Математики год работали над одной из семи задач тысячелетия, используя модели OpenAI. OpenAI узнала об этом из слухов — и решила ту же задачу за 88 часов. Скандал вышел за пределы математики: он поставил вопрос, который касается каждого, кто когда-либо думал вслух в ChatGPT или Codex.
Что за задача и почему это важно
Задача существования и гладкости уравнений Навье-Стокса — одна из семи задач тысячелетия, за каждую из которых Институт Клэя с 24 мая 2000 года предлагает $1 000 000. Суть: математики до сих пор не могли доказать, всегда ли уравнения, описывающие движение жидкостей, имеют гладкое решение — или в какой-то момент оно «взрывается» (возникает сингулярность). Это не абстракция: от ответа зависит понимание турбулентности в авиации, климатических моделях и гидродинамике.
OpenAI заявила, что её внутренняя (ещё не выпущенная публично) модель доказала: гладкое течение жидкости может развить конечно-временну́ю сингулярность. Доказательство верифицировано в Lean — формальной системе проверки математических утверждений — с помощью GPT-6 Astra.
Как это происходило: хронология конфликта
Профессор математики NYU Тристан Бакмастер и математик Левент Алпёге (сотрудник Anthropic) почти год работали над смежными задачами. Инструменты — Claude и Codex (преимущественно GPT-5.6 Sol). 15 августа у них случился прорыв.
Слухи дошли до OpenAI. Вот как компания описала свои действия:
1 сентября мы услышали слухи о том, что две задачи тысячелетия решены. Вдохновлённые этими слухами и скачком производительности нашей внутренней модели, мы запустили оценку по всем открытым задачам тысячелетия.
Агенты отправили 2,7 млн сообщений и использовали около 130 млрд выходных токенов — только на задачу Навье-Стокса. Для сравнения: 300 млрд токенов по публичным ценам GPT-6 Astra обошлись бы примерно в $15 000 000.
Результат получен 5 сентября — через 88 часов после старта. Бакмастер опубликовал свою работу буквально часами ранее.
Где здесь этика и где — ваши данные
Бакмастер задал OpenAI прямой вопрос: был ли их черновики в Codex использованы для обучения модели, которая потом решила ту же задачу? Ответ компании:
Мы не можем исключить, что деидентифицированные данные, полученные из использования наших продуктов, помогли улучшить наши модели.
Это честно — и одновременно тревожно. Деидентификация не означает, что математическая структура ваших черновиков не попала в веса модели.
Саймон Уиллисон сформулировал три гипотетических вопроса, которые теперь стоит задавать каждому:
- Если API-ключ случайно попал в контекст Codex — может ли его получить другой пользователь в будущем?
- Если вы обсуждали стратегию компании в ChatGPT — может ли конкурент через полгода получить эту информацию косвенно?
- Если вы частично решили важную задачу с помощью ChatGPT — может ли ваша работа обучить модель, которая поможет кому-то другому решить её первым?
Третий вопрос перестал быть гипотетическим.
Параллель с кибербезопасностью: слух как стартовый пистолет
Аnil Мадхавапедди недавно заметил: одного слуха об уязвимости теперь достаточно, чтобы агенты нашли эксплойт — потому что сам факт «где-то есть дыра» задаёт направление поиска.
То же самое теперь работает в математике. Слух о том, что кто-то близок к решению задачи тысячелетия, запускает гонку стоимостью в миллионы долларов токенов. Это меняет стимулы: публиковать промежуточные результаты становится опасно, держать их в секрете — тоже, потому что черновики могут оказаться в обучающей выборке.
Где ломается: подводные камни этой истории
Верификация ещё не завершена. Институт Клэя заявил, что оценка будет «намеренно неспешной и строгой». Lean-доказательство — сильный аргумент, но не финальный приговор.
«Деидентификация» — размытое понятие. Никто публично не объяснил, что именно OpenAI делает с черновиками из Codex перед тем, как они (если вообще попадают) влияют на обучение. Формулировка «не можем исключить» — это не политика конфиденциальности, это оговорка.
Конфликт интересов встроен в структуру. Левент Алпёге работает в Anthropic — прямом конкуренте OpenAI. OpenAI предложила Бакмастеру соавторство, но явно исключила Алпёге. Это не нейтральная позиция.
Гонка токенов как новая норма. Если $15 млн токенов решают задачу тысячелетия за 88 часов, порог входа в «математическую гонку вооружений» определяется бюджетом, а не годами экспертизы.
Что попробовать дальше
Если вы работаете с чувствительными данными или интеллектуальной собственностью через LLM-инструменты — проверьте настройки передачи данных для обучения в Codex, ChatGPT и аналогах. В OpenAI API данные по умолчанию не используются для обучения, но в продуктах для конечных пользователей политика отличается.
Следите за публикацией Института Клэя: если доказательство пройдёт верификацию, это будет первая задача тысячелетия, решённая с прямым участием LLM-агентов — и прецедент для всей науки.
FAQ
Что такое задача Навье-Стокса простыми словами?
Это математический вопрос о том, всегда ли уравнения движения жидкости имеют корректное решение или в какой-то момент «ломаются». За доказательство или опровержение Институт Клэя предлагает $1 000 000 с 2000 года.
OpenAI официально получила приз?
Нет. Институт Клэя заявил, что проверка будет длительной и строгой. Lean-верификация — весомый аргумент, но не финальное решение комитета.
Мои данные в Codex или ChatGPT могут попасть в обучение?
В OpenAI API — по умолчанию нет. В потребительских продуктах (ChatGPT, Codex для физлиц) политика сложнее: данные могут использоваться для улучшения моделей, если вы явно не отказались. Проверьте настройки в своём аккаунте.
Почему Левент Алпёге не получил соавторство?
OpenAI объяснила это «конкурентными отношениями» с Anthropic, где работает Алпёге. Бакмастер расценил это как неприемлемое условие.
Чем этот случай отличается от обычного параллельного открытия?
Тем, что OpenAI запустила свою работу после слухов о чужом прорыве, а черновики команды Бакмастера находились в Codex — продукте OpenAI — на протяжении почти года. Вопрос о влиянии этих данных на модель остался без прямого ответа.
