OpenAI宣称取得Navier–Stokes突破，把几种不同判断放进了同一个标题。公司说内部AI系统用88小时构造有限时间奇点，随后完成Lean形式化。形式陈述是否符合官方问题、专家是否接受论证、贡献应归谁，是分别需要回答的问题。这项报道中的工作尚未完成数学界通常的审查过程。
9月海德堡获奖者论坛呈现了其中张力。研究者并非只是在捍卫人类解题能力，而是在问：快速生产可检查答案，是否也能带来理解、公平归属和共享科研能力，还是让掌握专有模型的公司决定哪些问题算进步？
主张涉及精确反例，而非所有流体运动
Navier–Stokes方程把流体当作连续材料，而不是逐个追踪分子，仍被用于飞机、天气、水流和血流。难题涉及光滑的三维不可压缩流动：光滑初始条件是否总能保持光滑，还是速度等量可能在有限时间变得无界？黏性的平滑效应，使符合条件的奇点难以构造。
OpenAI称构造了向内旋转、不断拉伸的涡旋，核心随速度上升而缩小，总能量仍有限。关键是构造包含光滑外力，公司说速度发散时外力仍光滑，并称满足官方千禧年问题允许的两种反例表述。这不能被改写成所有表述下无外力问题均已解决，也不意味着流体方程简单地“错了”。
公司说在听到相关流体问题进展传闻后，于2026年9月1日启动，把未发布内部模型用于所有未解千禧年问题及相关问题。约1万个并发智能体利用工具和有限交流，探索证明与反证路线。据称9月5日、启动约88小时后得到结果，GPT-6 Astra又用17小时完成Lean形式化与验证。
OpenAI报告Navier–Stokes工作产生270万条消息、约1300亿输出token，所有尝试问题合计490万条、约3000亿token。这些未经独立审计的公司数字描述的是大量提案、失败与核验的协调搜索，不是单次聊天提示。生成结果的模型据称比公开Astra更强，因此发布论文与证明，不等于普通用户可以重现搜索。
Lean可以检查什么，又不能决定什么
Lean用明确的定义和规则表示数学，检查形式步骤是否由认可的基础推出，可堵住文字审稿遗漏的逻辑缺口。但审查者仍须确定编码后的命题、假设，就是目标千禧年问题。内部形式一致性，不自动意味着结果范围与解释已获认同。
检查器不能分配优先权、重建策略来源或判断致谢是否充分，也不能让论证变得有启发性，或决定方法是否易于教授、复用和扩展。冗长形式证明可能有效，却很少有人理解组织思路；这是理解问题，不是拒绝计算机辅助的理由。
Clay规则要求合格出版、数学界广泛接受，以及至少两年严格检验，之后才考虑详细奖项评估。OpenAI称不会申请奖金，但放弃金钱不会压缩审查，也不会立即产生共识。独立专家仍要比较形式定理、可读构造与既有数学工作。
Geordie Williamson担心解题与理解分离，而职业评价仍奖励解题；Jacob Tsimerman强调能力快速上升及Navier–Stokes解决的重要性；Peter Scholze质疑理解已稀缺时，更快产出是否天然有价值。分歧在于数学进步应包含什么，不是简单的乐观与恐惧对立。
归属指控不等于技术反驳
OpenAI把启动传闻与纽约大学Tristan Buckmaster、Anthropic员工Levent Alpöge联系起来。两人研究的是相关的带外力Euler问题。Euler方程不包含黏性，不能与公布的Navier–Stokes主张互换。OpenAI称智能体先独立得到无外力Euler结果，再完成后续构造，方法不同，同时承认更广的Navier–Stokes路线采用相关外力策略。
公司否认参与人员在完成前见过两人的私人工作，并称内部调查排除了Buckmaster早期Codex提示经训练或其他途径影响模型。Buckmaster对经过提出异议，关注施压、作者署名和沟通。《Scientific American》报道他认为OpenAI在开发成果前已得知两人进展；OpenAI数学家Sébastien Bubeck否认使用其提示或证明。
