OpenAI заявила о решении задачи тысячелетия об уравнениях Навье – Стокса. Система из взаимодействующих агентов на базе модели, превосходящей GPT-6 Astra, построила пример жидкости, которая под действием гладкой внешней силы теряет гладкость и создает сингулярность. Компания сообщила, что не претендует на премию в $1 млн от Института Клэя.
Эксперимент начался после того, как 28 августа OpenAI начала обучение новой внутренней модели. 1 сентября компания запустила группы агентов с доступом к кешированной копии интернета, инструментам выполнения кода и возможностью обмена результатами. Над основной задачей одновременно работали около 10 000 агентов, которые пришли к результату 5 сентября, примерно через 88 часов после запуска. Для формализации и проверки доказательства потребовалось еще 17 часов работы GPT-6 Astra.
В процессе работы над уравнениями Навье – Стокса агенты обменялись примерно 2,7 млн сообщений и сгенерировали около 130 млрд выходных токенов. Общий объем математического эксперимента составил 4,9 млн сообщений и примерно 300 млрд токенов. Издание Nature отметило, что объем вычислительных ресурсов, задействованных для одного исследования, стал беспрецедентным.
Возник спор о приоритете с профессором Тристаном Бакмастером из NYU и математиком Левентом Альпеге из Гарварда и Anthropic. 7 сентября исследователи опубликовали результаты по другим задачам гидродинамики. OpenAI признала, что изначально ошибочно полагала, что у команды есть решение для Навье – Стокса, но утверждает, что ее доказательство существенно отличается от их работы.
В тот же день OpenAI представила ChatGPT Images 2.5. Новая версия модели для генерации и редактирования изображений снизила задержку генерации на 50% относительно Images 2.0. В интерфейсе появилась функция Sketch для создания эскизов, шаблоны для популярных форматов и возможность передавать промпты вместе с картинками.
Также компания напомнила о результатах тестов собственного чипа для инференса Jalapeño. Ускоритель показал в 1,5–1,9 раза больше вычислительной работы на ватт и в 1,7–3,6 раза меньшую задержку, чем системы на базе Nvidia GB200 и GB300.
