OpenAIs Astra løser tiår gamle matematiske problemer mens Microsoft åpen kildekode-lanserer sitt rammeverk for agenttrening

Introduksjon

To historier fra den første uken av august 2026 forteller en større historie om hvor AI er på vei. OpenAI slapp løs en intern versjon av sin neste modell, Astra, på ti matematikk- og teoretisk informatikk-problemer som hadde stått uløst i et tiår eller mer — og den produserte maskinverifiserbare bevis for alle sammen, for omtrent 2000 dollar i beregningskraft. Dager senere åpen kildekode-lanserte Microsoft Research Orchard, et rammeverk som gjør det dramatisk billigere å trene en kompetent AI-agent, ved å skille hvordan en agent lærer fra hvordan den til slutt kjører i produksjon. Ingen av historiene handler om en chatbot som får et nytt strøk maling. Begge handler om den underliggende kostnads- og evnekurven for å bygge AI-systemer som resonnerer og handler — noe som er nøyaktig det som avgjør hvor gode, og hvor rimelige, neste generasjons AI-agenter blir.

OpenAIs Astra løser ti problemer matematikere ikke klarte å knekke

Den 1. august publiserte OpenAI en oppsiktsvekkende påstand: en intern versjon av Astra hadde produsert nye resultater for ti åpne problemer innen ren matematikk og teoretisk informatikk, hvorav flere hadde vært uløst i mer enn to tiår. Hovedresultatet er en eksplisitt konstruksjon av en ikke-sofisk gruppe — et spørsmål som har stått åpent siden Mikhail Gromov introduserte begrepet soficitet i 1999. Astra motbeviste også Connes’s rigidity conjecture ved å konstruere uendelig mange ikke-isomorfe grupper som deler samme von Neumann-algebra, og beviste Ehrhart’s volume conjecture. Resultatene spenner over gruppeteori, høydimensjonal geometri, kvantekompleksitet, gitterkryptografi og ekstremal kombinatorikk — felt som vanligvis ikke dukker opp i samme setning som en språkmodell.

Det som gjør dette annerledes enn en typisk «AI løser vanskelig problem»-overskrift, er verifikasjon. OpenAI publiserte ikke bare påstander — de publiserte maskinverifiserbare Lean 4-bevissertifikater for alle ti resultatene på GitHub under en Apache 2.0-lisens, sammen med et 249 siders teknisk manuskript. Repositoriets «sorry»-antall står på null, noe som betyr at ikke ett eneste trinn i noen av de formaliserte bevisene ble latt stå ubevist eller løst med hånden. Det er en meningsfullt annen standard enn at en modell hevder å ha løst noe: et Lean-bevis enten typesjekker eller så gjør det ikke, uavhengig av om du stoler på modellen som produserte det. Fields-medaljevinner Timothy Gowers skal ha sagt at han uten å nøle ville anbefalt ett av bevisene for et topptidsskrift — selv om det er verdt å presisere at ingen av de ti resultatene faktisk har fullført fagfellevurdering ennå.

Klar til å vokse bedriften din?

Start din gratis prøveperiode i dag og se resultater i løpet av få dager.

Be om demo Logg inn

Hvorfor et matematisk gjennombrudd betyr noe for AI-agenter

Det er fristende å avfeie dette som «imponerende, men irrelevant for min virksomhet». Det ville vært en feil. Evnen Astra demonstrerte — vedvarende, flertrinns formell resonnering hvor ett enkelt feil trinn ugyldiggjør hele resultatet — er strukturelt den samme evnen som gjør en AI-agent pålitelig i en lang forretningsarbeidsflyt. En agent som behandler et forsikringskrav, avstemmer et sett med fakturaer eller utarbeider et juridisk dokument, gjør en mindre, mindre glamorøs versjon av det samme: følger en lang kjede av trinn hvor en tidlig feil forplanter seg — det samme mønsteret du kjenner igjen fra enhver liste over virkelige eksempler på AI-agenter bygget for produksjonsbruk. Modeller som blir målbart bedre til å fange opp sine egne feil i et 249 siders matematisk bevis, har en tendens til også å bli bedre til å fange opp feil i en tolvtrinns automatisering. Matematikkresultatet er det ekstreme, verifiserbare grensetilfellet som forhåndsviser hvor resonneringstaket for enhver etterfølgende agent er på vei.

Microsoft åpen kildekode-lanserer Orchard: Trene agenter uten et frontier-budsjett

Hvis Astra handler om hvor langt resonnering kan strekke seg, handler Microsofts Orchard-lansering om hvor billig en kompetent agent kan bygges. Orchard er et åpen kildekode-rammeverk fra Microsoft Research som bevisst skiller agenttrening fra agentkjøring — i stedet for å kaste en stadig større basemodell på en oppgave, bruker utviklere Orchard Env, en gjenbrukbar miljøtjeneste, til å trene mindre agenter inne i realistiske oppgavesimuleringer før de i det hele tatt berører et produksjonssystem. Den samme infrastrukturen støtter programvareutviklingsagenter, nettnavigasjonsagenter og personlig-assistent-agenter, og den kobles direkte til reelle kjøremotorer som Codex, OpenClaw og ZeroClaw når treningen er ferdig.

Effektivitetstallene er den delen som fortjener oppmerksomhet, og de betyr noe av samme grunn som kostnadseffektivitetssammenligninger på tvers av rammeverk for AI-agenter betyr noe når du velger en stack å bygge på. Orchard-SWE, en kodeagent trent med rammeverket, scorer 69,7 % på SWE-bench Verified — en mye brukt benchmark for reelle programvareutviklingsoppgaver — stigende til 73,0 % med value-model-reranking, med kun rundt 3 milliarder aktive parametere. Det er en liten brøkdel av størrelsen til frontier-kodemodellene den nærmer seg i ytelse. Microsofts team bygde dette ved å destillere rundt 107 000 oppgavetrajektorier fra større modeller, deretter anvende det de kaller credit-assignment supervised fine-tuning — å lære nyttig signal selv fra trajektorier som ikke lyktes fullt ut — etterfulgt av forsterkende læring.

Bli med i vårt nyhetsbrev

Få de siste tipsene, trendene og tilbudene gratis.

E-postadresse

Abonner

Skillet mellom trening og kjøring er det som bør bety noe for deg

Det arkitektoniske valget bak Orchard — å trene en agents ferdigheter separat fra å kjøre den i produksjon — gjenspeiler et skille som betyr noe for alle som bygger automatisering, ikke bare ML-forskere. En vertikal AI-agent bygget for en spesifikk bransjeoppgave trenger ikke en større hjerne på alle områder; den trenger fokusert øvelse på den smale skiven av beslutninger den faktisk vil møte, noe som er nøyaktig det et Orchard-lignende treningsmiljø gir billigere enn å skalere opp en generell modell. Den samme logikken gjelder enten du trener en modell fra bunnen av eller konfigurerer en no-code-agent: smal, veldefinert trening på realistiske oppgaver slår konsekvent det å kaste mer generell kapasitet på et problem den ikke var bygget for å løse.

Dette forklarer også hvorfor det å åpen kildekode-lansere rammeverket, fremfor bare å publisere benchmark-tall, er den mer betydningsfulle delen av Microsofts lansering. Et rammeverk som alle kan bruke til å trene intelligente agenter på sine egne oppgavemiljøer, forsterker seg selv over tid — hvert team som tar det i bruk og deler forbedringer, gjør neste teams agent billigere å bygge, den samme dynamikken som fikk åpen kildekode-programvare til å spise infrastrukturstacken de siste to tiårene.

