Sam Altman kündigt die nächste Generation von GPT an, 10.000 Agenten bewältigen das Millenniumsproblem.

Ein wichtiger Hinweis zur nächsten Generation von GPT wurde von Sam Altman enthüllt.

Am 2. November Ortszeit enthüllte Altman auf der Energiekonferenz ADIPEC 2026 in Abu Dhabi, als er über den zuvor von OpenAI angekündigten mathematischen Durchbruch bei den Navier-Stokes-Gleichungen sprach, dass die Arbeit von 10.000 Agenten erledigt wurde, die von der bald erscheinenden nächsten Generation von GPT angetrieben werden.

https://www.youtube.com/watch?v=2YWfVGpVtvc&t=332s

Sie haben etwa vier Tage lang ununterbrochen zusammengearbeitet und waren die ganze Zeit koordiniert im Einsatz.

Altman betonte besonders, dass dieses System keine traditionelle Hierarchie und keine einheitliche Leitung hat. Jeder Agent kann selbstständig Forschungsrichtungen erkunden, Fortschritte teilen und auf Basis der bereits erzielten Ergebnisse entscheiden, was als Nächstes zu tun ist.

„Keine Hierarchie, kein Chef, vollständig dezentralisiert.“

Altman ist der Ansicht, dass dies eine völlig neue Art der Arbeit und der wissenschaftlichen Forschung darstellt.

Diese Äußerung gibt der Öffentlichkeit erstmals einen klareren Hinweis: Das Forschungsmodell, das bisher intern bei OpenAI verwendet wurde und dessen Fähigkeiten weit über GPT-6 Astra hinausgehen, ist sehr wahrscheinlich die nächste Generation von GPT, die bald für die Öffentlichkeit zugänglich gemacht wird.

10.000 Agenten

Wie lässt sich das jahrhundertealte mathematische Problem lösen?

Der Hauptakteur dieses Experiments ist die Navier-Stokes-Gleichung.

Sie beschreibt die Bewegungsgesetze von Fluiden wie Wasser und Luft und ist eines der grundlegendsten mathematischen Werkzeuge der Strömungsmechanik. Von der Flugzeugkonstruktion über die Wettervorhersage bis hin zur Erforschung der Blutströmung ist diese Gleichungsgruppe unverzichtbar.

Aber ein grundlegendes mathematisches Problem im Zusammenhang mit ihr beschäftigt Forscher seit fast 90 Jahren: Kann eine ursprünglich glatte Fluidbewegung im dreidimensionalen Raum in endlicher Zeit plötzlich eine Singularität aufweisen?

Einfach ausgedrückt wird die Fluidgeschwindigkeit in endlicher Zeit unendlich groß, und der ursprünglich glatte Bewegungszustand gerät im mathematischen Sinne außer Kontrolle.

Im Jahr 2000 nahm das Clay Mathematics Institute dieses Problem in die sieben Millennium-Probleme der Mathematik auf und setzte für jedes Problem ein Preisgeld von einer Million US-Dollar aus.

Am 8. September dieses Jahres veröffentlichte OpenAI offiziell diese Forschungsergebnisse.

Nach Angaben von OpenAI hat das interne Modell einen mathematischen Beweis erstellt: Unter der Bedingung, dass eine glatte äußere Kraft ausgeübt wird, kann ein Fluid, das ursprünglich ruht und einen glatten Bewegungszustand aufweist, in endlicher Zeit eine Singularität bilden, während die Gesamtenergie endlich bleibt.

Der Schlüssel zu dieser Konstruktion ist ein Wirbel, der sich ständig nach innen zusammenzieht und gleichzeitig gestreckt wird. Mit zunehmender Verkleinerung des Wirbelkerns steigt die Rotationsgeschwindigkeit stetig an, was schließlich zu einer Geschwindigkeitsdivergenz in endlicher Zeit führt. OpenAI gibt an, dass dieser Beweis die Fälle C und D der offiziellen Formulierung des Navier-Stokes-Problems löst, und hat gleichzeitig das Arbeitspapier und die formale Beweisdokumentation in Lean veröffentlicht.

Was wirklich überraschend ist, ist der Forschungsprozess dahinter.

