OpenAI huy động khoảng 10.000 AI Agent cho bài toán Navier–Stokes

Ngày 8/9/2026, OpenAI công bố một hệ thống đa agent nội bộ đã tạo ra lời giải cho bài toán tồn tại và trơn của phương trình Navier–Stokes — một trong bảy Bài toán Thiên niên kỷ. Nhóm tạo lời giải có quy mô khoảng 10.000 AI Agent, chạy 88 giờ; quá trình formal hóa và kiểm chứng bằng Lean qua GPT-6 Astra mất thêm 17 giờ.

Đây là một công bố khoa học rất lớn, nhưng cần gọi đúng trạng thái: OpenAI đã phát hành bản thảo và mã formal proof, còn kết quả vẫn cần cộng đồng toán học kiểm tra độc lập. Công ty nói không có ý định nhận giải thưởng 1 triệu USD của Clay Mathematics Institute.

OpenAI tuyên bố đã chứng minh điều gì?

Navier–Stokes mô tả chuyển động của chất lưu và được dùng trong thiết kế máy bay, dự báo thời tiết hay nghiên cứu dòng máu. Câu hỏi kéo dài gần 90 năm là liệu nghiệm của phương trình ba chiều có luôn trơn, hay có thể tạo “singularity” — điểm mà vận tốc tăng không bị chặn trong thời gian hữu hạn.

Theo OpenAI, hệ thống đã xây dựng một phản ví dụ: một chất lưu ban đầu đứng yên, chịu một lực tác động trơn, có thể phát triển singularity trong thời gian hữu hạn trong khi tổng năng lượng vẫn hữu hạn. Công ty nói kết quả đáp ứng các phương án C và D trong phát biểu chính thức của bài toán, đồng thời công bố bản chứng minh giải tích và bản formal hóa Lean.

Đó là mô tả của OpenAI về kết quả. Chưa nên diễn đạt thành “bài toán đã chính thức được giải” cho tới khi các chuyên gia độc lập rà soát lập luận, mã formal proof và phạm vi chính xác của mệnh đề.

10.000 agent không đồng nghĩa 10.000 bản sao làm cùng một việc

OpenAI cho biết các agent được chia thành nhiều nhóm, nhận các biến thể khác nhau của đề bài và có thể trao đổi trong nhóm. Hệ thống cũng được quyền đọc một bản Internet lưu đệm và chạy mã. Khi xuất hiện hướng giải hữu ích, Codex được dùng để tổng hợp insight giữa các nhóm và đưa trở lại các vòng tiếp theo.

Trước khi tập trung vào Navier–Stokes, gần 100 agent đã làm việc khoảng 50 giờ trên một bài toán liên quan của phương trình Euler. Kết quả trung gian này khiến OpenAI chuyển thêm tài nguyên sang Navier–Stokes. Theo công bố, toàn bộ các bài toán thử nghiệm tạo 4,9 triệu tin nhắn và khoảng 300 tỷ output token; riêng Navier–Stokes dùng 2,7 triệu tin nhắn và khoảng 130 tỷ output token.

Các con số cho thấy đây không phải một prompt “thiên tài”, mà là một pipeline nghiên cứu quy mô lớn: phân nhánh giả thuyết, thử nghiệm, trao đổi, hợp nhất và kiểm chứng.

Formal proof quan trọng nhưng không thay thế phản biện khoa học

Lean giúp biểu diễn chứng minh thành chuỗi bước mà máy có thể kiểm tra theo các tiên đề và định nghĩa đã khai báo. Điều này giảm nhiều lỗi suy luận cơ học. Tuy nhiên, việc Lean chấp nhận một formal proof không tự trả lời mọi câu hỏi: định nghĩa formal có khớp chính xác phát biểu của bài toán không, giả thiết có bị thay đổi không, và mã nền tảng có chứa khoảng trống nào không.

Vì vậy, lớp kiểm chứng tốt phải có ít nhất ba tầng: kiểm tra máy; rà soát bởi chuyên gia độc lập; và đối chiếu phạm vi claim với phát biểu gốc. Với một kết quả mới phát hành, việc giữ nhãn “OpenAI công bố” là chuẩn biên tập an toàn hơn “AI đã giải xong”.

Bài học vận hành cho doanh nghiệp: scale agent chỉ sau khi có verifier

Theo nhận định Học viện AI, điểm áp dụng được ngay không phải con số 10.000. Đó là cách một nhiệm vụ khó được tổ chức thành nhiều luồng tìm kiếm, có cơ chế tổng hợp và một lớp kiểm chứng khác với lớp tạo sinh.

Doanh nghiệp có thể áp dụng mô hình nhỏ hơn:

1. Tách một bài toán phức tạp thành các giả thuyết hoặc hướng giải độc lập.
2. Giao mỗi agent một vai trò, nguồn dữ liệu và tiêu chí dừng rõ ràng.
3. Dùng một lớp tổng hợp để so sánh mâu thuẫn, không chỉ ghép câu trả lời.
4. Bắt buộc có verifier xác định được: test, đối soát số liệu, rule engine hoặc con người chuyên môn.
5. Chỉ tăng số agent khi tỷ lệ lỗi, chi phí và thời gian được đo trên workload thật.

Nếu không có verifier, mở rộng từ 10 lên 1.000 agent chỉ làm tăng lượng đầu ra cần kiểm tra. Khung Microsoft chuyển quản trị AI Agent sang runtime giải thích vì sao kiểm soát phải nằm trong đường chạy thực tế; còn AgentOps: 7 giai đoạn đưa AI Agent vào production cung cấp cấu trúc từ thiết kế đến quan sát và cải tiến.

Kết luận

Công bố Navier–Stokes cho thấy multi-agent đang chuyển từ demo sang hạ tầng nghiên cứu: hàng nghìn agent phối hợp, công cụ tổng hợp insight và formal verification. Nhưng chính quy mô claim càng đòi hỏi ngôn ngữ thận trọng và kiểm chứng độc lập.

Nếu doanh nghiệp muốn xây đội AI Agent biết phân vai, phối hợp và kiểm chứng thay vì chỉ tạo thêm nội dung, hãy xem chương trình AI Agent & Workflow Automation của Học viện AI.

Nguồn

• OpenAI — “On the Navier–Stokes Millennium Prize Problem”, 8/9/2026: https://openai.com/index/navier-stokes-solution/
• OpenAI — bản thảo chứng minh và liên kết formal proof Lean được công bố cùng bài viết ngày 8/9/2026.
• The Guardian — “OpenAI claims to have solved maths problem that stumped humans for decades”, 8/9/2026: https://www.theguardian.com/science/2026/sep/08/openai-claims-to-have-solved-maths-problem-that-stumped-humans-for-decades

Provenance hình ảnh: Cover do Dũng/ChatGPT Personal tạo riêng cho Học viện AI. Visual “pipeline đa agent Navier–Stokes” do Học viện AI biên tập từ phần “How we found the proof” của OpenAI; không phải sơ đồ chính thức của OpenAI.