OpenAI afirma ter refutado a Hipótese do Tempo Exponencial
A OpenAI publicou, na segunda-feira (26 de outubro de 2026), as soluções de três problemas matemáticos de pesquisa — e uma delas, segundo o laboratório, refuta a Hipótese do Tempo Exponencial (ETH), premissa que orienta há décadas o modo como a ciência da computação mede o que é difícil de calcular. A refutação ainda não foi validada pela comunidade científica, mas a divulgação já rendeu uma resposta pública da Anthropic, apresentada poucas horas depois, e uma disputa sobre método, autoria e velocidade dessa nova forma de produzir ciência com modelos de linguagem.
O que a hipótese afirma
A ETH descreve o comportamento de uma família específica de quebra-cabeças lógicos: conforme o número de variáveis aumenta, o algoritmo mais veloz precisaria de tempo exponencialmente maior para encontrar a resposta. A hipótese pertence a um conjunto mais amplo de questões, o P versus NP, que investiga se toda tarefa cuja solução pode ser conferida com rapidez também pode ser resolvida com rapidez.
O Sudoku serve de ilustração. Conferir um tabuleiro completo é imediato; localizar o preenchimento correto consome tempo. Essa assimetria é a base dos sistemas criptográficos — quem possui a chave decifra a mensagem, e quem não possui levaria tempo demais para romper o código. Nenhum cientista demonstrou que a regra vale sempre; a maioria trabalha com a hipótese de que P é diferente de NP, e a ETH fornecia evidência nessa direção.
Caso a tese se confirme, a ETH cai e surge um caminho teórico para algoritmos que resolveriam a questão P = NP.
Modelos da OpenAI e da Anthropic teriam chegado a algoritmos sub-exponenciais, mais rápidos do que o limite considerado possível. Caso a tese se confirme, a ETH cai e surge um caminho teórico para algoritmos que resolveriam a questão P = NP. Trabalhos científicos da última década que usaram a hipótese como alicerce precisariam ser revistos.
Três áreas, três modelos de divulgação
O laboratório organizou as entregas de maneiras distintas conforme a área. O resumo:
| Área | Canal adotado | Encaminhamento |
|---|---|---|
| Matemática | Provas publicadas no GitHub | Análise direta pela comunidade |
| Ciência da computação | Grupo de trabalho e pedido de conferência financiada | Resposta coletiva organizada |
| Física | Grupo de trabalho próprio | Formato de divulgação em definição |
Os cientistas da computação pediram que as provas fossem tornadas públicas e que a OpenAI financiasse uma conferência para discuti-las. Ryan Williams, professor do MIT dedicado justamente a questões de complexidade computacional, foi convidado a interpretar o material ao lado de Russell Impagliazzo e Ramamohan Paturi, da Universidade da Califórnia em San Diego, autores da ETH em 1999. A primeira providência do trio foi uma carta aberta em busca de contribuições da comunidade e de uma discussão sobre normas para o uso de IA na pesquisa.
Williams havia criticado a conduta anterior do laboratório, chamando o pacote de provas divulgado no início de outubro de ataque DDoS contra matemáticos. Ainda assim, aceitou colaborar. Diz-se otimista apesar de preocupações reais, sobretudo com a formação da próxima geração de pesquisadores, e avalia que sua posição na fronteira entre computação e matemática avançada torna a adaptação mais simples do que para matemáticos puros.
O matemático Levent Alpöge, da Anthropic, sugeriu que as soluções da OpenAI derivassem de trabalho preexistente. Poucas horas depois, a Anthropic divulgou sua própria refutação da ETH.
Criptografia: a pergunta que veio antes
Antes das consequências teóricas, apareceram as práticas. Williams apontou que um algoritmo melhor poderia fragilizar sistemas criptográficos que operam com determinados tamanhos de chave. Foi uma das primeiras perguntas que dirigiu a Dan Roberts, líder científico da OpenAI.
O que isso significa para o investidor brasileiro
Nenhuma companhia listada na B3 tem exposição direta ao episódio: OpenAI e Anthropic são empresas de capital fechado. A leitura útil é indireta e passa por duas frentes.
A primeira é a corrida por capacidade de processamento. A cada anúncio desse tipo, reforça-se a tese de que infraestrutura — data centers, energia elétrica, semicondutores — segue como gargalo da expansão da IA, com desdobramentos para a cadeia de tecnologia e para o setor elétrico, inclusive no Brasil.
A segunda é o risco criptográfico. Se algoritmos mais eficientes comprometerem chaves de determinados tamanhos, a preocupação alcança a custódia de ativos digitais, carteiras e fundos de criptoativos negociados na B3. Não é cenário confirmado: é uma frente a acompanhar, com prazo indefinido e dependente de validação independente.
Há ainda um efeito de governança do conhecimento. Provas publicadas em repositório aberto e carta pública não substituem a revisão por pares, e o financiamento de conferências pelos próprios laboratórios abre um debate sobre autonomia da checagem. Para o mercado, anúncios de laboratórios privados devem ser lidos como hipóteses em avaliação, não como resultado consolidado.