Il post virale su OpenAI e Navier–Stokes: cosa dice NIK, cosa è vero e cosa manca

In breve: l'8 settembre 2026, mentre i matematici pubblicavano preprint e OpenAI convocava la stampa, la storia che ha fissato la percezione pubblica è stata scritta in 11 righe da un account pseudonimo: il post di NIK (@ns123abc), 1,4 milioni di views. Lo abbiamo verificato riga per riga contro i documenti: 4 affermazioni reggono, le altre sono fuorvianti, drammatizzate o incomplete — e la più importante resta senza risposta.

Ultimo aggiornamento: 9 Settembre 2026 · Evidenze congelate al 8 settembre 2026, ore 23:00 UTC

Come leggere le etichette di evidenza

OpenAI claim affermato da OpenAI, non verificabile pubblicamente · Independent evidence documento, preprint o pagina pubblica · Mathematically established scrutinio indipendente più formalizzazione coerente · Unverified metrica o contenuto non ispezionabile direttamente

Questo articolo parla di un post, non di un teorema. Il teorema — o meglio, i teoremi — li abbiamo ricostruiti nell'approfondimento su OpenAI e Navier–Stokes: cosa è stato davvero dimostrato. Qui interessa un'altra questione, che vale quanto la matematica: come ha fatto un riassunto di 11 righe, scritto da uno pseudonimo, a diventare per milioni di persone la versione ufficiale dei fatti prima ancora che i documenti fossero letti?

La risposta non è "perché dice la verità" né "perché mente". È che il post fa entrambe le cose insieme: incapsula fatti reali dentro una cornice che li eccede. Smontarlo pezzo per pezzo è l'unico modo serio di usarlo — ed è anche un esercizio di igiene informativa che resta valido per la prossima controversia scientifica virale, qualunque essa sia.

Cosa dice il post / What does the post say?

Risposta diretta: il post di NIK dell'8 settembre 2026, ore 11:34, riassume la versione dei matematici in 11 righe in stile greentext, con due screenshot allegati. Eccolo integralmente, citato come documento:

>math professor spends a year on one of the hardest unsolved problems in math
>"Navier-Stokes"
>his drafts for the whole project went through codex sessions
>openai had his logs in codex
>suddenly rumor leaks AI solved it
>he emails openai to ask what's going on
>openai calls within days
>"funny story, our model also solved it"
>using his exact approach
>asks openai: did you train on my sessions?
>no answer

Traduzione fedele: un professore passa un anno su uno dei problemi aperti più difficili, Navier–Stokes; tutte le bozze passano per sessioni Codex; OpenAI ha i suoi log; all'improvviso trapela la voce che l'AI l'ha risolto; lui scrive a OpenAI per chiedere spiegazioni; OpenAI lo chiama entro pochi giorni ("che coincidenza, anche il nostro modello l'ha risolto") con il suo stesso approccio; lui chiede se il modello è stato addestrato sulle sue sessioni; nessuna risposta.

Metriche verificate in pagina al momento della nostra ispezione: 1,4 milioni di views Independent evidence. Like e repost sono contatori live: lo snapshot segnalato era ~33,8k like e ~3,7k repost, il nostro fetch mostra ~35k e ~3,9k — deriva normale, non discrepanza. I due screenshot allegati non sono stati ispezionati da noi Unverified: nulla di ciò che contengono può entrare nei verdetti.

Chi lo ha amplificato / Who amplified it?

Risposta diretta: tre account con ruoli diversi: un aggregatore virale (NIK), un tecnico prudente (konstiwohlwend) e un commentatore partigiano (rynorhn). Confonderli è il primo errore di lettura.

NIK (@ns123abc) è uno pseudonimo attivo dal 2019, ~76,6k follower allo snapshot, specializzato in breaking news sul settore AI in stile sensazionalistico ("ITS HAPPENING"). Sulla persona fisica non esiste nulla di pubblico verificabile, e non va cercato: qui conta la funzione — un amplificatore ad alta portata con track record misto. Una wiki generata automaticamente gli attribuisce un passato in xAI: fonte debole, la riportiamo solo come attribuzione non verificata.

@konstiwohlwend è Konsti Wohlwend, builder a San Francisco (Hexclave, YC S24; ex intern Google e Jane Street; background da competizioni ICPC/IPhO), ~2,5k follower. Il suo "drama summary" è il più accurato dei tre e contiene l'avvertenza che gli altri omettono: i due matematici non hanno la prova del problema da un milione di dollari, ma di problemi imparentati. Piccola voce, amplificazione enorme: il caso da manuale di come la viralità premi la leggibilità, non l'autorevolezza.

