何が起きたか

Tristan BuckmasterとLevent Alpögeの2人は、クレイ数学研究所の7つのミレニアム懸賞問題（各100万ドル）の一つであるナビエ・ストークス方程式に、AIモデルを使って数か月取り組んできました。使用したのはAnthropicのClaudeや、GPT-5.6 Solで動くOpenAIのCodexなど複数のモデルで、8月中旬までに複数のブレークスルーを得たとしています。ただし成果は未公表・未検証です。

9月に入り「大きな数学的進展がある」という噂が流れ、Alpögeは自分たちの情報がOpenAIに渡ったと聞かされます。9月3日、Buckmasterは自らOpenAIの数学者に接触し、これは機関間の合意のない完全に個人的な共同研究だと強調しました。OpenAIは同日返信して詳細を求め、計算資源の提供を申し出ます。Buckmasterが翌週の通話を提案したのに対し、OpenAI側は金曜に当日中の通話を、日曜の12時45分には「今日のいつでもいいか」と早期接触を求めました。

その日曜、Sébastien Bubeckが加わった2回の電話で、OpenAIは社内モデルが「forcing項付き」ナビエ・ストークス方程式について約100ページの証明を作ったと伝えます。当初は「人間の入力はごくわずか」という説明でしたが、Buckmasterによれば実際にはチーム総出で、易しい問題を踏み台にし、巨大な計算資源が投入されていたといいます。

なぜ論点になったか

Buckmasterが引っかかったのは「forcing付き」という言及です。これは彼らが選んだ、ほとんど誰も取り組んでいない特殊なルートと重なります。さらに2人はプロジェクト期間中、すべてのドラフトをOpenAI Codexのセッションに投入していました。モデルがそれらを学習またはアクセスしたのかと尋ねたところ、「モデルはユーザーデータを参照しない」との回答は得たものの、学習に使ったかについては回答がなかったとしています。

OpenAIは2案を提示したとされます。(1) 2人がEulerの結果を先に出し、翌日OpenAIが自社の結果を出して2人を「この問題に最も近い人間」と称する、(2) Buckmaster単独でナビエ・ストークスの結果を発表し、OpenAIの社内モデルに謝辞を入れる。いずれの案でもBubeckは2度、Alpögeを著者から外すことを主張したとBuckmasterは述べています。理由はAlpögeがAnthropic所属であることが「すごく面倒」だから、というものでした。

Buckmasterが両案を拒み、その形で公表するなら公にすると伝えると、返ってきたのは「なぜ自分のキャリアを台無しにするのか」だったといいます。その後BubeckはAlpögeに個別に「Tristanが今完全に理性的かどうか分からない」とメッセージを送り、Alpögeは応じませんでした。

双方の主張

Buckmaster自身は「誰かを告発しているわけではない」「OpenAIの証明は見ていない」「自分たちのデータが使われたかは分からない」と明言しています。公表した理由は、自分が偽と知っている内容が一連の発表で語られるのを黙認したくないからだ、と説明しています。

OpenAIは記者ブリーフィング（WIRED経由）で反論しました。Bubeckは「研究者もエージェントも、公開されるまで彼らの成果を一切見ていない」と述べ、2人の先行性を認め「記念碑的な業績」だと祝辞を送っています。数学者Ven Chandrasekaranは、自社の解法は2人のアプローチと根本的に異なると説明しました。Bubeckによれば、OpenAIは8月28日に高度な数学能力を持つ新モデルの訓練を開始し、Anthropicでの進展の噂を聞いてナビエ・ストークスに資源を振り向け、日曜朝にLean形式化まで完了させたといいます。公式ブログでは着手を9月1日とし、9月6日に完了・Lean検証後に同時公開と先行性を認める共同発表を提案したと記しています。その時点で初めて、2人が解いたのはナビエ・ストークスではなくforcing付きEulerだと知ったとしています。

データについてOpenAIは「特定のユーザーデータには一切アクセスしていない」としつつ、「可能性は低いが、彼らの製品利用から派生した非識別化データがモデル改善に寄与した可能性は排除できない」と認め、証明は大きく異なり、Eulerのケースでは証明した結果自体（forcing有無）が違うと補足しました。これに対しBuckmasterはMastodonで「自分たちが結果を得た後の期間の訓練データを使ったと公然と認めている。顧客のデータを使って顧客を出し抜こうとするのは倫理的か」と問い返しています。なお、彼がOpenAIの既定設定（顧客データの訓練利用）をオプトアウトしていたかは不明です。

コストの急落という裏テーマ

OpenAIの発表内容も見逃せません。約1万のAIエージェントが協調して88時間、内部モデルは「GPT-6 Astraより大幅に高性能」とされ、未解決の数学問題をAstraの約3倍解き、計算量を増やすほど差が広がるといいます。Mark Chenによれば計算コストだけで数百万ドル規模です。

一方でNoam Brownは価格低下のパターンを指摘しています。o3の投��時、ARC-AGIベンチマークで87.5%を出すのに約50万ドルかかったが、Astraなら約20ドルでそれ以上ができる。2025年の数学オリンピックではOpenAIもGoogle Deepmindも膨大な計算を要したが、2026年には月20ドルのChatGPT契約で誰でも同等のことができる、と。Brownは「1年後には誰もがこのレベルの問題を解けるAIを手元に持つだろう」と述べています。8月上旬のAstra発表時には、ミレニアム問題に挑んではいるが解決には至っておらず、大した計算量も投じていないと語っていた人物です。

Buckmaster自身が本来話したかったのは、この点でした。言語モデルと組んだ数学者が、かつてずっと長くかかった仕事を1か月でこなせる——「これはディープ・ブルーとカスパロフの瞬間だ」。

出典：The Decoder

💼 事業会社視点：これは自社にどう効くか

日本企業の経営者がこの件から取るべき教訓は、道義論ではなく契約と設定の実務です。第一に、生成AIサービスの既定設定は「顧客データを訓練に使う」側に倒れている場合があり、Buckmasterがオプトアウトしていたかすら不明という状況が示す通り、設定確認は個人任せでは機能しません。研究開発部門や新規事業チームが未公開の設計思想・アルゴリズム・値付けロジックをコーディング支援ツールのセッションに投入しているなら、今週中に契約プラン（ゼロ保持・訓練不使用の条項）と管理者設定を棚卸しすべきです。

第二に、受託開発・SaaSベンダーにとっては顧客との契約が先に破れます。「当社は生成AIを利用します」で済ませていた条項は、再委託先としてのモデル提供者のデータ利用まで説明できません。エンプラ案件のセキュリティチェックシートで真っ先に突かれる論点になります。

第三に、コスト曲線の含意です。ARC-AGIで50万ドルが約20ドルになった事実は、いま「高すぎて自社では無理」な処理が1〜2年で月額数十ドルの機能に化けることを意味します。ECや製造の需要予測、法務レビューのような領域で、今から巨額投資をするのではなく、データ整備と業務プロセスの言語化——モデルが安くなった瞬間に差し込める受け皿——に投資するのが合理的です。優位は計算資源ではなく、投入できる自社データと問題設定の側に移ります。

関連リンク