Koinons — OpenAI membuat klaim besar dalam dunia matematika pada 8 September 2026. Perusahaan tersebut mengatakan sebuah model AI internal telah menghasilkan solusi untuk Navier–Stokes existence and smoothness problem, salah satu dari tujuh Millennium Prize Problems yang selama puluhan tahun belum berhasil diselesaikan.

Namun pengumuman tersebut tidak datang tanpa kontroversi.

Di saat yang hampir bersamaan, matematikawan NYU Tristan Buckmaster dan peneliti Anthropic Levent Alpöge mempublikasikan hasil penelitian mereka mengenai masalah yang berkaitan dengan Navier–Stokes. Buckmaster kemudian mempertanyakan apakah OpenAI mungkin mendapatkan keuntungan dari pekerjaan yang mereka kerjakan menggunakan AI OpenAI dan Anthropic.

OpenAI membantah menggunakan pekerjaan mereka secara langsung.

Kini, yang menjadi perhatian bukan hanya apakah AI benar-benar berhasil menyelesaikan masalah matematika tersebut, tetapi juga bagaimana sebuah model AI sampai pada hasilnya dan bagaimana hasil tersebut harus diverifikasi.

Apa Itu Masalah Navier–Stokes?

Navier–Stokes bukan sekadar persamaan matematika yang terdengar rumit.

Persamaan tersebut digunakan untuk menggambarkan bagaimana fluida seperti air dan udara bergerak. Konsep yang berasal dari persamaan ini digunakan dalam berbagai bidang, mulai dari aerodinamika hingga pemodelan cuaca dan dinamika fluida.

Masalahnya adalah matematikawan belum berhasil membuktikan secara umum apakah solusi halus dari persamaan Navier–Stokes tiga dimensi akan selalu tetap halus, atau apakah solusi tersebut dapat mengalami singularity dalam waktu terbatas.

Sederhananya:

Apakah fluida yang awalnya berperilaku dengan baik bisa berubah menjadi kondisi matematis yang “meledak” dalam waktu terbatas?

Pertanyaan tersebut menjadi salah satu dari tujuh Millennium Prize Problems yang diumumkan Clay Mathematics Institute pada 2000. Setiap masalah memiliki hadiah sebesar US$1 juta bagi solusi yang memenuhi kriteria resmi.

Hingga saat ini, hanya satu dari tujuh masalah tersebut yang telah diselesaikan secara resmi, yaitu Poincaré conjecture yang dibuktikan Grigori Perelman.

Kini OpenAI mengatakan AI mereka telah menemukan jawaban untuk Navier–Stokes.

OpenAI Tidak Sekadar Menggunakan Satu Model

Bagian paling ekstrem dari cerita ini justru ada pada cara OpenAI melakukan pencariannya.

Menurut laporan The Wall Street Journal, OpenAI menggunakan model internal yang belum dirilis ke publik dan jauh lebih kuat dalam matematika dibandingkan GPT-6 Astra.

Model tersebut kemudian dijalankan dengan hingga 10.000 AI agent secara bersamaan untuk mengeksplorasi kemungkinan solusi. Prosesnya berlangsung sekitar 88 jam.

OpenAI mengatakan sistem tersebut menghasilkan sekitar 2,7 juta pesan dan menggunakan sekitar 130 miliar output token selama proses pencarian.

Skalanya sulit dibayangkan.

130 miliar token kira-kira setara dengan jutaan buku jika seluruh output tersebut dituliskan sebagai teks biasa.

Awalnya AI tersebut menjalankan pencarian terhadap enam masalah matematika terbuka sekaligus. Setelah sekitar 50 jam, sistem mulai menunjukkan kemajuan pada Navier–Stokes.

Peneliti OpenAI kemudian mengalihkan lebih banyak kapasitas komputasi ke masalah tersebut.

Jumlah agent yang digunakan akhirnya ditingkatkan dari sekitar 100 menjadi hingga 10.000 agent.

Hasil akhirnya adalah sebuah argumen matematika sepanjang sekitar 165 halaman.

Modelnya Bahkan Bukan GPT-6 Astra

Ini bagian yang cukup menarik jika dibandingkan dengan hype AI saat ini.

OpenAI baru saja memperkenalkan GPT-6 Astra, tetapi model yang digunakan untuk menemukan solusi Navier–Stokes ternyata merupakan model internal yang lebih baru.

OpenAI mengatakan model tersebut secara signifikan lebih kuat daripada Astra dalam matematika.

Dalam benchmark matematika internal OpenAI, Astra mampu menyelesaikan sekitar 10 persen soal, sedangkan model internal tersebut mendekati 50 persen.

Artinya, pencapaian Navier–Stokes ini bukan sekadar kemampuan yang sudah tersedia di chatbot OpenAI untuk pengguna umum.

Model tersebut masih merupakan sistem internal yang digunakan untuk eksperimen riset.

Dan justru karena itu, hasilnya menjadi semakin menarik.

