Aletheia aborda FirstProof de manera autónoma.
Aletheia tackles FirstProof autonomously
February 24, 2026
Autores: Tony Feng, Junehyuk Jung, Sang-hyun Kim, Carlo Pagano, Sergei Gukov, Chiang-Chiang Tsai, David Woodruff, Adel Javanmard, Aryan Mokhtari, Dawsen Hwang, Yuri Chervonyi, Jonathan N. Lee, Garrett Bingham, Trieu H. Trinh, Vahab Mirrokni, Quoc V. Le, Thang Luong
cs.AI
Resumen
Reportamos el rendimiento de Aletheia (Feng et al., 2026b), un agente de investigación matemática impulsado por Gemini 3 Deep Think, en el desafío inaugural FirstProof. Dentro del plazo permitido del desafío, Aletheia resolvió de forma autónoma 6 problemas (2, 5, 7, 8, 9, 10) de 10, según la evaluación mayoritaria de expertos; cabe señalar que los expertos no fueron unánimes únicamente en el Problema 8. Para una total transparencia, explicamos nuestra interpretación de FirstProof y divulgamos detalles sobre nuestros experimentos y evaluación. Los *prompts* y resultados en bruto están disponibles en https://github.com/google-deepmind/superhuman/tree/main/aletheia.
English
We report the performance of Aletheia (Feng et al., 2026b), a mathematics research agent powered by Gemini 3 Deep Think, on the inaugural FirstProof challenge. Within the allowed timeframe of the challenge, Aletheia autonomously solved 6 problems (2, 5, 7, 8, 9, 10) out of 10 according to majority expert assessments; we note that experts were not unanimous on Problem 8 (only). For full transparency, we explain our interpretation of FirstProof and disclose details about our experiments as well as our evaluation. Raw prompts and outputs are available at https://github.com/google-deepmind/superhuman/tree/main/aletheia.