Hipótese de Riemann Provada com IA em 2026? O Que a Verificação em Lean Garante e o Que Ainda Falta
Olá HaWkers, no dia 20 de novembro de 2026 o matemático Levent Alpöge publicou uma nota de quatro páginas dizendo que, trabalhando com o Claude, encontrou uma prova da Hipótese de Riemann, o problema em aberto mais famoso da matemática desde 1859. Ele não publicou um artigo legível. Publicou código: uma biblioteca em Lean com 175.187 arquivos e 17.374.215 linhas. Um dia depois, as comunidades do Lean e do Mathlib soltaram uma declaração conjunta com a frase "certificamos que tanto o enunciado quanto a prova da Hipótese de Riemann estão corretos".
Só que nenhum ser humano entende essa prova ainda, nem o próprio autor, e ele diz isso com todas as letras. Então o que exatamente foi verificado? Dá para confiar em 17 milhões de linhas que ninguém leu? Neste artigo eu separo o que está confirmado do que ainda está em aberto, explico como funciona uma verificação formal e mostro, em código, por que esse resultado encosta no dia a dia de quem programa.
O Que Aconteceu em 48 Horas
A sequência foi rápida, então vale organizar:
- 20/11/2026: Alpöge publica a nota em
alpo.ge/remark.pdf. O texto afirma a Hipótese de Riemann (RH), diz que o método "se estende facilmente" para a Hipótese de Riemann Generalizada (GRH) e que ele espera chegar à Hipótese de Riemann Estendida "com mais tempo". A prova vem dividida em 14 partes de um arquivolean.tar.gz. - 20/11/2026: Ravi Vakil, de Stanford, publica no blog Math 216 um "anúncio apressado": um rascunho de prova da GRH escrito por Alessandro Maria Masullo, chamado "The Music Of The Primes". Segundo o post, "é tudo humano, sem IA", e Brian Conrad vinha lendo o texto havia meses.
- 20/11/2026: Terence Tao comenta os resultados no blog dele e descreve o trabalho de Alpöge como uma prova "enorme" e "apenas em Lean" da GRH, gerada com "um modelo interno de IA". A frase dele sobre o futuro próximo: "imagino que o processo de digestão vai levar algum tempo".
- 21/11/2026: sai a declaração conjunta das comunidades Lean e Mathlib, endossada pelo Lean FRO e pela Mathlib Initiative.
No Hacker News, a nota de Alpöge passou de 2.800 pontos e 2.000 comentários, e o anúncio de Vakil passou de 2.400 pontos. Para um assunto de teoria dos números, isso é fora da curva.
O Que É a Hipótese de Riemann, em Linguagem de Dev
A função zeta de Riemann é uma função que recebe um número complexo e devolve outro. Em alguns pontos ela vale zero. Os zeros "triviais" ficam nos pares negativos (-2, -4, -6...). A hipótese diz que todos os outros zeros têm parte real exatamente igual a 1/2.
Por que alguém se importa com isso? Porque a posição desses zeros controla o erro na contagem de números primos. Se a hipótese vale, os primos se distribuem do jeito mais regular possível. Milhares de teoremas publicados começam com "assumindo a Hipótese de Riemann..." e passariam a valer sem condição.
Você pode enxergar os zeros com poucas linhas de Python usando a biblioteca mpmath:
# pip install mpmath
from mpmath import mp, zetazero, zeta
mp.dps = 30 # 30 casas decimais de precisão
# Os cinco primeiros zeros não triviais da função zeta
for n in range(1, 6):
zero = zetazero(n)
# A parte real deve ser 0.5; a imaginária cresce (14.13, 21.02, 25.01...)
print(n, zero.real, zero.imag)
# Conferindo: o valor da função nesse ponto é praticamente zero
print(" |zeta(zero)| =", abs(zeta(zero)))Computadores já conferiram trilhões de zeros desse jeito e todos caíram na linha 1/2. Mas conferir trilhões de casos não é prova: a hipótese fala de infinitos zeros.
