Навье—Стокс, Отелбаев и 25 медалистов Филдса: зачем эпохе ИИ сильная математическая школа

Двенадцать лет назад казахстанские математики уже оказались внутри мировой дискуссии вокруг одной из самых сложных задач современной математики. Сегодня искусственный интеллект решает открытые задачи за считанные дни, и эта история снова стала актуальной.

Подготовлено RD media

В предыдущем материале REAL DIGITAL мы рассказывали о заявленном OpenAI решении задачи Навье—Стокса, споре о научном приоритете и новой роли искусственного интеллекта в математике.

Предыдущая статья REAL DIGITAL — «OpenAI заявила решение задачи тысячелетия»

И закончили обещанием отдельно вернуться к казахстанской части этой истории — к академику Мухтарбаю Отелбаеву и математической школе, которая много лет работает с дифференциальными уравнениями, функциональным анализом и математической физикой.

Обещали — рассказываем.

Причём за несколько дней сама история стала ещё интереснее.

25 медалистов Филдса вмешались в разговор об ИИ и математике

11 сентября 2026 года 25 обладателей медали Филдса опубликовали декларацию *A Severe Misalignment of AI in Mathematics* — «Серьёзное рассогласование ИИ и математики».

На официальном сайте Math and AI перечислены все 25 первоначальных подписантов, и возле каждого указана медаль Филдса и год её получения. Среди них — Теренс Тао, Пьер Делинь, Максим Концевич, Петер Шольце, Марина Вязовская, Седрик Виллани, Ефим Зельманов и другие крупнейшие математики современности.

[Официальный текст декларации Math and AI](https://mathandai.org/)

Среди первых подписантов — 25 обладателей медали Филдса. К моменту подготовки материала декларацию поддержали более 3 300 человек из академической и научной среды. Сайт предлагает подтверждать подпись через ORCID или академическую электронную почту.

[Список поддержавших декларацию](https://mathandai.org/endorsers.php)

Позицию авторов легко упростить до «математики выступили против ИИ».

Но содержание декларации значительно интереснее.

Авторы прямо признают: математические способности больших языковых моделей резко выросли — настолько, что системы уже способны решать серьёзные открытые задачи. ИИ, по их словам, может усиливать и ускорять настоящее математическое исследование.

Их беспокоит другое.

Математика — это больше, чем получение правильного ответа.

Большое доказательство должно быть прочитано, проверено, понято, сопоставлено с предыдущими результатами. Из него нужно выделить новую идею, понять её границы, связать с другими областями и передать следующим поколениям исследователей.

Авторы декларации называют студентов и идеи важнейшими ресурсами математической профессии. Эти ресурсы выращиваются через лекции, семинары, личные обсуждения и тщательно написанные работы — то есть через процессы, которые требуют времени и человеческого взаимодействия.

Есть ещё два риска.

Первый — атрибуция. Когда AI-результаты объявляются слишком быстро, может не остаться времени на полноценный обзор предыдущих работ, выделение действительно новой идеи и корректное указание научного приоритета. Авторы декларации прямо связывают это с вопросами плагиата и авторства.

Второй — ещё фундаментальнее. Если новые AI-идеи некому будет проверять, развивать и включать в математический канон, может оборваться то, что авторы называют человеческой цепочкой передачи математического знания.

И тут возникает основной вопрос.

Что произойдёт, если машины научатся производить кандидаты на великие доказательства быстрее, чем научное сообщество сможет их проверять, понимать и передавать дальше?

Для Казахстана это не абстрактная тема.

Двенадцать лет назад наша математическая школа уже прошла собственную историю вокруг той же задачи Навье—Стокса.

Мухтарбай Отелбаев и почти сто страниц доказательства

В конце 2013 года академик Мухтарбай Отелбаев опубликовал работу «Существование сильного решения уравнения Навье—Стокса».

Статья вышла в казахстанском *Математическом журнале*, том 13, №4 (50), страницы 5–104.

Почти сто страниц математики.

Отелбаев утверждал, что получил существование и единственность сильного решения трёхмерной задачи Навье—Стокса в рассматриваемой постановке.

Если бы ключевые утверждения работы выдержали независимую проверку и позволили закрыть официальную постановку Clay Mathematics Institute, речь могла идти об одной из семи задач тысячелетия.

