O lançamento de matemática da OpenAI e os custos de pesquisa com IA

Atualizado October 8, 2026 · publicado originalmente October 8, 2026

Resposta rápida: O lançamento de matemática da OpenAI de 6 de outubro é um caso útil de governança de custos, não uma referência pública de preços. A empresa afirma que o resultado médio usou computação equivalente a...

O lançamento de matemática da OpenAI de 6 de outubro é um caso útil de governança de custos, não uma referência pública de preços. A empresa afirma que o resultado médio usou computação equivalente a cerca de três horas de raciocínio do ChatGPT Pro, mas não publica um preço de API por resultado para o modelo interno. As equipes de finanças devem acompanhar separadamente o gasto com experimentos, o esforço de revisão e os resultados verificados, em vez de converter esse equivalente de computação em um valor em dólares inventado.

O que a OpenAI divulgou

A OpenAI publicou 722 manuscritos matemáticos agrupados em 372 famílias, junto com algumas formalizações em Lean e detalhes sobre seu processo de pesquisa. Ela afirma que o resultado médio usou computação equivalente a cerca de três horas de raciocínio do ChatGPT Pro. O repositório também informa que a coleção inclui resultados em diferentes estágios de verificação e que alguns resultados não formalizados podem conter problemas. Consulte a nota de lançamento da OpenAI e o repositório de pesquisa para ver o material original.

Essas divulgações descrevem a produção de pesquisa e um equivalente aproximado de computação. Elas não informam a tarifa de API do modelo interno, uma medição exata por manuscrito, uma conversão da computação do Pro para dólares nem uma taxa de sucesso verificada de forma independente. Um modelo financeiro deve manter essas incógnitas visíveis.

Não trate um equivalente de computação como preço

A medida de tempo equivalente de um plano de consumo não é o mesmo que o uso medido da API. Pode ser uma forma útil de comunicar a escala, mas a divulgação pública não especifica contagem de tokens, alocação de hardware, custo marginal de atendimento nem unidade faturável. Multiplicar três horas por uma tarifa horária de GPU presumida sugeriria uma precisão que a fonte não sustenta.

Para uma carga de trabalho implantável, use os registros de cobrança reais do provedor ou o seu próprio livro-razão de inferência instrumentado. Para um modelo interno não lançado, registre o equivalente de computação divulgado como uma medida separada de unidade de pesquisa e rotule qualquer preço de transferência interno como uma premissa. Não coloque essa premissa ao lado dos custos observados em faturas sem uma distinção clara.

Meça o trabalho que sobrevive à revisão

Em programas de pesquisa, a simples contagem de saídas recompensa o volume, mesmo quando os resultados precisam de correção ou não podem ser reutilizados. Combine o gasto com um funil de aceitação:

Tentados: problemas de pesquisa ou hipóteses enviados ao sistema.
Candidatos: saídas que passam por uma primeira triagem técnica.
Verificados: resultados conferidos de forma independente por um revisor qualificado ou por um verificador de provas.
Reutilizáveis: resultados verificados que entram em um artigo, produto ou fluxo de trabalho posterior.

Informe o gasto de computação ou de API por problema tentado e por resultado verificado. Inclua tempo de revisão, orquestração, armazenamento e execuções de acompanhamento se a decisão for sobre a economia total do programa. Mantenha as tentativas fracassadas e as revisões no denominador; excluí-las faz o custo unitário parecer artificialmente baixo. Para definições mais amplas, veja custo por tarefa bem-sucedida e acompanhamento de custos de modelos de raciocínio.

Coloque limites orçamentários nas execuções de pesquisa

Antes de um piloto, defina um teto para o projeto, um gasto ou uma cota de computação máxima por problema e um ponto de revisão antes do próximo lote. Pare ou pause a execução quando ocorrer uma de três condições: o orçamento da unidade de trabalho se esgotar, a taxa de resultados aceitos de forma independente cair abaixo do piso acordado ou os revisores não conseguirem validar as saídas rápido o bastante para acompanhar.

Em cada ponto de controle, compare o custo marginal do próximo lote com o valor dos resultados já verificados. Mantenha responsáveis distintos para a decisão de aceitação técnica e para a exceção orçamentária. Um grande lote de saídas com aparência plausível não é, por si só, evidência para elevar o limite.

O que as finanças podem concluir hoje

O anúncio torna o trabalho científico de alta computação um cenário de planejamento concreto. Ele não estabelece um preço comercial, um ROI corporativo nem o custo por resposta verificada de uma carga de trabalho em produção. Por ora, use o lançamento para definir o livro-razão e os pontos de revisão que você exigiria antes de aprovar um programa semelhante. Quando houver dados de uso real e de resultados verificados, substitua o proxy de equivalente de computação por custos medidos. Um guia complementar explica como alocar esses custos a projetos e resultados de pesquisa: alocação de custos de pesquisa com IA.

Perguntas frequentes

Quanta computação um resultado matemático médio da OpenAI usou?

A OpenAI diz que usou o equivalente de computação a cerca de três horas de raciocínio do ChatGPT Pro. Isso não é um custo em dólares publicado nem um preço de API por resultado.

As finanças podem estimar o custo em dólares a partir desse número?

Não apenas com a divulgação pública. Ela não informa o preço de API do modelo interno, os tokens por resultado nem uma taxa de conversão do equivalente de computação do Pro para dólares.

O que o FinOps deve medir na pesquisa com IA?

Acompanhe as cobranças reais de computação ou API, as tentativas, os resultados verificados de forma independente, o esforço de revisão e as saídas reutilizáveis. Informe o custo por resultado verificado além do gasto total e rotule as estimativas separadamente dos dados de fatura.