OpenAI 把一個九十年來沒有人證明的流體力學難題，變成一場只花 88 小時的 AI 展示；Morning Brew 卻把重點放在另一個問題：當兩位數學家已經把未發表草稿放進 Codex，OpenAI 的模型又走上相近的解題路線，這份成果到底算誰的？
一萬個 AI Agent 跑了 88 小時
Navier–Stokes 方程式描述水與空氣等流體如何運動。Clay Mathematics Institute 在 2000 年把「解是否永遠存在且維持平滑」列為七個千禧年大獎難題之一，每題獎金一百萬美元。OpenAI 在 2026 年 9 月 8 日宣稱，一個尚未公開的內部模型以約一萬個並行 AI Agent 工作約 88 小時，找到有限時間內產生奇異點的解法，並交出一般論文與 Lean 形式化證明。
這仍是 OpenAI 提出的解答，不是已經拿到千禧年大獎的定案。Clay Mathematics Institute 的官方頁面目前仍把 Navier–Stokes 標為「Active」；Morning Brew 留言區最高互動的質疑，也正是片名把「宣稱解出」壓縮成已經解決，而證明仍需要數學界檢查。
來源：影片畫面擷取自 YouTube／Morning Brew
兩位數學家先走到相近的路上
爭議另一端是 New York University 的 Tristan Buckmaster 與 Anthropic 的 Levent Alpöge。依 Buckmaster 公開說法，兩人以 Diego Córdoba 和 Luis Martínez Zoroa 的研究為起點，花了約一年推進一套少有人採用的方法，並使用多個 AI 模型協助研究；他說他們在 8 月 15 日取得實質進展，8 月 22 日完成驗證，先把相關工作推到 Euler 方程式。
OpenAI 的時間線緊接在後。公司表示 8 月 28 日開始訓練新的內部模型，9 月 1 日聽到兩個千禧年難題可能已有突破的傳聞後，才讓模型挑戰尚未解決的題目。OpenAI 的 Navier–Stokes 證明與兩人的工作並不相同，但採用了相近且冷門的整體方向；這個時間差與方法重疊，讓資料來源成為無法迴避的問題。
Codex 裡的草稿有沒有進入模型
Buckmaster 說，他與 Alpöge 把整個計畫的草稿與討論放在 Codex 工作階段中。他直接問 OpenAI 的 Sébastien Bubeck：模型是否曾受這些工作階段訓練，或能否存取它們；他得到的回答是模型不會主動查找使用者資料，但追問訓練用途時沒有獲得明確答案。
OpenAI 同時否認研究人員或 AI Agent 在公開前看過兩人的資料，也說解題時沒有存取任何特定使用者資料；但公司保留一個關鍵但較窄的可能性：無法排除由兩人使用產品時產生的去識別資料，曾經協助改善模型。這和「AI 直接讀取兩人的聊天紀錄」不是同一件事；Morning Brew 把兩者壓成一句話，反而讓最需要釐清的資料流程變得模糊。
答案之外，數學還需要解題路徑
Terence Tao 在 OpenAI 公告前五天就用 Navier–Stokes 寫了一串假設性警告，當時還特別說自己不知道任何重大進展。他認為純數學難題的價值不只在最後答案；嘗試失敗、調整假設、找出障礙的過程，往往會替整個領域留下新工具。如果一家公司用大量算力在封閉系統裡跑完所有路線，只公開一份龐大到人類難以消化的形式化證明，題目雖然可能被解掉，能公開累積的理解卻可能變少。
這場爭議因此不只是在排誰先誰後。真正的分水嶺是：研究者把尚未發表的想法交給 AI 工具時，公司能不能清楚交代資料如何被使用、模型如何抵達答案，以及人類研究者該得到什麼歸屬。若這些邊界一直含糊，研究者最合理的自保就是不再分享半成品，而受損的會是依靠公開討論前進的研究文化。
OpenAI solves impossible math problem ／ Morning Brew · 在 YouTube 觀看 ↗