A OpenAI anunciou uma das alegações científicas mais extraordinárias já associadas à inteligência artificial: um sistema interno da empresa teria encontrado uma solução para o problema de existência e suavidade das equações de Navier-Stokes, um dos sete Problemas do Milênio da matemática.
Segundo a empresa, aproximadamente 10 mil agentes de IA trabalharam de forma coordenada, trocaram 2,7 milhões de mensagens e consumiram cerca de 130 bilhões de tokens de saída durante o esforço específico que levou ao resultado. A solução teria surgido após cerca de 88 horas de trabalho computacional. Depois, uma formalização em Lean passou por mais 17 horas de processamento e verificação usando GPT-6 Astra.
O resultado foi divulgado em 8 de setembro de 2026 acompanhado de um artigo matemático de 166 páginas e de uma versão formalizada para verificação computacional. O trabalho afirma construir uma solução tridimensional das equações de Navier-Stokes que começa em repouso, recebe uma força externa suave e desenvolve velocidade sem limite em tempo finito, mesmo mantendo energia cinética limitada.
Mas existe uma ressalva fundamental:
Navier-Stokes ainda não deve ser tratado como um Problema do Milênio oficialmente resolvido.
Até 9 de setembro, o Clay Mathematics Institute continua classificando Navier-Stokes entre seus problemas não resolvidos. Pelas regras do prêmio, uma solução precisa cumprir requisitos de publicação, permanecer publicada por pelo menos dois anos e receber aceitação geral da comunidade matemática antes de ser considerada pelo instituto.
Portanto, neste momento, a formulação mais correta é:
a OpenAI afirma ter produzido uma solução para Navier-Stokes; agora a matemática precisa verificar se a prova realmente se sustenta.
Resposta rápida: a OpenAI resolveu Navier-Stokes?
A OpenAI afirma que sim, mas a solução ainda não possui reconhecimento oficial do Clay Mathematics Institute.
A empresa publicou uma prova analítica e uma formalização em Lean que, segundo seus pesquisadores, demonstram que uma solução inicialmente suave das equações tridimensionais de Navier-Stokes pode desenvolver uma singularidade em tempo finito quando submetida a uma força externa suave.
Se a demonstração for confirmada pela comunidade matemática, ela resolveria uma das questões fundamentais da mecânica dos fluidos e um dos seis Problemas do Milênio que ainda permanecem oficialmente em aberto.
O TecMaker reuniu anteriormente os 7 Problemas do Milênio e quais ainda estão sem solução. Por enquanto, Navier-Stokes deve continuar marcado ali como “solução proposta em avaliação”, e não como definitivamente resolvido.
O que são as equações de Navier-Stokes?
As equações de Navier-Stokes descrevem matematicamente o movimento de fluidos.
Isso inclui fenômenos envolvendo:
- água;
- ar;
- correntes;
- turbulência;
- fluxo ao redor de aeronaves;
- circulação de líquidos;
- movimento de fluidos biológicos.
A própria OpenAI explica o problema de maneira intuitiva: as equações tratam o fluido como um meio contínuo, em vez de acompanhar cada molécula individualmente. Elas estão relacionadas a aplicações como projeto de aeronaves, previsão do tempo e estudos de fluxo sanguíneo.
O grande problema matemático não é simplesmente saber usar as equações.
Engenheiros e cientistas já fazem isso diariamente.
A questão é muito mais profunda:
se começarmos com um fluido perfeitamente suave, as equações continuam produzindo uma solução suave para sempre ou, em determinadas condições, podem desenvolver uma singularidade?
O que significa uma singularidade em Navier-Stokes?
Em termos simplificados, uma singularidade representa um ponto em que alguma quantidade matemática associada ao fluxo deixa de permanecer limitada.
No caso apresentado pela OpenAI, a velocidade do fluido cresce sem limite quando o sistema se aproxima de determinado instante.
Isso é chamado de finite-time blow-up, ou explosão em tempo finito.
O artigo publicado pela OpenAI afirma construir uma solução que:
- começa com velocidade zero;
- utiliza uma força externa suave;
- permanece suave antes do instante crítico;
- mantém energia cinética limitada;
- desenvolve velocidade sem limite quando se aproxima da singularidade.
Não significa que um copo de água real vá espontaneamente atingir velocidade infinita.
A questão é matemática.
Se o modelo contínuo previsto pelas equações permite esse tipo de comportamento, então existe um limite fundamental para aquilo que podemos exigir dessas soluções.
A prova usa uma espécie de vórtice que se comprime
A explicação física oferecida pela OpenAI envolve um vórtice.
