OpenAI dice di aver risolto Navier-Stokes in 88 ore, uno dei 7 problemi da un milione di dollari

OpenAI sostiene di aver risolto uno dei problemi più famosi e resistenti della matematica: le equazioni di Navier-Stokes, uno dei sette Millennium Prize Problems del Clay Mathematics Institute, ciascuno con in palio un milione di dollari. Secondo l’azienda, un suo modello interno ha dimostrato che i fluidi descritti da quelle equazioni possono davvero esplodere dal punto di vista matematico, e lo avrebbe fatto in appena 88 ore di calcolo.

La parola giusta, qui, è sostiene. Perché la notizia è enorme, ma arriva già circondata da cautele, dubbi e una disputa sulla paternità del risultato.

Ti spiego con ordine cosa è successo, cosa vuol dire che un fluido esplode e perché il premio da un milione, per ora, resta dov’era.

Cosa avrebbe dimostrato l’AI di OpenAI

Le equazioni di Navier-Stokes descrivono il movimento dei fluidi, dalle correnti oceaniche alle correnti d’aria, applicando la seconda legge di Newton a liquidi e gas. Sono state scritte a metà Ottocento e da allora sono il cuore della meccanica dei fluidi. C’è però una domanda di fondo rimasta aperta per circa novant’anni: le loro soluzioni restano sempre regolari, oppure una porzione infinitamente piccola di fluido può arrivare a muoversi a velocità infinita, creando una cosiddetta singolarità?

La risposta di OpenAI è che quella singolarità può esistere. L’8 settembre 2026 l’azienda ha annunciato che un gruppo di circa 10.000 agenti autonomi, guidati da un modello avanzato non ancora pubblico, ha trovato una configurazione in cui un vortice si stringe e ruota sempre più velocemente, con un centro che accelera all’infinito mentre l’energia complessiva del fluido resta limitata. È quello che i matematici chiamano blow-up in tempo finito.

Che cosa significa che un fluido esplode

Il termine esplosione qui non ha nulla a che vedere con le detonazioni. Indica il momento in cui il fluido matematico raggiunge velocità infinita in un tempo finito, un risultato fisicamente impossibile che segnala una cosa sola: il modello si è rotto.

Attenzione a non fraintendere la portata pratica. I fluidi reali sono fatti di molecole e atomi, non sono perfettamente lisci come li immagina l’equazione, quindi questi risultati non hanno conseguenze immediate sul mondo di tutti i giorni. Il loro valore è concettuale. Ci dicono che una legge apparentemente semplice come quella di Newton, applicata ai fluidi, produce comportamenti profondamente controintuitivi. In altre parole, la turbolenza è ancora più strana di quanto sembri.

Vale la pena ricordare la differenza con un altro protagonista di questa storia. Le equazioni di Eulero descrivono fluidi senza viscosità, cioè senza attrito, e proprio nei giorni scorsi l’AI ha aiutato a dimostrarne il blow-up in tempo finito. Navier-Stokes aggiunge la viscosità, quindi l’attrito, e questo cambia tutto: introdurre anche una minima quantità di attrito rende il comportamento del fluido molto più difficile da domare.

88 ore, 10.000 agenti e milioni di dollari

Il modo in cui OpenAI dice di esserci arrivata è forse impressionante quanto il risultato stesso. L’azienda ha addestrato un nuovo modello interno, descritto come sensibilmente più capace di GPT-6 Astra, il suo modello di punta. Poi ha scatenato sul problema una vera e propria armata di agenti.

I numeri raccontano la scala dell’impresa. Circa 10.000 agenti hanno lavorato in parallelo per 88 ore, scambiandosi milioni di messaggi e generando circa 130 miliardi di token in uscita per il solo Navier-Stokes. Sono servite altre 17 ore perché un secondo modello, Astra, formalizzasse e verificasse la dimostrazione in Lean, il linguaggio che controlla passo per passo la validità logica di ogni argomento.

Non è stato economico. Il responsabile della ricerca di OpenAI, Mark Chen, ha collocato il costo di calcolo nell’ordine dei milioni di dollari, e Sébastien Bubeck, a capo del team di matematica, ha parlato di diversi milioni. La cifra di circa 15 milioni citata in conferenza stampa, va chiarito, sarebbe il prezzo per un cliente che volesse rifare lo stesso lavoro, non la spesa effettiva dell’azienda.

La verifica in Lean è il dettaglio che rende tutto più solido. Non è la prima volta che vediamo l’AI produrre dimostrazioni controllate dalla macchina: pochi giorni fa un modello aveva formalizzato in Lean l’ultimo teorema di Fermat. Resta però un passaggio che spetta agli esseri umani, cioè garantire che l’enunciato dimostrato in Lean corrisponda davvero a quello che i matematici volevano dimostrare.

Il nodo: la forzante liscia e la cautela del Clay Institute

Qui arriva la parte che ridimensiona i titoli trionfalistici. Il Clay Mathematics Institute non ha accettato il risultato e continua a elencare Navier-Stokes tra i suoi problemi irrisolti. OpenAI stessa ha dichiarato che non chiederà il milione di dollari.