Сегодня Clay Mathematics Institute по-прежнему относит Navier–Stokes Equation к открытым Millennium Prize Problems.

[Clay Mathematics Institute — Navier–Stokes Equation](https://www.claymath.org/millennium/navier-stokes-equation/)

Но история Отелбаева намного глубже формулы «заявил решение — нашли ошибку».

К 2013 году он был давно сформировавшимся учёным с десятилетиями работы в функциональном анализе, теории дифференциальных операторов и нелинейных уравнениях.

Сегодня официальный сайт Института математики и математического моделирования по-прежнему включает Мухтарбая Отелбаева в список сотрудников и указывает его как академика Национальной академии наук Казахстана, профессора и доктора физико-математических наук.

[Профиль Мухтарбая Отелбаева](https://www.math.kz/profile/otelbaev-muhtarbay-otelbaevich)

За работой 2013 года стояла многолетняя программа

Отелбаев пришёл к Навье—Стоксу не внезапно.

В 2008 году вместе с Аcетом Дурмагамбетовым и Ержаном Сейткуловым он опубликовал работы об условиях существования глобального сильного решения для класса нелинейных эволюционных уравнений в гильбертовом пространстве.

В аннотации одной из этих работ прямо сказано, что рассматриваемое нелинейное операторно-дифференциальное уравнение является абстрактной моделью системы Навье—Стокса.

[Math-Net.Ru — работы Отелбаева, Дурмагамбетова и Сейткулова](https://www.mathnet.ru/php/archive.phtml?jrnid=smj&option_lang=rus&paperid=1866&wshow=paper)

В 2011 году вышла отдельная статья Отелбаева «Примеры не сильно разрешимых в целом уравнений типа Навье—Стокса».

[Math-Net.Ru — работа Отелбаева 2011 года](https://www.mathnet.ru/php/archive.phtml?issue=5&jrnid=mzm&option_lang=rus&volume=89&wshow=issue&year=2011)

То есть статья 2013 года стала продолжением вполне определённой исследовательской программы.

И замысел был очень амбициозным.

Как Отелбаев пытался подойти к Навье—Стоксу

Главная трудность трёхмерных уравнений Навье—Стокса связана с глобальным поведением решения.

Нужно понять, можно ли гарантировать, что гладкое решение всегда останется достаточно регулярным, или при допустимых условиях за конечное время способна возникнуть сингулярность — математический «взрыв».

Отелбаев пошёл через более общий класс нелинейных эволюционных уравнений в гильбертовом пространстве.

Вместо специального приёма только для движения жидкости он пытался получить достаточно сильные априорные оценки для широкой абстрактной системы.

Если такая общая теорема работает, Навье—Стокс становится одним из её важнейших частных случаев.

Американский математик Стивен Монтгомери-Смит, который в январе 2014 года начал подробно читать русскоязычную работу, обратил внимание именно на эту особенность: сначала строится очень общая теорема, а уже из неё должен следовать глобальный результат для Навье—Стокса.

В пятой и шестой главах Отелбаев вводил дополнительную конструкцию, связанную с деформацией решения по вспомогательному параметру. Идея состояла в том, чтобы перевести сложный объект в форму, для которой можно получить нужную оценку, сохраняя существенные свойства.

Центральным становилось утверждение Theorem 6.1.

И именно здесь началась самая жёсткая проверка.

[Подробная хронология разбора работы Отелбаева](https://math.stackexchange.com/questions/634890/has-prof-otelbaev-shown-existence-of-strong-solutions-for-navier-stokes-equatio/653326)

Сто страниц начали разбирать всем миром

После появления новости работу стали читать математики в разных странах.

Возник коллективный перевод с русского на английский. На профессиональных форумах стали разбирать определения, оценки и переходы.

Это принципиальная часть истории.

В фундаментальной математике публикация большого доказательства означает начало независимой проверки.

Другие специалисты начинают искать скрытое предположение, слишком сильную оценку или контрпример.

В случае Отелбаева такие места нашли.

Участник математического форума под псевдонимом sup построил контрпример к одному из центральных абстрактных утверждений.

После того как Отелбаев предложил дополнительное условие, Монтгомери-Смит сообщил, что Теренс Тао увидел способ модифицировать контрпример так, чтобы дополнительное условие тоже не спасало теорему.

Параллельно была обнаружена конкретная проблема внутри самого доказательства.

