10 000 AI-агентов и задача Навье — Стокса: что на самом деле показала OpenAI

8 сентября 2026 года OpenAI опубликовала результат, который легко пропустить в потоке новостей про очередные модели. Около 10 000 AI-агентов за 88 часов нашли решение задачи Навье — Стокса — одной из семи задач тысячелетия, за решение каждой из которых Институт Клэя назначил премию в миллион долларов. Из семи задач официально решена пока только одна — гипотеза Пуанкаре.

Ещё 17 часов ушло на то, чтобы перевести доказательство на Lean — язык, в котором компьютер проверяет каждый логический шаг. Вместе с ним опубликована статья на 165 страниц.

Самое интересное здесь не уравнение, а то, как система пришла к результату. И то, что вокруг него уже происходит.

При чём здесь вода, дым и самолёты

Уравнения Навье — Стокса описывают движение жидкостей и газов: воду вокруг корабля, воздух вокруг крыла, дым, океанские течения, атмосферу, кровь в сосудах. Их записали ещё в середине XIX века, и инженеры давно ими пользуются.

Но один базовый вопрос оставался открытым. Всегда ли решения ведут себя хорошо? Или в трёхмерном пространстве из совершенно гладкого течения может возникнуть сингулярность — точка, где скорость растёт без ограничений?

Именно это и нужно было доказать или опровергнуть по условиям Института Клэя. Формулировка задачи появилась в 2000 году, а сам вопрос математики разбирают с 1930-х.

Как работали 10 000 агентов

Всё, что ниже, — данные самой OpenAI, пересказанные CNN, Quanta Magazine и RuntimeWire. Независимо их пока никто не проверял.

• Модель. Внутренняя, не выпущенная публично. OpenAI называет её «значительно более способной», чем GPT-6 Astra, и говорит, что её обучение продолжается.
• Группы агентов. Разные группы получали разные формулировки задач, доступ к сохранённой копии интернета и возможность запускать код.
• Сборка промежуточных результатов. Полезные находки собирал Codex и раздавал их другим группам.
• Разминка на соседней задаче. Около 100 агентов за 50 часов нашли сингулярность для уравнений Эйлера — это та же гидродинамика, только без вязкости. После этого OpenAI сняла агентов с других задач и сосредоточила ресурсы на Навье — Стоксе.
• Главный прогон. Около 10 000 одновременно работающих агентов, 88 часов, 2,7 миллиона сообщений между агентами и около 130 миллиардов сгенерированных токенов.
• Проверка. Ещё 17 часов GPT-6 Astra формализовала доказательство в Lean.

flowchart LR
    A["28 августа<br/>старт обучения<br/>новой модели"] --> B["1 сентября<br/>слух о решённой задаче,<br/>агенты запущены"]
    B --> C["~100 агентов, 50 часов<br/>уравнения Эйлера"]
    C --> D["~10 000 агентов, 88 часов<br/>Навье — Стокс"]
    D --> E["5 сентября<br/>найдено решение"]
    E --> F["6 сентября<br/>проверка в Lean"]
    F --> G["8 сентября<br/>публикация"]

Ответ оказался неожиданным

AI не доказал, что с уравнениями всё хорошо. Наоборот: в предложенной конструкции жидкость начинает с полного покоя, на неё действует гладкая сила, и возникает сужающийся вихрь. Он закручивается всё быстрее и вытягивается вдоль оси, а скорость в центре растёт без ограничений за конечное время. При этом полная энергия течения остаётся ограниченной, потому что область экстремальной скорости становится всё меньше.

Математики называют это «взрывом» решения. По словам OpenAI, результат закрывает два из четырёх вариантов, которые допускает официальная формулировка задачи: для всего пространства и для периодического случая.

У результата нет немедленной практической пользы. Реальные жидкости состоят из молекул, а уравнения предполагают бесконечно гладкую среду. Но, как пишет Quanta, само существование такой сингулярности показывает: турбулентность ещё страннее, чем кажется.

Готового ответа в интернете не было — но и с нуля никто не начинал

Про тексты, код и картинки от нейросетей всегда можно сказать: «она видела миллионы примеров и научилась их комбинировать». Здесь так не получится. Задача считалась нерешённой, и ответа не было ни в одном учебнике.

Системе пришлось перебирать гипотезы, строить аргументы, отбрасывать неработающие конструкции и проверять собственные рассуждения. Это другой класс задач, чем «напиши письмо».

Но у этой истории есть важная деталь, которую легко упустить. Путь к решению проложили люди.

