De kern is eenvoudig, maar belangrijk: OpenAI heeft een analytische en in Lean geformaliseerde claim gepubliceerd over een singulariteit in eindige tijd in de driedimensionale, onsamendrukbare Navier–Stokesvergelijkingen. Dat maakt de aankondiging opmerkelijk, maar nog geen officieel aanvaarde oplossing van het Millenniumprobleem. Op 12 september 2026 stellen 25 Fields-medaillewinnaars bovendien dat de manier waarop AI-wiskunde wordt geproduceerd en aangekondigd dringend moet veranderen.

Wat OpenAI precies beweert

25 Fields-medaillewinnaars waarschuwen na OpenAI-claim over Navier–Stokes

OpenAI beschrijft een aanvankelijk gladde vloeistofstroming met gladde externe kracht. Volgens de claim blijft de energie eindig, terwijl de snelheid in eindige tijd onbegrensd wordt. In de taal van de vloeistofdynamica heet zo'n ontwikkeling een singulariteit of ‘blow-up’.

Dat betekent niet dat echt water of afzonderlijke moleculen oneindig snel gaan bewegen. Het gaat om gedrag binnen een continuüm-model van een vloeistof. De praktische betekenis van de claim hangt daarom eerst af van een veel minder spectaculaire, maar doorslaggevende vraag: voldoet de constructie precies aan de wiskundige formulering die voor het probleem bedoeld is?

OpenAI zegt dat het systeem naast een analytisch bewijs ook een formalisering in Lean produceerde. Daarmee is de claim controleerbaar als formele bewijsvoering, maar de publicatie heeft nog geen onafhankelijke wiskundige aanvaarding opgeleverd.

Waarom Navier–Stokes ertoe doet

Een animatie van de beweerde vortex en het begrip ‘blow-up’ in eindige tijd

De Navier–Stokesvergelijkingen beschrijven hoe vloeistoffen en gassen bewegen. Het open probleem vraagt of een gladde, driedimensionale, onsamendrukbare stroming met constante dichtheid altijd glad blijft, of dat er in eindige tijd een singulariteit kan ontstaan.

Het Clay Mathematics Institute rekent dit vraagstuk tot de zeven Millennium Prize Problems. Voor elk probleem is een prijs van 1 miljoen dollar verbonden. OpenAI zegt dat het die prijs voor deze claim niet zal opeisen. Dat verandert niets aan de centrale beoordeling: een bedrijfspublicatie is niet hetzelfde als een door de wiskundige gemeenschap aanvaarde oplossing.

De voorgestelde constructie draait om een vortex die naar binnen spiraalt en door axiale rek steeds langgerekter wordt. Dat beeld helpt om de claim te begrijpen, maar een overtuigende visualisatie is geen bewijs dat de constructie aan alle vereisten voldoet.

10.000 agenten en 88 uur

Volgens OpenAI werkte de groep die het resultaat produceerde met ongeveer 10.000 gelijktijdige agenten. De zoektocht duurde volgens het bedrijf ongeveer 88 uur vanaf de start. Daarna volgden nog ongeveer 17 uur waarin GPT-6 Astra de formalisering in Lean uitvoerde en controleerde.

Voor het Navier–Stokes-traject noemt OpenAI daarnaast ongeveer 2,7 miljoen berichten en 130 miljard gegenereerde tokens. Dat zijn cijfers over schaal en middelen, geen bewijs dat AI efficiënter werkt dan menselijke wiskundigen. Er is geen gecontroleerde vergelijking met menselijke onderzoekers waaruit zo'n conclusie volgt.

De interessante innovatie kan dus op twee plaatsen zitten: in de wiskundige inhoud van de claim, als die standhoudt, en in het coördineren van grote aantallen parallelle zoekpogingen. Geen van beide conclusies volgt automatisch uit het aantal agenten.

Twee onderzoekslijnen, niet één resultaat

De controverse werd scherper doordat Tristan Buckmaster en Levent Alpöge aan verwant werk rond geforceerde Euler- en Boussinesq-vergelijkingen werkten. Dat is niet hetzelfde als OpenAI's gerapporteerde resultaat over de Navier–Stokesvergelijkingen. De modellen, doelen en reikwijdte mogen niet op één hoop worden gegooid.

DimensieDoor OpenAI gerapporteerd resultaatGerelateerd werk van Tristan Buckmaster en Levent Alpöge
Wiskundig doelEen singulariteit in eindige tijd voor driedimensionale, onsamendrukbare Navier–Stokes met gladde krachtResultaten over geforceerde Euler- en Boussinesq-vergelijkingen
AI-hulpmiddelenEen intern OpenAI-model met gecoördineerde agenten en GPT-6 Astra voor Lean-formaliseringClaude en Codex als onderzoeksassistenten, onder meer voor documentatie en logische stappen
Betrokken onderzoekersOpenAI beschrijft het resultaat als werk van zijn systeem en onderzoekersTristan Buckmaster en Levent Alpöge werkten samen aan de verwante resultaten
Status van de relatieOpenAI zegt dat het resultaat wezenlijk verschilt van het verwante werkTristan Buckmaster betwist de manier waarop prioriteit en erkenning zijn besproken

Tristan Buckmaster stelt dat OpenAI de onderzoekslijn kende en de gesprekken over erkenning verkeerd heeft aangepakt. OpenAI ontkent dat onderzoekers of agenten het specifieke privéwerk vóór de openbare publicatie hebben gezien. De precieze toedracht van de gesprekken en de uiteindelijke erkenning is niet opgelost.

Directe toegang is iets anders dan mogelijke modelverbetering

OpenAI zegt dat geen specifieke gebruikersgegevens zijn geraadpleegd om dit probleem op te lossen. Tegelijk zegt het bedrijf niet te kunnen uitsluiten dat gedeïdentificeerde gegevens uit het gebruik van zijn producten modellen hebben geholpen verbeteren.

Dat zijn twee verschillende beweringen. De eerste gaat over directe toegang tijdens deze zoektocht; de tweede over een mogelijke indirecte bijdrage aan modelverbetering. De tweede formulering is geen bevestiging dat de gegevens van Buckmaster en Alpöge daadwerkelijk zijn gebruikt, en de eerste is geen uitspraak over alle mogelijke trainings- of verbeteringsroutes.

Wat Lean wel en niet controleert

Lean is een proof assistant: software die nagaat of een formeel ingevoerd bewijs volgt uit de definities en aannames die in de code staan. Dat is waardevol. Een fout in een concrete formele stap kan zo zichtbaar worden.

Maar Lean beantwoordt niet zelfstandig drie andere vragen:

  • Is de juiste wiskundige stelling geformaliseerd?
  • Voldoet de gekozen constructie aan de exacte reikwijdte van het Clay-probleem?
  • Begrijpen onafhankelijke wiskundigen de redenering en aanvaarden zij de conclusie?

Een formele controle en een inhoudelijke beoordeling vullen elkaar dus aan. Lean kan de logica van de ingevoerde formaliteit controleren; menselijke experts moeten beoordelen of die formaliteit het juiste probleem en de juiste betekenis weergeeft.

Waarom 25 Fields-medaillewinnaars zich ermee bemoeien

De open brief die op 12 september 2026 publiek beschikbaar was, is ondertekend door 25 Fields-medaillewinnaars. Zij waarschuwen voor AI-aankondigingen die sneller verschijnen dan onderzoekers ze kunnen begrijpen, controleren en in de bestaande kennis kunnen plaatsen.

Hun kritiek gaat daardoor verder dan de vraag wie als eerste een bepaalde stap heeft gezet. Ze noemen ook erkenning van eerder werk, bronvermelding, menselijke uitleg en de overdracht van wiskundige ideeën. De brief bewijst geen misstand in deze specifieke zaak, maar laat wel zien waarom de controverse breder wordt gelezen dan als een wedstrijd tussen OpenAI en twee onderzoekers.

Voor de wetenschap is een bruikbaar resultaat meer dan een indrukwekkende output. Andere onderzoekers moeten de formulering kunnen reconstrueren, de redenering kunnen volgen en het werk kunnen verbinden met wat al bekend is. Dat kost tijd — zelfs wanneer de eerste versie uit een machine komt.

Wat er nu op het spel staat

Voor lezers verandert deze claim voorlopig niets aan weersvoorspellingen, aerodynamica of andere technische toepassingen. De Navier–Stokesvergelijkingen blijven fundamenteel voor zulke gebieden, maar uit deze wiskundige claim volgt geen directe engineeringdoorbraak.

De betekenis ligt voorlopig elders. OpenAI heeft een groot AI-zoekproces, een formele Lean-uitwerking en een inhoudelijke claim openbaar gemaakt. De volgende stap is geen nieuwe marketingterm, maar nauwkeurige beoordeling door wiskundigen die de formulering, de bewijsvoering en de relatie met eerdere resultaten naast elkaar leggen.

Tot die tijd is de eerlijkste omschrijving: een ambitieuze, gepubliceerde OpenAI-claim over Navier–Stokes, met formele ondersteuning maar zonder onafhankelijke aanvaarding. De uitkomst bepaalt niet alleen of deze constructie klopt, maar ook hoeveel vertrouwen onderzoekers kunnen stellen in AI-systemen die antwoorden produceren voordat de menselijke controle is afgerond.