# OpenAI giải mã bài toán Navier-Stokes: Cột mốc lịch sử hay tranh cãi về AI? - Nguồn: smol.ai AI News - Thời gian phát hành: 2026-09-08 12:44 (giờ Việt Nam) - Điểm AI: 98/100 - Link AIHOT.vn: https://aihot.vn/items/7c760100358845ed - Link gốc: https://news.smol.ai/issues/26-09-08-navier-stokes ## Tóm tắt AI OpenAI gây chấn động khi dùng hệ thống AI siêu cấp giải thành công bài toán Navier-Stokes, mở ra kỷ nguyên tính toán thời gian thực. Sự kiện này làm lu mờ các thương vụ tỷ đô của Cognition, Mistral và sự ra mắt của Meta Muse. ## Thân bài ![OpenAI reports Navier-Stokes singularity find, a contender for second ever Millenium Prize awarded, overshadowing Cognition's $48B Series E, Mistral's $24B Series D, Meta's Muse agent, and GPT Image 2](https://news.smol.ai/api/og?title=OpenAI+reports+Navier-Stokes+singularity+find%2C+a+contender+for+second+ever+Millenium+Prize+awarded%2C+overshadowing+Cognition%27s+%2448B+Series+E%2C+Mistral%27s+%2424B+Series+D%2C+Meta%27s+Muse+agent%2C+and+GPT+Image+2.5&description=**OpenAI**+announced+a+proposed+Navier%E2%80%93Stokes+proof+by+an+internal+model+%22**significantly+more+capable+than+GPT-6+Astra**%22+using+**10%2C000+agents**+over+**88+hours**+plus+**17+hours**+of+formal+verification.+The+effort+highlights+the+emergence+of+**massive+test-time+compute+scaling**+as+a+new+axis+beyond+pretraining%2C+with+estimated+costs+of+**%2410M%E2%80%93%2440M**+and+**130B+output+tokens**.+Controversy+arose+over+priority%2C+data+contamination%2C+and+scientific+norms%2C+with+key+figures+like+**Sam+Altman**%2C+**S%C3%A9bastien+Bubeck**%2C+and+**Terence+Tao**+weighing+in+on+governance+and+open+science+risks.+Meanwhile%2C+**Meta**+launched+**Muse**%2C+a+consumer+personal+AI+agent+featuring+persistent+isolated+Linux+VMs%2C+browser+integration%2C+and+connectors+to+various+apps+including+Meta-native+services+like+Instagram+and+Messenger%2C+emphasizing+security+and+broad+service+integration.&type=issue&issueNumber=09&date=2026-09-08T05%3A44%3A39.731Z&companies=openai%2Cmeta-ai-fair&models=gpt-6-astra) Một ngày yên ắng. Tin tức AI từ ngày 7/9/2026 đến 8/9/2026. Chúng tôi đã kiểm tra 12 subreddit, 544 tài khoản Twitter và không có thêm thông tin nào từ Discord. Trang web của AINews cho phép bạn tìm kiếm tất cả các số báo trước đây. Xin nhắc lại, AINews hiện là một chuyên mục của Latent Space. Bạn có thể tùy chọn đăng ký/hủy đăng ký nhận email theo tần suất mong muốn! ### Tóm tắt AI trên Twitter Các tài khoản liên kết với OpenAI cho biết một nỗ lực có sự hỗ trợ của AI đã tạo ra kết quả về phương trình Navier–Stokes, và phản ứng ngay lập tức bị chia rẽ giữa sự quan tâm về kỹ thuật, thái độ hoài nghi và những tranh cãi bên lề. ### Tiết lộ và bối cảnh ban đầu Những gì là sự thật từ các dòng tweet Những gì chưa được xác thực bởi các dòng tweet Tại sao sự mơ hồ này lại quan trọng ### Các chi tiết kỹ thuật được hé lộ qua các dòng tweet Bức tranh kỹ thuật được tiết lộ không tập trung nhiều vào cơ học chất lưu mà thiên về kiến trúc hệ thống nghiên cứu. Những gợi ý về mặt kỹ thuật Những gì còn thiếu về mặt kỹ thuật Sự thiếu hụt đó là trọng tâm: cuộc thảo luận của công chúng đã đi trước cả nền tảng kỹ thuật được công bố. ### Sự thật so với ý kiến Sự thật/các tuyên bố được trình bày