Diego Córdoba与Luis Martínez-Zoroa此前对外力方法的贡献也应纳入历史。Córdoba告诉该刊，OpenAI声称完成让他们意外。高等数学沿着方法、部分结果、交流和有时未发表思路发展；归属既表明新颖性，也影响职位、资助、邀请和地位。把全部故事归一个模型，会隐藏这条链。
两种问题必须分开。公开证据尚未最终证明不当获取未发表材料，OpenAI也否认；批评沟通、归属或权力不对等，并不要求先证明这种获取。Williamson强烈批评公司行为，Michael Harris说报道把公司描绘为施压并破坏学科规范；IEEE发稿前OpenAI未予评论。这些评价不推翻定理，正如礼貌也无法验证错误证明。
专有资源改变科研竞争
数学给公司提供有吸引力的试验：形式答案通常比文章或预测更客观可查，著名问题又带来宣传。Anthropic据称用内部Claude挑战Riemann猜想，没有解决该千禧年问题，但在相关界限取得进展；Google和专门项目也研究证明、形式化与发现。这些都不能一概称为完成千禧年解答。
Scholze担忧基准与宣传把注意力引向醒目的终点。理论建构、领域联系和概念澄清可能成熟数十年，却没有一个著名终点。若资助与招聘追随可见的机器解答，重要工作即使有科学价值，也可能失去支持。
IEEE报道，Mita Ramabulana的研究与两项已宣布进展重叠，他担心有人把研究者的问题交给模型并抢先发表。密码学博士生Ailsa Robertson描述同事为访问模型花很多钱，竞争职位时觉得不得不用。报道也提到OpenAI向学术研究者提供10万个前沿模型许可。
访问计划能帮忙，却保留结构不对称：大学使用的公开工具来自一家正用更强内部系统竞争的公司。昂贵仪器早已造成资源差异，但公共或国际大型设施的治理，不同于能自行更新、撤销访问或保留最强能力的专有服务。数学相对低设备门槛正在改变。
招聘和署名信号因此需要披露。格式正常的论文可能隐藏截然不同的自动探索、形式化、发现程度和工具条件。期刊及大学需要区分普通辅助与实质贡献的来源记录，而不是笼统认为所有模型使用都一样。
验证需要可读、可问责的过程
从四色定理的穷尽检查到大型证明助手项目，数学早已接受计算。新压力在于规模：形式对象可能快于专家理解速度抵达，产生审计与解释积压；人类花更多时间翻译机器工作，传统激励却仍奖励最后的已解命题。
Tsimerman的视角是人类选题、连接结构，系统探索；Williamson则担心职业转而优化机器产出。Torsten Hoefler预测一切可验证事物都会自动化，但这仍是预测，不证明系统能选择有价值问题、启发性解释或公共利益方向。
同样区别也适用于代码、芯片版图与科学计算：正确作品仍可能难维护，或缺乏透明开发历史。结果来得越快，研究笔记、失败假说、来源线索与人工决策越重要。知识管理软件可以保留背景，不能建立科学规范或裁决署名。
分层发表可提供形式证明、可读解释、来源声明和独立复现报告；宏大宣布前的保密专家审查，可能牺牲宣传优势却增加可信度；外部可用的强工具与评估设施，可让复现超出检查成品证明。这些是强化科研制度的提议，不是拒绝自动发现。
仍有三项检验：独立确认定理与非形式构造符合Clay表述；提供来源、关键决定与人工干预的可理解链条，而非数百万原始消息；以及持续产出获认可、方法可被他人复用的发现。工具开放、期刊披露和大学招聘标准，将决定专有能力主张是否成为共享数学。在此之前，Navier–Stokes结果应保持为附有支持材料的归属明确主张，而非已正式定案的解决。
来源
OpenAI主张 · 千禧年奖规则 · 海德堡讨论 · 争议独立报道 · 知识背景说明 · IEEE Spectrum分析