OpenAI sedang menunjukkan seperti apa jadinya jika model reasoning yang sangat kuat digabungkan dengan ribuan agent yang bekerja secara paralel dan diberikan waktu serta compute dalam jumlah sangat besar.

Lalu Apa yang Sebenarnya Ditemukan AI?

Menurut OpenAI, solusi tersebut menunjukkan adanya kondisi di mana solusi halus dari persamaan Navier–Stokes dapat mengalami finite-time blowup.

Dalam bahasa sederhana, AI menghasilkan konstruksi matematis yang menunjukkan bahwa sebuah fluida yang awalnya halus dapat berkembang menuju singularity dalam waktu terbatas.

Konsep tersebut berkaitan dengan salah satu alternatif yang tercantum dalam formulasi resmi masalah Navier–Stokes milik Clay Mathematics Institute.

OpenAI kemudian tidak hanya menerbitkan tulisan penjelas.

Perusahaan juga merilis formalization dalam Lean, sebuah sistem yang memungkinkan argumen matematika diterjemahkan ke dalam bentuk yang dapat diperiksa komputer secara formal.

Ini adalah bagian penting dari klaim tersebut.

Karena bukti sepanjang 165 halaman sangat sulit diverifikasi hanya dengan membaca teksnya, formalization memberikan cara lain untuk memeriksa apakah langkah-langkah matematikanya memenuhi aturan formal yang ditentukan.

OpenAI bahkan menyediakan repository publik bernama NavierStokesAndEuler yang berisi formalization Lean untuk hasil Navier–Stokes dan Euler tersebut.

Tapi “Sudah Terpecahkan” Belum Tentu

Di sinilah kita perlu berhati-hati.

OpenAI sendiri tidak mengatakan bahwa Clay Mathematics Institute telah mengakui solusi tersebut sebagai penyelesaian resmi.

Judul publikasi OpenAI menggunakan kata “proposes a solution”, bukan “has officially solved the Millennium Prize Problem”.

Itu perbedaan yang sangat penting.

Dalam matematika, menghasilkan sebuah argumen yang terlihat benar belum otomatis berarti komunitas matematika telah menerima bukti tersebut.

Matematikawan perlu membaca argumennya, memeriksa setiap langkah, mencari kemungkinan kesalahan, dan memastikan bahwa hasil tersebut benar-benar memenuhi formulasi masalah yang dimaksud.

Bahkan formalization Lean tidak menghilangkan seluruh proses tersebut.

Lean dapat memeriksa bahwa sebuah bukti formal mengikuti aturan sistem dan library yang digunakan. Tetapi manusia tetap perlu memastikan bahwa formalization tersebut memang merepresentasikan klaim matematika yang dimaksud dan tidak terdapat asumsi atau definisi yang salah.

Karena itu, status paling tepat untuk saat ini adalah:

OpenAI telah menghasilkan dan mempublikasikan kandidat solusi yang dapat diperiksa, bukan hadiah Millennium Prize yang sudah resmi diberikan.

Muncul Drama dengan Matematikawan NYU

Masalah berikutnya justru jauh lebih manusiawi.

Pada waktu yang hampir bersamaan dengan pengumuman OpenAI, matematikawan NYU Tristan Buckmaster bersama peneliti Anthropic Levent Alpöge mempublikasikan hasil mereka yang berkaitan dengan Navier–Stokes.

Buckmaster kemudian mengungkapkan kekhawatirannya mengenai bagaimana OpenAI dapat bergerak ke arah pendekatan yang mirip dengan penelitian mereka.

Yang membuat situasinya sensitif adalah Buckmaster dan Alpöge memang menggunakan AI dalam pekerjaan mereka, termasuk OpenAI Codex dan Claude dari Anthropic.

Buckmaster mengatakan mereka memasukkan draft pekerjaan mereka ke dalam sesi Codex dan mempertanyakan apakah model internal OpenAI yang menghasilkan solusi Navier–Stokes memiliki akses terhadap data tersebut atau pernah dilatih menggunakan data tersebut.

Ini bukan tuduhan sederhana bahwa OpenAI “mencuri bukti”.

Pertanyaannya jauh lebih spesifik:

Jika peneliti memasukkan penelitian yang belum dipublikasikan ke sebuah layanan AI, lalu perusahaan AI tersebut kemudian menghasilkan hasil penelitian yang serupa, sejauh mana data tersebut dapat memengaruhi model?

OpenAI Membantah Mengakses Pekerjaan Mereka

OpenAI mengatakan tim dan agent yang mengerjakan solusi Navier–Stokes tidak melihat pekerjaan Buckmaster dan Alpöge sebelum pekerjaan tersebut dipublikasikan.

Sebastien Bubeck dari OpenAI mengatakan bukti yang dihasilkan kedua pihak juga memiliki perbedaan yang signifikan.

Namun OpenAI juga memberikan pernyataan yang lebih bernuansa.

Perusahaan mengatakan tidak ada data pengguna tertentu yang diakses untuk menyelesaikan masalah tersebut, tetapi mereka tidak dapat sepenuhnya mengesampingkan kemungkinan bahwa data pengguna yang telah dide-identifikasi secara tidak langsung ikut berkontribusi pada peningkatan model.

