9月8日，OpenAI宣布其内部模型用约5天时间给出了Navier–Stokes方程（纳维-斯托克斯方程，流体力学核心方程）存在有限时间奇点的证明——这是克雷数学研究所悬赏100万美元26年的七大千禧年难题之一，还附带了34.1万行Lean形式化验证。按理说这是载入史册的一天，结果HN上两个相关帖子合计超过2000分、1300多条评论，吵的却不是数学：NYU数学教授Tristan Buckmaster同日发布声明，直指OpenAI“听到传闻后抢发”；陶哲轩则警告“开放数学问题正在被AI不可再生地开采”。这条新闻在国内技术圈热度远不如海外，但它暴露的训练数据灰区、学术抢跑、开放科学存亡三个问题，和每一个用AI干活的人直接相关。本文把这场大戏拆给你看。
先说技术面。据OpenAI官方博客（openai.com/index/navier-stokes-solution），整个攻关始于9月1日——他们听到传闻称两个千禧年难题已被解决，于是用内部新模型对全部千禧年难题发起评测。纳维-斯托克斯这条线动用了约1万个并行Agent，9月5日（首次启动约88小时后）得到结果，9月6日通过Lean形式化验证。所有尝试的问题加起来，Agent们互发了490万条消息、烧掉约3000亿输出token。HN上有评论者按Astra公开API价格（每百万输出token 50美元）估算，仅输出token成本就约1500万美元——这是外人复现这道题的“入场券”价格。
顺带一提，Anthropic几天前也宣布了Claude把黎曼ζ函数零点落在临界线上的比例下界从41.6%推到67.2%，且给出形式化可验证证明，而人类研究者的输入据其博客描述主要是“继续加油”这类鼓励（据Anthropic官方博客，未经第三方完全验证）。AI攻数学已经不是单点新闻，而是双实验室军备竞赛。
Buckmaster的声明（cims.nyu.edu/~tristanb/statement.pdf）给出了另一个版本的故事：他和Anthropic员工Levent Alpöge先解决了带外力的Euler方程爆破问题（NS的弱化版），数月来把全部草稿都存放在Codex会话里。OpenAI听到传闻后火速立项，解出NS后联系他们，提出的方案包括：Buckmaster单独署名“重写OpenAI的NS证明”——而OpenAI研究负责人Sebastien Bubeck在X上的公开回应里承认说过“如果Levent不是Anthropic员工就简单多了”。声明还记录了这句对话：Buckmaster威胁公开内幕后，对方回复“你想毁掉自己的职业吗？”“如果你不想让我友善，我可以不友善”。
支持OpenAI的一方（HN上不少评论）认为：学术抢跑历史上一贯存在，牛顿和莱布尼茨就是这么吵过来的；OpenAI主动联系对方、提出联合发布、还放弃申领百万奖金，算体面。反对一方则认为：问题不在抢跑本身，而在于“你从哪听说的传闻”——如果线索来自用户会话数据，那就是用别人的工具偷看了别人的牌。
这是全帖最硬核的技术伦理争论。OpenAI公告里埋了一句被反复引用的话："While unlikely, we cannot rule out that de-identified data derived from their usage of our products helped improve our models."（尽管不太可能，但我们无法排除来自他们产品使用记录的去标识化数据帮助改进了我们的模型。）
HN上由此爆发了举证责任大辩论：一方认为去标识化数据经过匿名化和合成数据管线，特定对话的影响“像大海里的一滴水”，不可追踪也不必追究；另一方（包括密码学家matthewdgreen在内的评论者）指出，OpenAI连一句“我们没有、也不会在用户关闭训练开关的情况下使用其数据”的干净声明都给不出，这本身就是答案。后续进展是：一位OpenAI员工（tedsanders）9月10日在HN确认“过去两个月Buckmaster的Codex提示词不可能以任何方式影响系统，包括训练”，并援引了9月10日纽约时报的报道；更早的提示词是否进了训练管线，则是“可能进了一滴，但不太可能有影响”。注意：这依然不是第三方审计结论。
