Na manhã de 8 de setembro de 2026, a OpenAI fez um anúncio que deixou o mundo da matemática em estado de alerta: um sistema interno de inteligência artificial — mais avançado que o GPT-6 Astra e ainda fechado ao público — resolveu um dos maiores enigmas da ciência, o problema de Navier-Stokes, que desafiou os melhores matemáticos por cerca de 90 anos.
Mas a história não termina com "e a IA salvou o dia". Em menos de 24 horas, a celebração virou uma briga pública sobre quem, afinal, merece o crédito. E no meio dela, um detalhe quase cômico: a empresa gastou milhões de dólares para resolver um problema cujo prêmio é de "apenas" um milhão.
O que é Navier-Stokes, afinal?
Para entender o tamanho da conquista, imagine a água saindo de uma torneira. No começo, o jato é liso e previsível. Aumente a pressão e ele começa a se agitar, formar redemoinhos, ficar caótico. Essa transição — do movimento suave para o turbulento — é governada por um conjunto de equações criadas no século 19 pelos físicos Claude-Louis Navier e George Gabriel Stokes.
Essas equações descrevem como os fluidos se movem — o ar sobre a asa de um avião, o sangue correndo nas veias, a previsão do tempo. São, na prática, a base de quase tudo que envolve líquidos e gases em movimento. O problema é que, apesar de serem usadas há quase dois séculos, ninguém nunca conseguiu provar se elas sempre funcionam. Existe um cenário em que as equações "quebram", cuspindo valores infinitos que não fazem sentido físico?
Essa pergunta — tecnicamente chamada de "existência e suavidade" — é tão difícil que, no ano 2000, o Instituto Clay de Matemática a colocou na lista dos Sete Problemas do Milênio, cada um com prêmio de US$ 1 milhão. Desde então, apenas um deles foi resolvido: a Conjectura de Poincaré, em 2003, pelo russo Grigori Perelman — que, aliás, recusou o prêmio e a medalha Fields.
10 mil agentes, 88 horas e um redemoinho
Aqui entra a parte que parece ficção científica. Em vez de um matemático passando décadas rabiscando no quadro, a OpenAI lançou uma verdadeira multidão de agentes de IA — programas autônomos que conversam entre si, leem artigos e rodam código — em cima do problema.
Primeiro, cerca de 100 agentes atacaram um problema "primo" chamado Euler, que é o Navier-Stokes sem o "freio" da viscosidade. Resolveram em 50 horas. Animados, a equipe colocou 10 mil agentes trabalhando simultaneamente no problema completo. Em 88 horas, surgiu a prova. Depois, outro modelo de IA passou mais 17 horas formalizando cada passo numa linguagem de verificação chamada Lean — uma espécie de "prova com selo de garantia", em que um computador confere logicamente cada afirmação, uma a uma.
A resposta que encontraram: sim, um fluido tridimensional, começando parado e liso, pode desenvolver uma singularidade — uma região onde a velocidade cresce sem limites em tempo finito. A solução é um vórtice: um redemoinho que espirala para dentro e se estica como espaguete, acelerando sem parar, mas mantendo a energia finita, como as leis da física exigem.
Há uma sutileza importante aqui, e ela alimentou a polêmica. A prova usa uma força externa "suave" aplicada ao fluido — um detalhe que, segundo a OpenAI, se encaixa nas regras oficiais do prêmio (as chamadas "afirmações C e D" da formulação do Instituto Clay, que permitem explicitamente uma força externa suave). Matemáticos independentes ainda precisam examinar e confirmar tudo isso.
Os números impressionam. Os agentes trocaram 2,7 milhões de mensagens entre si e produziram cerca de 130 bilhões de tokens de saída. E o custo de computação? A empresa fala em "milhões de dólares" — estimativas da imprensa variam entre US$ 15 milhões e US$ 22 milhões. O CEO Sam Altman brincou no X perguntando se alguém avisou os pesquisadores de que o prêmio é "só" de US$ 1 milhão.
A linha do tempo da "corrida" é quase tão fascinante quanto a prova em si. A OpenAI vinha treinando, desde 28 de agosto, um modelo interno novo com desempenho inédito em matemática. No dia 1º de setembro, a equipe ouviu boatos de que dois Problemas do Milênio tinham sido resolvidos — e decidiu testar o modelo em todos os problemas abertos. Os agentes chegaram à solução no sábado, 5 de setembro, e o anúncio público veio só três dias depois, já com a prova formalizada. O ritmo é um contraste brutal com o tempo da matemática tradicional: o que antes era medido em décadas agora é medido em horas.
A briga pelo crédito
Se a matemática fosse só sobre números, a história terminaria aqui. Mas ciência também é feita de pessoas — e de reputação. Horas antes do anúncio da OpenAI, o matemático Tristan Buckmaster, da Universidade de Nova York, e Levent Alpöge, pesquisador da Anthropic trabalhando em caráter pessoal, publicaram os próprios resultados sobre o problema de Euler.
A dupla vinha trabalhando havia quase um ano, usando modelos de IA como Claude e Codex, e tinha feito um avanço real semanas antes. Buckmaster levantou uma suspeita incômoda: a OpenAI teria acelerado os próprios esforços depois de saber do progresso deles — e ele queria saber se o modelo da empresa tinha sido treinado com (ou teve acesso a) as sessões privadas que ele e Alpöge usaram no Codex.
A OpenAI nega ter acessado qualquer dado específico de usuário. Mas, num trecho que chamou atenção, admitiu que "não pode descartar" que dados não identificados, vindos do uso de seus produtos, tenham ajudado a melhorar o modelo. A empresa também reconheceu a prioridade do trabalho da dupla no problema de Euler. A polêmica esquentou ainda mais quando Buckmaster relatou que a OpenAI teria oferecido opções de crédito — e uma delas deixava o nome de Alpöge de fora.
O que isso significa (de verdade)
Independentemente de quem leve o crédito, há um marco histórico aqui: pela primeira vez, uma IA — ou melhor, um exército de IAs — produziu uma prova que pode resolver um dos problemas mais difíceis da matemática. E isso abre três perguntas que vão nos acompanhar por anos.
Primeira: de quem é a descoberta quando a máquina faz o trabalho pesado? Segunda: quem é dono do conhecimento que alimenta esses modelos — os dados privados de pesquisa de alguém podem, de alguma forma, "vazar" para o treinamento? E terceira: se resolver problemas de fronteira virou questão de gastar milhões em computação, a matemática vai virar um esporte de quem tem mais poder de fogo?
No Brasil, onde a ciência convive com orçamentos apertados e fuga de cérebros, o recado é duplo. Por um lado, a IA pode democratizar o acesso a ferramentas de pesquisa antes restritas a poucos centros de elite — um estudante em Recife ou Porto Alegre pode, hoje, conversar com um modelo capaz de sugerir caminhos matemáticos sofisticados. Por outro, se a fronteira do conhecimento passar a depender de computação que custa dezenas de milhões de dólares, o fosso entre quem tem e quem não tem tende a crescer.
A boa notícia é que a matemática, no fundo, continua sendo uma das poucas áreas em que uma boa ideia ainda vale mais que um datacenter. A prova precisa estar certa — e isso qualquer pessoa do mundo, com papel e paciência, pode conferir. Enquanto isso, o redemoinho da polêmica continua girando, tão rápido quanto o vórtice que a IA descobriu.