O Que É o Lean e Por Que a Prova Veio em Código
Lean é uma linguagem de programação e, ao mesmo tempo, um verificador de provas. Você escreve o enunciado de um teorema como um tipo e a prova como um programa. Se compila, a prova está correta em relação aos axiomas. O Mathlib é a biblioteca comunitária de matemática do Lean, onde já vivem as definições de números complexos, funções analíticas e a própria função zeta.
Um teorema minúsculo para dar a ideia:
import Mathlib
-- Enunciado: a soma de naturais é comutativa.
-- A prova é um termo que o kernel do Lean confere passo a passo.
theorem soma_comuta (a b : ℕ) : a + b = b + a := by
exact Nat.add_comm a b
-- Mostra de quais axiomas a prova depende
#print axioms soma_comutaA parte central do Lean é o kernel, um programa pequeno que confere cada passo lógico. Não importa se a prova foi escrita por uma pessoa, por um modelo de IA ou por um gerador aleatório: o kernel não confia em ninguém. É por isso que uma prova gerada por IA pode ser levada a sério sem que alguém leia tudo.
No Mathlib, a Hipótese de Riemann é uma definição curta, em essência esta:
-- Todo zero da zeta que não é zero trivial (-2, -4, ...) e não é s = 1
-- tem parte real igual a 1/2.
def RiemannHypothesis : Prop :=
∀ (s : ℂ) (_ : riemannZeta s = 0)
(_ : ¬∃ n : ℕ, s = -2 * (n + 1)) (_ : s ≠ 1),
s.re = 1 / 2Alpöge explica na nota por que entregou só o código. Gerar o texto legível automaticamente daria mais de 250.000 páginas, e ele considerou inadequado publicar isso. Preferiu o Lean, que pelo menos pode ser conferido por máquina.
Os Quatro Critérios da Verificação
A declaração da comunidade organiza a checagem em quatro perguntas. Elas valem para qualquer alegação de "provado em Lean" que você encontrar daqui para frente:
- O enunciado está certo? O teorema final usa a definição
RiemannHypothesisdo próprio Mathlib, que já tinha sido revisada por especialistas, e não uma definição nova criada pelo autor. - A biblioteca compila? Segundo a declaração, dezenas de pessoas relataram compilação correta. Um comentarista no Hacker News relatou 2,4 horas em um Xeon de 480 núcleos, com todos os 175.187 módulos passando no Lean 4.33.1 sem
sorry. - O código prova o enunciado certo? Duas ferramentas independentes de comparação confirmaram que o teorema provado bate com o enunciado do Mathlib.
- A prova é válida? A prova exportada foi conferida pelo kernel do Lean e por verificadores de terceiros, rodando sobre um arquivo de exportação inerte, sem executar código do autor.
O primeiro passo de qualquer auditoria desse tipo é procurar atalhos. Em Lean, sorry significa "confie em mim", e axiom permite declarar qualquer coisa como verdade. Uma varredura estática simples já pega isso:
# Junta as 14 partes publicadas pelo autor em um único arquivo
cat lean.tar.gz.part{01..14} > lean.tar.gz
tar -xzf lean.tar.gz
# Procura atalhos que invalidariam a prova.
# Resultado esperado em uma prova honesta: nenhuma ocorrência.
grep -rnE --include='*.lean' \
'\b(sorry|admit|axiom|native_decide|implemented_by|unsafe)\b' . \
| head -20
# Conta arquivos e linhas para comparar com os números divulgados
find . -name '*.lean' | wc -l
find . -name '*.lean' -print0 | xargs -0 cat | wc -lAs notas de verificação da comunidade registram que essa varredura não encontrou axiom, sorry, admit nem native_decide. Os números brutos impressionam: 818.755 teoremas e lemas, 1,03 GB de código-fonte e uma exportação da prova com cerca de 61,5 GB.
