Avançando a ciência e a matemática com o GPT‑5.2

Uma das nossas grandes expectativas em relação à IA avançada é que ela acelere a pesquisa científica em benefício de todos, ajudando pesquisadores a explorar mais ideias, testá-las mais rápido e transformar descobertas em impacto. 

Ao longo do último ano, temos trabalhado de perto com cientistas de matemática, física, biologia e ciência da computação para entender onde a IA pode ajudar — e onde ela ainda fica aquém. No mês passado, publicamos um artigo⁠ que reúne estudos de caso iniciais em matemática, física, biologia, ciência da computação, astronomia e ciência de materiais em que o GPT‑5 ajudou pesquisadores — mostrando como o GPT‑5 já começou a contribuir para trabalhos científicos reais. Com o GPT‑5.2, estamos começando a ver esses ganhos se tornarem mais consistentes e mais confiáveis.

GPT‑5.2 Pro e GPT‑5.2 Thinking são nossos modelos mais avançados até agora para trabalhos científicos e matemáticos.

Um raciocínio matemático sólido é a base da confiabilidade em trabalhos científicos e técnicos. Ele permite que os modelos sigam lógicas de múltiplas etapas, mantenham quantidades consistentes e evitem erros sutis que podem se acumular em análises reais — de simulações e estatística a previsão e modelagem. Os avanços em benchmarks como o FrontierMath refletem não uma habilidade estreita, mas um raciocínio geral e capacidade de abstração mais fortes — habilidades que se transferem diretamente para fluxos de trabalho científicos, como programação, análise de dados e desenho de experimentos.

Essas capacidades também estão intimamente ligadas ao avanço em direção à inteligência geral. Um sistema capaz de raciocinar com abstrações de forma consistente, manter a coerência ao longo de longas cadeias de pensamento e generalizar entre domínios está demonstrando características fundamentais para a AGI — não truques específicos de tarefa, mas habilidades amplas de raciocínio, transferíveis, que importam em ciência, engenharia e tomada de decisão no mundo real.

Acreditamos que o GPT‑5.2 Pro e o GPT‑5.2 Thinking são os melhores modelos do mundo para ajudar e acelerar o trabalho de cientistas. No GPQA Diamond, um benchmark de perguntas e respostas em nível de pós-graduação que não pode ser resolvido só com buscas no Google, o GPT‑5.2 Pro atinge 93,2%, seguido de perto pelo GPT‑5.2 Thinking, com 92,4%.

No FrontierMath (Tier 1–3), uma avaliação de matemática em nível de especialista, o GPT‑5.2 Thinking estabeleceu um novo estado da arte, resolvendo 40,3% dos problemas.

Esse resultado aponta um caminho promissor de como sistemas de IA podem apoiar a pesquisa científica, especialmente em domínios com fundamentos teóricos axiomáticos, como matemática e computação teórica. Em contextos como esses, modelos de fronteira podem ajudar a explorar demonstrações, testar hipóteses e identificar conexões que, de outra forma, exigiriam um esforço humano considerável para serem descobertas.

Ao mesmo tempo, esses sistemas não são pesquisadores independentes. O julgamento especializado, a verificação e o entendimento profundo do domínio continuam sendo essenciais. Mesmo modelos muito capazes podem cometer erros ou se apoiar em pressupostos não declarados. Mas eles também podem produzir argumentos detalhados e estruturados, que merecem estudo e refinamento cuidadosos por parte de humanos. Por isso, avançar com confiabilidade usando IA depende de fluxos de trabalho que mantenham validação, transparência e colaboração firmemente no centro do processo.

Visto como um estudo de caso, esse resultado ilustra um modo emergente de fazer pesquisa. Modelos como o GPT‑5.2 podem atuar como ferramentas de apoio ao raciocínio matemático e de aceleração da exploração inicial, enquanto a responsabilidade pela correção, interpretação e contexto permanece com os pesquisadores humanos. Usados com cuidado, esses sistemas podem ajudar a tornar mais ágeis aspectos importantes do trabalho teórico, sem substituir o papel central do julgamento humano na investigação científica.