Astra od OpenAI řeší desetiletí staré matematické problémy a Microsoft otevírá svůj framework pro trénink AI agentů

Úvod

Dva příběhy z prvního srpnového týdne roku 2026 vypovídají o větším příběhu toho, kam AI směřuje. OpenAI pustila interní verzi svého dalšího modelu, Astry, na deset problémů z matematiky a teoretické informatiky, které zůstávaly nevyřešené deset a více let — a vyprodukovala strojově ověřitelné důkazy pro všechny z nich, a to za přibližně 2 000 dolarů výpočetních nákladů. O pár dní později Microsoft Research otevřel zdrojový kód Orchardu, frameworku, který dramaticky zlevňuje trénink kompetentního AI agenta tím, že odděluje způsob, jakým se agent učí, od způsobu, jakým nakonec běží v produkci. Ani jeden z příběhů se netýká chatbotu, který dostal nový kabát. Oba se týkají základní křivky nákladů a schopností při stavbě AI systémů, které uvažují a jednají — a přesně to určuje, jak dobrá a jak dostupná bude další generace AI agentů.

Astra od OpenAI vyřešila deset problémů, se kterými si matematici nevěděli rady

1. srpna OpenAI zveřejnila pozoruhodné tvrzení: interní verze Astry přinesla nové výsledky pro deset otevřených problémů v čisté matematice a teoretické informatice, přičemž některé z nich byly nevyřešené déle než dvě desetiletí. Hlavním výsledkem je explicitní konstrukce nesofické grupy — otázka otevřená od roku 1999, kdy Mikhail Gromov představil koncept sofičnosti. Astra také vyvrátila Connes’s rigidity conjecture tím, že sestrojila nekonečně mnoho neizomorfních grup sdílejících stejnou von Neumannovu algebru, a dokázala Ehrhart’s volume conjecture. Výsledky pokrývají teorii grup, vysokorozměrnou geometrii, kvantovou složitost, mřížkovou kryptografii a extremální kombinatoriku — obory, které se běžně neobjevují ve stejné větě jako jazykový model.

Co tento případ odlišuje od typického titulku „AI vyřešila těžký problém“, je ověřitelnost. OpenAI nezveřejnila jen tvrzení — zveřejnila strojově ověřitelné důkazové certifikáty v Lean 4 pro všech deset výsledků na GitHubu pod licencí Apache 2.0, spolu s 249stránkovým technickým rukopisem. Počet příkazů „sorry“ v repozitáři je nula, což znamená, že žádný krok v žádném z formalizovaných důkazů nezůstal nedokázaný nebo odbytý. To je podstatně jiná laťka než model, který tvrdí, že něco vyřešil: Lean důkaz buď projde typovou kontrolou, nebo ne, nezávisle na tom, zda věříte modelu, který jej vytvořil. Držitel Fieldsovy medaile Timothy Gowers údajně řekl, že by jeden z důkazů bez váhání doporučil k publikaci ve špičkovém časopise — je ale třeba přesně říct, že žádný z deseti výsledků zatím skutečně neprošel recenzním řízením.

Připraveni rozšířit své podnikání?

Začněte svou bezplatnou zkušební verzi ještě dnes a viďte výsledky během několika dní.

Požádat o demo Přihlásit se

Proč na matematickém průlomu záleží pro AI agenty

Je lákavé zařadit tuto zprávu pod „působivé, ale pro můj byznys nepodstatné“. To by byla chyba. Schopnost, kterou Astra předvedla — dlouhodobé, vícekrokové formální uvažování, kde jediný chybný krok znehodnotí celý výsledek — je strukturálně stejná schopnost, díky které je AI agent spolehlivý při dlouhém podnikovém workflow. Agent, který zpracovává pojistnou událost, sesouhlasuje sadu faktur nebo sepisuje právní dokument, dělá menší, méně okázalou verzi téhož: sleduje dlouhý řetězec kroků, kde raná chyba se kumuluje — stejný vzorec, jaký poznáte z jakéhokoli seznamu reálných příkladů AI agentů vytvořených pro produkční nasazení. Modely, které se měřitelně zlepšují v odhalování vlastních chyb ve 249stránkovém matematickém důkazu, se obvykle zlepšují i v odhalování chyb ve dvanáctikrokové automatizaci. Matematický výsledek je extrémní, ověřitelný okrajový případ, který předjímá, kam se posouvá strop uvažování pro každého navazujícího agenta.

