OpenAI最近公布了一项极具冲击力的数学实验：公司称，内部团队在2025年9月1日听到“有两个千禧年难题可能已经被解决”的传闻后，启动多个AI代理，约88小时内得到纳维-斯托克斯相关问题的解；随后又用GPT-6 Astra完成了17小时的Lean形式化和验证。

消息传出后，争议很快从数学本身转向了研究优先权和数据边界。纽约大学数学教授Tristan Buckmaster与Anthropic研究员Levent Alpöge表示，他们此前已经合作近一年，并在8月15日取得突破。Buckmaster质疑，OpenAI是否在听到相关消息后“抢跑”，以及他们此前使用Codex留下的工作是否可能以某种方式影响了后续模型。

目前双方都否认直接读取对方的用户数据。OpenAI也承认，虽然没有看到具体会话，不能完全排除去标识化数据曾用于改进模型。这个表述留下了争议空间，也决定了这件事不能简单写成“AI解决了数学难题”。

OpenAI做出了什么，但还不能直接称为“破解千禧年难题”

纳维-斯托克斯存在性与光滑性问题，是克雷数学研究所2000年公布的七个“千禧年难题”之一，奖金为100万美元。它讨论的是流体运动方程：在三维条件下，给定平滑的初始状态，方程的解是否始终存在、是否保持光滑，还是可能在有限时间内出现奇点。

问题的难点不在于写出一个看起来合理的流体解。真正的要求，是对广泛条件下的解给出严格证明，或者严格证明奇点确实会出现。计算机跑出大量候选公式，和数学界接受一套可检查、可复用的证明，中间隔着同行评审、细节审计和权威机构认定。

OpenAI的说法仍需要放在这个标准下看。公司称其证明与Buckmaster、Alpöge的工作“有明显差异”，而且在Euler方程部分，双方处理的分别是受迫和非受迫情形。这个区别并不只是术语变化：外部力项是否存在，会改变问题的数学性质。一个相关方程的突破，不能自动等同于克雷问题原命题已经解决。

维度OpenAI披露的结果克雷千禧年难题的认定标准
研究时间约88小时得到解，另用17小时完成Lean形式化需要公开论文、同行核查和长期复现
问题范围OpenAI称解决纳维-斯托克斯相关问题，并涉及受迫/非受迫Euler情形必须严格对应原命题的三维存在性与光滑性要求
验证方式使用Lean进行形式化验证形式化验证很有价值，但不替代数学界和克雷研究所的审查
奖金状态没有自动获得100万美元奖金由克雷研究所按规则认定，且通常需要公开成果经过检验

历史上，佩雷尔曼在2003年公布庞加莱猜想证明后，数学界仍花了多年时间核查，克雷研究所最终确认其成果符合要求。那是人类数学共同体对证明进行反复阅读的过程，不是发布一段模型输出后立即完成的认证。

所以，这件事最稳妥的表述是：OpenAI公布了一项由AI代理生成、并部分形式化验证的重大数学结果。至于它是否真正解决了克雷问题，公开信息还不够。

传闻为什么会变成一场算力竞赛

OpenAI披露的数字很能说明问题。其团队称，针对所有尝试的数学问题，代理一共发送约490万条消息，生成约3000亿个输出token；仅纳维-斯托克斯相关工作，就发送约270万条消息，使用约1300亿个输出token。

这已经不是“研究员问模型几个问题”的尺度，更接近一支自动化研究团队在并行试错。按原线索引用的公开API价格粗略估算，3000亿输出token的费用可能达到1500万美元。但这只能作为外部参照，不能当作OpenAI内部实验的真实成本：内部模型的价格、硬件折旧、并发效率和实际调用方式都没有公开。

这也解释了为什么那则传闻如此重要。过去，一个数学团队取得未公开突破，其他团队即使听到风声，也需要投入数月甚至数年才能追赶。现在，AI实验室可以迅速调集代理、算力和形式化工具，先把问题变成一个大规模搜索任务。

但“88小时”并不等于“数学研究被压缩成88小时”。Buckmaster和Alpöge此前已经工作近一年，并使用Claude和Codex协助研究。OpenAI的88小时，是在已有数学文献、模型训练和研究者经验的基础上，启动一次高强度追赶。把两段时间直接对比，会掩盖最重要的前置工作。

更准确的对照是：

  • 人类数学团队往往把时间花在提出定义、构造引理和判断哪条路线值得继续上。
  • AI代理擅长并行展开大量路线，反复改写证明，并借助Lean筛掉形式错误。
  • 代理越强，研究机构越有动力把未公开问题直接投入大规模计算。
  • 传闻一旦暴露优先权，学术合作就可能变成“谁先公开、谁先署名、谁先让模型跑完”的竞速。

这和计算机安全领域的变化有相似之处：只要有人知道某个漏洞存在，自动化系统就可能立刻开始寻找利用路径。数学研究也许正在出现类似机制——未公开的突破本身，可能成为竞争对手调集算力的信号。

争议核心不只是“有没有偷看”，还包括数据怎样影响下一次回答

Buckmaster提出的疑问有两个层次。

第一个层次是直接访问。OpenAI表示，研究团队和代理在相关工作完成前没有看到对方的具体材料，也没有通过任何方式读取其Codex会话。若这一说法成立，就不能把这起事件直接定性为窃取论文或复制证明。

第二个层次更难回答：用户会话是否可能以去标识化数据的形式参与模型改进，进而影响未来模型的能力。

这并不意味着模型会把某个研究者的草稿原样吐给另一个人。更现实的风险是，研究者无法清楚知道自己的探索过程在多大程度上会被纳入训练、评估或产品改进，也不知道未来模型是否因此更容易沿着相近路线找到答案。OpenAI自己承认不能完全排除这种可能，说明“没有访问具体用户数据”和“数据完全不会影响模型能力”不是同一个承诺。

对使用AI做前沿研究的团队，这会改变实际操作：

  • 未公开的猜想、证明草稿和关键引理，不应默认等同于普通聊天内容。
  • 团队需要核对产品或API的数据使用条款、训练选择和企业数据政策。
  • 重要研究应保留本地版本记录、时间戳和作者贡献记录，不能只把过程留在单一平台里。
  • 如果研究结果涉及优先权，最好在公开前明确作者顺序、数据来源和AI工具使用范围。

这对个人数学家尤其现实。一个研究者可能只是想让模型检查一段证明，或者帮忙寻找反例，却在不知不觉中把一年积累的思路放进了商业系统。等到另一个团队更快完成类似结果时，事后再追问“模型是否受到了影响”，通常已经很难取证。

OpenAI选择公开一次大规模AI数学实验，确实展示了代理系统在长链条推理、并行搜索和形式化验证上的潜力。但它也暴露出一个产品层面的短板：数据政策可以写得很长，研究者真正关心的却是一个更具体的问题——我的未发表工作，究竟会不会成为别人下一次提问时的隐性燃料？

在这个问题得到更清晰的技术和合同答案前，数学家会更谨慎地提交未公开材料，研究机构也可能把关键推理迁回本地或受控环境。AI公司若只强调“没有直接访问用户数据”，却不解释训练与模型改进的边界，技术成绩越大，信任成本也会越高。