OpenAI
ИИ-чатOpenAIНавье-Стоксзадачи тысячелетияматематикаGPT-6

OpenAI заявила о решении задачи Навье-Стокса - и устроила скандал в математике

Сергей Сергеев, редактор gen-hub.ru
Сергей Сергеев
Редактор gen-hub.ru
·5 мин чтения
OpenAI заявила о решении задачи Навье-Стокса - и устроила скандал в математике

Есть задачи, которые определяют целые эпохи в науке. Уравнения Навье-Стокса - одна из них. Описывают движение жидкостей, лежат в основе авиаконструирования, метеорологии, моделирования кровотока. С 1934 года, когда Жан Лере доказал существование решений в обобщенном смысле, вопрос о том, остаются ли они всегда гладкими, висел без ответа. В 2000-м Институт Клэя включил его в список семи "Задач тысячелетия" с призом в $1 000 000 за каждую.

Сентябрь 2026-го. OpenAI объявляет, что одна из ее внутренних моделей - значительно более мощная, чем публично доступный GPT-6 Astra, - решила задачу Навье-Стокса. Не просто нашла численное приближение, а построила аналитическое доказательство и формализовала его в системе проверки математических утверждений Lean. По заявлению OpenAI, доказательство показывает, что гладкая трехмерная жидкость может развить сингулярность за конечное время - хотя сами источники отмечают, что доказанные результаты различаются в зависимости от случая (forced vs unforced Euler), и математическое сообщество продолжает проверку. Скорость растет без ограничений, континуальное приближение разрушается - вихрь "спагеттифицируется" и схлопывается.

Звучит как историческое событие. Но математическое сообщество сейчас не отмечает - оно разбирается, кто у кого что украл.

Как 88 часов превратились в скандал

По версии OpenAI, 1 сентября компания услышала слухи о том, что кто-то из исследователей близок к решению сразу двух задач тысячелетия. Решили проверить свою внутреннюю модель. 10 000 агентов запустили параллельно - и 5 сентября, спустя примерно 88 часов, система нашла решение. Дополнительно 17 часов ушло на верификацию в Lean через GPT-6 Astra. Агенты обменялись 2,7 миллиона сообщений и сгенерировали около 130 миллиардов выходных токенов только по задаче Навье-Стокса. Для всего проекта цифры - 4,9 миллиона сообщений и 300 миллиардов токенов. Для сравнения: 300 миллиардов выходных токенов по публичным ценам API GPT-6 Astra обошлись бы примерно в $15 000 000 - но структура стоимости внутренней модели, которую использовала OpenAI, неизвестна.

Проблема в том, кто именно фигурировал в тех слухах. Тристан Бакмастер - профессор математики NYU - и Левент Алпеге, математик из Anthropic, почти год работали над задачей Навье-Стокса. Прорыв у них случился 15 августа. Слухи о прогрессе Anthropic дошли до OpenAI - и та начала собственный забег.

Бакмастер связался с OpenAI, когда понял, что происходит. Его вопросы были прямыми: когда был отправлен первый запрос их системы? Использовались ли его сессии в Codex - инструменте OpenAI, куда он и Алпеге загружали черновики на протяжении всего проекта - для обучения модели?

Ответы его не удовлетворили. OpenAI заявила, что агенты не видели его работы "никакими средствами" и что никакие конкретные пользовательские данные не запрашивались для решения задачи. При этом компания признала, что не может исключить влияние обезличенных данных от использования ее продуктов на улучшение моделей. Бакмастер в ответ: "Учитывая их поведение до сих пор, к таким заявлениям стоит относиться с большим скептицизмом".

Корпоративная война внутри математики

Еще один острый момент - участие Алпеге. OpenAI предложила Бакмастеру стать соавтором их публикации, но дала понять: Алпеге в соавторы не войдет, потому что работает в Anthropic. Сам Алпеге утверждал, что это была личная коллаборация, не связанная с его работой в компании. Для OpenAI это не имело значения.

Именно здесь математики, с которыми разговаривал The Verge, и видят главную проблему. Среди них - Андреас Том, тоже оказавшийся в центре недавних споров вокруг работ OpenAI. Суть претензий не сводится к конкретному инциденту: математики описывают ощущение, что в их область ворвался игрок с несопоставимыми ресурсами и совершенно другими мотивами. Математики хотят продвигать науку. OpenAI хочет победить - и продемонстрировать мощь своих моделей.

