Em setembro de 2026, a OpenAI afirmou que sua IA provou as Equações de Navier-Stokes. Entenda o anúncio, a polêmica com outros matemáticos e o que...
A resposta curta é: talvez. A resposta longa é bem mais interessante , e cheia de reviravoltas dignas de novela.
Na primeira semana de setembro de 2026, em um intervalo de pouco mais de 48 horas, três grupos de pesquisa diferentes anunciaram avanços sobre um dos problemas mais famosos (e mais temidos) da Matemática: as Equações de Navier-Stokes, um dos sete Problemas do Milênio do Clay Mathematics Institute.
A OpenAI afirmou ter coordenado cerca de 10 mil agentes de inteligência artificial para produzir uma demonstração inédita. Dois matemáticos, um deles pesquisador da Anthropic, publicaram resultados relacionados usando Claude, Codex e outros modelos como ferramenta de trabalho. E, para completar, veio a público uma acusação grave de má conduta e uma crítica pesada de um dos matemáticos mais respeitados do planeta.
Se você é professor ou estudante de Matemática, essa é daquelas histórias que vale a pena entender direito , porque ela esbarra numa pergunta que já discutimos por aqui: afinal, o que conta como uma demonstração matemática de verdade?
Vamos por partes.
O que são as Equações de Navier-Stokes (e por que valem US$ 1 milhão)?
As Equações de Navier-Stokes descrevem como fluidos se movem: a água de um rio, o ar em volta de um avião, o sangue nas suas veias, a fumaça de uma chaminé. Escritas no século XIX por Claude-Louis Navier e George Gabriel Stokes, elas são, em forma compacta, algo assim:
$$\frac{\partial \mathbf{u}}{\partial t} + (\mathbf{u} \cdot \nabla)\mathbf{u} = -\frac{1}{\rho}\nabla p + \nu \nabla^2 \mathbf{u} + \mathbf{f}, \qquad \nabla \cdot \mathbf{u} = 0$$
Sem entrar em detalhes técnicos demais: $\mathbf{u}$ é a velocidade do fluido em cada ponto, $p$ é a pressão, $\nu$ é a viscosidade, $\mathbf{f}$ é uma força externa (como a gravidade) e a última condição garante que o fluido é incompressível. O termo mais traiçoeiro é $(\mathbf{u} \cdot \nabla)\mathbf{u}$, responsável por transferir energia de escalas grandes para escalas cada vez menores , o mecanismo por trás da turbulência.
A pergunta que ninguém conseguiu responder em quase dois séculos é simples de enunciar e brutal de provar: partindo de um fluido "bem-comportado" (suave, com energia finita), a solução continua suave para sempre, ou existe alguma condição inicial que faz o fluido "explodir" , atingir velocidade infinita em tempo finito?
Em 1934, Jean Leray mostrou que existem soluções "fracas" (uma versão mais permissiva de solução) para todo tempo, mas se essas soluções são únicas e permanecem suaves continuou em aberto. Foi por isso que, em 2000, o Clay Mathematics Institute incluiu esse problema entre os sete Problemas do Milênio, cada um com um prêmio de US$ 1 milhão. Até hoje, apenas um desses sete foi oficialmente resolvido: a Conjectura de Poincaré, por Grigori Perelman , que, curiosamente, recusou tanto a Medalha Fields quanto o dinheiro do prêmio.
Citei ele no post O que faz um matemático rejeitar um prêmio de 1 milhão de dólares?.
O anúncio da OpenAI: 10 mil agentes e uma prova verificada em Lean
Em 8 de setembro de 2026, a OpenAI anunciou publicamente que um modelo interno, ainda não liberado ao público, havia produzido uma demonstração analítica de que as Equações de Navier-Stokes podem, sim, desenvolver uma singularidade em tempo finito. Segundo a empresa, a configuração inicial seria um vórtice que gira para dentro e se alonga enquanto sua região central encolhe e acelera: a energia do sistema permanece finita, mas a velocidade cresce sem limite.
