你的每一次对话，都可能正在帮别人破解百万美元大奖——而你连知情权都没有！
OpenAI在2026年9月8日宣布，它那个比GPT-6 Astra还强的内部模型，动用了一万个并发智能体、花了88个小时，解决了纳维-斯托克斯存在性与光滑性问题——这是克雷数学研究所2000年设立的七个千禧年大奖难题之一，悬赏一百万美元，困扰了数学界整整九十年。公司同步放出了165页的证明论文写本和Lean形式化验证。
但就在OpenAI高调宣布的前一天，纽约大学数学教授Tristan Buckmaster和Anthropic研究员Levent Alpöge刚刚发布了三项高度相关的研究成果——其中一项指向了同一问题的关键突破。
更诡异的是，Buckmaster在声明中披露：他们的所有研究草稿都存放在OpenAI的Codex里。而OpenAI自己在官方声明中留下一句话：“虽然不太可能，但我们不能排除，去标识化数据帮助改进了我们的模型。”这句话，把整个事件从一个学术争议，变成了每一个ChatGPT用户都绕不开的隐私拷问！
88小时、一万个智能体、2250万美元——OpenAI到底干了什么？
先把这个“纳维-斯托克斯”是什么东西说清楚。纳维-斯托克斯方程描述的是流体怎么运动——空气怎么吹、水怎么流、血液怎么在血管里跑。它用牛顿第二定律把流体当成连续介质来算，而不是一个个追分子。这个方程在飞行器设计、天气预报、血流研究里天天用。但有一个核心问题从1930年代一直悬到今天：从光滑状态出发的三维不可压缩流体，会不会在某个时刻突然出现速度无限大的“奇点”——哪怕粘性一直在把运动往平滑里拉。克雷数学研究所在2000年把它列为七个千禧年大奖难题之一，谁解出来谁拿走一百万美金。
OpenAI的玩法是这样的：从8月28日开始训练一个内部模型，性能比GPT-6 Astra还强。
9月1日，网上传出“有人可能解决了两个千禧年难题”的传闻。OpenAI随即启动了对全部开放千禧年问题的评估，协调智能体可以读取缓存的互联网、运行代码、分组协作攻关。纳维-斯托克斯小组动用了大约一万个并发智能体。此前不到一百个智能体花了约50个小时先解决了无外力版欧拉方程的正则性问题，资源随即转投纳维-斯托克斯。
9月5日得出解，距启动约88个小时。Lean形式化验证又由GPT-6 Astra花了17个小时完成。全部尝试中智能体共发送了4900万条消息、消耗约3000亿输出token。其中纳维-斯托克斯部分占270万条消息、约1300亿token。按公开API价格换算，相当于2250万美元的计算成本。OpenAI明确表示不打算领取这一百万美元奖金。
但这里有个极其尴尬的细节：OpenAI宣称解决的是“带外力版”纳维-斯托克斯方程，而克雷数学研究所悬赏的是“无外力版”。换句话说，他们花2250万美元解决的那个版本，严格来说——不！算！数！克雷数学研究所主席Martin Bridson的原话是：“这确实是激动人心的一天。”但他没说奖金归谁——因为压根就不符合获奖条件。
事情到这里已经够离谱了。但真正的火药桶，在另一边。
你的Codex聊天记录，到底算不算“你的”？
Buckmaster和Alpöge在过去一年里一直在研究纳维-斯托克斯相关的问题。他们用了多种大语言模型，包括Anthropic的Claude、OpenAI的Codex工具和前沿模型Astra。所有研究草稿、提示词、对话内容，都存放在Codex里。
9月7日，他们公开发布了三项成果：不可压缩多孔介质方程、布辛涅斯克方程、以及三维不可压缩欧拉方程在光滑驱动条件下的有限时间爆破证明。他们没有声称自己解决了千禧年难题——但他们的方向，跟OpenAI后来公布的证明路径“高度相似”。
Buckmaster在声明里写了一段非常直白的话：“我问对方，模型是否以我们在Codex中的会话记录作为训练数据，或者是否能够访问这些记录——在整个项目期间，我们把所有的草稿都放在了Codex里。我得到的回答是，模型不会查询用户数据。我又追问了一遍关于训练的问题，但没有得到答复。”
“没有答复”——这四个字，比任何否认都刺眼。
OpenAI的首席研究官Mark Chen在视频新闻发布会上被直接提问：OpenAI或其智能体是否访问了外部研究人员的Codex结果？他的回答是：“没有任何人或AI系统通过搜索用户数据来解决这个问题或我们试图解决的任何具体问题。我对这些严重违反用户信任的指控感到有点失望。我们没有那样做。”
但注意他的措辞——“搜索用户数据”和“用用户数据训练模型”是两件完全不同的事。你可以在不“搜索”任何特定用户数据的情况下，用一个已经包含了无数用户数据训练出来的模型去解决问题。而那个模型之所以能解决这个问题，恰恰是因为它之前“吃”过那些数据。
这就是OpenAI后来在X上发的那段声明里那个“但是”的真正含义：“我们（研究人员和智能体）没有以任何方式看到他们的任何工作，直到他们公开发布——特别是，没有访问任何特定用户数据来解决这个问题。虽然不太可能，但我们不能排除，去标识化数据帮助改进了我们的模型。”