Segundo a empresa, o fluxo gira e espirala para dentro enquanto sua região central fica cada vez mais estreita e alongada.
O artigo descreve um núcleo em contração no qual a velocidade aumenta progressivamente. Ao mesmo tempo, vários termos das equações precisam se equilibrar de maneira extremamente precisa para que a força externa permaneça suave.
Esse detalhe é importante.
Seria fácil produzir matematicamente um comportamento extremo simplesmente inserindo no sistema uma força também extrema.
O desafio é mostrar que o próprio fluxo consegue chegar à singularidade sem trapacear dessa forma, mantendo a força aplicada dentro das condições exigidas pela formulação do problema.
Por que isso resolveria o Problema do Milênio?
A formulação oficial do problema permite diferentes caminhos para uma solução.
Uma possibilidade seria demonstrar que soluções adequadas permanecem suaves globalmente.
Outra é mostrar que pode existir um cenário permitido pelas condições do problema no qual uma solução desenvolve singularidade.
A OpenAI afirma ter seguido esse segundo caminho.
Segundo a empresa, a construção estabelece as alternativas C e D da formulação oficial do problema, produzindo o comportamento singular tanto no espaço tridimensional quanto na versão periódica correspondente.
Em outras palavras:
em vez de provar que Navier-Stokes nunca quebra, a prova tenta mostrar que pode quebrar.
Se isso for validado, a pergunta central estará respondida.
Uma prova de 166 páginas
O documento divulgado pela OpenAI tem 166 páginas.
O artigo, intitulado Finite Time Blowup for Navier-Stokes, abre com um teorema que afirma construir, para qualquer viscosidade positiva, um fluxo incompressível tridimensional que começa em repouso e desenvolve velocidade sem limite em tempo finito, mantendo sua norma de energia controlada.
O trabalho contém seções dedicadas à:
- descrição física do blow-up;
- construção do fluxo principal;
- correções sucessivas;
- realização de oscilações;
- controle da força residual;
- localização espacial da construção.
Trata-se, portanto, de uma demonstração matemática extensa, e não apenas de uma resposta curta produzida por um chatbot.
Cerca de 10 mil agentes de IA trabalharam no problema
Talvez a parte tecnologicamente mais surpreendente do anúncio seja a maneira como a OpenAI afirma ter encontrado a prova.
Não foi uma única conversa com um modelo.
A empresa montou um sistema de agentes coordenados, divididos em grupos que trabalhavam em abordagens diferentes e podiam trocar informações internamente.
Segundo a OpenAI, o grupo que acabou produzindo a solução de Navier-Stokes envolveu da ordem de 10 mil agentes simultâneos.
Os agentes tinham acesso a ferramentas, incluindo:
- execução de código;
- uma versão armazenada da internet;
- comunicação entre agentes;
- resultados produzidos por outros grupos.
A estratégia também envolveu oferecer versões diferentes do problema para grupos diferentes.
Alguns buscavam caminhos que levariam a uma prova de regularidade.
Outros buscavam uma construção que produzisse um contraexemplo.
O Codex também foi usado para cruzar ideias entre os grupos
Depois de vários agentes explorarem abordagens distintas, a OpenAI utilizou Codex para consolidar informações consideradas úteis e redistribuir essas ideias em novos prompts.
A própria empresa chama esse processo de cross-pollination, ou polinização cruzada entre os grupos de agentes.
Isso ajuda a entender por que esse caso é tão relevante para o artigo que publicamos recentemente sobre se uma IA pode descobrir novos teoremas matemáticos.
O que estamos vendo aqui não é apenas um modelo produzindo texto.
É uma infraestrutura inteira dedicada à exploração científica:
agentes → hipóteses → tentativas → seleção → troca de resultados → nova tentativa.
Foram 88 horas, 2,7 milhões de mensagens e 130 bilhões de tokens
O esforço computacional foi enorme.
Segundo os números divulgados pela OpenAI, especificamente durante a tentativa de Navier-Stokes:
- os agentes enviaram 2,7 milhões de mensagens;
- utilizaram aproximadamente 130 bilhões de tokens de saída;
- chegaram ao resultado cerca de 88 horas após o início do esforço.
Considerando todos os problemas que a empresa tentou durante a avaliação, foram 4,9 milhões de mensagens e aproximadamente 300 bilhões de tokens de saída.
A escala reforça uma tendência que estamos começando a observar:
parte do avanço em IA científica pode vir não apenas de modelos melhores, mas de usar muitos modelos ou agentes coordenados para explorar espaços de possibilidades gigantescos.