O processo envolveu números que impressionam: a empresa relata ter usado até 10 mil "agentes" de IA trabalhando de forma simultânea. Antes de mirar o problema completo, o sistema resolveu uma versão simplificada em cerca de 50 horas com apenas mil agentes; depois, com recursos ampliados, chegou ao resultado principal em cerca de 88 horas de computação.
Segundo a própria OpenAI, o projeto e a verificação em Lean foram concluídos em 6 de setembro. (Alguns veículos citam também números de tokens processados e mensagens trocadas entre agentes; como não encontrei esses números confirmados em fontes primárias, prefiro não repeti-los aqui como se fossem definitivos.) Lean, para quem não conhece, é um assistente de demonstração que confere, passo a passo, se uma cadeia lógica é internamente consistente.
Vale um parêntese pedagógico aqui: a verificação em Lean é uma camada valiosa de confiança, mas ela garante que os passos lógicos codificados são coerentes entre si , não que a "tradução" do problema físico-matemático real para a linguagem formal foi feita corretamente. Essa ponte entre o objeto matemático de verdade e sua representação formal ainda depende de revisão humana.
Outro detalhe importa: o resultado da OpenAI mira o que a formulação oficial de Charles Fefferman chama de Casos C e D , as versões do problema com uma força externa suave agindo sobre o fluido. Os Casos A e B, sem qualquer forçamento, são os que a maioria dos matemáticos que trabalham na área considera o coração do problema. Guarde essa distinção; ela volta a aparecer mais adiante.
A corrida (e a treta) por trás da matemática
A OpenAI não chegou a esse resultado no vácuo. Dois dias antes, em 7 de setembro, o matemático Tristan Buckmaster (NYU) e o pesquisador Levent Alpöge (Anthropic) publicaram um artigo demonstrando "blowup" em tempo finito para três sistemas relacionados: o Meio Poroso Incompressível, o sistema de Boussinesq em duas dimensões e as Equações de Euler 3D com forçamento suave , sendo que Euler é uma versão "mais fácil" de Navier-Stokes, sem o termo de viscosidade.
Para chegar lá, a dupla usou o Claude (da Anthropic) e os modelos Codex e Astra (da OpenAI) como ferramentas de exploração. No mesmo dia, a pesquisadora Anima Anandkumar (Caltech) e sua equipe divulgaram, por um caminho totalmente diferente , uma rede neural com informação física (PINN), em vez de um enxame de agentes de linguagem, uma solução para esse mesmo caso sem viscosidade.
Por trás de todos esses resultados está um trabalho puramente analítico, feito sem qualquer auxílio computacional, dos matemáticos espanhóis Diego Córdoba e Luis Martínez-Zoroa, que já vinham desenvolvendo havia anos uma técnica de "cascata infinita" de soluções. O próprio Charles Fefferman, autor da formulação oficial do problema, chegou a dizer que os verdadeiros protagonistas dessa história são Córdoba e Martínez-Zoroa, não a inteligência artificial.
E é aqui que a história azeda. Segundo a declaração pública de Buckmaster, ele avisou um contato na OpenAI em 3 de setembro sobre seu projeto pessoal, deixando claro que não tinha vínculo institucional com a Anthropic. Três dias depois, ele diz ter sido informado por Sébastien Bubeck, que lidera a equipe de matemática da OpenAI, que um modelo interno da empresa já havia produzido uma prova de cerca de 100 páginas para a versão forçada da Navier-Stokes completa, a mesma rota pouco explorada que ele afirma vir perseguindo havia quase um ano.
Buckmaster relata que Bubeck propôs duas alternativas: um anúncio conjunto no dia seguinte ao dele, ou que ele publicasse sozinho creditando um modelo interno não identificado da OpenAI, pedindo, em ambos os casos, para excluir Alpöge da autoria por ele trabalhar na Anthropic. Diante da recusa e do aviso de que tornaria o episódio público, Buckmaster afirma ter ouvido de Bubeck algo como "por que você estragaria sua carreira?".