Pernyataan ini kemudian menjadi salah satu sumber kontroversi terbesar.

Bagi peneliti akademik, penelitian yang belum dipublikasikan bisa menjadi bagian paling berharga dari pekerjaan mereka.

Jika AI dapat menyerap ide tersebut sebelum publikasi dan kemudian menghasilkan hasil serupa, pertanyaan tentang kepemilikan ide, atribusi, privasi penelitian, dan kredit ilmiah menjadi semakin sulit dijawab.

AI Sekarang Mulai Masuk ke Wilayah Penemuan

Terlepas dari drama tersebut, ada satu hal yang sulit dibantah.

Kemampuan AI dalam matematika telah berkembang sangat cepat.

Beberapa tahun lalu, model bahasa sering gagal menyelesaikan persoalan matematika yang relatif sederhana. Sekarang perusahaan AI mulai menggunakan model mereka untuk mengeksplorasi masalah terbuka yang belum memiliki jawaban.

OpenAI bukan satu-satunya.

Anthropic dan Google juga telah melaporkan kemajuan AI dalam penelitian matematika. Matematikawan Terence Tao bahkan mengatakan perkembangan tersebut berpotensi membawa matematika dari era “proof scarcity” menuju “proof abundance”—situasi ketika kemampuan menghasilkan bukti menjadi jauh lebih cepat daripada kemampuan manusia untuk memeriksanya.

Jika tren tersebut benar-benar terjadi, masalah terbesar matematika di masa depan mungkin bukan lagi:

“Apakah kita bisa menemukan bukti?”

Melainkan:

“Bagaimana manusia memeriksa jutaan bukti yang ditemukan AI?”

OpenAI Tidak Mengambil Hadiah US$1 Juta

Ada satu detail menarik lainnya.

Meskipun Navier–Stokes merupakan salah satu Millennium Prize Problems dengan hadiah US$1 juta, OpenAI mengatakan tidak berniat mengklaim hadiah tersebut.

Perusahaan mengatakan tujuan publikasi tersebut adalah menunjukkan perkembangan kemampuan AI dalam melakukan penelitian ilmiah.

Keputusan ini juga masuk akal secara praktis.

Jika bukti tersebut nantinya diterima komunitas matematika, nilai sebenarnya bagi OpenAI bukanlah hadiah satu juta dolar.

Nilainya jauh lebih besar:

demonstrasi bahwa AI dapat melakukan sesuatu yang selama hampir satu abad gagal dilakukan manusia.

Jadi, Apakah AI Benar-Benar Memecahkan Navier–Stokes?

Untuk sekarang, jawabannya sebaiknya belum kita katakan sebagai fakta final.

Yang sudah diketahui adalah OpenAI telah:

* menghasilkan kandidat solusi untuk masalah Navier–Stokes;
* menerbitkan argumen matematis sekitar 165 halaman;
* menyediakan formalization menggunakan Lean;
* membuka repository untuk pemeriksaan;
* dan menyatakan bahwa hasil tersebut menunjukkan finite-time blowup dalam kondisi tertentu.

Tetapi komunitas matematika masih perlu memeriksa hasil tersebut secara independen.

Justru ini yang membuat berita tersebut lebih menarik daripada headline sederhana “AI memecahkan matematika 90 tahun.”

Untuk pertama kalinya, kita melihat sebuah sistem AI bukan hanya menjawab soal yang sudah diketahui jawabannya.

AI mulai mencoba menghasilkan pengetahuan matematika baru.

Dan sekarang manusia harus memutuskan apakah pengetahuan tersebut benar.

Bukan Sekadar Soal Matematika

Navier–Stokes mungkin terlihat seperti masalah yang sangat jauh dari kehidupan sehari-hari.

Padahal persamaannya digunakan untuk memahami berbagai fenomena fluida yang penting bagi ilmu pengetahuan dan rekayasa.

Jika AI semakin mampu membantu menyelesaikan persoalan fundamental seperti ini, dampaknya tidak berhenti pada matematika.

Teknologi serupa berpotensi digunakan untuk mencari solusi baru dalam fisika, kimia, material science, biologi, hingga rekayasa.

Namun ada satu perubahan besar yang menyertainya.

Kecepatan penelitian mulai tidak lagi dibatasi hanya oleh kemampuan manusia menemukan ide.

AI dapat menjalankan ribuan percobaan matematis secara paralel, mengevaluasi pendekatan yang berbeda, membuang jalan buntu, lalu mengembangkan pendekatan yang terlihat menjanjikan.

Dalam kasus OpenAI, proses tersebut melibatkan hingga 10.000 agent dan 130 miliar output token dalam sekitar 88 jam.

Itulah mungkin bagian paling penting dari cerita Navier–Stokes.

Bukan apakah AI sudah menggantikan matematikawan.

Melainkan bahwa cara manusia melakukan penelitian ilmiah mungkin baru saja berubah secara permanen.