@rynorhn è Ryan Orhan, commentatore AI (~3,7k follower, account del novembre 2025), già ripreso da Techmeme per altri temi. Il suo thread è cronaca in diretta fusa con invettiva esplicita contro OpenAI: va letto come advocacy, non come resoconto neutro — anche quando i fatti che riporta sono corretti.

Il verdetto riga per riga / Line-by-line verdicts

Risposta diretta: su 9 affermazioni, 4 reggono ai documenti, 1 è fuorviante, 1 è una drammatizzazione, 1 è incompleta, 1 è ambigua e 1 resta irrisolta. Ecco la matrice completa, il cuore di questo articolo:

Riga del post	Verdetto	Base documentale
Un professore, un anno sul problema	Confermata	Statement Buckmaster: collaborazione dal 19/09/2025, svolta il 15/08, Lean il 22/08
"Navier-Stokes", il problema più difficile	Fuorviante	Le prove pubblicate riguardano Euler/Boussinesq/IPM; su Navier–Stokes esiste solo il claim OpenAI non pubblico
Bozze nelle sessioni Codex	Confermata come dichiarato	Statement: Codex con GPT-5.6 Sol per l'intero progetto, costi pagati con fondi propri
"OpenAI had his logs"	Ambigua	Operatore del servizio sì; uso dei contenuti non stabilito — vedi i tre canali sotto
Rumor "AI solved it"	Confermata	Post-predizione di Curran più fraintendimento dello scenario ipotetico di Tao del 3/09
Email a OpenAI	Confermata	Email del 3/09 riportata integralmente nello statement
"Funny story, our model also solved it"	Drammatizzazione	Il resoconto parla di claim da ~100 pagine il 6/09; il tono da sketch è di NIK, la versione OpenAI è diversa
"Using his exact approach"	Irrisolta	Stessa via stretta secondo Buckmaster; OpenAI dice prova di Euler diversa (New Scientist); senza manoscritto non si decide
"Did you train on my sessions? No answer"	Incompleta	Domanda sul training senza risposta agli atti; ma lookup negato, accessi umani negati, diniego ufficiale arrivato dopo il post

Regola applicata anche qui: nessuna quantità di ottimizzazione può giustificare un'affermazione più forte dell'evidenza disponibile.

I tre canali dietro una domanda / The three data channels

Risposta diretta: "did you train on my sessions?" confonde tre cose diverse, con tre risposte diverse. È il vero buco informativo lasciato dal post — e il contributo originale di questo articolo.

1. Training — senza risposta agli atti

La policy OpenAI per i piani individuali (ChatGPT, Codex) prevede che i contenuti possano essere usati per il training salvo opt-out, con controlli separati per Codex; per Business/API il default è no. Buckmaster pagava di tasca propria, quindi il canale era astrattamente possibile — ma se quel modello interno li abbia usati non è stabilito da nessuno.

2. Lookup a runtime — negato

Alla domanda se il modello avesse consultato i dati utente, la risposta riportata è no. Il post non lo dice: "no answer" appiattisce una risposta parziale su una mancata risposta.

3. Accesso umano — negato da OpenAI

In conferenza stampa OpenAI ha negato accessi umani a Codex, con Mark Chen che estende la formula agli agenti ("that's also our understanding", New Scientist). Resta una dichiarazione aziendale, non una verifica indipendente — ma esiste, e il post è precedente.

Nota di metodo sui tempi che nessuno cita: bozze di agosto 2026 difficilmente abitano un modello addestrato mesi prima, salvo fine-tuning continui — ipotesi possibile ma non documentata. Anche il sospetto ha bisogno di un meccanismo, non solo di un movente.

Cosa manca nel post / What the post leaves out

Risposta diretta: tutto ciò che è arrivato dopo le 11:34 dell'8 settembre — cioè la seconda metà della storia.

