A IA resolveu a equação de 90 anos, e a briga por crédito ainda não tem veredito

No dia 8 de setembro de 2026, a OpenAI anunciou que um modelo interno, ainda em treinamento e não disponível ao público, tinha ajudado a resolver um dos sete Problemas do Milênio do Clay Mathematics Institute: a existência e suavidade das equações de Navier-Stokes, aberto havia cerca de 90 anos, com prêmio de US$ 1 milhão (que a empresa declarou que não vai reclamar). A manchete que rodou o mundo foi essa, e ela é verdadeira.

O que quase ninguém contou com o mesmo detalhe é o que aconteceu nos cinco dias anteriores ao anúncio, e por que doze horas antes dele um professor de Nova York publicou um comunicado próprio dizendo, essencialmente: “eu preciso contar isso antes que a versão errada vire a versão oficial.”

Vou contar as duas coisas: o que a OpenAI diz que fez, e o que Tristan Buckmaster, da NYU, diz que aconteceu quando ele tentou avisar a empresa que o caminho dela parecia familiar demais.

O que a OpenAI afirma ter feito

Segundo o comunicado técnico da própria empresa, “On the Navier-Stokes Millennium Prize Problem”, cerca de 10 mil agentes (cópias do mesmo modelo, rodando em paralelo, cada uma testando um caminho diferente) trabalharam por 88 horas, mais 17 horas de formalização e verificação numa linguagem chamada Lean. O Lean só aceita uma demonstração matemática se cada passo decorrer logicamente do anterior: sem “está claro que”, sem atalho de prosa. Só nesse problema específico foram trocadas 2,7 milhões de mensagens entre os agentes e gerados cerca de 130 bilhões de tokens (a unidade de texto que o modelo processa). O custo computacional, estimativa do pesquisador Sébastien Bubeck (OpenAI) e não um número auditado, foi de “vários milhões de dólares”.

O que foi provado, em uma frase: partindo de um movimento suave, um fluido pode desenvolver uma região que acelera até velocidade infinita em tempo finito, mesmo com a viscosidade (o atrito interno que deveria impedir isso). Na prática, é a localização exata do ponto em que a equação para de descrever a realidade, porque velocidade infinita não existe em fluido de verdade.

O outro anúncio, doze horas antes

Buckmaster, junto com Levent Alpöge (Anthropic), publicou no mesmo dia três resultados vizinhos: blowup em tempo finito, com força suave, para o meio poroso incompressível, para o sistema de Boussinesq e para as equações de Euler incompressíveis em três dimensões. Os dois formalizaram tudo em Lean também.

E os dois foram claros sobre uma coisa que a cobertura de manchete costuma esconder: nada daquilo começou com eles. O programa de pesquisa é de Diego Córdoba (ICMAT, Madrid) e Luis Martínez-Zoroa (CUNEF), que desde a tese de doutorado de Martínez-Zoroa, em 2021, vinham desenvolvendo uma técnica puramente analítica, sem simulação computacional, na contramão do método que dominava a área desde 2013. Em 2023 eles já tinham a demonstração inteira, mas com uma função de força “feia”, que não satisfazia o critério do prêmio. Faltava um degrau: a mesma construção, com uma força suave. Foi esse degrau que a IA ajudou a subir, dos dois lados. Charles Fefferman, de Princeton, que escreveu a formulação oficial do problema para o Clay Institute, disse à Quanta Magazine, na reportagem “AI Has Solved One of Math’s $1 Million Millennium Prize Problems”, de Konstantin Kakaes, que os heróis da história são Córdoba e Martínez-Zoroa. Buckmaster foi além, em público: acha que Martínez-Zoroa merece a Medalha Fields.

A analogia que explica a briga melhor que qualquer termo técnico

Imagine que você e um sócio passaram um ano construindo, com dinheiro do próprio bolso, um mecanismo raro que ninguém mais sabia fazer funcionar. Vocês não têm contrato com ninguém, só usam as ferramentas de uma fabricante grande pra montar as peças. De repente corre o boato de que essa mesma fabricante está prestes a lançar algo parecidíssimo com o que vocês fizeram. Você escreve, educadamente, pra avisar que aquilo é seu trabalho. Nos dias seguintes a resposta muda de tom: primeiro é gentileza, depois vira negociação de crédito, depois vira “tira o nome do seu sócio disso, porque ele trabalha pra concorrente”, e quando você diz que vai contar a história do jeito que ela aconteceu, ouve: “por que você ia querer estragar sua carreira?”

Você não sabe se a fabricante chegou lá sozinha ou se, em algum momento, alguém dela viu o que vocês fizeram. Ela não te mostra o mecanismo dela. E as duas peças moram atrás de portas fechadas, então ninguém, nesse momento, consegue provar nada.

