OpenAI Navier–Stokes: 10.000 agenti, 88 ore e la disputa sulla paternità

«OpenAI risolve il problema di Navier, Stokes» è il titolo che ha fatto il giro del mondo l’8 settembre 2026. La formula è comoda, ed è anche imprecisa. Quel giorno OpenAI ha annunciato che un suo modello interno, non rilasciato, ha prodotto la dimostrazione di un blow-up in tempo finito per le equazioni di Navier, Stokes in tre dimensioni: un fluido che parte liscio e fermo e, in un tempo finito, raggiunge velocità infinita. È un risultato grosso. Ma le due domande che restano aperte non riguardano il contenuto dell’annuncio: riguardano come è stato ottenuto, diecimila agenti in parallelo per 88 ore, e chi lo rivendica, visto che un altro gruppo di matematici aveva pubblicato il giorno prima.

In questo articolo scoprirai:

• Come 10.000 agenti hanno prodotto la dimostrazione
• Le equazioni di Navier, Stokes spiegate in parole umane
• Perché il premio da un milione non è in gioco
• La disputa sulla paternità: Buckmaster, Alpöge e le sessioni Codex
• Cosa dice questo risultato sugli agenti AI (e cosa non dice)

Come 10.000 agenti hanno prodotto la dimostrazione

I numeri dell’operazione sono la parte più insolita della notizia, e anche la più difficile da verificare. Secondo la ricostruzione di Interesting Engineering, un conteggio che il post di OpenAI non riporta né conferma, la prova sarebbe stata prodotta da circa 10.000 agenti AI concorrenti al lavoro per 88 ore, con 2,7 milioni di messaggi scambiati e circa 130 miliardi di token generati in output. Il documento finale è un manoscritto di circa 165 pagine; la formalizzazione e la verifica automatica in Lean hanno richiesto altre 17 ore. Le cifre circolate nelle diverse coperture giornalistiche divergono e OpenAI non ha pubblicato un rendiconto: quello che il post dell’azienda dice esplicitamente è soltanto che la prova è nata da «un gruppo di agenti», senza quantificarli.

Il modello dietro la dimostrazione di Navier, Stokes

Il modello non è quello che si può usare oggi. Nel post con cui OpenAI ha diffuso il risultato, il ricercatore Noam Brown scrive che «la prova è stata prodotta da un gruppo di agenti, usando un modello OpenAI di prossima generazione significativamente più capace» di GPT-6 Astra, il modello di punta uscito appena cinque giorni prima. È lo stesso schema già visto in altri annunci recenti: un modello OpenAI che risolve un problema matematico rimasto aperto per decenni senza che nessuno all’esterno possa toccarlo.

Anche la cronologia conta. L’addestramento del modello sarebbe iniziato il 28 agosto; il 1° settembre, dopo che erano circolate voci su un gruppo vicino a un risultato importante, il lavoro è stato riorientato sui Millennium Prize Problems. Gli agenti hanno prima ottenuto un risultato collaterale sulle equazioni di Eulero non forzate, poi hanno usato quello come guida. Fortune stima il costo in circa 2 milioni di dollari di calcolo, mille volte la spesa dei precedenti tentativi matematici dell’azienda. È una spesa che va letta anche alla luce delle aspettative di mercato su OpenAI e Anthropic.

Le equazioni di Navier, Stokes spiegate in parole umane

Le equazioni di Navier, Stokes descrivono come si muove un fluido: l’acqua attorno allo scafo di una barca, l’aria attorno all’ala di un aereo, il sangue dentro un’arteria. Sono state scritte nell’Ottocento, funzionano benissimo nella pratica, ogni simulazione fluidodinamica al mondo le usa, e nessuno sa dimostrare che si comportino sempre bene.

«Comportarsi bene» ha un significato tecnico preciso: significa che, partendo da una situazione liscia e regolare, la soluzione resta liscia e regolare per sempre. Il contrario si chiama blow-up in tempo finito, o singolarità: a un certo istante, in un certo punto, una grandezza fisica del fluido, tipicamente la velocità, diventa infinita. La stranezza è che l’energia totale resta finita: non arriva energia da fuori, il fluido semplicemente la concentra in una regione che si stringe sempre di più, come una colonna d’aria che ruota e si allunga accelerando su se stessa. Quando la matematica produce un infinito, le equazioni smettono di dire qualcosa: il modello si rompe.

Perché nessuno ha ancora risolto Navier, Stokes

La difficoltà è che nessuno sa quale dei due scenari sia vero, e i due strumenti disponibili si annullano a vicenda. La viscosità tende a smorzare le concentrazioni di energia; il termine non lineare tende ad amplificarle. In tre dimensioni le due forze finiscono in pareggio proprio alla scala critica, e nessuna disuguaglianza nota decide la partita. È il motivo per cui il Clay Mathematics Institute lo ha inserito nel 2000 tra i sette Millennium Prize Problems, con un milione di dollari in palio: di quei sette, finora, solo la congettura di Poincaré è stata risolta.

Perché il premio da un milione non è in gioco

Abbiamo ricostruito per esteso i termini dell’annuncio nel pezzo su cosa dice davvero l’annuncio OpenAI su Navier, Stokes; qui basta il nodo, e sta in una parola: forzato. La formulazione ufficiale redatta da Charles Fefferman per il Clay Institute contiene quattro enunciati: A e B riguardano le equazioni non forzate, un fluido lasciato a se stesso, ed è a questi due che il premio è agganciato; C e D ammettono una spinta esterna continua. La dimostrazione di OpenAI riguarda i secondi, e come ricostruisce Forkast copre quindi la versione sbagliata rispetto a quella premiata: dimostrare che un fluido esplode se lo spingi in un certo modo è cosa diversa dal dimostrare che può esplodere da solo. Coerentemente, OpenAI ha dichiarato che non intende reclamare il premio, che comunque richiederebbe pubblicazione con revisione paritaria e due anni di esame della comunità. Al momento, come registra Nature, la prova non ha ricevuto alcuna revisione indipendente e il Clay Institute non si è pronunciato.

