1 万个智能体跑 88 小时解出千禧年难题：OpenAI 的 Navier-Stokes 证明与「截胡」争议

要点

• 2026-09-08 官宣：OpenAI 称其内部一款尚未公开、强于 GPT-6 Astra 的下一代模型，组织约 1 万个 AI 智能体协作，耗时约 88 小时，给出了纳维-斯托克斯（Navier-Stokes）方程存在性与光滑性问题的证明，同步公开 166 页论文与 Lean 定理证明器验证代码。
• 题目分量：这是克雷数学研究所 2000 年设立的七大千禧年难题之一，每题悬赏 100 万美元。七题中此前只有「庞加莱猜想」被解决。OpenAI 表示不会申领奖金。
• 真实时间线：内部模型 8 月 28 日开始训练；首批智能体启动约 88 小时后，系统于 9 月 5 日得到解法；随后 GPT-6 Astra 用 17 小时完成 Lean 形式化。
• 规模数据：整个项目产生约 270 万条消息、约 1300 亿个输出 token，OpenAI 称耗费数百万美元。
• 关键限定：OpenAI 并未证明「无外力解必然光滑」，而是选择克雷题目的 C、D 方向——构造有限且处处光滑的外力，使光滑解不能维持到所有时间。这是争议的技术核心之一。
• 争议：纽约大学数学家 Tristan Buckmaster 与 Anthropic 研究员 Levent Alpoge 同日公开了带光滑外力的欧拉方程有限时间奇点成果（含 Lean 验证）。OpenAI 承认 9 月 1 日听到传闻后启动「并行工作」，承认对方在该问题上领先，但否认看到未发表内容，也不排除两人使用 OpenAI 产品的数据以某种方式优化了底层模型。
• 尚未定论：克雷数学研究所所长 Martin Bridson 通过《新科学家》回应，正式评估仍需时间。以上均为各方公开口径，AI 之家 未做独立数学验证。

后续（2026-09-16 补记）：本文发表后，数学界的反弹进一步升级。09-11，包括陶哲轩（Terence Tao）、Peter Scholze、Maryna Viazovska（吴宝珠）、James Maynard、Maxim Kontsevich 在内的 25 位菲尔兹奖得主联名发表《人工智能在数学中的严重错位》（A Severe Misalignment of AI in Mathematics）。联名文章的核心论点不是质疑 AI 的能力，而是质疑评价机制：当实验室把「攻克著名难题」当成 benchmark，证明生成就变成了「批量生产真/假陈述」，反而挤压了写清楚、做引用、把成果吸收进学科体系这些更慢但更重要的人类工作。宣言提出三项倡议：突破后留足同行评审时间、规范引用既有研究、尊重人类研究者的传承作用。联名未点名任何公司，矛头指向的是激励结构。另据公开报道，OpenAI 已于 09-10 撤出对 Caltech Mathathon 的赞助，此前有数学家指控相关实验室存在研究不端。千禧年难题的正式评估仍无结论。

背景与分析

这件事要拆成两层看：一层是「AI 做到了什么」，一层是「它是怎么做到的」。

第一层相对清楚。约 100 个智能体先用约 50 小时做出无外力版本的欧拉方程有限时间爆破解答，OpenAI 把这个中间结果分发给更多智能体作为基础，随后把资源转向纳维-斯托克斯，由 Codex 汇总思路并交叉分发。智能体分组拿到不同题面，可以读缓存互联网、跑代码、组内交流——这已经不是「一个模型在答题」，而是一次带调度、带中间产物复用、带交叉验证的分布式搜索。

第二层才是真正的争议所在。Buckmaster 与 Alpoge 已合作约一年，方向正是带外力的欧拉方程——与纳维-斯托克斯密切相关。他们使用了包括 OpenAI Codex 与 Anthropic Claude 在内的工具推进研究。Buckmaster 质疑的核心是：两人选择的「光滑外力」路线不是把问题直接丢给模型后自然出现的方向，而是建立在数学家 Diego Córdoba 与 Luis Martínez-Zoroa 此前工作基础上的、需要人类判断的路径选择；而 OpenAI 相关模型的第一条提示词，是在获悉两人进展后的几天内输入的。

OpenAI 的回应留了一个很关键的口子：否认看到未发表成果，但承认不能排除匿名产品使用数据参与过模型改进。这句话的分量在于——它把「是否剽窃」从一个个案问题，变成了一个结构性问题：当研究者普遍用同一批商业模型辅助工作时，模型厂商与用户之间的知识边界在哪里？