O Que Ainda Está em Aberto
Aqui mora a parte que os títulos empolgados pulam.
Ninguém entende a prova. Nem o autor. Alpöge escreve que está "apresentando ao mundo um argumento completo antes de dominar a vizinhança matemática em torno dele" e que em vários trechos está parafraseando um resumo do Claude que "pode não fazer sentido nenhum". Ele também acredita que o argumento será muito simplificado.
O escopo é menor do que a manchete. As notas de verificação dizem que o arquivo principal prova a RH a partir de uma afirmação sobre funções L de Dirichlet, e avisam que funções zeta de Dedekind e outras funções L não estão cobertas. A declaração conjunta fala em Hipótese de Riemann, não em GRH completa.
O registro técnico ainda tinha pendências. Quando consultei o repositório leanprover-community/riemann-hypothesis, o arquivo de notas ainda marcava o build completo como em andamento em uma máquina de 48 núcleos e 503 GB de RAM, e relatava que dois verificadores alternativos falharam na exportação real por uma limitação deles próprios. A declaração é a posição oficial, mas o detalhamento ainda estava sendo escrito.
A prova humana também não fechou. Cerca de oito horas depois do anúncio, Vakil atualizou o post: várias pessoas relataram problemas no rascunho de Masullo, "identificados com a ajuda de diferentes modelos de IA". Ele acrescentou que não faz nenhuma afirmação sobre a correção da estratégia.
O prêmio não é automático. O Clay Mathematics Institute oferece US$ 1 milhão pela Hipótese de Riemann, mas as regras exigem publicação e um período de aceitação pela comunidade. Uma biblioteca Lean não substitui esse processo.
Já vimos um filme parecido neste ano, quando a OpenAI alegou ter refutado a Hipótese do Tempo Exponencial. A diferença agora é que existe um artefato que qualquer pessoa com hardware suficiente pode conferir.
Isso Quebra a Criptografia?
Não. Essa é a dúvida mais comum, e a resposta curta é que RSA e curvas elípticas não dependem de a Hipótese de Riemann ser falsa. A segurança delas vem da dificuldade de fatorar ou de calcular logaritmos discretos. Uma prova da RH confirma o que todo mundo já assumia sobre a distribuição dos primos, sem entregar um algoritmo novo de fatoração.
O que muda é o status de vários resultados que eram "condicionais". O erro na contagem de primos é o exemplo clássico: sob a RH, a diferença entre a quantidade real de primos até x e a estimativa li(x) fica abaixo de √x · ln(x) / 8π para x a partir de 2657 (resultado de Schoenfeld, de 1976). Dá para testar:
# pip install sympy mpmath
from math import log, pi, sqrt
from mpmath import li
from sympy import primepi
for x in (10**4, 10**5, 10**6, 10**7):
reais = int(primepi(x)) # quantidade exata de primos até x
estimativa = float(li(x)) # integral logarítmica
erro = abs(reais - estimativa)
limite = sqrt(x) * log(x) / (8 * pi) # teto garantido pela RH
print(f"x={x:>9} primos={reais:>7} erro={erro:8.1f} limite={limite:8.1f}")O erro medido fica sempre bem abaixo do limite. Antes, esse limite era uma promessa condicional. Se a prova se sustentar, vira teorema.
Na Prática: o Teste de Primalidade de Miller
O exemplo que mais interessa a quem programa é de 1976. Gary Miller mostrou que dá para testar se um número é primo de forma determinística e rápida, desde que a GRH para funções L de Dirichlet seja verdadeira. Eric Bach depois fixou a conta: basta testar as bases de 2 até 2·(ln n)².
Como a hipótese não estava provada, a indústria seguiu por outro caminho: o Miller-Rabin probabilístico, que sorteia bases e aceita uma chance minúscula de erro. É ele que roda quando o OpenSSL gera uma chave RSA.
A versão determinística é praticamente o mesmo código, trocando o sorteio por um laço:
from math import log
def eh_primo_miller(n: int) -> bool:
"""Teste determinístico de Miller.