A versão de Buckmaster

Na declaração pública que ele publicou, com data de 7 de setembro, Buckmaster reconstrói a linha do tempo em detalhe. No dia 3, com um boato circulando de que a Anthropic tinha resolvido um problema aberto, e com indícios de que informação sobre o trabalho dele e de Alpöge tinha chegado à OpenAI, ele escreveu a um matemático da empresa só pra avisar, em privado, que a coisa era dele. Recebeu de volta uma resposta cordial. Pediu pra conversar na semana seguinte; foi cobrado pra falar antes. No domingo dia 6, à tarde, numa ligação com o pesquisador Sébastien Bubeck, foi informado que um modelo interno tinha produzido uma prova de cerca de 100 páginas para a versão “forçada” de Navier-Stokes, prova que ele nunca viu. A palavra “forçada” chamou atenção dele porque é justamente a rota que Córdoba e Martínez-Zoroa tinham aberto, e que ele e Alpöge tinham escolhido em silêncio: não é o caminho a que se chega em poucos dias só dando o enunciado a um modelo.

Segundo o relato dele, foi dito inicialmente que “muito pouco input humano” tinha sido usado, o que se revelou falso ao longo da própria ligação: um time inteiro tinha trabalhado no problema, começando pelo mais fácil (Euler), e até o prompt mostrado a ele tinha sido escrito pedindo ajuda a outro modelo. Perguntado quando o primeiro prompt tinha sido enviado, a resposta, obtida com dificuldade, foi “nos últimos dias”, depois que informação sobre o trabalho dele havia chegado à empresa. Perguntado se o modelo tinha acesso ou treino sobre as sessões de trabalho dele e de Alpöge, ouviu que o modelo “não olha dado de usuário”, sem resposta sobre treino.

Foram feitas duas propostas: publicar Euler e deixar a OpenAI publicar Navier-Stokes no dia seguinte, ou ele escrever sozinho o artigo de Navier-Stokes reconhecendo o modelo da OpenAI e tirando Alpöge da autoria, porque ele trabalha na Anthropic. Buckmaster recusou as duas, disse que se a OpenAI publicasse daquele jeito ele contaria tudo, e ouviu de volta: “por que você ia querer estragar sua carreira?” Ele é explícito sobre o limite do que afirma: não viu a prova da OpenAI, não sabe o que o modelo dela fez nem como, não sabe se o material dele foi usado, e não está acusando ninguém de nada. Está contando o que lhe foi dito e o que lhe foi proposto.

A versão da OpenAI

No próprio comunicado, a empresa cede a prioridade do resultado de Euler forçado a Buckmaster e Alpöge, e reivindica só o de Navier-Stokes, dizendo que as provas diferem e que os resultados provados no caso de Euler são diferentes (forçado contra não forçado). Sobre a pergunta que mais importa, a empresa escreveu: “embora improvável, não podemos descartar que dado desidentificado derivado do uso dos nossos produtos por eles tenha ajudado a melhorar nossos modelos.” Não é uma negativa. É uma frase calculada para não confirmar nem descartar.

O que ficou sem verificador nenhum

O Lean decidiu, sem margem de dúvida, se a matemática fecha. Não existe um Lean para a outra pergunta: quem contou a verdade sobre quando o primeiro prompt foi enviado, se dado de um pesquisador entrou no treino de um modelo do mesmo laboratório que ele usava pra trabalhar, e se pedir pra tirar um coautor da autoria porque ele trabalha num concorrente é prática comercial ou é assédio. Essa disputa não tem juiz automático, e talvez nunca tenha: as duas provas moram em laboratórios diferentes, e nenhuma das partes mostrou a outra o que tem.

O que fica pra você, se você trabalha com uma ferramenta de um laboratório grande

Três coisas dessa história valem além da matemática. Primeiro: o mesmo laboratório que fornece a ferramenta que você usa pra trabalhar pode, em tese, aprender com o que você produz nela, mesmo sem “acessar” seu material diretamente. Ver se dá pra desligar o uso dos seus dados pra treino é configuração de dois cliques que vale a pena checar antes de colocar algo inédito ali dentro, não depois.

Segundo: se alguém pedir pra você tirar um nome de autoria “por conveniência”, isso é sinal, não formalidade.

Terceiro, e é o que salvou Buckmaster: ele guardou e-mails com data, citou a própria mensagem na íntegra em vez de resumir, e publicou tudo assim que decidiu falar. Registro escrito e datado é a única coisa que resiste quando as duas versões de uma história divergem e ninguém de fora tem como conferir qual delas é verdadeira.

O que eu tiro disso

A matemática, dessa vez, teve sorte: existe uma linguagem que confere prova formal sem opinião, e ela resolveu a parte que tinha resposta certa. A disputa entre um professor sem departamento jurídico e um laboratório com bilhões de dólares não teve essa sorte. Não teve verificador nenhum, e talvez essa seja a lição mais chata e mais real do caso inteiro: quanto mais poderosa a ferramenta que resolve o problema difícil, mais desprotegida fica a pessoa que discorda de como ela foi usada. A defesa que existe hoje não é tecnológica. É escrever tudo, com data, antes que alguém mais forte escreva a versão que combina melhor com o próprio interesse.