La disputa sulla paternità: Buckmaster, Alpöge e le sessioni Codex

C’è una seconda storia, e non è secondaria: è la parte della vicenda che nessun comunicato risolve. Il 7 settembre, un giorno prima dell’annuncio, i matematici Tristan Buckmaster (NYU Courant) e Levent Alpöge avevano pubblicato i loro preprint. Terence Tao, medaglia Fields, li ha commentati sul proprio blog: hanno dimostrato il blow-up con forzamento liscio per l’equazione dei mezzi porosi, il sistema di Boussinesq 2D e le equazioni di Eulero incomprimibili 3D, con formalizzazione in Lean. Tao aggiunge che il metodo «ha un’alta probabilità di estendersi anche a Navier, Stokes» e che gli argomenti sono «pesantemente assistiti dall’AI», tanto che gli autori stessi definivano la prima stesura «la peggiore scrittura mai vista nella storia della matematica».

Buckmaster ha poi reso pubblica una dichiarazione ospitata sul sito del Courant Institute in cui racconta di aver chiesto a OpenAI se il modello fosse stato addestrato sulle loro sessioni private di Codex, dove il gruppo aveva depositato tutte le bozze del progetto. La sua posizione è misurata: «non ho visto la prova di OpenAI, non so cosa abbia fatto il loro modello né se i nostri dati siano stati usati. Non sto accusando nessuno di niente». OpenAI respinge la ricostruzione: Sébastien Bubeck ha dichiarato a Fortune «non abbiamo usato i loro prompt né le loro prove per guidare i nostri agenti», mentre il Chief Research Officer Mark Chen si è detto «deluso dalle accuse»; Axios ha ricostruito la contesa sull’attribuzione del merito. Il punto che resta senza risposta pubblica non è chi sia arrivato primo, ma se il canale su cui un gruppo di ricerca lavorava fosse anche un canale di addestramento.

Cosa dice questo risultato sugli agenti AI (e cosa non dice)

Se si toglie la matematica, resta un fatto industriale: molti agenti in parallelo hanno prodotto un artefatto che una macchina ha potuto validare. I 2,7 milioni di messaggi scambiati e i circa 130 miliardi di token generati non sono un vanto di scala fine a se stesso: sono il costo di un metodo che procede per tentativi in massa, e che funziona solo perché a valle esiste qualcosa che dice sì o no. Quel qualcosa qui sono le 17 ore di verifica in Lean. È un ciclo chiuso, genera, verifica, scarta, e l’enorme spreco a monte diventa accettabile proprio perché il giudizio a valle è automatico e non costa quasi nulla.

Da qui viene anche il limite, ed è il motivo per cui questa notizia non si trasferisce a un’azienda così com’è. Fuori dalla matematica formale quel verificatore non esiste. Non c’è nessun Lean che dica se una risposta a un cliente è corretta, se una classificazione di fatture è giusta, se un documento riassunto ha perso il pezzo che contava. Senza quel giudice automatico, moltiplicare gli agenti moltiplica anche gli output da controllare, e il controllo torna alle persone: l’orchestrazione massiva non è una ricetta esportabile, è una ricetta per i domini in cui esiste una verità verificabile a macchina.

Il limite della scatola nera negli agenti AI

Il contrappeso lo mette ancora Tao, e va preso sul serio: una dimostrazione che resta una scatola nera ha per la matematica un valore «vicino a zero», e lo «sfruttamento indiscriminato dei problemi aperti» rischia di erodere l’ecosistema da cui nascono le tecniche future, come ha scritto nei giorni scorsi. Un output corretto non è ancora conoscenza: lo diventa quando qualcuno lo capisce. Vale per una prova di 165 pagine e vale, in scala ridotta, per qualsiasi output di un modello di AI che arriva in azienda senza che nessuno sappia da dove viene.

È la ragione per cui, in MIMIR, non ci limitiamo a consegnare un prodotto. Un agente che lavora davvero dentro un’organizzazione richiede che qualcuno lo colleghi ai dati giusti, ne definisca i limiti e insegni alle persone a leggerne gli output, cioè che qualcuno costruisca il criterio di verifica che in matematica è già scritto. Per questo affianchiamo gli agenti su misura con un’assistenza dedicata all’onboarding, cioè con un servizio, non solo con una licenza. Se in azienda avete un processo che sembra adatto a un agente e volete capire se lo è davvero, potete parlarne con noi: è la parte del lavoro in cui la differenza si vede.

Fonti:

• OpenAI, l’annuncio della dimostrazione su Navier, Stokes
• Nature, la comunità matematica di fronte al risultato di OpenAI
• Fortune, costi di calcolo, accuse di Buckmaster e il commento di Tao
• Axios, la contesa sull’attribuzione del merito
• The Next Web, verifica del risultato e rinuncia al premio
• Forkast, equazioni forzate contro non forzate
• Clay Mathematics Institute, il problema di Navier, Stokes
• Interesting Engineering, i numeri dell’operazione a 10.000 agenti
• XenoSpectrum, la formulazione di Fefferman e la disputa
• Terence Tao, blow-up con forzamento liscio
• Tristan Buckmaster, dichiarazione (Courant Institute)