还有一个更值得注意的点：形式化验证只能验证结果，不能解释过程。Lean 可以确认证明步骤无误，但搜索过程、中间推理、为何选择某条路径的思维过程完全不可见。这正是随后「AI 减速论」发酵时反复被引用的论据——"人类可以通过工具检查形式化结果，但看不懂它是怎么想到的"（21 世纪经济报道语）。

对开发者的影响

• 大规模 Agent 编排已经跑通了「科研级」任务。1 万个智能体、270 万条消息、1300 亿输出 token——这个量级的编排工程（分组、中间产物分发、交叉汇总）本身就是可复用的范式。做 Codex、Claude Code 这类工具的团队，值得关注的是调度层而非模型层。
• 「证明可验证 ≠ 过程可审计」会成为合规硬约束。Lean 验证通过只说明结果对，不说明路径合理。金融、医疗、国防场景引入 Agent 时，审计日志必须记录到「为什么选这条路」的粒度，否则监管不会放行。
• 模型厂商与用户的数据边界要重新谈。Buckmaster 的质疑本质上是：我用你的 Codex 做研究，你的模型会不会从我的会话里学到我的路线？把未发表研究放进商业模型前，先想清楚这个风险。
• 数学/科研类 Agent 的评测标准会变。陶哲轩对此事的评论是 AI「跨界」后好问题将成为稀缺资源——换言之，评估 Agent 的价值不该只看「能不能解出来」，还要看「能不能提出值得解的问题」。
• 别急着把「AI 解决千禧年难题」写进选型 PPT。克雷研究所尚未完成评估，且 OpenAI 选择的是 C、D 方向而非完整的无外力命题。结论待数学界独立检验。

AI 之家 观点

1. 这件事真正的里程碑不是「AI 会做数学」，而是「AI 会组织自己做数学」。 单模型刷榜的时代已经过去，2026 年下半年的分水岭是编排能力（orchestration）：怎么分组、怎么复用中间结果、怎么交叉验证。谁把这一层工程化，谁就拿到下一阶段的入场券。参考 上下文工程 里讲的那些机制——压缩历史、锚定目标、裁剪工具回包——在这类长程任务里已经不是优化项，而是能不能跑完的决定项。
2. 「黑箱危机」不是危言耸听，是可验证的工程现实。 1300 亿 token 换来的结果，人类只能验证不能复现。当 Agent 开始产出人类看不懂但能用的成果时，「结果足够好」这套验收标准就失效了。建议任何把 Agent 接进生产关键路径的团队，现在就把「可解释性预算」算进成本——你要么花钱买可观测性，要么将来花更多钱解释事故。
3. 「AI 减速论」与这条新闻是同一枚硬币。 一边是 1 万智能体 88 小时攻克 90 年悬案，一边是三大厂 CEO 同期呼吁给前沿定速——能力越强、过程越不透明，治理压力就越大。对开发者而言，短期影响是算力与 API 成本的不确定性上升，中期影响是合规能力会变成工具选型的一票否决项。

相关阅读

• 相关资讯：AI 减速论：从「前沿定速」到算力股集体下挫 · GPT-6 Astra 发布 · Amodei《我们必须为前沿定速》
• 工具卡：Codex CLI · Claude Code · Devin
• 模型卡：GPT-6 Astra · Claude Fable 5.1
• 概念：AI Agent · 上下文工程 · Agent 记忆 · Vibe Coding

来源

• AI智能体八十八小时解出千禧年难题之一 引起"抢发"数学家成果争议 — 中国网科技
• 被数学家质疑"截胡"成果，OpenAI承认对方领先 — 澎湃新闻
• 调动1万个智能体，OpenAI宣布：解决一个重大数学难题！知名数学家抨击其"抢跑"，陶哲轩：AI"跨界"，好问题将成稀缺资源 — 腾讯新闻
• OpenAI accused of exaggerating Navier-Stokes AI breakthrough — RT
• "黑箱危机"开始蔓延 "三大厂"齐呼AI减速 — 21世纪经济报道

本资讯由 AI 之家 编辑部根据公开报道整理，非 OpenAI 官方通稿；证明结论仍待克雷数学研究所与数学界独立检验，时间线与各方口径以官方声明为准。