菲尔兹奖得主陶哲轩在mathstodon上发帖，标题被HN直接转成热搜："Open math problems being non-renewably mined by AI"。核心引用：“现在仅仅是某人正在研究某个问题的传闻，就足以触发海量的AI攻关，赶在原始研究项目发挥全部潜力之前把它碾平。激励结构可能正指向：不再与社区分享任何有前景的研究方向——这将逆转数百年开放科学的传统。”
flowchart TD
A["传闻流出：两位数学家解出带外力Euler爆破"] --> B["9月1日：OpenAI内部新模型出击全部千禧年难题"]
B --> C["9月5日：约1万个并行Agent，88小时得到NS爆破构造"]
C --> D["9月6日：Lean形式化验证通过"]
D --> E["9月8日：OpenAI官宣与Buckmaster声明同日发布"]
E --> F["舆论三线爆炸"]
F --> G["抢发之争：传闻来自哪"]
F --> H["数据之争：训练能否自证清白"]
F --> I["暗森林之争：还敢不敢公开研究"]
同一个HN首页上，还有个更接地气的热帖："I-have-ADHD: A skill to stop coding agents from burying the answer"（github.com/ayghri/i-have-adhd，290分、226条评论）。据仓库描述，这是一个让编码Agent“停止把答案埋在一堆废话里”的Skill。
为什么这种东西能上热榜？因为它戳中了所有重度Agent用户的共同痛点：让Claude Code或Codex干完活，它先给你复述任务背景、罗列尝试过的方案、再写一段“接下来你可以……”，真正的结论藏在第十段。每天几百次交互，注意力税惊人。
HN评论区的观点光谱大致是三派：
给你的可执行建议：不需要等官方功能，现在就可以在自己的项目规则文件（如CLAUDE.md或.cursorrules）里加一条硬约束：“回答以结论开头，过程放折叠段，禁止复述任务背景。”十个字成本，立竿见影。
本周LocalLLaMA系的另一场小规模论战：HN热帖展示Kimi K3（2.8T参数）在MacBook Pro上以1 token/s的速度运行——把模型权重从四块SSD上流式加载（项目：github.com/argonautlabsai/deltafin，193分、95条评论）。原理是MoE架构每次推理只激活一小部分专家权重，按需从SSD读取即可，不必把2.8T全部塞进内存。
评论区的分歧很有代表性：
巧的是，同一首页还有篇基准测试（quesma.com博客，202分）：对Qwen3.8 27B的量化评测显示“4-bit基本无损，1-bit彻底崩坏”。两条新闻合起来看，本地大模型的路线之争清晰了：要么压缩到4-bit塞进内存（快但天花板是参数规模），要么SSD流式加载原精度巨兽（全量但慢）。没有免费午餐，选型取决于你的任务对延迟的容忍度。
给你的建议：Mac用户如果只是想本地跑点东西，当前性价比最高的仍是“中等参数量+4-bit量化”；SSD流式路线值得观望，等它从1 token/s进化到10 token/s再上车不迟。
| 你可能已经知道的 | 海外社区正在吵、但国内还没展开的 |
|---|---|
| AI又解决了一个数学难题 | 难题本身三天就被讨论淹没了，主战场是“训练数据灰区”与“学术抢跑”的举证责任之争 |
| 用API要注意隐私条款 | OpenAI那句“无法排除去标识化数据帮助改进了模型”让ZDR（零数据保留）承诺的公信力遭遇一波信任危机 |
| 研究成果要抢首发 | 陶哲轩提出更激进的观点：连“我正在研究X”的传闻都不能外泄，开放科学传统正被AI激励结构瓦解 |
| Agent很啰嗦 | 已有人把它产品化成Skill（i-have-adhd），且“上下文预算管理”正从技巧升级为方法论 |
| 本地跑大模型靠量化 | SSD流式加载MoE巨兽是另一条被验证的路，量化侧的共识则是“4-bit安全，1-bit崩坏” |
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。