14 февраля 2014 года Отелбаев написал Монтгомери-Смиту, что неравенство (6.34) на странице 56 некорректно, вследствие чего Proposition 6.3 остаётся недоказанным.

Важно не смешивать две вещи.

Был контрпример к центральному абстрактному утверждению.

И отдельно было конкретное место внутри доказательства, ошибку в котором признал сам автор.

Поэтому история сложнее, чем «в ста страницах нашли одну опечатку».

Заявленное доказательство задачи тысячелетия признания не получило.

Так работает серьёзная математика

Большой результат обязан выдерживать попытки его разрушить.

Исследователь предлагает идею.

Другие исследователи проверяют её.

Кто-то ищет контрпример.

Кто-то обнаруживает слабый переход.

Автор отвечает на замечания.

Часть конструкции может сохраниться, часть приходится перестраивать, а иногда центральная теорема оказывается неверной.

Именно так работает механизм самокоррекции науки.

Причём Монтгомери-Смит во время разбора отдельно подчёркивал математическую компетентность Отелбаева. Его концептуальный вопрос состоял в том, может ли настолько общий абстрактный аппарат действительно дать настолько сильный результат для Навье—Стокса.

Это важное различие.

Отелбаев не был случайным человеком, который объявил сенсацию.

Сильный математик построил сложную исследовательскую программу, центральное утверждение которой не выдержало полной проверки.

И здесь появляется Теренс Тао

4 февраля 2014 года Теренс Тао опубликовал работу *Finite time blowup for an averaged three-dimensional Navier-Stokes equation*.

Это не было прямым опровержением Отелбаева.

Тао сделал более широкий шаг.

Он построил усреднённую модификацию трёхмерного Навье—Стокса, которая сохраняет многие стандартные функциональные оценки и энергетическое тождество настоящего уравнения, но при этом допускает blow-up за конечное время.

Из этого следовал важный методологический вывод: одних общих оценок и энергетического баланса может оказаться недостаточно. Для решения настоящей задачи, вероятно, нужно использовать более тонкую специальную структуру нелинейности Навье—Стокса.

[Terence Tao — Finite time blowup for an averaged three-dimensional Navier-Stokes equation](https://terrytao.wordpress.com/2014/02/04/finite-time-blowup-for-an-averaged-three-dimensional-navier-stokes-equation/)

И это удивительно хорошо рифмовалось с вопросом, который возник при чтении работы Отелбаева: достаточно ли общих абстрактных свойств системы для настолько сильного результата?

История одного доказательства превратилась в разговор о границах целого класса математических методов.

Причём всё это происходило внутри казахстанской математической среды

18 декабря 2013 года, ещё до международного ажиотажа, в Алматы прошёл научный форум Казахстанского математического общества.

В нём участвовали более 200 математиков.

Среди научных тем отдельно обсуждалось существование сильного решения уравнений Навье—Стокса.

На форуме выступали Мухтарбай Отелбаев, Тынысбек Кальменов, Махмуд Садыбеков, Наргозы Данаев и другие казахстанские учёные.

[Форум Казахстанского математического общества, 18 декабря 2013 года](https://www.zakon.kz/redaktsiia-zakonkz/4592243-v-almaty-sostojalsja-nauchnyjj-forum.html)

Это меняет оптику всей истории.

Перед нами была не изолированная попытка одного человека.

В Казахстане существовала профессиональная среда, способная разговаривать о задачах такого класса на языке функционального анализа, дифференциальных уравнений, спектральной теории, математической физики и вычислительных методов.

Люди, из которых складывается школа

Здесь важно назвать фамилии.

Мухтарбай Отелбаев — академик, профессор, доктор физико-математических наук. Его научная линия включает функциональный анализ, дифференциальные операторы и нелинейные уравнения. Сегодня он по-прежнему числится среди сотрудников Института математики и математического моделирования.

Асет Дурмагамбетов и Ержан Сейткулов — соавторы Отелбаева по работам 2008 года о глобальных сильных решениях нелинейных эволюционных уравнений. Эти исследования непосредственно предшествовали попытке 2013 года.

Тынысбек Кальменов — академик, профессор, доктор физико-математических наук, специалист по спектральной теории и краевым задачам. На официальной странице Института указано более ста его работ.