Ore dopo il post, l'account ufficiale @OpenAI ha pubblicato due cose: l'annuncio della soluzione ("We're sharing a solution to the Navier-Stokes Millennium Prize Problem... The proof was produced by a group of agents...") e un diniego esplicito: congratulazioni ai due matematici più "did not see any of their work through any means until they released it publicly — in particular, no specific user data was accessed in order to solve..." (testo troncato dal "Show more", lo citiamo fino a dove è visibile). Bubeck ha aggiunto punti tecnici, a partire dalla genesi dello sprint: voci virali su due Millennium risolti da Anthropic. E in conferenza stampa sono emersi dettagli on-record assenti nel post: 1.000 agenti per 50 ore su Euler, poi 10.000 agenti per 11 ore sull'estensione, costo-cliente stimato ~$15 milioni (New Scientist).

Manca anche il resto del quadro: la smentita "false and inflammatory" con replica promessa, il botta e risposta Brown–Douglas, la validazione di Tao limitata a Euler, il risultato PINN indipendente di Anandkumar, il percorso Clay da due anni. Un post delle 11:34 non poteva contenerli; chi lo legge oggi deve sapere che la storia è andata avanti.

Timeline a strati: documenti, voci, post virali, stampa. Il post NIK comprime in 11 righe ciò che qui occupa tre corsie.

19/09/2025 → 22/08/2026 — Corsia documenti. Collaborazione, svolta del 15/08, Lean del 22/08, preprint del 7–8/09. Independent evidence
3 → 6/09 — Corsia voci e telefonate. Predizione di Curran, email del 3/09, sprint OpenAI dal 1/09, due telefonate del 6/09 in versioni contrastanti.
8/09 ore 11:34 — Corsia virale. Il post NIK congela la versione dei matematici a 1,4M views; i thread la dettagliano e la colorano.
8/09 pomeriggio–sera — Corsia stampa e dinieghi. Axios, Scientific American, New Scientist, TechCrunch; diniego ufficiale @OpenAI; Bubeck promette replica. Il post non li contiene.

Perché è esploso / Why it exploded

Risposta diretta: perché è una parabola morale perfetta in un formato perfetto: Davide contro Golia, 11 righe, un colpevole corporate e una domanda senza risposta nel finale.

Gli ingredienti sono misurabili: un protagonista simpatetico (il professore che paga di tasca propria), un sospetto strutturale (chi gestisce il tool vede i dati), una tempistica sospetta (pochi giorni tra voce e contro-annuncio), un finale aperto ("no answer") che invita alla condivisione più di qualsiasi conclusione. Le quote amplificano per indignazione, non per verifica: "rooting for Team Human Professors" è tifo dichiarato, e va bene — purché lo si riconosca come tifo.

Il paradosso che rende la storia interessante davvero: il thread più accurato (konstiwohlwend, che nega il Millennium) ha frazioni della portata del post più secco. La viralità ha premiato la compressione, non la precisione. È esattamente il meccanismo che il nostro primo articolo descriveva come collo di bottiglia: generare narrazioni è economico, verificarle resta costoso.

Come leggere i post virali sulla scienza / How to read viral science posts

Risposta diretta: con cinque controlli da un minuto ciascuno, gli stessi applicati qui.

Chi parla? Pseudonimo o firma verificabile? Track record o contatore di views? NIK è un amplificatore, non un testimone.
Cosa è citato? Il post linka documenti o solo altri post? Qui: zero link, due screenshot non ispezionabili.
Cosa è compresso? "Had his logs" nasconde tre canali tecnici diversi; ogni compressione è un'ipotesi di verifica.
Chi nega, e quando? Cerca sempre la replica con timestamp: il diniego @OpenAI è posteriore al post ma anteriore alla tua lettura.
Cosa resta aperto? Una domanda senza risposta ("training?") non è una prova di colpevolezza: è un'istanza istruttoria, e va trattata come tale.

Cosa sappiamo e cosa non sappiamo / Known vs unknown — 9 settembre 2026

Sappiamo

Il testo del post e le sue metriche principali (1,4M views verificate).
Chi sono i tre amplificatori e con quale stile.
Che 4 righe su 9 reggono ai documenti.
Che la policy Codex rende il training astrattamente possibile sui piani individuali.
Che OpenAI ha negato ogni accesso, in conferenza e su X.

Non sappiamo

Cosa mostrano i due screenshot allegati.
Se il modello interno sia stato addestrato sulle sessioni (domanda senza risposta).
Se la via di OpenAI coincida davvero con quella dei matematici (serve il manoscritto).
Chi sia NIK nella vita reale — e non serve saperlo.
Come finirà la replica promessa da Bubeck.