Bubeck chamou publicamente as acusações de Buckmaster de falsas e inflamatórias. O CEO da OpenAI, Sam Altman, saiu em defesa dele, dizendo que agiu com integridade durante todo o processo, e a empresa afirma ter oferecido deixar a dupla publicar primeiro assim que percebeu que eles tinham resolvido apenas a versão de Euler, sem viscosidade, não a Navier-Stokes completa.
Em comunicado próprio, a OpenAI diz que só teve contato com o trabalho de Buckmaster e Alpöge depois que ele foi publicado, que nenhum dado específico de usuário foi acessado para resolver o problema, mas reconhece não poder descartar totalmente que dados de uso anonimizados tenham ajudado a melhorar seus modelos de forma geral.
É importante frisar: são duas versões que se chocam, cada uma sustentada publicamente por uma das partes. Nenhum órgão independente confirmou até agora qual delas reflete com exatidão o que aconteceu nos bastidores dessa conversa, e talvez nunca saibamos ao certo. O que ficou bem público foi a tensão entre laboratórios de IA competindo por resultados científicos de alto perfil.
Afinal, o Problema do Milênio foi resolvido?
Formalmente, não, pelo menos não ainda, e talvez nem mesmo de fato. O Clay Mathematics Institute não validou nenhum dos resultados citados aqui, e o problema de Navier-Stokes continua listado como aberto em seu site oficial.
Isso acontece porque as regras do prêmio são rígidas por design: uma solução proposta precisa ser publicada em um periódico matemático revisado por pares e reconhecido internacionalmente, e depois precisa passar por cerca de dois anos de escrutínio e aceitação geral pela comunidade matemática antes que o comitê científico do instituto sequer avalie conceder o prêmio. O que existe até agora são pré-publicações (preprints) colocadas diretamente nos sites da OpenAI e no repositório de Buckmaster e Alpöge, nada ainda passou por revisão por pares independente.
Some a isso a distinção entre os Casos A/B (sem forçamento) e C/D (com forçamento) que mencionei lá atrás. Mesmo que todos esses resultados resistam ao escrutínio, eles resolveriam apenas uma das alternativas oficialmente aceitas pela formulação de Fefferman, não o caso "puro" que a maior parte da comunidade associa ao verdadeiro coração do problema. Por isso, mesmo otimistas como o presidente do Clay Institute, Martin Bridson, trataram o anúncio como "um dia empolgante" para a matemática, e não como um caso encerrado.
A crítica de Terence Tao: o problema virou troféu?
Poucos dias antes de qualquer um desses anúncios, o medalhista Fields Terence Tao já alertava, em sua conta no Mastodon, sobre um risco que via se materializar: transformar um problema historicamente rico, que durante décadas motivou gerações de matemáticos e produziu técnicas valiosas mesmo sem resolvê-lo, em uma espécie de troféu de benchmark para empresas de IA disputarem manchete. Depois do anúncio da OpenAI, Tao comparou a situação a assistir só aos dez minutos iniciais e aos dez minutos finais de um filme: tecnicamente todas as pontas se resolvem, mas praticamente todo o valor da experiência se perde pelo caminho.
Ao mesmo tempo, Tao reconheceu que o trabalho específico de Alpöge e Buckmaster foi genuinamente impressionante. A crítica dele não é contra a matemática produzida, e sim contra a dinâmica de "corrida frenética" entre laboratórios que, segundo ele, arrisca esvaziar o valor pedagógico e científico de problemas como esse para a própria comunidade matemática.
E para quem ensina Matemática, o que fica dessa história?
Lá atrás, neste blog, já perguntamos: o que é uma demonstração matemática? A resposta que demos foi a clássica: partir de axiomas e premissas e, por um encadeamento lógico (um silogismo), chegar necessariamente a uma conclusão verdadeira.