[Профиль Тынысбека Кальменова](https://math.kz/profile/kalymenov-tynysbek-sharipovich)

Анварбек Мейрманов — профессор и доктор физико-математических наук, специалист по уравнениям в частных производных, усреднению, задачам со свободными границами и математическому моделированию. В 2014 году он был одним из активных казахстанских участников профессиональной дискуссии вокруг работы Отелбаева.

[Math-Net.Ru — Анварбек Мейрманов](https://www.mathnet.ru/rus/person23249)

Наргозы Данаев — крупный представитель казахстанской вычислительной математики и математического моделирования, работавший в том числе с численными задачами гидродинамики и Навье—Стокса. Он ушёл из жизни в 2014 году, оставив научные работы и учеников.

Махмуд Садыбеков — профессор, доктор физико-математических наук, член-корреспондент Национальной академии наук Казахстана. Его направления — дифференциальные уравнения, математическая физика, спектральные, краевые и обратные задачи.

[Профиль Махмуда Садыбекова](https://math.kz/profile/sadybekov-mahmud-abdysametovich)

Нурлан Даирбеков — представитель современной казахстанской школы математической физики, геометрии и анализа.

И школа значительно шире одной линии Навье—Стокса.

Аскар Жумадильдаев — один из наиболее известных казахстанских алгебраистов.

Уалбай Умирбаев вместе с Иваном Шестаковым решил знаменитую гипотезу Нагаты о диких автоморфизмах полиномиальной алгебры. За фундаментальные работы Шестаков и Умирбаев получили E. H. Moore Research Article Prize Американского математического общества.

[American Mathematical Society — E. H. Moore Research Article Prize](https://www.ams.org/publications/journals/notices/201604/rnoti-p426.pdf)

Дурвудхан Сураган — PhD, специалист по спектральной геометрии, анализу и теории потенциала, сегодня работающий в Институте математики и математического моделирования.

[Профиль Дурвудхана Сурагана](https://math.kz/profile/r5tr5tr5tr5trtfhtfhth)

Нияз Токмагамбетов представляет следующее поколение исследований в области дифференциальных уравнений, псевдодифференциальных операторов и спектральной теории.

[Math-Net.Ru — Нияз Токмагамбетов](https://www.mathnet.ru/rus/person57169)

Это разные поколения.

Разные направления.

Разные научные траектории.

И именно в этом смысл слова «школа».

Математическая школа — это не одна фамилия

Сильную научную школу определяет способность существовать дольше одной карьеры и одной теоремы.

Есть старшие учёные и ученики.

Есть семинары.

Есть институт.

Есть журнал.

Есть международные связи.

Есть люди, которые способны профессионально критиковать результаты друг друга.

И есть следующее поколение, которое получает уже собственные результаты.

Сегодня Институт математики и математического моделирования продолжает объединять исследователей нескольких поколений и направлений.

[Институт математики и математического моделирования](https://www.math.kz/)

А в редакционной коллегии *Kazakh Mathematical Journal* рядом находятся представители разных поколений казахстанской математики — в том числе Отелбаев, Кальменов, Даирбеков, Жумадильдаев, Умирбаев, Сураган и Токмагамбетов.

[Kazakh Mathematical Journal — редакционная коллегия](https://math.kz/category/mathematical-journal?tab=author)

Это и есть та самая человеческая цепочка передачи знания, о которой сегодня предупреждают авторы декларации Math and AI.

Для них важнейшие ресурсы математической профессии — не только готовые теоремы.

Это люди и идеи, которые должны быть выращены, поняты и переданы дальше.

Казахстанская история хорошо показывает, как это выглядит на практике.

И именно в этот момент в неё входит искусственный интеллект.

10 000 ИИ-агентов против задачи тысячелетия

8 сентября 2026 года OpenAI опубликовала собственный результат по Навье—Стоксу.

Компания утверждает, что её система получила аналитическое доказательство того, что первоначально гладкая жидкость в состоянии покоя при гладкой внешней силе может развить сингулярность за конечное время. OpenAI считает, что это устанавливает варианты C и D официальной постановки Clay.

При этом Clay пока продолжает относить задачу к открытым.

Поэтому наиболее точная формулировка на сегодня остаётся прежней:

OpenAI заявила решение; окончательное независимое признание математическим сообществом и Clay ещё не завершено.

Масштаб вычислительного эксперимента беспрецедентный.

