一句话看懂：OpenAI 用约 1 万个智能体、数千万美元算力和 88 小时，声称攻克了流体力学领域的千禧年难题 Navier-Stokes 问题，但随之曝出的“挖角、排挤竞争对手 Anthropic 研究员、疑似使用他人 Codex 提示数据”争议，让数学界对这家 AI 巨头的竞赛方式产生强烈不安。
事件核心：发生了什么
据 The Verge 报道，OpenAI 近期宣称其未公开的先进模型在约 88 小时内、动用约 1 万个智能体（agent）和数千万美元算力，给出了 Navier-Stokes 问题的一个解法。该问题属克雷数学研究所七道千禧年大奖难题之一，长期被视为数学界的硬骨头。
OpenAI 表示，最初是听说有研究者在该方向取得进展，才决定测试自家模型。随后它发现“赛道上的人”是 NYU 教授 Tristan Buckmaster 和就职于 OpenAI 主要竞争对手 Anthropic 的研究员 Levent Alpöge。双方对后续细节说法不一，但基本顺序大体一致：Buckmaster 称 OpenAI 研究员 Sébastien Bubeck 与其沟通时气氛紧张，并向他提出几乎“无限算力”和作为唯一作者发表论文的机会，条件是撇开 Alpöge。Buckmaster 称这是“贿赂”，当场拒绝，并公开质疑自己此前使用 Codex 的提示数据是否被用于改进模型。OpenAI 发言人 Laurance Fauconnet 否认相关数据被用于训练，称“不可能”；但报道指出，OpenAI 早前曾承认无法完全排除用户数据间接影响模型的可能性。
为什么重要
这不只是一道数学题。它暴露出 AI 巨头在基础科研领域的竞争逻辑：用海量算力、内部模型和 agent 集群快速“刷题”，而不是遵循学术界长期形成的合作与署名规范。当一家公司把顶尖模型先用于自家竞赛而非公开服务时，闭源与算力集中带来的信息不对称会进一步放大。同时，涉及竞争对手 Anthropic 研究员的“二选一”安排，也让“个人合作”与“公司竞争”的边界变得模糊。对行业而言，谁掌握算力和未发布模型，谁就可能抢先定义“突破”，这正在改变科研的激励结构。
对用户/开发者/创作者的影响
目前公开信息显示，这类千禧年难题攻关使用的是 OpenAI 未发布的内部模型和 Codex 等工具，并非普通 API 用户可调用的产品。短期内，普通开发者不会因此获得新接口或降价。但需注意两点：一是 Codex 用户数据使用政策可能被重新审视，企业采购 AI 编程工具时应更关注数据是否进入训练；二是“agent 集群 + 大算力”的科研范式若被复制，开源模型与个人研究者在该类问题上的空间会被进一步压缩，工具生态可能更向闭源大厂倾斜。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，OpenAI 是否公开 Navier-Stokes 解法的可验证细节，以及论文署名如何处理。第二，Buckmaster 与 Alpöge 的独立证明进展，将决定“AI 抢先”是否真正成立。第三，围绕 Codex 提示数据是否进入训练的争议，是否引发更明确的数据使用政策或监管问询。
来源：The Verge