Essa semana de setembro de 2026 coloca essa definição sob pressão de um jeito novo. Se 10 mil agentes de IA exploram um espaço gigantesco de possibilidades, um deles encontra um caminho que funciona, e um verificador automático confirma que a lógica interna é consistente, isso é uma demonstração no mesmo sentido em que ensinamos aos nossos alunos? Alguém, humano, "entende" essa prova de ponta a ponta, ou ela existe apenas de forma distribuída entre um cluster de computadores e um arquivo Lean de centenas de páginas?
Não tenho uma resposta fechada para isso, e talvez ainda não exista uma. Mas acho que é exatamente esse tipo de pergunta que vale trazer para a sala de aula: convidar os alunos a debater não apenas se um resultado é verdadeiro, mas o que significa, de fato, "provar" algo.
Perguntas frequentes sobre a IA e as Equações de Navier-Stokes
A IA da OpenAI realmente entende a prova que ela mesma gerou?
Não necessariamente no sentido humano. O sistema explorou um espaço enorme de possibilidades e a linguagem Lean confirmou que a cadeia lógica interna é consistente. Isso é diferente da compreensão profunda que esperamos de um matemático humano, e é justamente esse ponto que alimenta o debate.
O prêmio de 1 milhão de dólares já foi pago para a OpenAI?
Não. Até hoje, o único Problema do Milênio oficialmente resolvido é a Conjectura de Poincaré. As regras do Clay Mathematics Institute exigem publicação em periódico revisado por pares e cerca de dois anos de aceitação pela comunidade matemática antes de qualquer prêmio ser considerado.
Isso vai mudar como aviões são projetados ou como o tempo é previsto amanhã?
Não diretamente. As simulações de engenharia usadas hoje em aeronáutica e meteorologia já funcionam bem na prática. O debate matemático trata de um caso-limite idealizado, um fluido perfeitamente contínuo, e não dos fluidos reais do cotidiano.
A prova da OpenAI e a de Buckmaster e Alpöge são a mesma coisa?
Não. Buckmaster e Alpöge trataram três equações relacionadas (meio poroso incompressível, Boussinesq em 2D e Euler 3D, que não tem viscosidade). A OpenAI afirma ter ido além, atacando a própria equação de Navier-Stokes completa, com viscosidade, em sua versão com forçamento externo.
O Clay Mathematics Institute já reconheceu alguma dessas provas?
Não. Até a publicação deste post, o problema de Navier-Stokes continua listado como não resolvido no site oficial do instituto, já que nenhum resultado passou pelo processo formal de revisão e aceitação exigido pelas regras do prêmio.
Concluindo
Estamos diante de uma história ainda em movimento, literalmente, já que trata do movimento dos fluidos. Nenhuma das provas mencionadas aqui foi validada de forma independente e definitiva até o momento em que este texto foi escrito, e a disputa entre os grupos envolvidos segue sem um desfecho claro. O que já dá para afirmar é que 2026 está sendo um ano decisivo para entender até onde a IA pode ir na matemática pura, e que essa fronteira está trazendo, junto com resultados fascinantes, perguntas incômodas sobre autoria, mérito e o que realmente significa provar algo.
E você, professor, professora, estudante: uma prova gerada por milhares de agentes de IA e conferida por um programa deveria valer o mesmo que uma demonstração escrita e compreendida, do início ao fim, por um matemático humano? Deixe sua opinião nos comentários, essa conversa está só começando.
Fontes e leitura complementar:
- Mathematical Rigor and Proof — Yacin Hamami, The Review of Symbolic Logic.
- Nature , OpenAI claims huge maths breakthrough on a famed 'Millennium Problem'
- Quanta Magazine , AI Has Solved One of Math's $1 Million Millennium Prize Problems
- CNN Business , OpenAI says it has solved one of math's "Millennium Problems"
- OpenAI , anúncio e preprint sobre a solução de Navier-Stokes
- Buckmaster & Alpöge , artigo sobre blowup em IPM, Boussinesq e Euler 3D
- Clay Mathematics Institute , página oficial do Problema do Milênio de Navier-Stokes
- Terence Tao , comentário no Mastodon sobre o episódio
COMENTÁRIOS