OpenAI gab bekannt, dass das gesamte Experiment am 1. September gestartet wurde. Die Forscher ließen verschiedene Agentengruppen unterschiedliche mathematische Probleme und Beweiswege erkunden. Die Agenten konnten zwischengespeicherte Internetinformationen lesen und auch Code ausführen.

Im Laufe der Forschung stellte das Team fest, dass der Durchbruch bei den Problemen im Zusammenhang mit der Euler-Gleichung neue Hinweise für die Navier-Stokes-Forschung lieferte, und verlagerte daher mehr Rechenressourcen auf letztere. Anschließend nutzte OpenAI Codex, um die Zwischenergebnisse der verschiedenen Agentengruppen zu ordnen, und leitete die wertvollen Erkenntnisse an andere Gruppen weiter, um die weitere Forschung voranzutreiben.

Während des Experiments durchlief das interne Modell zudem eine weitere Trainingsaktualisierung, und die Agenten wurden entsprechend aktualisiert. Schließlich erreichte die Anzahl der an der Navier-Stokes-Forschung beteiligten Agenten etwa 10.000. Sie schlossen die zentralen mathematischen Erkundungen in etwa 88 Stunden ab, tauschten dabei 2,7 Millionen Nachrichten aus und erzeugten etwa 130 Milliarden Token. Danach verbrachte GPT-6 Astra weitere 17 Stunden, um die Formalisierung und Verifizierung über Lean abzuschließen.

Von der Problemzerlegung und parallelen Erkundung bis zur Zusammenfassung der Ergebnisse und der mathematischen Verifizierung ist dies bereits ein recht vollständiger Prozess der KI-gestützten wissenschaftlichen Forschung.

Nächste Generation von GPT

Kernänderung könnte in der Zusammenarbeit von Agenten liegen

Das Bemerkenswerteste an den Informationen, die Altman diesmal enthüllt hat, ist: Die Fähigkeiten der nächsten Generation von GPT sind möglicherweise nicht mehr darauf beschränkt, dass ein einzelnes Modell eine komplexe Schlussfolgerung durchführt.

Dieses Experiment zeigt eine andere Arbeitsweise: Eine große Anzahl von Agenten, die von demselben Basismodell angetrieben werden, führen parallele Erkundungen durch, tauschen ihre Forschungsfortschritte miteinander aus und bilden schrittweise Forschungsergebnisse, die weiter vorangetrieben werden können.

Natürlich bedeuten 10.000 Agenten nicht 10.000 unabhängig trainierte Supermodelle. Sie werden von demselben internen Modell angetrieben und erledigen die Aufgabe gemeinsam über Tools, gruppierte Kommunikation und Ergebnisintegration. Dieses System ist nicht kostenlos.

In einem Podcast-Gespräch am 29. Oktober mit John Collison, dem Mitbegründer von Stripe, enthüllte Altman, dass OpenAI allein für diese Navier-Stokes-Forschung etwa 10 Millionen US-Dollar investiert hat – möglicherweise sogar etwas mehr. Gleichzeitig ging er eine Wette ein: Bis September 2027 wird OpenAI voraussichtlich in der Lage sein, dieselbe Arbeit zu etwa einem Hundertstel der aktuellen Kosten erneut durchzuführen.

Der Kostenrückgang wird von intelligenteren Modellen und besseren Forschungsmethoden ausgehen. Das bedeutet auch, dass die Veröffentlichung der nächsten Generation von GPT zwei Veränderungen mit sich bringen könnte: Die Fähigkeiten des Basismodells selbst werden weiter verbessert, und die Effizienz der groß angelegten Zusammenarbeit von Agenten wird ebenfalls gesteigert.

Allerdings hat Altman bisher weder das spezifische Modell der nächsten Generation von GPT noch den offiziellen Veröffentlichungstermin bekanntgegeben, noch erläutert, ob normale Benutzer direkt das System zur Zusammenarbeit von zehntausend Agenten aus diesem Experiment aufrufen können.

Referenzlink: https://x.com/Hesamation/status/2117261058650112105

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto "Synced" und wird von 36Kr mit Genehmigung veröffentlicht.