Hva dette betyr for Gartners bedriftsagent-prognose

Zoomer man ut ytterligere, forsterker begge historiene en prognose Gartner har gitt om tempoet i bedriftsadopsjon: at innen utgangen av 2026 vil 40 % av bedriftsapplikasjonene innebygge oppgavespesifikke AI-agenter, opp fra under 5 % i 2025. En åttedobling på ett enkelt år er en aggressiv prognose, og resultater som Astras og rammeverk som Orchard er nøyaktig den typen underliggende evne- og kostnadsskifte som må skje for at det skal være plausibelt — billigere trening gjør det økonomisk å bygge agenter for smalere oppgaver, og bedre resonnering gjør disse smalere agentene mer troverdige å faktisk ta i bruk.

Gartners definisjon er spesifikk og verdt å holde fast ved: en oppgavespesifikk agent er bygget for å håndtere en avgrenset, ende-til-ende-jobb — deres eksempel er en cybersikkerhetsagent som skanner nettverkstrafikk, systemlogger og brukeratferd i sanntid og igangsetter sin egen respons. Det er en annen standard enn «appen har en chatbot». Det er forskjellen mellom en AI-funksjon og en AI-arbeider, og det er det samme skillet som skiller en generisk assistent fra en ordentlig forskningsassistent bygget for å håndtere én jobb pålitelig fra start til slutt.

Hva dette betyr for team som bygger automatisering i dag

Verken Astra eller Orchard er noe de fleste bedrifter kommer til å berøre direkte — du kommer ikke til å finjustere en modell på Lean-bevis eller sette opp din egen Orchard-treningspipeline. Det som betyr noe, er det som siver ned. Fremskritt i banebrytende resonnering hever til slutt taket for hva enhver underliggende modell kan gjøre pålitelig, inkludert de som allerede driver no-code-automatiseringsplattformer. Billigere, mer effektive treningsteknikker senker til slutt kostnaden for de spesialiserte agentene som bygges på toppen av disse modellene. Ingen av disse historiene endrer hva du bør bygge dette kvartalet — men de er et rimelig pålitelig signal om hva som vil være mulig, og rimelig, det neste. Det praktiske trekket er ikke å jage forskningen; det er å bygge automatisering på en AI-agentplattform fleksibel nok til automatisk å absorbere de underliggende modellforbedringene, den samme instinktet som betydde noe da vi dekket hvordan Claude Cowork og konkurrentene formet agentlandskapet på nytt bare uker tidligere.

Å velge hvor man skal fokusere først

Hvis du bestemmer deg for hva du skal automatisere først mens de underliggende modellene fortsetter å forbedre seg under deg, er de tryggeste startpunktene oppgaver som er smale, veldefinerte og enkle å verifisere — de samme egenskapene som gjorde Orchards treningstilnærming effektiv. Nøkkelordanalyse, dokumentoppsummering og strukturert datauttrekking er vanlige startpunkter nettopp fordi suksess er enkelt å sjekke og feil er billig. Etter hvert som resonnering forbedres og trening blir mer effektiv, skalerer det samme prinsippet opp til mer ambisiøse, langvarige arbeidsflyter — men det starter med å velge en oppgave hvor du raskt og billig kan avgjøre om agenten faktisk fikk det riktig.

Konklusjon

August 2026 åpnet med to lanseringer som, på overflaten, ikke har noe med hverandre å gjøre — en modell som løser tiår gamle matematiske problemer, og et treningsrammeverk for kodeagenter. Under overflaten handler begge om de samme kreftene: hvor langt resonnering kan presses, og hvor billig den resonneringen kan omdannes til en fungerende agent. Astra viser at taket fortsatt stiger. Orchard viser at kostnaden for å nå en nyttig brøkdel av det taket faller raskt. Sammen er de en god grunn til å tro at Gartners aggressive adopsjonsprognose er mer plausibel enn den virker ved første øyekast — og en god grunn for ethvert team som bygger automatisering til å sørge for at verktøyene deres er fleksible nok til å fortsette å dra nytte av begge trendene.