A garantia de correção depende da GRH para funções L de Dirichlet."""
if n < 2:
return False
for p in (2, 3, 5, 7, 11, 13):
if n % p == 0:
return n == p
# Escreve n - 1 como d * 2^r, com d ímpar
d, r = n - 1, 0
while d % 2 == 0:
d //= 2
r += 1
# Limite de Bach: bases de 2 até 2 * (ln n)^2
limite = min(n - 2, int(2 * log(n) ** 2))
for a in range(2, limite + 1):
x = pow(a, d, n)
if x in (1, n - 1):
continue
for _ in range(r - 1):
x = pow(x, 2, n)
if x == n - 1:
break
else:
return False # a base "a" é testemunha de que n é composto
return True
print(eh_primo_miller(2**61 - 1)) # True (primo de Mersenne)
print(eh_primo_miller(2**61 + 1)) # FalsePara um número de 2048 bits, o limite dá cerca de 4 milhões de bases, então na prática o Miller-Rabin com poucas rodadas continua sendo a escolha de engenharia. O ganho é conceitual: um algoritmo que por 50 anos carregou um asterisco pode perder o asterisco. E a parte da prova que as notas descrevem, sobre funções L de Dirichlet, é justamente a que esse teste precisa.
O Que Isso Ensina Para Quem Escreve Software
Três lições saem desse episódio, e nenhuma exige saber teoria dos números.
Verificar ficou mais barato que entender. A comunidade conseguiu dizer "está correto" em um dia para um artefato que vai levar anos para ser compreendido. É a mesma inversão que estamos vivendo com código gerado por IA: o gargalo saiu da produção e foi para a revisão. A resposta da matemática foi ter um verificador pequeno e confiável. A nossa versão disso são tipos, testes de propriedade e, em sistemas críticos, métodos formais.
A especificação virou o ponto fraco. O critério mais delicado dos quatro é o primeiro: o enunciado está certo? Um kernel prova que o código satisfaz a especificação, mas não sabe se a especificação é a que você queria. Por isso a definição do Mathlib, curta e revisada por gente, pesou tanto. Vale o mesmo para a sua suíte de testes.
Correto e legível são coisas diferentes. Uma prova de 17 milhões de linhas é verdadeira e inútil para ensinar. O próprio autor trata o trabalho como um primeiro passo. Código que passa em tudo e ninguém consegue manter é o equivalente disso em qualquer repositório.
O Que Observar nas Próximas Semanas
A história está no começo. Os pontos que vão dizer para onde ela vai:
- o fechamento do registro técnico de verificação, com comandos, máquinas e checksums reproduzidos por grupos independentes;
- a primeira explicação legível das ideias centrais, que Alpöge prometeu escrever;
- a extensão formal para a GRH completa e para a Hipótese Estendida, que hoje é só expectativa do autor;
- a revisão do rascunho de Masullo depois dos problemas relatados;
- a posição do Clay Mathematics Institute sobre provas formalizadas.
Se você quer acompanhar de perto, instalar o Lean pelo elan e resolver os primeiros exercícios do Mathlib leva uma tarde, e é o jeito mais direto de entender o que significa uma máquina aceitar uma prova. Independentemente de como essa história terminar, a pergunta "quem conferiu isso?" acaba de ganhar uma resposta nova, e ela vai chegar ao software que a gente escreve.
Bora pra cima! 🦅
📚 Quer Acompanhar o Que Vem Por Aí?
Este artigo cobriu a prova da Hipótese de Riemann em Lean e o que a verificação formal realmente garante, mas o ecossistema muda toda semana e nem tudo vira artigo aqui.
No X eu compartilho o que estou testando, os bastidores dos projetos e as novidades que aparecem antes de virarem post.
Me Segue Lá
💡 Conteúdo diário sobre desenvolvimento, carreira e as ferramentas que eu realmente uso

