Na segunda-feira, o matemático da NYU Tristan Buckmaster publicou um trabalho mostrando que uma forma simplificada das equações de Navier–Stokes poderia falhar, após quase um ano de trabalho com o pesquisador da Anthropic Levent Alpöge e modelos públicos de IA. O progresso da dupla utilizou uma abordagem associada a Diego Córdoba e Luis Martínez-Zoroa — uma via que outros especialistas haviam considerado promissora.¹

Então, a OpenAI anunciou que um grupo de agentes havia produzido uma prova para o problema completo do Prêmio do Milênio, que pergunta se as equações que regem o fluxo de fluidos podem desenvolver singularidades. A empresa disse que os agentes usaram um modelo de próxima geração mais capaz que o GPT-6 Astra.Lilian Weng (lilianweng)² A OpenAI não planeja buscar o prêmio de US$ 1 milhão do Clay Mathematics Institute, mas a escala do esforço ressaltou o crescente abismo entre pesquisadores acadêmicos e laboratórios de fronteira: cerca de 10.000 agentes foram executados simultaneamente durante 88 horas, com estimativas situando a conta computacional entre US$ 10 milhões e US$ 40 milhões.³

A celebração rapidamente se tornou uma disputa por reconhecimento. Buckmaster disse que funcionários da OpenAI ofereceram lançamentos coordenados ou colaboração em um artigo que excluiria Alpöge devido à sua afiliação com a Anthropic; a OpenAI negou que agentes ou funcionários tenham acessado as transcrições da dupla. Ainda assim, a empresa afirmou que não pode excluir completamente a possibilidade de que dados desidentificados do uso de produtos tenham melhorado seus modelos.¹ Sam Altman defendeu a conduta da equipe, dizendo que seu entendimento inicial era de que os outros pesquisadores também haviam resolvido o problema e que a OpenAI queria “colaborar e fazer um lançamento conjunto”.Sam Altman (sama)⁴

Os críticos continuam não convencidos. Uma republicação amplificada por Yann LeCun parabenizou Buckmaster e Alpöge por desenvolverem as técnicas assistidas por IA e, em seguida, elogiou sarcasticamente a OpenAI por não deixar “nenhuma boa transcrição de cliente sem ser explorada”.Yann LeCun (ylecun)⁵ Mais recentemente, o matemático Andreas Thom chamou de enganosa a distinção da OpenAI entre acesso direto e dados de treinamento desidentificados: “A desidentificação pode remover um nome; ela não remove o conteúdo intelectual de uma ideia matemática.”⁶

O argumento agora é maior do que uma única prova. Para os acadêmicos, o temor é que laboratórios de IA opacos e ricos em dinheiro possam converter sinais de pesquisa privados em vantagens decisivas — deixando matemáticos humanos sem o poder computacional nem o reconhecimento para competir.