OpenAI заявила, что её ещё не выпущенная внутренняя модель, заметно более сильная, чем GPT-6 Astra, получила доказательство конечновременного «взрыва» гладких решений трёхмерных уравнений Навье-Стокса — одной из семи задач-«тысячелеток» Института Клей. Заявление обернулось конфликтом с математическим сообществом: 25 лауреатов Филдсовской премии подписали декларацию «A Severe Misalignment of AI in Mathematics», а OpenAI в ответ открыла архив из 722 машинных рукописей. Независимой проверки заявленного доказательства пока нет.

image
image

Что произошло

В августе 2026 года OpenAI собрала около 40 математиков, чтобы обсудить, как её внутренние модели уже справляются с открытыми исследовательскими задачами. 8 сентября компания сообщила, что невыпущенная модель построила доказательство конечновременного «взрыва» гладких решений трёхмерных уравнений Навье-Стокса: около 88 часов работы примерно 10 000 параллельных агентов, около 130 млрд выходных токенов на один забег и формализация результата в языке Lean. Затем разгорелся скандал: математик из NYU Tristan Buckmaster и работающий в Anthropic Levent Alpöge заявили, что OpenAI «перехватила» их совместную работу и при этом предлагала Buckmaster писать статью без Alpöge, потому что тот трудится на конкурента. 11 сентября 25 лауреатов Филдсовской премии, включая Terence Tao, Peter Scholze, James Maynard и Maryna Viazovska, подписали декларацию «A Severe Misalignment of AI in Mathematics». 6 октября OpenAI открыла репозиторий openai/math: в нём 722 рукописи с reasoning-трейсами и Lean-формализациями, сгруппированные в 372 «семейства» результатов.

Контекст

Уравнения Навье-Стокса описывают течение вязких жидкостей и газов, а вопрос о гладких решениях — может ли движение жидкости за конечное время «взорваться» до бесконечности — числится среди семи задач-«тысячелеток» Института Клей с 2000 года. Математики работают над ними годами, опираясь на накопленные частичные результаты, поэтому заявление о полном доказательстве само по себе было бы сенсацией. Резонанс усилил формат публикации: результат вышел не через рецензируемый журнал, а заявлением компании вместе с дампом артефактов на GitHub — в середине гонки за приоритет, где такие форматы ломают привычную цепочку атрибуции, цитирования и включения идей в научный канон. Отсюда и формулировка декларации: спор идёт не о том, хороша ли модель, а о том, кто контролирует исследовательский процесс — несколько лабораторий с большими вычислительными ресурсами или открытое научное сообщество.

Почему это важно для индустрии

Для индустрии это в первую очередь инженерный, а не академический сигнал: показан производственный шаблон интеллектуального труда — рой параллельных агентов на длинном горизонте, формальная верификация и публикация сырья, рукописей с трейсами рассуждений, вместо рецензируемых статей. Решение фундаментальных задач превращается из «талант плюс годы» в «вычисления плюс дни», и защищаемым для компаний становится не «мы умнее», а доступ к вычислениям, слой независимой проверки и умение встраивать машинно проверяемые условия в свой пайплайн. Продукта, который можно поставить в прод сегодня, нет: модель закрыта, API, цены и метрики задержки не объявлены, так что внедряемый компонент — метод, а не релиз. Практический ход прямо сейчас — разобрать открытый репозиторий openai/math: структуру рукописей, трейсы рассуждений и способы организации и фильтрации тысяч агентов, а также прототипировать навигацию и объяснение по такому корпусу.

Почему это важно для пользователей

Для читателя это живая демонстрация того, что ИИ меняет науку прямо сейчас, а не в отдалённом будущем. Прикладной шаг прост: прочитать декларацию 25 лауреатов на mathandai.org и пост Terence Tao о «Math 2.0», затем открыть GitHub-репозиторий openai/math и посмотреть, как устроены машинные рукописи — там есть reasoning-суммари по иррациональной степени числа π, по гипотезам Махлера и по константе Капланского. Главный сдвиг, который виден из этих материалов: задача сместилась с «найти ответ» на «объяснить и проверить, почему это ответ», а формула «проверяемо — не значит понятно» получает буквальный технический смысл. Этот опыт формирует и полезную привычку: относиться к сильным ИИ-заявлениям как к гипотезам и спрашивать у компании не пресс-релиз, а доступ к артефактам и статус независимой проверки.

Что пока неизвестно / ограничения

Заявленный результат пока непроверен: нет независимого подтверждения ни Lean-формализации, ни её соответствия препринту arXiv:2610.08144 — известно, что Lean-версия доказательства не совпадает с текстом статьи, то есть машинная проверка пока не гарантирует корректность именно этого результата. Селекционный эффект не измерен: неизвестно, сколько попыток и провалов стоит за 372 успешными «семействами», поэтому success rate остаётся неизвестным, и корпус рукописей нельзя читать как оценку общей способности модели. Воспроизводимость для внешних равна нулю: модель не выпущена, API нет, а повторить бюджет забега извне невозможно. Публичная часть конфликта с Buckmaster и Alpöge опирается на заявления самих участников, и до появления документов от обеих сторон её следует описывать осторожно.

Источники

Автор

Look at AI, редакция