По данным OpenAI, группа, которая получила результат по Навье—Стоксу, включала порядка 10 000 одновременно работающих агентов.

От запуска первых агентов до нахождения конструкции прошло около 88 часов.

Ещё 17 часов заняли формализация и проверка в Lean.

Только при работе над Навье—Стоксом агенты отправили 2,7 млн сообщений и использовали примерно 130 млрд выходных токенов.

По всем атакованным задачам суммарно — 4,9 млн сообщений и около 300 млрд output tokens.

[OpenAI — On the Navier–Stokes Millennium Prize Problem](https://openai.com/index/navier-stokes-solution/)

Сравнение с 2014 годом получается почти символическим.

Тогда — один математик, около ста страниц и недели международной проверки.

Теперь — десять тысяч агентов и несколько суток машинного поиска.

Но появляется ещё один фактор.

Цена.

Что произойдёт, когда такой поиск станет дешёвым

11 сентября инвестор Jamin Ball посвятил этой истории выпуск своей рассылки *Clouded Judgement* — *Paying for the Curve*.

Он предлагает смотреть не столько на сегодняшнюю стоимость результата, сколько на наклон кривой стоимости машинного интеллекта.

Ball приводит внешние оценки, по которым вычислительная стоимость эксперимента могла составлять порядка $10–40 млн. При этом он отдельно уточняет: это расчётные оценки, а от OpenAI звучала только более широкая характеристика — «миллионы долларов».

[Clouded Judgement — Paying for the Curve](https://cloudedjudgement.substack.com/p/clouded-judgement-91126-paying-for)

Смысл его аргумента в другом.

В декабре 2024 года OpenAI o3 требовала около $500 тыс. вычислений, чтобы набрать 87,5% на ARC-AGI 1.

По приведённым Ball данным Ноама Брауна, сегодня Astra показывает более высокий результат примерно за $20.

Есть и математический пример.

В 2025 году достижение уровня золотой медали Международной математической олимпиады потребовало у OpenAI и Google DeepMind очень больших вычислительных ресурсов.

Уже в 2026 году, пишет Ball со ссылкой на Брауна, задачи нового математического соревнования IMP стали доступны пользователю обычной подписки ChatGPT за $20 в месяц.

Ball приводит и более общий пример: уровень производительности, соответствовавший GPT-4 в начале 2023 года, сегодня можно получить за цену менее доллара за миллион токенов против примерно $60 тогда.

Это не означает, что следующая задача тысячелетия завтра автоматически станет в тысячу раз дешевле.

Но направление видно и в независимых данных.

От 9 до 900 раз в год

Epoch AI исследовал стоимость достижения фиксированного уровня качества на шести benchmark-задачах.

В зависимости от конкретного milestone цена достижения одного и того же уровня производительности исторически снижалась примерно в 9–900 раз в год.

При этом Epoch AI отдельно предупреждает: самые быстрые темпы относятся прежде всего к недавнему периоду, и неизвестно, сохранятся ли они дальше.

[Epoch AI — LLM inference prices have fallen rapidly but unequally across tasks](https://epoch.ai/data-insights/llm-inference-price-trends)

Benchmark-тренды нельзя механически переносить на Millennium Prize Problems.

Но экономический смысл тенденции трудно игнорировать.

Сегодня масштабная атака ИИ на фундаментальную математическую задачу может стоить миллионы долларов.

Через несколько лет тот же класс машинного поиска способен стать дешевле на порядки.

И тогда дефицит сместится совсем в другое место.

Доказательств может стать много. Математических школ — нет

Представим систему, способную одновременно атаковать сотни серьёзных открытых задач.

Она генерирует гипотезы.

Строит конструкции.

Пишет доказательства.

Формализует часть результатов.

Ищет контрпримеры.

Запускает новые ветви исследования.

Стоимость каждого следующего эксперимента снижается.

Но подготовка сильного математика не ускоряется в сто раз.

Чтобы свободно работать с современной алгеброй, анализом, геометрией или уравнениями в частных производных, по-прежнему нужны годы.

Чтобы сформировалась научная школа — десятилетия.

Именно здесь декларация 25 медалистов Филдса встречается с историей Отелбаева.

В 2014 году мировому сообществу нужно было проверить одно большое доказательство одного большого математика.

В мире массового AI-research таких кандидатов на доказательство могут появляться десятки и сотни.

Каждый из них нужно понять.