O modelo que encontrou a solução não era GPT-6 Astra
Outro detalhe relevante é que o modelo responsável pela descoberta ainda não foi lançado publicamente.
A OpenAI afirma que utilizou um modelo interno significativamente mais capaz que o GPT-6 Astra.
A empresa diz que o treinamento desse novo sistema começou em 28 de agosto e que seu desempenho continua evoluindo.
GPT-6 Astra teve outro papel.
Depois que a prova analítica foi encontrada, o Astra foi utilizado durante aproximadamente 17 horas adicionais para formalização e verificação em Lean.
Isso cria uma divisão interessante:
modelo interno mais avançado → descoberta e construção matemática
GPT-6 Astra + Lean → formalização e verificação
E onde entra o Lean?
Lean é um assistente de provas.
Ele permite transformar argumentos matemáticos em construções formais que podem ser verificadas por um kernel lógico.
O TecMaker já publicou um guia completo explicando como computadores verificam provas matemáticas usando Lean.
A OpenAI publicou tanto a demonstração convencional quanto uma formalização em Lean.
Isso não significa que “Lean certificou automaticamente que o Problema do Milênio está resolvido”.
É importante distinguir duas coisas.
Lean pode verificar se a construção formal apresentada obedece às regras do sistema formal.
A comunidade matemática ainda precisa avaliar:
- se a formulação formal corresponde corretamente ao problema original;
- se todos os pressupostos estão adequados;
- se a interpretação da construção está correta;
- se há questões conceituais ou matemáticas que precisam ser examinadas.
Verificação formal é uma camada muito forte de confiança.
Mas ela não substitui completamente o processo científico.
Então por que o Clay ainda mostra Navier-Stokes como não resolvido?
Porque um anúncio não basta.
Até a publicação deste artigo, o Clay Mathematics Institute continua incluindo Navier-Stokes em sua lista oficial de problemas não resolvidos.
As regras do Prêmio do Milênio exigem três condições antes que uma solução possa ser considerada:
- publicação em um veículo qualificável;
- pelo menos dois anos transcorridos desde a publicação;
- aceitação geral da solução pela comunidade matemática mundial.
Portanto, mesmo que a prova da OpenAI esteja correta, não existirá reconhecimento oficial imediato.
Esse processo é deliberadamente lento.
Uma solução desse porte precisa sobreviver a uma quantidade extraordinária de escrutínio.
A OpenAI não pretende pedir o prêmio de US$ 1 milhão
Cada Problema do Milênio possui um prêmio de US$ 1 milhão.
Dos sete originais, apenas a Conjectura de Poincaré foi reconhecida como resolvida até hoje.
A OpenAI afirma explicitamente que não pretende reivindicar o Prêmio do Milênio caso seu resultado seja validado.
O objetivo declarado da empresa é apresentar o resultado como demonstração do avanço de seus sistemas de inteligência artificial.
Nesse caso, o valor científico e tecnológico seria muito maior do que o próprio prêmio.
Existe uma disputa paralela sobre autoria, prioridade e dados
O anúncio também chegou acompanhado de uma controvérsia incomum.
O matemático Tristan Buckmaster, professor da NYU, e Levent Alpöge, matemático que trabalha na Anthropic, estavam investigando problemas relacionados em dinâmica de fluidos com auxílio de modelos de IA.
Em uma declaração pública de quatro páginas, Buckmaster afirma que ele e Alpöge produziram resultados de blow-up com força suave para diferentes equações, incluindo Euler, e que utilizaram modelos como Claude e Codex ao longo do trabalho.
Buckmaster também explica que a linha de pesquisa parte de trabalhos anteriores de Diego Córdoba e Luis Martínez-Zoroa, a quem atribui as ideias fundamentais da abordagem.
Buckmaster acusa a OpenAI de ter tentado excluir Alpöge
A parte mais delicada envolve conversas entre Buckmaster e pesquisadores da OpenAI.
Segundo a versão de Buckmaster, em reuniões realizadas no dia 6 de setembro foram apresentadas propostas de publicação conjunta ou coordenada.
Ele afirma ainda que Sébastien Bubeck teria defendido que Alpöge não aparecesse como autor de uma eventual apresentação da solução de Navier-Stokes por trabalhar na Anthropic. Buckmaster também relata uma frase que interpretou como pressão sobre sua carreira.
Essas são alegações de Buckmaster.
Ele próprio ressalta em sua declaração que não tinha visto a prova da OpenAI naquele momento, não sabia como o sistema havia chegado ao resultado e não estava acusando diretamente a empresa de ter utilizado seus dados.
A versão da OpenAI é diferente
A OpenAI afirma que seus pesquisadores e agentes não viram o trabalho de Buckmaster e Alpöge antes da publicação pública.
