奥特曼预告下一代GPT，1万个Agent攻下千禧难题

下一代 GPT 的一个重要线索，Sam Altman 透露了。

当地时间 11 月 2 日，在阿布扎比举行的 ADIPEC 2026 能源大会上，Altman 谈到 OpenAI 此前公布的纳维–斯托克斯数学突破时透露，完成这项工作的，是 1 万个由即将发布的下一代 GPT 驱动的 Agent。

https://www.youtube.com/watch?v=2YWfVGpVtvc&t=332s

它们连续工作了大约 4 天，始终协同运行。

Altman 特别强调，这套系统没有传统的层级结构，也没有统一的负责人。每个 Agent 都可以自行探索研究方向、分享进展，并根据已有成果决定接下来做什么。

「没有层级，没有老板，完全去中心化。」

Altman 认为，这代表了一种全新的工作和科研方式。

这次发言也让外界第一次有了更明确的线索：此前一直在 OpenAI 内部使用、能力远超 GPT-6 Astra 的研究模型，很可能就是即将面向公众发布的下一代 GPT。

1 万个 Agent

如何攻克数学世纪难题？

这场实验的主角，是纳维–斯托克斯方程。

它描述水、空气等流体的运动规律，是流体力学最基础的数学工具之一。从飞机设计、天气预报，到血液流动研究，都离不开这组方程。

但围绕它，一个基础数学问题已经困扰研究人员近 90 年：在三维空间中，一个原本平滑的流体运动，是否可能在有限时间内突然出现奇点？

简单来说，就是流体速度在有限时间内变得无限大，原本平滑的运动状态发生数学意义上的失控。

2000 年，克雷数学研究所将这一问题列入七大千禧年数学难题，并为每道题设置 100 万美元奖金。

今年 9 月 8 日，OpenAI 正式公布了这项研究成果。

按照 OpenAI 的说法，内部模型构建出了一套数学证明：在施加平滑外力的条件下，一个最初静止、运动状态平滑的流体，可以在有限时间内形成奇点，同时保持总能量有限。

这项构造的关键，是一个不断向内收缩、同时被拉长的涡旋。随着涡旋核心越来越小，旋转速度不断增加，最终形成有限时间内的速度发散。OpenAI 称，这项证明解决了纳维–斯托克斯问题正式表述中的 C、D 两个情形，并同步公布了论文和 Lean 形式化证明文件。

真正令人惊讶的，是它背后的研究过程。

OpenAI 披露，整个实验从 9 月 1 日启动。研究人员让不同 Agent 小组分别探索不同数学问题和证明路径。Agent 能够读取缓存的互联网信息，也可以运行代码。

随着研究推进，团队发现欧拉方程相关问题上的突破，为纳维–斯托克斯研究提供了新的线索，于是将更多计算资源转向后者。随后，OpenAI 使用 Codex 整理不同 Agent 小组的阶段性成果，把有价值的发现重新反馈给其他小组，推动后续研究。

实验过程中，内部模型还经历了一次进一步训练升级，Agent 也随之更新。最终，参与纳维–斯托克斯研究的 Agent 规模达到约 1 万个。它们在约 88 小时内完成了核心数学探索，期间交换了 270 万条消息，生成约 1300 亿 Token。之后，GPT-6 Astra 又花费 17 小时，通过 Lean 完成形式化和验证工作。

从问题拆解、并行探索，到成果汇总、数学验证，这已经是一套相当完整的 AI 辅助科研流程。

下一代 GPT

核心变化可能在 Agent 协作

Altman 这次透露的信息，最值得关注的地方在于：下一代 GPT 的能力，可能已经不再局限于单个模型完成一次复杂推理。

这次实验展示了另一种工作方式：让大量由同一个基础模型驱动的 Agent 并行探索，彼此交换研究进展，逐步形成可以继续推进的研究成果。

当然，1 万个 Agent 并不意味着 1 万个独立训练的超级模型。它们由同一套内部模型驱动，通过工具、分组通信和成果整合共同完成任务。这套系统也并非没有成本。

在 10 月 29 日与 Stripe 联合创始人 John Collison 的播客对话中，Altman 透露，OpenAI 仅在纳维–斯托克斯这项研究上就投入了约 1000 万美元，甚至可能略高于这个数字。但他同时打了一个赌：到 2027 年 9 月，OpenAI 有望以目前约百分之一的成本，重新完成同样的工作。

成本下降将来自更聪明的模型和更好的研究方法。这也意味着，下一代 GPT 的发布，可能带来两方面变化：底层模型本身的能力继续提升，大规模 Agent 协作的效率也在改善。

不过，Altman 目前并没有公布下一代 GPT 的具体型号、正式发布时间，也没有说明普通用户能否直接调用这次实验中的万级 Agent 协作系统。

参考链接：https://x.com/Hesamation/status/2117261058650112105