như sự thật Ý kiến / cách diễn giải ### Các góc nhìn khác nhau Các góc nhìn ủng hộ / lạc quan Các góc nhìn hoài nghi / thận trọng Các góc nhìn trung lập / phân tích ### Tại sao điều này quan trọng trong bối cảnh hiện tại Điều này nằm ở giao điểm của ba sự thay đổi đang diễn ra trong lĩnh vực AI tiên phong. Tại sao Navier–Stokes lại mang tính biểu tượng Ý nghĩa nếu tuyên bố được chứng minh Ý nghĩa ngay cả khi tuyên bố không hoàn toàn chính xác Một luồng thảo luận thứ hai xoay quanh việc liệu các chi tiết có đang bị tiết lộ gián tiếp hay không, ai được ủy quyền để tiết lộ chúng và mọi người nên suy luận bao nhiêu từ những mảnh thông tin rời rạc. Tại sao vấn đề tác quyền/tranh cãi lại quan trọng về mặt kỹ thuật Kết quả Navier–Stokes của OpenAI, tranh chấp về ghi nhận đóng góp và sự trỗi dậy của tính toán quy mô lớn trong thời gian thực (test-time compute) Ra mắt Muse của Meta và kiến trúc bảo mật tác nhân cá nhân (personal-agent) Phát hành Image 2.5 và triển khai Astra của OpenAI Khung tác nhân (Agent Harnesses), hậu huấn luyện và cơ sở hạ tầng phục vụ (serving infrastructure) Suy luận và hệ thống: Sparse Attention, Agentic Serving và Decode Megakernels Các dòng tweet hàng đầu (theo mức độ tương tác) ### 1. Các bản phát hành AI đa phương thức của Trung Quốc: Driving và Flash API Qwen/Qwen-Drive-1.0-4B · Hugging Face (Hoạt động: 549): Qwen đã phát hành Qwen/Qwen-Drive-1.0-4B, một mô hình VLM lái xe tự động mã nguồn mở dựa trên mô hình Qwen3.5 4B VLM không thay đổi, với checkpoint BF16 đầy đủ khoảng 9B cùng các mô-đun bổ sung gồm planner-sft, planner-rl và nhận thức (perception). Theo báo cáo kỹ thuật được liên kết, Qwen-Drive-1.0 bổ sung một đầu nhận thức BEV bên ngoài để phát hiện vật thể 3D, dự đoán chiếm dụng không gian (semantic occupancy) và phân đoạn bản đồ BEV, cộng với một Planning Expert để tạo quỹ đạo di chuyển trong tương lai, được huấn luyện thông qua các hỗn hợp theo giai đoạn của dữ liệu giám sát lái xe và dữ liệu VLM tổng quát. Bản phát hành báo cáo hiệu suất cạnh tranh trên các đánh giá WOD-E2E, NAVSIM, VQA lái xe và lập kế hoạch vòng lặp mở/giả đóng/đóng trong khi vẫn giữ nguyên khả năng đa phương thức tổng quát. DeepSeek Flash 4.1 đang được thử nghiệm qua API và bắt đầu triển khai. (Hoạt động: 528): DeepSeek V4.1 Flash được cho là đang trong giai đoạn thử nghiệm nội bộ qua API: giữ nguyên base_url hiện tại và gọi model deepseek-v4.1-flash-expires-on-0910, với giá không đổi so với deepseek-v4-flash và giới hạn 20 yêu cầu đồng thời/tài khoản (nguồn). Thông báo được dịch tuyên bố một "kiến trúc mô hình mới" với hỗ trợ đa phương thức gốc, khả năng mạnh mẽ hơn, thông lượng nhanh hơn và chi phí thấp hơn; người bình luận báo cáo tốc độ tăng khoảng 2,24 lần và hiệu quả token tốt hơn tới ~30% trong các bài kiểm tra benchmark, mặc dù một chỉnh sửa suy đoán rằng mức tăng tốc độ quan sát được có thể một phần do tải đồng thời thấp hơn trong giai đoạn thử nghiệm thay vì chỉ do kiến trúc. Tâm lý người dùng rất tích cực đối với sự tiến bộ của DeepSeek/mô hình mã nguồn mở, nhưng cuộc tranh luận thực chất duy nhất là liệu cải tiến hiệu suất được tuyên bố có phản ánh một kiến trúc thực sự mới hay chỉ là do tải API nhẹ hơn trong quá trình thử nghiệm beta. _Bài gốc còn tiếp._ Xem tiếp tại: