Não foi um prompt.
Foi uma arquitetura.

O feito foi do sistema

Em 8 de setembro, a OpenAI publicou uma proposta de solução para o problema de existência e suavidade das equações de Navier–Stokes. O artigo constrói um fluxo tridimensional incompressível que começa em repouso, recebe uma força externa suave e desenvolve velocidade ilimitada em tempo finito, mantendo energia cinética limitada.

A cobertura destacou uma escala na ordem de dez mil agentes. Segundo a empresa, essa foi a ordem de grandeza do grupo dedicado ao resultado. Foram aproximadamente 88 horas, 2,7 milhões de mensagens e 130 bilhões de tokens de saída. Depois, o GPT-6 Astra levou mais 17 horas para formalizar e verificar a prova em Lean.

Mas escala não explica convergência. Dez mil agentes repetindo a mesma hipótese só comprariam redundância cara. A parte mais interessante é o controle: a equipe dividiu o enunciado entre alternativas que buscavam provar regularidade e alternativas que buscavam construir uma quebra, separou os agentes em grupos com comunicação interna e ofereceu acesso a uma cópia armazenada da internet e à execução de código.

Isso preservou caminhos incompatíveis antes que o primeiro resultado plausível dominasse toda a busca. A OpenAI não publicou quantos grupos existiam, como cada resposta era pontuada ou quando um grupo era encerrado. Mesmo assim, o desenho revela que diversidade não foi deixada somente à aleatoriedade do modelo. Ela foi criada pela arquitetura.

Euler mudou o roteamento

A equipe também distribuiu problemas considerados mais fáceis. Quase cem agentes trabalharam por cerca de cinquenta horas numa questão relacionada às equações de Euler, o limite sem viscosidade de Navier–Stokes, e produziram uma construção de singularidade sem força externa.

Esse resultado virou uma ponte. A OpenAI retirou agentes de outros Problemas do Milênio, concentrou o orçamento em Navier–Stokes e forneceu a descoberta de Euler como novo contexto. Durante a execução, uma versão mais recente do modelo interno também substituiu a anterior.

Os grupos não foram simplesmente conectados num chat enorme. Em determinado momento, o Codex consolidou os achados considerados mais úteis e os redistribuiu em novas instruções. Essa “polinização cruzada” funcionou como uma camada de memória: exploração local dentro dos grupos, seleção numa camada superior e circulação controlada do que parecia promissor.

Essa camada também concentra risco. Quem resume decide o que sobrevive. Uma síntese ruim pode apagar uma condição matemática ou espalhar o mesmo erro entre grupos antes independentes. O anúncio não informa se as consolidações eram comparadas, auditadas ou ligadas à trajetória que originou cada descoberta.

O que os agentes construíram

O artigo não encontrou uma explosão numa simulação numérica. Ele construiu analiticamente um vórtice auto-semelhante. A largura radial do núcleo encolhe mais rápido que seu comprimento axial. As velocidades angular e axial crescem, enquanto a região ocupada pelo fluxo intenso diminui rápido o bastante para manter a energia limitada.

Produzir velocidade infinita não seria suficiente. A força externa precisa continuar suave e localizada. O problema técnico é fazer os termos crescentes de velocidade, pressão, transporte e viscosidade cancelarem uns aos outros, deixando um resíduo suave que possa ser interpretado como uma força permitida pela formulação.

O fluxo de fundo deixa uma tensão na região entre o núcleo e o exterior. A construção adiciona duas famílias de pulsos oscilatórios. Seus produtos quadráticos transportam momento nas proporções necessárias para compensar essa tensão. Correções sucessivas removem os erros produzidos pelas próprias correções, até que o resíduo e suas derivadas desapareçam mais rápido que qualquer potência perto da singularidade.

Por fim, o núcleo é conectado a um fluxo exterior viscoso e o resíduo é estendido como força suave de suporte compacto. Segundo o artigo, isso satisfaz as alternativas C e D da formulação oficial do Clay. Não significa que qualquer fluido real explodirá nem que o caso sem força externa foi resolvido. Significa que existe uma configuração admitida na qual a solução global suave não continua.

Lean foi outro sistema

O candidato matemático saiu da geração em linguagem natural e entrou numa representação com outro critério de erro. O repositório público declara zero ocorrências de sorry, fixa a versão do Lean e oferece verificações com o Comparator. O projeto adapta um enunciado externo do Formal Conjectures, do Google DeepMind, para conferir se a solução prova a mesma declaração e usa somente os axiomas permitidos.

Isso é muito mais forte que pedir a outro modelo para “revisar” a resposta. Ainda assim, o próprio repositório classifica a revisão como autoavaliada. Lean verifica a consequência das definições formalizadas; especialistas ainda precisam confrontar essas definições com o problema, compreender o argumento informal e executar o projeto de forma independente.

Na data desta edição, o Clay Mathematics Institute ainda não aceitou o resultado, e a OpenAI afirma que não reivindicará o prêmio. Pelas regras do instituto, uma solução só pode ser considerada depois de publicação em veículo qualificável, dois anos de espera e aceitação geral da comunidade matemática.

Também não sabemos quanto veio do novo modelo, da escala, do subproblema de Euler, da síntese entre grupos ou das decisões humanas. A configuração mudou durante o experimento porque uma versão mais recente do modelo foi incorporada. Isso dificulta separar o efeito de cada componente. Atribuir tudo aos milhares de agentes esconderia justamente o sistema que os tornou úteis.

A lição para engenheiros

Copiar a escala seria a parte mais cara e menos transferível. O padrão reutilizável está no funil: manter hipóteses concorrentes, criar subproblemas que funcionem como sensores, limitar comunicação, promover evidência, mover recursos e trocar a representação antes da verificação final.

Esse padrão não serve automaticamente para qualquer domínio. A matemática oferece especificações formais que produto, estratégia e ciência experimental raramente possuem. Sem um critério confiável, milhares de agentes podem apenas produzir milhares de respostas difíceis de comparar.

Mesmo assim, o caso muda a pergunta. Não basta saber qual modelo respondeu. É preciso saber quem dividiu o problema, como a memória circulou, qual resultado mudou o orçamento e qual verificador poderia rejeitar a conclusão.

Navier–Stokes pode vir a ser reconhecido como um avanço matemático produzido com IA. Para a engenharia, a descoberta já está visível: quando uma tarefa ultrapassa uma única trajetória, capacidade emerge da arquitetura que decide o que milhares de trajetórias fazem umas com as outras.