• Метод придумали люди. Обе AI-команды, которые подошли к задаче в эти дни, опирались на работы Диего Кордобы и Луиса Мартинеса-Сороа. Их метод строит бесконечный каскад гладких «слоёв» и собирает из них решение с сингулярностью. Незакрытым оставался последний шаг — добиться, чтобы действующая сила тоже была гладкой.
• Этот шаг и сделали агенты. Но опирались они на человеческий фундамент.
• Автор официальной формулировки называет героями людей. Чарльз Фефферман, написавший описание задачи для Института Клэя, назвал героями истории Кордобу и Мартинеса-Сороа. Тристан Бакмастер из Нью-Йоркского университета написал, что Мартинес-Сороа заслуживает Филдсовской премии.

Возможно, сверхинтеллект будет похож на организацию

Мы привыкли представлять сильный AI как одну очень умную модель на сервере, которая знает ответы. Эта история показывает другую картину. Тысячи агентов с разными ролями и контекстами, промежуточные находки, которые пересылаются между группами, отброшенные тупики и финальная машинная проверка.

То есть скачок возможен не только потому, что модели умнеют. Мы учимся организовывать их работу в большие исследовательские коллективы.

У такой организации есть цена. Системы из многих агентов тратят кратно больше токенов, чем одиночный агент, и здесь это видно в масштабе: сотни миллиардов токенов и несколько миллионов долларов за одну попытку. Как устроены такие схемы в малом масштабе и почему команда агентов окупается только на задачах, которые действительно раскладываются на независимые направления, я разбирал в статье про шесть паттернов оркестрации.

Но ставить точку пока рано

Несколько оговорок, без которых новость пересказывается неправильно.

Институт Клэя по-прежнему считает задачу нерешённой. По его правилам решение должно выйти в рецензируемом издании, провисеть публично не меньше двух лет и получить общее признание математиков. OpenAI сама заявила, что на премию претендовать не будет.

Проверка в Lean — не финал. Lean гарантирует, что доказательство верно для той постановки задачи, которая в нём записана. Но люди ещё должны убедиться, что эта постановка в точности совпадает с условием Института Клэя.

Идёт спор о первенстве. Началось всё с того, что OpenAI услышала слух: Тристан Бакмастер и сотрудник Anthropic Левент Альпёге будто бы решили задачу тысячелетия.

• Что сделали Бакмастер и Альпёге. Как выяснилось, их работа касалась близкой, но другой задачи — уравнений Эйлера с внешней силой.
• Что говорит Бакмастер. Он допускает, что OpenAI могла воспользоваться их наработками, которые делались в том числе с помощью моделей OpenAI. При этом он подчёркивает, что никого не обвиняет.
• Что отвечает OpenAI. Компания утверждает, что не видела их работу до публикации. Но признаёт: нельзя исключить, что обезличенные данные из использования её продуктов помогли улучшить модели.

Не все математики рады. Теренс Тао из Калифорнийского университета в Лос-Анджелесе сравнил такое решение с фильмом, из которого посмотрели первые и последние десять минут: сюжетные линии закрыты, но главная ценность потеряна. По его словам, бездумное использование AI превращает математику в «игру на выполнение плана».

Поэтому точная формулировка сегодня звучит так: AI представил решение задачи Навье — Стокса, прошедшее машинную проверку. Не «человечество закрыло задачу тысячелетия».

Что из этого стоит взять тем, кто работает с агентами

Урок здесь не в числе 10 000. Большинству задач в бизнесе не нужны даже десять агентов. Урок в том, почему рой вообще смог выдать надёжный результат.

У него была машинная проверка. Тысячи агентов могли ошибаться сколько угодно: неверную конструкцию отсекал Lean, а не человек, читающий 165 страниц. Без такой проверки 10 000 агентов дали бы 10 000 правдоподобных, но непроверенных текстов.

Это правило работает и в маленьких системах. Параллельные агенты и цикл «генератор — критик» окупаются там, где результат можно проверить автоматически. Например, так:

• тесты проходят;
• сумма сходится с выгрузкой;
• все обязательные поля заполнены;
• текст прошёл рубрику.

Где проверки нет, больше агентов означает больше уверенно звучащих ошибок. Как встроить такие проверки в работу бота или агента, разобрано в статье как следить за AI-ботом в работе.

Вывод

Если результат OpenAI выдержит независимую проверку, 8 сентября 2026 года могут вспоминать как один из первых моментов, когда AI не пересказал знания человечества, а расширил их. Даже если в доказательстве найдут ошибку, одно уже не исчезнет: система из тысяч агентов способна несколько суток автономно работать на переднем крае математики — при условии, что у неё есть надёжный способ проверить себя.

Следующий шаг: посмотрите на задачу, которую вы собирались отдать нескольким агентам сразу, и ответьте на один вопрос: чем вы автоматически проверите их результат? Если ответа нет, начните с проверки, а не с агентов.

Читайте также