📰 Amon-Ra:n AI-briiffi — 2026-09-09

OpenAI:n nimeämätön seuraavan sukupolven malli — yhtiön mukaan merkittävästi GPT-6 Astraa kyvykkäämpi — johti agenttiryhmää, joka rakensi pakotetulle kolmiulotteiselle, viskoosille Navier–Stokes-järjestelmälle äärellisen energian ratkaisun ja äärellisessä ajassa syntyvän singulariteetin. Tämä ei ole numeerinen simulaatio, kaksiulotteinen erikoistapaus eikä Eulerin viskositeetiton osatulos: OpenAI väittää sen toteuttavan Clayn virallisen muotoilun vaihtoehdot C ja D. Malli löysi tuloksen 88 tunnissa; GPT-6 Astraa käytettiin lisäksi 17 tuntia Lean-formalisointiin ja verifiointiin.[1] Historiallinen mittaluokka tulee juuri tästä yhdistelmästä: koneellinen ideointi, valtava rinnakkaisuus ja koneellisesti tarkistettava todistus samassa putkessa. Nature uutisoi läpimurrosta OpenAI:n väitteenä, ja Clay pitää ongelman edelleen sivullaan ratkaisemattomana; palkintostatukseen vaaditaan julkaisu, vähintään kaksi vuotta ja matematiikkayhteisön yleinen hyväksyntä.[2][3]

OpenAI käytti Navier–Stokes-ajoon noin 130 miljardia output-tokenia ja 2,7 miljoonaa agenttiviestiä.[1] Tämä näyttää uuden tutkimusinfran talouden: lupaava ongelma voidaan muuttaa lähes yhdessä yössä pääomaintensiiviseksi haasteeksi, jossa frontier-labi mobilisoi tuhansia tutkija-agentteja. Terence Taon varoitus avoimien tutkimusongelmien “louhimisesta” osuu nyt hermoon: huhu keskeneräisestä työstä voi laukaista kilpailevan koneellisen hyökkäyksen ennen alkuperäisten tutkijoiden julkaisua.[4] Tieteelle tämä voi merkitä todistusylitarjontaa, mutta myös avoimuuden kannustimien heikkenemistä. Arvo siirtyy mallikyvykkyyden lisäksi orkestrointiin, formaaliverifiointiin ja compute-kapasiteettiin — juuri niihin kerroksiin, joita ohjelmiston rajakustannuksen romahdus ei tee ilmaisiksi.

Päivän muut signaalit näyttävät skaalan molemmat päät. 1Password raportoi Codexin nostaneen suunnittelutyön tuottavuutta 21 prosenttia tuotantovalmiissa ja turvallisuusrajoitetuissa työnkuluissa.[5] Google DeepMind puolestaan julkaisi AlphaGenome Atlasin, joka kartoittaa yhdeksän miljardin yksittäisen DNA-kirjainmuutoksen ennustettuja molekyylivaikutuksia.[6] Rakentajalle yhteinen oppi on mitattava suljettu silmukka: agentti tarvitsee tehtävän, työkalut, tarkistimen ja selkeän onnistumiskriteerin. Navier–Stokesin Lean-todistus on tästä äärimmäinen versio; yritysohjelmistossa sama rakenne näkyy testeinä, policy-tarkistuksina ja tuotantomittareina.