergebnisses gehört, nicht als Kampf zwischen einem Mathematiker und einer Maschine. Taos Position ist seit dem Sommer gleich geblieben: Erzeugung wurde billig, und was teuer blieb, Erklärung, Kontext, Lehre, ist dort, wo der Wert des Fachs liegt. Ein Labor kann an einem Tag Hunderte Beweise erzeugen. Es kann am selben Tag nicht Hunderte Menschen hervorbringen, die darüber sprechen können.

Die Finanzierung vom 15. Oktober ist der Versuch, einen Teil dieser Verdauung nachträglich zu bezahlen. Die Ankündigungen sagen nicht, dass sie Taos Einwand beantworten, und diese Seite sagt keine spätere Veröffentlichung voraus und gibt ihr kein Datum.

Weiterlesen

Alle Beiträge, neueste zuerst, stehen im Front-Blog.

• KI und Mathematiker im Zeitverlauf: Die ausführlichere Chronik zu KI und Forschungsmathematik im Oktober 2026.
• Google-Argon-Zeitleiste: Googles Gemini-4-Argon-Release in datierter Folge festgehalten.
• Grok 4.8: Was xAI tatsächlich gesagt hat: Die Releases von xAI von Grok 4.5 bis 4.7 und die Aussagen zu 4.8.
• Reflection-Beam-501B-Zeitleiste: Die Veröffentlichung der Gewichte von Reflection Beam 501B in zeitlicher Folge.

Häufige Fragen

Änderungsprotokoll

• 22. Oktober 2026 — Am 2026-10-22 den OpenAI-Beitrag und Taos Seite erneut gelesen. Den Beitrag vom 6. Oktober als veröffentlicht gekennzeichnet, den Times-Bericht über 350 Ergebnisse und eine Navier-Stokes-Ankündigung als berichtet. Einen Satz gestrichen, der eine spätere Veröffentlichung vermutete.
• 17. Oktober 2026 — Erstveröffentlichung.

Quellen

• The New York Times: Why One of the World’s Greatest Mathematicians Is on a ‘War Footing’ (Oct 16, 2026)
• Terence Tao on AI: a living summary (updated Oct 16, 2026)
• OpenAI: Sharing AI progress in mathematics (Oct 6, 2026; updated Oct 15)
• Simons Foundation: $15M effort to help mathematicians navigate the AI era (Oct 15, 2026)