Выяснить, что именно доказано.

Проверить предположения.

Найти новую идею.

Попытаться построить контрпример.

Корректно установить научный приоритет.

Связать результат с предыдущей математикой.

Объяснить его другим исследователям.

И в конце концов понять, что из всего этого через несколько лет должно попасть в учебник.

Именно об этом предупреждает Math and AI: массовое производство правильных утверждений само по себе ещё не означает роста математического понимания.

Без людей, которые способны развивать эти идеи и включать их в научный канон, результат может так и остаться машинным артефактом.

История Отелбаева сегодня выглядит иначе

В 2014 году эту историю было легко пересказать одной фразой: казахстанский академик заявил решение знаменитой задачи, мировые математики нашли проблемы, доказательство не было принято.

Через 12 лет виден другой масштаб.

Казахстанский учёный десятилетиями работал над нелинейными уравнениями высокого уровня сложности.

Вокруг него существовали коллеги, способные профессионально обсуждать эту математику.

В стране проходили научные форумы, где Навье—Стокс обсуждался ещё до мирового ажиотажа.

Казахстанские математики публиковались, спорили, строили собственные направления и взаимодействовали с международным сообществом.

Эта среда не исчезла.

Сегодня в ней одновременно присутствуют несколько поколений исследователей.

Есть Институт математики и математического моделирования.

Есть научные семинары.

Есть журнал.

Есть международные публикации.

Есть учёные, связанные между собой совместными работами через десятилетия.

И именно это важнее любой отдельной сенсации.

В эпоху ИИ ценность школы может вырасти

Если стоимость машинного интеллекта продолжит снижаться, доступ к сильной модели постепенно перестанет быть уникальным преимуществом.

Модели смогут использовать многие.

Вычисления смогут арендовать многие.

ИИ-агентов смогут запускать многие.

Гораздо сложнее получить другое — десятилетия накопленной математической культуры.

Людей, которые понимают, какой вопрос действительно важен.

Которые способны заметить скрытое предположение на пятидесятой странице.

Которые знают, почему красивый общий метод может оказаться слишком общим.

Которые способны спорить с машиной, друг с другом и в конце концов превращать новый результат в настоящее знание.

Эта способность формируется поколениями.

И здесь особенно точно звучит одна из центральных идей декларации Math and AI: главными ресурсами математики остаются идеи и люди, которым эти идеи передаются.

История Мухтарбая Отелбаева именно поэтому важна сегодня.

Его доказательство 2013 года не стало признанным решением задачи тысячелетия.

Но оно показало другое: в Казахстане существует среда, способная работать с математикой такого уровня сложности, проверять её, спорить о ней и продолжать исследования дальше.

Сильную математическую школу определяет не отсутствие ошибок.

Её определяют масштаб задач, культура проверки, преемственность и способность передавать уровень следующему поколению.

И у Казахстана такая школа есть.

Источники

• REAL DIGITAL — предыдущий материал о Навье—Стоксе и OpenAI
• Math and AI — A Severe Misalignment of AI in Mathematics
• Math and AI — список подписантов декларации
• OpenAI — On the Navier–Stokes Millennium Prize Problem
• Clay Mathematics Institute — Navier–Stokes Equation
• Институт математики и математического моделирования — Мухтарбай Отелбаев
• Math-Net.Ru — Отелбаев, Дурмагамбетов, Сейткулов: работы о глобальных сильных решениях
• Math-Net.Ru — Отелбаев: «Примеры не сильно разрешимых в целом уравнений типа Навье—Стокса»
• Mathematics Stack Exchange — детальный разбор работы Отелбаева
• Terence Tao — Finite time blowup for an averaged three-dimensional Navier-Stokes equation
• Форум математического общества Казахстана, Алматы, 18 декабря 2013 года
• Институт математики и математического моделирования — Тынысбек Кальменов
• Math-Net.Ru — Анварбек Мейрманов
• Институт математики и математического моделирования — Махмуд Садыбеков
• Kazakh Mathematical Journal — редакционная коллегия
• American Mathematical Society — E. H. Moore Research Article Prize
• Институт математики и математического моделирования — Дурвудхан Сураган
• Math-Net.Ru — Нияз Токмагамбетов
• Clouded Judgement — Paying for the Curve
• Epoch AI — LLM inference prices have fallen rapidly but unequally across tasks