A empresa também diz que nenhum dado específico de usuário foi acessado para resolver Navier-Stokes.
Ao mesmo tempo, faz uma ressalva importante:
a OpenAI diz que não pode descartar completamente que dados desidentificados derivados do uso de seus produtos pelos pesquisadores tenham ajudado a melhorar seus modelos anteriormente.
A empresa também reconhece explicitamente a prioridade de Buckmaster e Alpöge no resultado de Euler com força externa e afirma que sua própria construção é diferente.
Portanto, existem duas questões distintas:
a validade matemática da prova de Navier-Stokes
e
a disputa sobre prioridade, dados e crédito científico.
Uma não resolve automaticamente a outra.
O caso de Euler foi um passo intermediário importante
A OpenAI afirma que seus agentes também trabalharam em uma versão relacionada das equações de Euler, que correspondem aproximadamente ao limite sem o termo de viscosidade.
Quase 100 agentes trabalharam durante cerca de 50 horas nesse problema e encontraram uma construção para o caso sem força externa.
Segundo a empresa, esse resultado levou seus pesquisadores a considerar Navier-Stokes o problema mais promissor e a redirecionar mais capacidade computacional para ele.
Essa sequência ajuda a entender como o sistema evoluiu:
problemas relacionados menores → resultado em Euler → transferência de ideias → ataque massivo a Navier-Stokes.
Isso se parece bastante com o modo como pesquisadores humanos frequentemente avançam em ciência: resolvendo versões intermediárias antes de atacar o problema principal.
A grande diferença foi a escala.
Isso confirma que IA já consegue fazer descoberta matemática?
Se a prova sobreviver à revisão, este caso será uma evidência muito forte de que sistemas de IA podem contribuir diretamente para descobertas matemáticas de fronteira.
Mas mesmo antes da confirmação final, o processo já é relevante.
Há poucos dias discutimos no TecMaker justamente a pergunta “Inteligência Artificial pode descobrir novos teoremas matemáticos?”.
Naquele artigo, mostramos que sistemas como FunSearch, AlphaEvolve e Claude já haviam ultrapassado a simples resolução de exercícios conhecidos.
Navier-Stokes pode elevar essa discussão a outro nível.
Estamos falando de um problema selecionado pelo Clay justamente por representar uma das fronteiras mais difíceis da matemática.
A notícia também muda nosso olhar sobre os Problemas do Milênio
Até agora, o quadro era simples.
Dos sete Problemas do Milênio:
um estava resolvido; seis permaneciam abertos.
A OpenAI introduziu agora um status intermediário que precisa ser tratado com precisão:
Navier-Stokes — solução proposta por IA, ainda sem reconhecimento oficial.
Isso é diferente tanto de “resolvido” quanto de “nenhum avanço”.
Para quem quiser compreender os outros desafios, o TecMaker possui o guia 7 Problemas do Milênio: quais seguem sem solução?.
Esse artigo precisará agora receber uma atualização editorial para registrar a proposta apresentada pela OpenAI sem alterar prematuramente o status oficial do problema.
O que acontece agora?
A próxima etapa não depende apenas da OpenAI.
Matemáticos especializados em equações diferenciais parciais e dinâmica de fluidos precisarão estudar a demonstração.
Uma prova com 166 páginas pode levar bastante tempo para ser absorvida.
Especialistas provavelmente tentarão:
- reconstruir os argumentos;
- localizar possíveis lacunas;
- comparar a construção com trabalhos anteriores;
- verificar hipóteses;
- estudar a formalização em Lean;
- tentar simplificar a prova;
- confirmar que ela realmente satisfaz a formulação do Clay.
Esse é o processo natural da matemática.
Quanto mais importante a afirmação, maior o escrutínio.
E se a prova estiver correta?
Se a demonstração for validada, teremos dois acontecimentos importantes ao mesmo tempo.
O primeiro será matemático:
um dos grandes problemas abertos da matemática moderna terá sido resolvido.
O segundo será tecnológico:
um sistema de inteligência artificial terá participado diretamente da resolução de um Problema do Milênio.
Isso seria um marco muito diferente de uma IA vencendo um benchmark ou resolvendo uma Olimpíada.
Seria um caso de geração de conhecimento científico que não estava estabelecido anteriormente.
Também fortaleceria a ideia de que o futuro da pesquisa pode envolver grandes redes de agentes especializados trabalhando ao lado de humanos e verificadores formais.
Ainda existe uma diferença entre produzir uma prova e compreender uma prova
Existe, porém, uma pergunta que permanecerá mesmo se todo o resultado estiver correto:
quem entende o que a IA encontrou?