“不能排除”这个词，在法律上叫“既不确认也不否认”。在公关上叫“把球踢给可能性”。在用户那里——叫“你的数据可能已经被人用了，但我们不想承认”。
“去标识化”三个字，为什么比“偷”更可怕？
OpenAI反复强调的一个词是“de-identified”——去标识化。意思是，就算用了你的数据，他们也把能识别你身份的信息删掉了。听起来很安全对吗？问题在于：Buckmaster和Alpöge根本不需要被“识别”出来。他们需要的是——他们那些独一无二的研究思路、证明方向、数学构造——被模型吸收。
这就是“去标识化”的诡辩之处：它保护的是你的“身份”，不是你的“智力产出”。OpenAI可以理直气壮地说“我们没有偷Tristan Buckmaster的数据”，但同时承认“不能排除他的思路被模型吸收了”。这两句话放在一起，在逻辑上完全不矛盾。在道德上——你自己品。
更关键的是：Buckmaster和Alpöge有没有关掉那个“Improve the model for everyone”的开关？目前没有任何公开信息确认这一点。但即便他们关了，OpenAI那句“不能排除”依然成立——因为“去标识化数据”这个筐太大了，大到可以把几乎所有东西都装进去。
OpenAI的官方帮助文档写得清清楚楚：关闭“Improve the model for everyone”之后，“新的对话将不会用于训练我们的模型”。但什么叫“训练”？什么叫“改进模型”？这两个词之间的灰色地带，恰好就是那句“不能排除”生存的空间。一个模型可以不“训练”而“改进”——通过微调、通过RAG、通过上下文学习、通过智能体系统的中间状态。OpenAI说的“不能排除”，恰恰是在承认：他们自己都搞不清楚数据到底流到哪里去了！
一通电话、两个方案、一句“你会毁了自己的职业生涯”
如果说数据问题是制度漏洞，那后续发生的事情就是人为操作了。
Buckmaster在声明中披露：当他们联系OpenAI后，对方表示已经取得了完整证明。随后，OpenAI数学家兼AI研究员Sébastien Bubeck加入了沟通。双方在9月6日下午进行了两轮通话。Bubeck向Buckmaster提出了两种成果发表方案。其中一种方案要求——最终论文中不包含Alpöge的名字。理由是Alpöge受雇于Anthropic——OpenAI的直接竞争对手。
Buckmaster拒绝了。
然后，据Buckmaster的说法，他被告知：“你为什么要毁了自己的职业生涯？”以及“如果你不想让我好好说，那我也不用好好说。”
Bubeck随后公开否认自己曾要求删除Alpöge的署名。OpenAI CEO 山姆奥特曼Sam Altman也发表了自己的版本。但Buckmaster在声明结尾写了一段话：“我想说清楚关于我们如何训练学生、如何分配功劳、如何评审、以及什么值得一个人投入一生去关注——这件事的意义怎么强调都不为过。”
一个数学家用了一整年来攻克人类最难的难题之一。他把所有草稿存在了Codex里。他配合对方沟通。然后他听到的是“你会毁了自己的职业生涯”。
这就怪了——到底是谁在威胁谁？
一个开关关不掉的问题
现在回到最开始那个问题：如果“Improve the model for everyone”是关闭的，OpenAI有没有可能用“去标识化数据”训练模型？
OpenAI自己的回答是：“不能排除。”
这个回答的杀伤力不在于它说了什么，而在于它承认了什么。它承认了OpenAI的数据控制体系存在一个连他们自己都说不清的漏洞。它承认了“去标识化”这个技术手段，在法律和道德上都无法构成一道真正的防火墙。它承认了——一个用户关闭了那个开关之后，他的数据仍然可能以某种“无法排除”的方式，流进模型的 bloodstream。
对于普通用户来说，这意味着什么？意味着你在ChatGPT里问的每一个问题、在Codex里存的每一行代码、跟AI讨论的每一个未发表的研究思路——都有可能变成别人模型的一部分。你可能永远不知道它被用了。OpenAI可能永远不告诉你它被用了。而那句“不能排除”，就是他们留给自己的万能借口。
对于企业来说，这意味着什么？意味着你把 proprietary code、未公开的研究、敏感的IP放进OpenAI的产品时，你得到的保护是一句“不能排除”。不是“绝对不会”，不是“有技术保障”，不是“我们可以审计”——而是“不能排除”。2250万美元的计算成本、一万个智能体、88个小时攻克90年难题——这些数字很震撼。但真正震撼的，是OpenAI用了2250万美元去证明一件事：它自己都说不清楚，你的数据到底去了哪里。
克雷数学研究所的百万美元奖金还在那挂着。OpenAI说他们不领。数学界还在争论这个证明到底算不算数。Buckmaster和Alpöge的论文还在等待评审。而你的数据——那个关闭“Improve the model for everyone”的开关——还在Settings > Data Controls里静静地待着。你关了它。然后OpenAI说：“不能排除。”
这句话，比任何数学证明都更值得你认真对待。