O modelo da OpenAI provou Navier–Stokes — ninguém provou de onde vieram os dados

Em 8 de setembro, a OpenAI publicou uma prova, gerada internamente, para o problema de existência e suavidade de Navier–Stokes — um dos sete Problemas do Milênio do Clay Mathematics Institute, prêmio de US$ 1 milhão. A empresa não pretende reivindicar o prêmio, apurou a MIT Technology Review em 9/9. No mesmo dia, o anúncio dividiu espaço com uma acusação: o professor da NYU Tristan Buckmaster disse que a OpenAI se apropriou de um projeto seu, ainda não publicado, com um funcionário da Anthropic. São duas perguntas diferentes — o resultado e a origem dos dados —, e tratá-las como uma só é a confusão mais comum no caso. A prova é checável, com formalização em Lean; o que ninguém confirmou é como os dados chegaram ao modelo. Para quem constrói com IA no Brasil, a pergunta de fundo não muda: o que um vendor faz com o que você digita nele.

O que foi dito

Segundo comunicado da OpenAI citado por Simon Willison em 8/9, a empresa ouviu um rumor em 1º de setembro sobre dois Problemas do Milênio resolvidos e passou a testar um modelo interno, mais avançado que o GPT-6 Astra, contra os problemas abertos da lista. Os agentes chegaram à solução em 5 de setembro, cerca de 88 horas depois; a formalização em Lean levou mais 17 horas, e só nesse problema a OpenAI reporta 2,7 milhões de mensagens e 130 bilhões de tokens de saída. Em coletiva relatada pela MIT Technology Review em 9/9, Sébastien Bubeck e Mark Chen, da OpenAI, falaram em cerca de 10 mil agentes em paralelo e custo de milhões de dólares, sem cifra exata. Dali a conta diverge: Willison calcula US$ 15 milhões pelo preço de API; Wes Roth fala em US$ 22 milhões sem citar origem; a Latent Space usou mais de US$ 40 milhões na manchete — nenhuma publicada pela OpenAI.

O relato de Buckmaster, também via Willison em 8/9, é diferente. Ele e Levent Alpöge, da Anthropic, levavam quase um ano num projeto pessoal sobre o mesmo problema, sem vínculo institucional, usando sobretudo Claude e Codex — modelo citado: GPT-5.6 Sol —, com avanço em 15 de agosto. Buckmaster diz ter perguntado à OpenAI quando foi enviado o primeiro prompt do projeto da empresa; a resposta só veio sob insistência, admitindo que foi nos dias anteriores ao anúncio. Sobre acesso aos rascunhos guardados no Codex, ouviu que o modelo não consulta dados de usuário — mas não obteve resposta sobre treinamento. A OpenAI nega que agentes tenham visto o material antes da publicação pública, mas admite não ser impossível que dados desidentificados do uso dos produtos por eles tenham ajudado a melhorar os modelos, e aponta que as provas finais diferem, inclusive no resultado do problema relacionado de Euler. No vídeo de Wes Roth, Altman e Bubeck teriam oferecido a Buckmaster publicar em Euler junto com o anúncio, ou assinar sozinho um artigo reconhecendo a solução dela sem Alpöge como coautor, por ele ser da concorrente — recusou as duas.

Andreas Thom, em posts no Mastodon relatados pelo The Verge em 10/9, virou o segundo matemático a questionar a empresa, chamando o comportamento dela de desonesto e levantando a hipótese de que conversas dele com o ChatGPT, antes do anúncio, tenham entrado na equação. Terence Tao, da UCLA, escreveu no Mastodon — na semana anterior ao anúncio, segundo a MIT Technology Review — que resolver o problema cedo demais só com IA, sem transparência total, pode virar um "resultado líquido negativo" para a matemática. A Latent Space, ao noticiar em 9/9 que a narrativa dos 10 mil agentes e das 88 horas circulou primeiro num tuíte do funcionário Ethan Knight, listou o que ainda faltava: enunciado formal, preprint, revisão independente. Em 11/9, o The Neuron relatou declaração da OpenAI ao New York Times sobre progresso substancial num segundo Problema do Milênio, sem dizer qual — Andrew Curran especulou que seria a Conjectura de Hodge, resolvida por um modelo chamado Aeon, sem confirmação da OpenAI.

O que vale

O que se sustenta: existe uma demonstração formal, verificada em Lean, publicada em 8/9 — diferente de ter sido aceita pela comunidade matemática ou premiada pela Clay, e nenhuma fonte relata decisão da Clay até 11/9. O número de cerca de 10 mil agentes em paralelo aparece por dois canais independentes — um tuíte de funcionário, via Latent Space, e uma coletiva de executivos, via MIT Technology Review, ambos de 9/9 — o que pesa mais como ordem de grandeza do que como número exato.

A pergunta mais útil não é sobre matemática — é a que Simon Willison formula em 8/9: quem usa um produto de IA para avançar um trabalho ainda não publicado tem garantia real de que esse material não ajude, de algum jeito, um concorrente a chegar lá primeiro? Nenhuma fonte responde isso com garantia — só com negativas parciais da OpenAI. No meu fluxo, um resultado que o próprio agente produziu nunca é a prova de que está correto; só conta o que um verificador sem relação com quem produziu confirma depois.

No caso da OpenAI, esse verificador ainda não se pronunciou. Tratar o anúncio como matemática validada dispensa a revisão por pares — e custa aceitar, sem checagem, a versão de quem tem interesse em o resultado parecer definitivo.

O que ignorar

Tratar "a OpenAI resolveu Navier–Stokes" como fato fechado é o primeiro erro: o próprio Wes Roth, em 9/9, lembra que a prova ainda não foi aceita pela Clay — publicar prova e formalização em Lean é uma etapa, não o veredito final. O segundo é tratar os números que circularam — 10 mil agentes, 88 horas, dezenas de milhões de dólares — como metodologia auditada: a origem de boa parte desses números é rede social, não um paper, e a Latent Space, em 9/9, lista o que os tuítes não estabeleciam.

As três cifras de custo — US$ 15 milhões, US$ 22 milhões, mais de US$ 40 milhões — não são o mesmo número confirmado: três estimativas de autores diferentes, nenhuma publicada pela OpenAI. A hipótese do modelo Aeon resolvendo a Conjectura de Hodge é especulação de um único comentarista, Andrew Curran, sem confirmação da OpenAI. E previsões de impacto em engenharia — aviação, previsão do tempo — merecem a mesma desconfiança: o próprio Wes Roth, que popularizou o caso, chama o resultado de puramente teórico por ora.

O que fazer com isso

Antes de colar num chatbot ou agente de IA um rascunho de pesquisa não publicado, código proprietário ou material cujo valor depende de ninguém chegar lá primeiro, vale checar a política de retenção e treinamento de dados do produto — e se dá para desativar o uso do seu conteúdo em treinamento futuro. Vale sempre que seu trabalho de raciocínio tem valor competitivo por ainda não ser público — o cenário de Buckmaster e Alpöge.

O feito matemático pode ser real, e o processo por trás dele pode, ao mesmo tempo, não ter passado por nenhuma verificação independente. São duas perguntas diferentes — e só as fontes que ainda vão aparecer, a revisão da Clay, a resposta de outros matemáticos, respondem a segunda.