Uma prova pode ser formalmente válida e ainda ser muito difícil de compreender conceitualmente.
Matemáticos valorizam demonstrações não apenas porque certificam uma afirmação.
Boas provas frequentemente revelam:
- novas estruturas;
- relações inesperadas;
- métodos reutilizáveis;
- intuições que podem ser aplicadas em outros problemas.
Por isso, o trabalho humano provavelmente não termina quando uma IA entrega uma demonstração.
Pode começar outra etapa:
transformar a prova em entendimento.
Por que esta notícia importa para além da matemática?
Navier-Stokes é um caso especialmente visível, mas o modelo de trabalho utilizado pela OpenAI pode ter implicações muito mais amplas.
Imagine sistemas semelhantes atuando em:
- física;
- química;
- materiais;
- engenharia;
- biologia;
- medicina;
- ciência da computação.
Uma rede de milhares de agentes poderia explorar hipóteses diferentes, criticar resultados, testar código e cruzar descobertas em uma escala impossível para uma única equipe humana.
Esse cenário se conecta diretamente ao próximo passo do nosso cluster sobre IA e ciência:
como agentes de inteligência artificial estão começando a participar da própria pesquisa científica.
Perguntas frequentes
A OpenAI resolveu oficialmente o problema de Navier-Stokes?
Não oficialmente. A OpenAI afirma ter produzido uma solução, mas o Clay Mathematics Institute ainda classifica Navier-Stokes como um problema não resolvido e possui um processo próprio para considerar uma proposta.
Quantos agentes de IA foram usados?
Segundo a OpenAI, o grupo responsável pela solução envolveu aproximadamente 10 mil agentes simultâneos.
Quanto tempo a IA levou?
A empresa afirma que os agentes chegaram à solução cerca de 88 horas após o início do esforço. A formalização e verificação em Lean consumiram mais 17 horas.
Quantos tokens foram utilizados?
No trabalho específico de Navier-Stokes, a OpenAI relata aproximadamente 130 bilhões de tokens de saída e 2,7 milhões de mensagens entre agentes.
A solução foi feita pelo GPT-6 Astra?
Não. A OpenAI diz que o modelo principal era um sistema interno ainda não lançado e “significativamente mais capaz” que GPT-6 Astra. Astra foi utilizado depois na formalização e verificação em Lean.
O que significa blow-up em tempo finito?
Significa que determinada quantidade associada à solução, neste caso a velocidade, cresce sem limite quando o sistema se aproxima de um instante finito.
A prova tem mesmo 166 páginas?
Sim. O PDF publicado pela OpenAI possui 166 páginas.
A OpenAI vai receber US$ 1 milhão?
A empresa afirma que não pretende reivindicar o Prêmio do Milênio. Além disso, qualquer reconhecimento depende das regras e do processo do Clay Mathematics Institute.
O Lean prova que a solução está correta?
Lean fornece uma verificação formal extremamente rigorosa da construção codificada no sistema. Isso não elimina a necessidade de revisão humana para confirmar que a formalização representa adequadamente o problema e avaliar o resultado no contexto matemático mais amplo.
Conclusão: uma solução proposta que agora precisa enfrentar a matemática
O anúncio da OpenAI pode se tornar um dos momentos mais importantes da história recente da inteligência artificial.
Um sistema interno, operando por meio de milhares de agentes, teria encontrado em 88 horas uma solução para um problema que resistiu a gerações de matemáticos.
A escala é impressionante:
cerca de 10 mil agentes.
2,7 milhões de mensagens.
130 bilhões de tokens.
166 páginas de prova.
uma formalização em Lean.
Mas o próximo capítulo não pertence somente à inteligência artificial.
Pertence aos matemáticos.
A prova agora precisa ser estudada, contestada, reconstruída e compreendida.
Até que isso aconteça, a formulação correta continua sendo:
a OpenAI afirma ter encontrado uma solução para Navier-Stokes.
Se a demonstração sobreviver, porém, a pergunta deixará de ser apenas se a IA consegue ajudar matemáticos.
Passaremos a discutir algo muito maior:
o que muda na ciência quando máquinas começam a resolver problemas que os próprios humanos ainda não conseguiram fechar?
A Equipe TecMaker é o núcleo editorial e de testes do portal, dedicada a trazer análises imparciais, comparativos de produtos e as últimas notícias do universo da tecnologia. Nosso objetivo é decodificar a inovação e ajudar nossos leitores a fazerem as melhores escolhas no mercado digital e de dispositivos emergentes.