Microsoft otevírá zdrojový kód Orchardu: trénink agentů bez rozpočtu špičkové laboratoře

Pokud je Astra o tom, jak daleko může uvažování dojít, vydání Orchardu od Microsoftu je o tom, jak levně lze postavit kompetentního agenta. Orchard je open-source framework od Microsoft Research, který záměrně odděluje trénink agenta od jeho provozu — místo nasazování stále většího základního modelu na úkol vývojáři používají Orchard Env, opakovaně použitelnou službu prostředí, k tréninku menších agentů uvnitř realistických simulací úkolů dřív, než se vůbec dotknou produkčního systému. Stejná infrastruktura podporuje agenty pro softwarové inženýrství, agenty pro navigaci na webu i agenty osobního asistenta a po dokončení tréninku se přímo napojuje na reálné nasazovací harnessy jako Codex, OpenClaw a ZeroClaw.

Čísla o efektivitě jsou to, čemu stojí za to věnovat pozornost, a to ze stejného důvodu, proč záleží na srovnání nákladové efektivity napříč frameworky pro AI agenty, když vybíráte technologický stack, na kterém chcete stavět. Orchard-SWE, kódovací agent natrénovaný pomocí tohoto frameworku, dosahuje 69,7 % na SWE-bench Verified — hojně používaném benchmarku pro reálné úlohy softwarového inženýrství — což stoupá na 73,0 % s přeřazováním pomocí value modelu, a to při použití pouze přibližně 3 miliard aktivních parametrů. To je jen zlomek velikosti špičkových kódovacích modelů, jejichž výkonu se přibližuje. Tým Microsoftu toho dosáhl destilací zhruba 107 000 trajektorií úkolů z větších modelů, poté aplikoval to, čemu říkají supervizované doladění s přiřazením zásluh (credit-assignment supervised fine-tuning) — učení užitečného signálu i z trajektorií, které zcela neuspěly — a nakonec navázal posilovaným učením.

Přihlaste se k odběru newsletteru

Získejte nejnovější tipy, trendy a nabídky zdarma.

E-mailová adresa

Přihlásit se

Oddělení tréninku a provozu je část, na které byste měli mít zájem

Architektonická volba stojící za Orchardem — trénink dovedností agenta odděleně od jeho provozu v produkci — odráží rozdíl, na kterém záleží každému, kdo staví automatizaci, nejen ML výzkumníkům. Vertikální AI agent postavený pro konkrétní odvětvový úkol nepotřebuje plošně větší mozek; potřebuje soustředěný nácvik na úzký výsek rozhodnutí, kterým bude ve skutečnosti čelit, a přesně to poskytuje trénink ve stylu Orchardu levněji než škálování univerzálního modelu. Stejná logika platí bez ohledu na to, zda trénujete model od nuly, nebo konfigurujete no-code agenta: úzký, dobře definovaný trénink na realistických úlohách trvale poráží nasazení větší obecné schopnosti na problém, pro který nebyla vytvořena.

To také vysvětluje, proč je otevření zdrojového kódu frameworku, a ne jen zveřejnění benchmarkových čísel, tou zásadnější částí vydání Microsoftu. Framework, který může kdokoli použít k tréninku inteligentních agentů na vlastních prostředích úkolů, se násobí — každý tým, který jej přijme a sdílí vylepšení, zlevňuje agenta pro další tým, stejná dynamika, díky které open-source software za poslední dvě desetiletí ovládl infrastrukturní stack.