Audit quantitativo — 9 settembre 2026

Righe del post verificate: 9 — 4 confermate, 1 fuorviante, 1 drammatizzazione, 1 incompleta, 1 ambigua, 1 irrisolta.
Metriche verificate in pagina: views 1,4M; like/repost come snapshot con deriva (~33,8k→~35k; ~3,7k→~3,9k).
Account profilati: 3, tutti con bio e portée da snapshot datato; 0 dati personali non pubblici.
Documenti primari incrociati: statement, preprint, Tao, policy OpenAI (2 help center), post @OpenAI e Bubeck, 4 testate (Axios, SciAm, New Scientist, TechCrunch).
Screenshot allegati ispezionati: 0 su 2 — dichiaratamente esclusi dai verdetti.

Metodo e limiti: statistiche descrittive del corpus di questa indagine. Le metriche X sono contatori live e derivano nel tempo; i like dei thread secondari sono snapshot attribuiti, non verificati indipendentemente.

Conclusione senza tifo. Il post di NIK ha fatto il suo lavoro di amplificatore meglio di qualsiasi comunicato: ha messo un milione di persone davanti alla domanda giusta — chi controlla i dati con cui si fa la scienza — partendo da una ricostruzione parziale. Il nostro lavoro è l'opposto e il complemento: tenere la domanda, buttare la parzialità. Se anche il diniego di OpenAI fosse completo e sincero, resterebbe intatto il problema strutturale che il post ha reso visibile: quando gli strumenti della ricerca appartengono a chi compete nella ricerca, ogni coincidenza richiederà una prova di innocenza. E le prove di innocenza, in matematica come in cronaca, si pubblicano — non si annunciano.

Metodo e limiti: citazioni da X verificate via fetch diretto l'8–9 settembre 2026; testi troncati da "Show more" citati fino al visibile; metriche come snapshot datati. Aggiorneremo i verdetti a replica di Bubeck, manoscritto OpenAI o chiarimenti sulla policy.

Domande frequenti / FAQ

Cosa dice il post virale di NIK?

Riassume in 11 righe la versione dei matematici: un anno di lavoro su Navier–Stokes con bozze in Codex, voce di soluzione AI con lo stesso approccio, domanda senza risposta sull'addestramento sulle sessioni. Quattro righe reggono ai documenti, le altre sono parziali o aperte.

Chi è NIK (@ns123abc)?

Uno pseudonimo attivo dal 2019 che commenta notizie AI, con circa 76 mila follower allo snapshot. Sulla persona fisica non esiste nulla di pubblico verificabile: va valutato come amplificatore, non come testimone.

Il post è accurato?

In parte: anno di lavoro, bozze in Codex, email del 3 settembre e domanda sul training trovano riscontro; la cornice "Navier–Stokes risolto" è fuorviante e mancano i dinieghi arrivati dopo la pubblicazione.

OpenAI ha usato i dati Codex di Buckmaster?

Non è stabilito. Vanno distinti tre canali: training senza risposta agli atti, lookup negato, accessi umani negati da OpenAI. La policy rende il training astrattamente possibile sui piani individuali salvo opt-out.

Cosa manca nel post?

Il diniego ufficiale di OpenAI, i punti tecnici di Bubeck, i dettagli on-record della conferenza stampa, la validazione di Tao limitata a Euler e il percorso Clay. Il post è fermo alle 11:34 dell'8 settembre.

Chi sono konstiwohlwend e rynorhn?

Due amplificatori secondari: il primo un builder con background da competizioni scientifiche che firma il riassunto più prudente, il secondo un commentatore AI dal tono apertamente partigiano. Entrambi utili, nessuno dei due neutrale.

Fonti primarie e secondarie / Sources

Evidenza primaria e diretta — post @ns123abc 08/09 ore 11:34 (fetch diretto, 1,4M views); profili X @ns123abc, @konstiwohlwend, @rynorhn, @OpenAI (fetch diretti); statement Buckmaster (PDF NYU); help center OpenAI su training e Codex (articoli 5722486 e Codex FAQ). Reporting attribuito — New Scientist 08/09 (numeri sprint e dinieghi in conferenza), Axios, Scientific American, TechCrunch (policy Codex e opt-out), GadgetsNow, OfficeChai, Decoder, 4SAPI. Contesto matematico dal nostro approfondimento: OpenAI e Navier–Stokes: cosa è stato davvero dimostrato e English version of this fact-check.

Altri nostri approfondimenti sul metodo: Intelligenza Artificiale per PMI e come strutturiamo contenuti citabili.