Il motivo è tecnico ma decisivo, e ruota attorno a una parola: forzante. Per far muovere un fluido serve una forza, che sia la gravità o l’equivalente di un’elica che continua a rimescolare l’acqua. La dimostrazione di OpenAI usa una forzante liscia, cioè matematicamente ben educata.

Il problema è che la maggior parte dei matematici, quando pensa a Navier-Stokes, immagina la versione più difficile, senza quella spinta esterna. La formulazione ufficiale scritta da Charles Fefferman ammette la forzante solo in due delle sue varianti, e non esiste al momento alcuna prova pubblica che la costruzione funzioni anche senza. È proprio questo confine tra caso forzato e caso non forzato che siederà al centro della revisione.

Martin Bridson, presidente del Clay Institute, ha definito l’annuncio entusiasmante, ma ha aggiunto che la valutazione sarà deliberatamente senza fretta e assolutamente rigorosa. Tradotto: nessuno metterà un timbro sopra un risultato di questa portata senza mesi di controlli indipendenti.

La disputa sulla paternità con Buckmaster e Anthropic

C’è poi il lato umano, e non è meno acceso di quello matematico. L’annuncio di OpenAI è arrivato circa dodici ore dopo quello di Tristan Buckmaster, della New York University, che insieme a Levent Alpöge di Anthropic aveva risolto diversi problemi strettamente collegati usando vari modelli di AI, compresi quelli di OpenAI.

Entrambi i gruppi si sono appoggiati al lavoro di due matematici di Madrid, Diego Córdoba e Luis Martínez-Zoroa, che avevano aperto una strada radicalmente diversa da quella battuta dagli altri. La loro tecnica, un’idea chiamata cascata infinita di soluzioni, era già arrivata vicino al bersaglio anni fa, ma con una forzante troppo irregolare per soddisfare i criteri del premio. Il passo mancante era proprio renderla liscia.

Il riconoscimento verso i due matematici è unanime. Fefferman li ha indicati come i veri eroi della storia, e Buckmaster è stato ancora più netto: credo che Luis Martínez-Zoroa meriti una medaglia Fields, ha scritto.

Il punto di attrito riguarda invece i tempi. Buckmaster sostiene che OpenAI abbia imboccato la via della forzante liscia solo dopo aver saputo del suo lavoro, e ha raccontato conversazioni tese in cui gli sarebbe stato chiesto di lasciare Alpöge fuori da un possibile articolo perché dipendente di Anthropic. Bubeck ha smentito quella richiesta e si è scusato per una frase infelice sulla carriera del collega. Da parte sua Buckmaster ha messo un paletto onesto: non ho visto la dimostrazione di OpenAI, non so cosa abbia fatto il loro modello, non sto accusando nessuno.

OpenAI, dal canto suo, afferma che né i suoi ricercatori né i suoi agenti hanno visto il lavoro della coppia prima della pubblicazione, pur ammettendo di non poter escludere che dati resi anonimi dall’uso dei suoi prodotti abbiano contribuito a migliorare i modelli.

Perché conta, e perché non cambia la tua vita domani

Al di là della polemica, se il risultato reggerà alla revisione sarà con ampio margine la dimostrazione matematica più importante mai ottenuta da un modello di intelligenza artificiale. Alcuni parlano già di un punto di svolta nel modo in cui i matematici affrontano i problemi difficili.

Non sei tu a doverti preoccupare di fluidi che esplodono nel lavandino. Come dicevamo, la singolarità vive solo nel mondo idealizzato delle equazioni. Il vero terremoto è un altro: un sistema di agenti AI ha attaccato in modo massiccio un problema aperto da decenni e ha prodotto qualcosa che una macchina indipendente ha certificato come logicamente valido.

È lo stesso filone che quest’anno ha visto l’AI misurarsi con la matematica e le competizioni tecniche più dure, come quando un modello ha battuto i migliori umani alle Olimpiadi di informatica. La direzione è chiara, e pone una domanda nuova.

La sintetizza bene Terence Tao, tra i matematici più autorevoli al mondo, che pur elogiando questi lavori ha notato un fenomeno insolito. C’è stato un disaccoppiamento senza precedenti, solo quest’anno, tra ottenere risposte e ottenere comprensione, ha osservato. Le macchine, insomma, arrivano al risultato più in fretta di quanto noi riusciamo a capirlo.

Conclusioni

Per ora la situazione è questa: OpenAI dice di aver risolto Navier-Stokes, ha pubblicato una dimostrazione di centinaia di pagine e una verifica in Lean, ma il Clay Institute non conferma, il premio resta in palio e la comunità matematica ha appena iniziato a esaminare tutto. La prudenza, in casi come questo, non è pessimismo: è metodo.

Quello che possiamo dire senza esitazioni è che il ruolo dell’AI nella ricerca di frontiera ha appena fatto un salto visibile a tutti. Se ti occupi di intelligenza artificiale, o semplicemente ti affascina vedere fin dove può spingersi, questa storia merita di essere seguita nei prossimi mesi, quando arriveranno i verdetti dei revisori. Continua a seguirci per capire come evolverà, e per approfondire puoi leggere l’annuncio ufficiale di OpenAI e la scheda del problema sul sito del Clay Mathematics Institute.