OpenAI는 내부 프런티어 모델이 2026년 10월 16일 지수 시간 가설(ETH)이 틀렸다고 주장하는 자연어 증명을 작성했으며, 해당 주장을 10월 17일 증명 보조기 Lean으로 형식화했다고 발표했습니다. ETH는 복잡도 이론에서 널리 쓰이는 추측으로, 간단히 말해 k가 고정되어 있을 때 일반적인 k-SAT 문제를 풀려면 변수의 수에 대해 지수 시간이 필요하다고 주장합니다. OpenAI의 주장은 제약된 SAT 문제군을 준지수 시간에 푸는 알고리즘에 초점을 맞춥니다. 이 결과가 맞다면 ETH를 바탕으로 한 여러 조건부 난도 결과에 파장이 미칠 수 있습니다.
서로 연관되어 있지만 구별해야 할 세 가지를 나눠서 보는 것이 중요합니다. (1) ETH의 내용과 실용적인 알고리즘 관점에서 ETH가 배제하는 것, (2) 제안된 구체적인 반례, 즉 폭이 고정된 SAT 문제를 준지수 시간에 푸는 알고리즘, (3) P 대 NP와 같은 핵심 미해결 문제에 미치는 영향입니다. 이번 주장은 두 번째 항목, 즉 복잡도 이론의 더 넓은 분리 문제들을 자동으로 무너뜨리지는 않으면서 ETH 가설에 정면으로 도전하는 구성적 결과를 겨냥합니다. 이 차이는 미묘하지만, 기술 소식을 해석하려는 현업 종사자와 투자자에게는 매우 중요합니다.
OpenAI는 이번 결과를 최종적인 과학적 판정으로 다루지 않고 있습니다. ETH를 처음 제안한 Russell Impagliazzo와 Ramamohan Paturi, 그리고 MIT의 Ryan Williams가 이끄는 외부 검토팀을 구성해 검증과 독립적인 확인을 진행하고 있습니다. 이들의 역할은 커뮤니티 검토를 조율하고, 자연어 논증을 평가하며, Lean 형식화를 감사하고, 이 구성 결과가 숨은 조건 없이 주장된 점근적 실행 시간 개선을 실제로 도출하는지 확인하는 것입니다. 이 분야에서 주장을 확정된 사실로 받아들이기 전에 독립적인 검토가 결정적으로 필요합니다.
창업자, 연구자, 제품 리더가 얻을 수 있는 실질적인 교훈은 두 가지입니다. 이제 모델의 출력에서 새로운 돌파구가 나올 수 있고 이를 빠르게 기계 검증할 수 있어 아이디어 발굴과 가설 검증이 빨라집니다. 하지만 기계 검증을 거친 증명이 해당 분야의 전문성을 대신하지는 않습니다. 형식적으로 올바른 증명이라도 더 넓은 알고리즘적 결과와 실제 성능을 이해하고, 점근적 개선을 엔지니어링이나 상업적 가치로 연결하려면 맥락을 파악하는 과정이 필요할 수 있습니다.