Решение задачи Навье — Стокса от OpenAI: математик, работавший в Codex, говорит, что его опередили
Профессор NYU Тристан Бакмастер год решал задачу Навье — Стокса с помощью Claude и Codex. OpenAI начала работу, лишь услышав слухи о его успехе. Саймон Уиллисон спрашивает, что компании делают с данными пользователей.
Решение задачи Навье — Стокса, которое OpenAI опубликовала 8 сентября, обросло скандалом. Профессор математики Нью-Йоркского университета Тристан Бакмастер утверждает, что компания взялась за задачу, лишь узнав о его работе. Саймон Уиллисон разобрал историю в своём блоге и задал неудобный вопрос о данных пользователей.
Бакмастер почти год работал над задачей вместе с математиком Левентом Альпёге, который сейчас работает в Anthropic. Они активно пользовались Claude и Codex, в основном моделью GPT-5.6 Sol, и все черновики хранили в сессиях Codex. 15 августа у них случился прорыв. По математическому сообществу пошли слухи, и соавторы узнали, что в OpenAI работает команда над похожей задачей с похожим подходом. «Я спросил, когда они отправили первый запрос. OpenAI долго не отвечала прямо. В итоге согласились, что это было в последние дни, после того как сведения о нашей работе дошли до OpenAI», — пишет Бакмастер. На вопрос, обучалась ли модель на их сессиях в Codex, ответа он, по его словам, не получил.
Версия OpenAI такая: 1 сентября компания услышала, что решены две задачи тысячелетия1, и запустила свою ещё не выпущенную модель на все открытые задачи из списка. Агенты нашли решение для Навье — Стокса за 88 часов, ещё 17 часов ушло на формальную проверку в Lean2 с помощью GPT-6 Astra. Всего агенты израсходовали около 300 млрд выходных токенов3. Уиллисон подсчитал, что по публичным ценам GPT-6 Astra это стоило бы 15 млн долларов, хотя сколько это стоило компании на внутренней модели, неизвестно.
OpenAI заявляет, что ни исследователи, ни агенты не видели работу Бакмастера до публикации, а доказательства существенно различаются. При этом компания признаёт: нельзя исключить, что обезличенные данные из использования её продуктов помогли улучшить модели. OpenAI предлагала подождать с публикацией или сделать Бакмастера автором статьи, но Альпёге в соавторы не звала из-за конкуренции с его работодателем.
Уиллисон считает, что OpenAI увидела шанс показать силу новой модели и не задумалась, как выглядит история, где она опередила людей, почти год работавших на её же моделях. Он проводит параллель с кибербезопасностью: там уже хватает слуха об уязвимости, чтобы агенты её нашли. Теперь, похоже, и в математике достаточно знать, что решение существует. Свой главный вопрос он формулирует так: «Если я с помощью ChatGPT частично решу задачу тысячелетия, каковы шансы, что моя работа повлияет на обучение и следующая модель поможет кому-то другому решить её первым?»