OpenAIは、GPT-6 Astraを上回るとする未公開モデルに約1万体のエージェントを88時間協調させ、ナビエ・ストークス方程式が有限時間内に特異点(速度の発散)を生じることを示す証明を作らせたと発表した。だが実際に解決したのは、クレイ数学研究所の公式定式化のうち「強制項(滑らかな外力)付き」の変種であり、1930年代から数学界が最も注目してきた無強制の古典的ケースは、依然として手つかずのままだ。

この一線は、AIの数学的成果を追うすべての読者にとって実務的な教訓になる。フロンティア企業は「ミレニアム賞問題を解決した」と最大限に広い枠で発表する動機を持つ一方、実際に解いた定式化はそれより狭いことが少なくない——見出しだけで判断せず「どの変種を解いたか」を確認する必要がある。そしてこの出来事は単発ではない。OpenAI自身によるAstraの数学10問解決、Anthropic Claude Mythosの暗号解読に続き、AIが著名な未解決問題を高速で「解いて」いく事例が積み上がるほど、数学者Terence Tao氏が別途表明した「良質で実りある未解決問題という資源が非再生可能な形で掘り尽くされつつある」という懸念(本件への直接言及ではないが、同時期に発信された関連する構造的懸念)とも接続してくる。AIが解いているのは本当に難問の核心なのか、それとも公式定式化の中から解きやすい変種を選んでいるだけなのか——この区別を見極める視点が、今後ますます重要になる。

何が起きたか

OpenAIは、GPT-6 Astraよりも著しく高性能とする未公開モデルを用い、約1万体のエージェントを協調させて2026年9月1日に取り組みを開始し、88時間後にナビエ・ストークス方程式の解の爆発(特異点)を示す証明に到達したと発表した。エージェントはインターネットのキャッシュ済みスナップショットを読み取る機能とコードを実行する機能を持っていた。その後、GPT-6 Astraによる形式検証(Lean)に17時間を要し、全体の完了は2026年9月6日となった。

OpenAIはクレイ数学研究所が用意する100万ドルのミレニアム賞金を請求しない方針を明言しており、公表の目的は「自社AIモデルの大幅な進捗を報告すること」だと説明している。つまりこの発表は、数学界への貢献の主張である以上に、モデルの能力を示すショーケースという性格が強い。

同じ取り組みの中で、100人未満のエージェントからなる別働隊が約50時間をかけ、無強制のオイラー方程式の正則性問題を反証(Euler regularity disproof)している。

仕組み・詳細:「強制項付き」変種という一線

クレイ数学研究所の公式定式化には複数のステートメント(statement)が存在し、OpenAIは今回の結果について「公式のミレニアム賞問題の定式化におけるstatement C(およびD)を確立することでナビエ・ストークス・ミレニアム賞問題を解決する」と説明している。このstatement C・Dは「強制項(外力)付き」の変種にあたり、無強制の古典的なナビエ・ストークス方程式そのもの——数学界が1930年代から最も注目してきた「本丸」——とは異なる。

この区別は軽微な技術的注釈ではない。無強制のケースは依然として誰も解いておらず、今回の結果によって埋まったわけではない。OpenAI自身は「公式定式化の一部を満たしているのでミレニアム賞問題を解決した」という立場を取っているが、記事の見出しや二次的な要約だけを読むと、あたかも古典的な問題そのものが解かれたかのような誤解を招きかねない。

数字で見る

  • 協調したエージェント数: 約1万体(2026年9月1日開始)
  • 特異点証明に要した時間: 88時間
  • Lean形式検証に要した時間: 17時間(GPT-6 Astraが実施、完了は9月6日)
  • ナビエ・ストークス単独の対話規模: エージェント間メッセージ270万件・出力トークン約1300億
  • 全体(オイラー反証などの複数の試行問題を含む合計)の対話規模: メッセージ490万件・出力トークン約3000億——単独結果と合計値は粒度が異なるため混同しないこと
  • オイラー方程式の正則性反証(別働隊): エージェント100人未満・約50時間
  • 請求しないと明言したクレイ数学研究所のミレニアム賞金: 100万ドル

背景

ナビエ・ストークス方程式は、クレイ数学研究所が2000年に指定した7つのミレニアム賞問題の一つ。OpenAIによれば、今回の取り組みは2026年9月1日、Anthropicの研究者Levent AlpögeとNYU教授Tristan Buckmasterが関連する強制オイラー問題を解いたという噂を耳にしたことをきっかけに始まった。OpenAIは両者に連絡を取り、同時発表の形を取ることを提案し、両者の先取権(priority)を認める共同発表を行っている。

OpenAIはまた、学習データに他研究者(Alpöge・Buckmaster)の関連研究が含まれていた可能性について、「可能性は低いが、彼らの製品利用から得られた非識別化データがモデルの改善に寄与した可能性を否定できない」と自ら明かしている。フロンティア企業がユーザーの利用データをどこまでモデル改善に転用しうるかという論点は、AI主導の研究成果を評価する際に併せて確認すべき点として残る。

なぜ重要か

この発表がもたらす実務的な教訓は二つある。一つは、AIによる数学的成果を報じる記事や発表を評価する際、「公式に指定された難問を解決した」という主張が、実際にはその難問の複数ある定式化のうち解きやすい一つを指している場合があるという点だ。今回のケースでは、無強制の古典的ケースという「本丸」は依然未解決であり、この区別を明記しない報道は実態より広い達成を伝えてしまう。

もう一つは、こうした成果が単発ではなく積み上がっている構造そのものである。OpenAI自身によるAstraの数学10問解決、Anthropic Claude Mythosによる暗号アルゴリズムの脆弱性発見に続き、著名な未解決問題がAIによって高速に「解かれて」いく事例が続いている。数学者Terence Tao氏は本件そのものには言及していないものの、同時期に「良質で実りある未解決問題という資源は今や非再生可能な形で掘り尽くされつつある」との懸念を別途表明しており、強力な解探索ツールの無差別な使用は目先の問題解決を達成する一方で、次世代の研究を支えるエコシステムを損ないかねないと指摘している。AIが著名な難問を次々と「解決」していくニュースに接する際は、それが本当に核心を突いた解決なのか、それとも解きやすく整えられた変種の解決なのかを見極める視点が、今後より重要になる。