OpenAI: intern modell mot Navier–Stokes – Clay har ikke tildelt

OpenAI publiserte 8. september det de kaller en løsning på Navier–Stokes-problemet om eksistens og glatthet, ett av Clay Mathematics Institutes sju Millennium Prize Problems. Beviset kommer fra et internt system, ikke fra GPT-6 Astra som kundene har i ChatGPT og Codex. OpenAI beskriver modellen som vesentlig mer kapabel enn Astra. Treningen startet 28. august og pågår fortsatt.

Clay merker fortsatt problemet som uløst. OpenAI sier de ikke vil kreve millionpremien. For en CIO er skillet viktigere enn overskriften: dette er et evnesprang dere ikke kan kjøpe, og en forskningsprosess som kan konkurrere med labens egne kunder.

Hva OpenAI faktisk hevder

Navier–Stokes-ligningene beskriver hvordan væsker og gasser beveger seg som et kontinuum, ikke molekyl for molekyl. De brukes i flydesign, værvarsel og blodstrøm. Spørsmålet siden Jean Leray i 1934 har vært om glatte tre-dimensjonale løsninger alltid forblir glatte, eller om farten kan gå mot uendelig på endelig tid. Clay tok det inn som premieproblem i 2000.

OpenAI sier systemet produserte et analytisk bevis og en Lean-formalisering av at en glatt væske i ro kan utvikle en singularitet på endelig tid. Væsken har en glatt ytre kraft. Energien holder seg endelig hele veien. Selskapet hevder det etablerer utsagn C og D i Clays offisielle formulering: sammenbrudd på R³ og på den periodiske torus R³/Z³.

Løsningen er en virvel som spiraler innover og strekkes som spaghetti. Den sentrale sonen krymper mens den spinner fortere. Det tekniske kravet er at bevegelsen selv driver sammenbruddet. Leddene for akselerasjon, trykk, momentum og viskositet blir store og kansellerer slik at den ytre kraften forblir glatt mens farten vokser uten grense.

GitHub-repoet openai/NavierStokesAndEuler, lisensiert Apache-2.0, inneholder Lean 4-sertifikatene. README gjentar C og D, med glatte initialdata og ytre kraft for hvert positivt viskositetsledd. Clay har ikke tildelt.

Hvordan de fant det

• september hørte OpenAI rykter om at to Millennium-problemer var løst. De satte det interne systemet på alle åpne premieproblemer. Agentene hadde cachet internett og kodekjøring, i grupper som kunne snakke internt. OpenAI sier de kjørte samme overvåking og isolasjon som i øvrige frontier-evalueringer.

Gruppen som tok Navier–Stokes, hadde i størrelsesorden 10 000 samtidige agenter. Først løste om lag 100 agenter den uforserte Euler-varianten, uten viskositet, på om lag 50 timer. Deretter flyttet de ressursene. Løsningen kom 5. september, om lag 88 timer etter start. Lean-formalisering og verifikasjon tok 17 timer til, med GPT-6 Astra.

Totalt sendte agentene 4,9 millioner meldinger og brukte om lag 300 milliarder output-tokens på alle forsøk. På Navier–Stokes: 2,7 millioner meldinger og om lag 130 milliarder output-tokens. New Scientist siterer OpenAI på at samme jobb for en kunde ville kostet rundt 15 millioner dollar. Axios siterer «millioner av dollar». Det er labens egne kostnadsanslag, ikke en uavhengig faktura.

Kreditt og databruk

Samme uke slapp Levent Alpöge, forsker hos Anthropic, og Tristan Buckmaster ved NYU arbeid på nærliggende Euler-problemer. De brukte Claude, Codex og Astra. Nature skriver at de også sa de hadde en mer generell løsning på vei. Caltech-gruppen til Anima Anandkumar slapp et nullviskositetsresultat med en physics-informed nettverkstilnærming.

OpenAI sier de ikke så det upubliserte arbeidet, og at ingen spesifikke brukerdata ble hentet for å løse problemet. De kan likevel ikke utelukke at avidentifiserte data fra produktbruk bidro til å forbedre modellene. Sam Altman skrev at tilnærmingene ser ulike ut. Axios beskriver påstander om forfatterskap og om OpenAI kjørte i en retning de hadde hørt om.

Clay-president Martin Bridson kalte det en spennende dag. Terence Tao kalte Alpöge og Buckmasters arbeid en bemerkelsesverdig prestasjon. Clay har ikke godkjent OpenAIs bevis som premievinner.

Hva det betyr for CIO og CISO

Dere har ikke denne modellen. Astra er flaggskipet i ChatGPT og Codex. Den interne linjen er under trening, uten offentlig modellkort. Behandle Astra som det dere kan kjøpe. Behandle dette som et signal om at OpenAI allerede kjører noe vesentlig sterkere internt.

Styrespørsmålet er sporbarhet. Hvis forskere og leverandører bruker Codex eller ChatGPT på upublisert arbeid, kan laben mobilisere tusenvis av agenter mot samme problemklasse. Enterprise-data trenes ikke på som default, ifølge OpenAI. Personlige kontoer kan reservere seg. «Vi kan ikke utelukke» er likevel en kontraktsklausul, ikke en parentes.

CISO: 10 000 agenter med nett og kode er et forskningsoppsett med isolasjon, ikke et mønster for produksjonsagenter i deres nett. Ikke kopier skalaen. Kopier verifikasjonen: Lean-sertifikat, uavhengig sjekk, og et eksplisitt skille mellom «vi hevder» og «Clay har tildelt».

Kostnad: 15 millioner dollar for én matematikkjobb er et PR-tall. Det forteller at frontier-forskning nå er agentorkestrering og compute, ikke ett chatvindu. Det forteller ikke hva Astra koster i deres Copilot.

Ikke innfør Navier–Stokes i risikomodellen som «AI har løst fysikken». OpenAI sier selv at uendelig fart er umulig i en ekte væske. Resultatet er at ligningene kan bryte sammen som modell. Værvarsel og flydesign kjører videre på numerikk og målinger.

Spørsmålet til leverandørstyringen: Hva gjør dere når laben som selger forskningsverktøyet også kan sette 10 000 agenter på det samme uløste problemet?

Kilder og medier

Primærkilde: OpenAI, «On the Navier–Stokes Millennium Prize Problem», 8. september 2026: https://openai.com/index/navier-stokes-solution/

Lean-sertifikater: GitHub, openai/NavierStokesAndEuler: https://github.com/openai/NavierStokesAndEuler

Clay Mathematics Institute, Navier-Stokes Equation (merket Unsolved): https://www.claymath.org/millennium/navier-stokes-equation/

Thumbnail: OpenAI Image 2 / hogby.ai