Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
OpenAI заявила, что группа ИИ-агентов получила решение задачи Навье — Стокса, которая остаётся открытой около 90 лет. Агенты работали на модели следующего поколения, которую компания называет значительно более способной, чем GPT-6 Astra, но это сообщение пока описывает исследовательский результат, а не доступный разработчикам продукт.
Параллельно Левент Альпёге и Тристан Бакмастер опубликовали независимую математическую работу. OpenAI отдельно пояснила, что её доказательство и результат этих авторов различаются, в том числе постановкой уравнений Эйлера.
Какой результат заявила OpenAI
Задача относится к трёхмерному движению жидкости, которое описывают уравнения Навье — Стокса. Главный вопрос состоит в том, всегда ли гладкое течение остаётся гладким или математическое решение в некоторый момент может разрушиться.
OpenAI называет работу агентов решением одной из задач тысячелетия. Это означает заявку на математическое доказательство, а не просто численную симуляцию жидкости или удачный ответ модели на набор тестовых примеров.
Существенная деталь — доказательство создала не одна модель в одном диалоге, а группа агентов. Такая формулировка указывает на систему, где несколько экземпляров модели могли распределять работу, проверять промежуточные шаги или развивать разные направления. Конкретное устройство этой системы в постах не раскрыто, поэтому переносить результат на обычный вызов модели через API нельзя.
Модель названа системой следующего поколения и поставлена выше GPT-6 Astra по возможностям. Численной оценки этого разрыва OpenAI не приводит. Следовательно, формулировка не позволяет сравнить модели по точности доказательств, расходу токенов, времени работы или стоимости.
Почему работа Альпёге и Бакмастера не дублирует результат агентов
OpenAI утверждает, что её исследователи и агенты не видели работу Левента Альпёге и Тристана Бакмастера до открытой публикации. Компания также отдельно указала, что для решения не обращалась к конкретным пользовательским данным авторов.
При этом OpenAI не исключает более косвенную связь: обезличенные данные, полученные из использования её продуктов этими математиками, могли участвовать в улучшении моделей. Это оговорка о происхождении обучающих данных, а не заявление о том, что агенты получили доступ к доказательству или воспроизвели его.
Главное различие относится к самим математическим результатам. В уточняющем посте OpenAI пишет, что доказательства существенно расходятся, а в части про уравнения Эйлера рассматривают разные постановки: с внешним воздействием и без него.
Уравнения Эйлера описывают идеализированную жидкость без вязкости. Вынужденная постановка включает внешнюю силу, которая действует на течение; невынужденная рассматривает систему без такого воздействия. Доказательство для одной постановки нельзя автоматически считать доказательством для другой, даже если методы и итоговые формулировки выглядят близкими.
Поэтому одновременная публикация двух работ не означает, что человек и система агентов независимо решили одну задачу одинаковым способом. Из сообщений следует более узкий вывод: результаты появились независимо, но различаются и по доказательству, и по точной формулировке случая с уравнениями Эйлера.
Что это меняет для команд, которые строят продукты на моделях OpenAI
Результат показывает направление развития агентных систем: OpenAI проверяет их на задачах, где нужно долго удерживать логическую структуру, разделять поиск между участниками и сводить промежуточные выводы в единое доказательство. Для продуктов это потенциально важнее, чем ещё один прирост в коротких вопросах и ответах.
Однако новость пока не меняет выбор модели для рабочей архитектуры. В постах не сказано, как получить доступ к использованной модели и системе агентов. Нельзя исходить из того, что те же возможности уже присутствуют в API или появятся в нём с теми же ограничениями и качеством.
Также нельзя переносить заявленный математический результат на разработку программ, анализ документов или автоматизацию процессов без отдельных испытаний. Доказательство узкой задачи подтверждает способность системы вести сложный поиск в конкретном режиме, но не задаёт метрики для других сценариев.
Практический вывод ограничен планированием: архитектуру продукта стоит по-прежнему строить вокруг доступных моделей, а не вокруг обозначенной исследовательской системы. Заявление OpenAI даёт сигнал, что следующий прирост может прийти не только от новой базовой модели, но и от организации нескольких агентов вокруг одной долгой задачи.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