Разница в мотивации меняет всю динамику поля. Когда компания с бюджетом на вычисления в десятки миллионов долларов решает "проверить модель" на задаче, которую человек изучал год, - это не научное сотрудничество. Это спринт с заведомо неравными стартовыми условиями.

Что заявлено - и что это может означать

Технически результат серьезный. Доказательство строится на вихре, который закручивается внутрь и вытягивается, как спагетти. Центральная область сжимается, скорость нарастает - и при этом полная энергия системы остается конечной. Именно это требование делало задачу такой сложной: нужно было показать коллапс без бесконечного внешнего воздействия. Члены уравнений - ускорение, градиент давления, перенос импульса, вязкость - должны одновременно расти и взаимно компенсироваться так, чтобы внешняя сила оставалась гладкой.

Доказательство опубликовано с формализацией в Lean - это важно, потому что Lean позволяет механически верифицировать каждый шаг. Математическое сообщество сейчас проверяет результат; споры пока касаются главным образом процесса и обстоятельств публикации, а не самой математики - но проверка продолжается.

Практические следствия неоднозначны. Уравнения Навье-Стокса по-прежнему работают как инженерный инструмент - самолеты не перестанут летать. Но если результат подтвердится, мы будем знать, что модель, описывающая жидкость как непрерывную среду, может в принципе "сломаться". Для теоретической физики и прикладной математики это меняет горизонт исследований.

Что это говорит об ИИ в науке

OpenAI использовала модель, которую еще не выпустила публично, - и это отдельная история. Компания фактически говорит: смотрите, что нас ждет в ближайших релизах. GPT-6 Astra использовался только для верификации; основной решатель - что-то существенно мощнее. Это демонстрация возможностей, завернутая в научную публикацию.

Для разработчиков и исследователей, которые работают с математическими системами, сигнал очевиден: агентные архитектуры на таких масштабах уже решают задачи, недоступные одиночным моделям. 10 000 параллельных агентов - это не просто "больше вычислений", это качественно другой подход к поиску доказательств.

Для научного сообщества ситуация сложнее. Математики описывают поле, которое меняется быстрее, чем успевают сложиться новые нормы взаимодействия с технологическими компаниями. Вопрос об авторстве, о доступе к пользовательским данным, о том, кто имеет право участвовать в совместных публикациях - все это требует ответов, которых пока нет.

Факт заявления OpenAI и связанные обстоятельства подтверждены официальным блогом компании и материалами The Verge. Математическая корректность результата, по данным тех же источников, продолжает проверяться сообществом.

Все эти инструменты - уже на Genova-ai

Картинки, видео, музыка, голос и ИИ-чат в одном месте. Без VPN и зарубежных карт.

Картинки
Видео
Музыка
Голос
ИИ-чат
Попробовать бесплатно

Похожие новости

OpenAI
ИИ-чат

OpenAI выпустила GPT-6.2 Astra и Sol: входные и выходные токены Astra в API на 20% дешевле, чем у GPT-6 Astra

OpenAI представила две модели: флагманскую GPT-6.2 Astra и экономичную GPT-6.2 Sol. Они доступны в ChatGPT Work, Codex и API и тратят меньше выходных токенов. В API Astra дешевле GPT-6 Astra: входные и выходные токены на 20% ниже, на кэшированные входные скидка 60%.

18 ноября3 мин чтения
OpenAI
ИИ-чат

OpenAI показала агентов GPT-6 для клиник: Luna выполняет задачу за 8,5 цента

OpenAI предложила больницам и страховщикам GPT-6 Astra и Luna: агенты сами кликают по программам клиник и порталам страховых. Среди партнеров компании - CVS Health и Cigna Healthcare.

17 ноября3 мин чтения
NVIDIA
ИИ-чат

NVIDIA Vera Rubin NVL72 в MLPerf Endpoints: более 10x токенов на киловатт к GB300

В предварительных результатах MLPerf Endpoints v1.0 система Vera Rubin NVL72 выдала более чем в 10 раз больше токенов на киловатт, чем GB300 NVL72. Результаты еще не верифицированы MLCommons.

17 ноября3 мин чтения