Co to znamená pro Gartnerovu prognózu podnikových agentů

Podíváme-li se na to z odstupu, oba příběhy podporují predikci, kterou učinil Gartner o tempu podnikové adopce: že do konce roku 2026 bude 40 % podnikových aplikací obsahovat úkolově specifické AI agenty, oproti méně než 5 % v roce 2025. Osminásobný nárůst během jediného roku je agresivní prognóza, a výsledky jako Astřiny a frameworky jako Orchard jsou přesně ten typ posunu v podkladových schopnostech a nákladech, který by musel nastat, aby to bylo věrohodné — levnější trénink dělá ekonomicky výhodné stavět agenty pro užší úkoly a lepší uvažování činí tyto užší agenty důvěryhodnějšími pro skutečné nasazení.

Gartnerova definice je konkrétní a stojí za to si ji zapamatovat: úkolově specifický agent je agent postavený tak, aby zvládl definovanou, end-to-end úlohu — jejich příkladem je bezpečnostní agent, který v reálném čase skenuje síťový provoz, systémové logy a chování uživatelů a sám iniciuje reakci. To je jiná laťka než „aplikace má chatbota“. Je to rozdíl mezi AI funkcí a AI pracovníkem, a je to stejný rozdíl, který odlišuje obecného asistenta od skutečného výzkumného asistenta vytvořeného k tomu, aby spolehlivě zvládl jednu úlohu od začátku do konce.

Co to znamená pro týmy, které dnes budují automatizaci

Ani Astra, ani Orchard nejsou něco, čeho se většina firem dotkne přímo — nebudete dolaďovat model na Leanových důkazech ani si stavět vlastní trénovací pipeline typu Orchard. Na čem záleží, je to, co se prosákne dolů. Zlepšení špičkového uvažování nakonec zvedají strop toho, co dokáže spolehlivě dělat každý navazující model, včetně těch, které už dnes pohánějí no-code automatizační platformy. Levnější, efektivnější techniky tréninku nakonec snižují náklady na specializované agenty postavené na těchto modelech. Ani jeden z těchto příběhů nemění, co byste měli stavět toto čtvrtletí — ale jsou celkem spolehlivým signálem toho, co bude možné a dostupné v tom příštím. Praktický krok není honit se za výzkumem; je to stavět automatizaci na platformě pro AI agenty dostatečně flexibilní na to, aby dokázala automaticky vstřebat podkladová zlepšení modelů — stejný instinkt, který byl důležitý, když jsme popisovali, jak Claude Cowork a jeho konkurenti přetvořili krajinu agentů jen o pár týdnů dříve.

Jak vybrat, na co se zaměřit jako první

Pokud se rozhodujete, co automatizovat jako první, zatímco se podkladové modely pod vámi dál zlepšují, nejbezpečnějším výchozím bodem jsou úkoly, které jsou úzké, dobře definované a snadno ověřitelné — stejné vlastnosti, díky kterým byl efektivní tréninkový přístup Orchardu. Výzkum klíčových slov, sumarizace dokumentů a extrakce strukturovaných dat jsou běžnými výchozími body právě proto, že úspěch se snadno ověřuje a selhání je levné. Jak se uvažování zlepšuje a trénink je efektivnější, stejný princip se škáluje na ambicióznější, déletrvající workflow — ale začíná to výběrem úkolu, u kterého rychle a levně poznáte, zda to agent skutečně zvládl správně.

Závěr

Srpen 2026 začal dvěma vydáními, která na první pohled nemají nic společného — model řešící desetiletí staré matematické problémy a tréninkový framework pro kódovací agenty. Pod povrchem jde ale o stejné síly: jak daleko lze posunout uvažování a jak levně lze toto uvažování proměnit ve fungujícího agenta. Astra ukazuje, že strop stále roste. Orchard ukazuje, že náklady na dosažení užitečného zlomku tohoto stropu rychle klesají. Dohromady jsou dobrým důvodem věřit, že Gartnerova agresivní prognóza adopce je věrohodnější, než se na první pohled zdá — a dobrým důvodem pro každý tým budující automatizaci ujistit se, že jeho nástroje jsou dostatečně flexibilní, aby dál těžily z obou trendů.