OpenAI resuelve 372 problemas matemáticos abiertos, incluida la conjetura de juegos únicos

The Mathocalypse

El 6 de octubre de 2026, OpenAI publicó 372 resultados que resuelven problemas abiertos de matemáticas y ciencias de la computación, entre ellos la conjetura de juegos únicos, L=BPL y avances hacia la hipótesis de Riemann. Los modelos internos de OpenAI, con unas 3 horas de cómputo por problema, lograron resolver aproximadamente el 5% de los problemas planteados. La comunidad matemática se apresura a digerir y verificar estas pruebas, mientras se debate si esto marca el fin de las matemáticas tal como las conocemos.

Es como si te teletransportaran a la cima de una montaña alta. Rodeado de niebla, no tienes idea de dónde estás ni qué hay a tu alrededor.
  1. ZeljkoS

    Para mí, el verdadero titular del artículo está enterrado aquí:

    > aparentemente probaron el modelo con unos 8.000 problemas. Así que, ahora mismo, "simplemente" resuelve ~5% de los problemas matemáticos abiertos de larga data que se le plantean, problemas en los que comunidades enteras han trabajado durante años, tras un único intento de 3 horas.

    Cálculo de coste a ojo:

    3 horas de cómputo de GPT-Pro por intento / 5% de tasa de éxito → 60 horas de cómputo por problema matemático abierto resuelto

    Con el precio de la API de GPT-6 Astra de contexto largo ($75/M tokens de salida), asumiendo 50 tokens de razonamiento/s, eso es aproximadamente $810 por solución:

    60 h × 3.600 s × 50 tokens/s × $75 / 1.000.000 = $810

    Por supuesto, el uso real de tokens es desconocido. Pero incluso si me equivoco por un factor de 10, $8100 es barato para resolver un problema matemático de larga data.

  2. ks2048

    > Se siente como algo escrito por alguien que está bajo los efectos de psicodélicos. Tantas cosas poco claras y sin sentido. Muchas menciones de trabajos previos sin discutir por qué se pueden usar a pesar de los resultados de imposibilidad

    > Básicamente, el artículo está tan horriblemente escrito que es imposible leerlo sin ayuda de IA

    Eso es interesante y no lo he visto en toda la cobertura de este evento.

    Suena horrible de atravesar, como intentar entender el código desordenado de otra persona que aún así produce la salida correcta.

  3. nostrademons

    Como nota al margen, se nota que esto no fue escrito por una IA por la primera frase:

    > ¡mami, escuché que te cocinaron! ¡Escuché que un robot resolvió el problema matemático en el que trabajaste toda tu carrera! ¡UY!

    Mi hijo de 8 años habla exactamente así. Podría imaginarlo perfectamente diciendo esto, de la misma manera, en la mesa del comedor.

    Le pregunté a ChatGPT "finge que tienes 8/9 años hoy. ¿cómo insultarías a tu mamá por haber sido reemplazada por una IA?", y las respuestas que ofreció fueron:

    > "Mamá, la IA te quitó el trabajo porque aparentemente incluso los robots dijeron: 'Sí... podemos hacer esto mejor'."

    > "¡Mamá, felicidades! Te reemplazó una computadora. ¡Hasta Siri tiene trabajo ahora y tú no!"

    > "¿Mamá, la IA te quitó el trabajo? Vaya. Supongo que hasta un robot miró tu trabajo y dijo: 'Yo me encargo'."

    > "No te preocupes, mamá. Todavía puedes ser útil... como enseñarle a la IA a prepararme el almuerzo."

    Todas estas parecen tener un sabor vagamente milenial, además de ser burlas bastante torpes y mecánicas. Confía en los niños y en la deriva lingüística como el mejor detector de IA.

  4. parksb

    > El "modelo de OpenAI" establece una carrera loca entre humanos para digerir y explicar una prueba de IA desordenada (trabajo que fácilmente podría ser una combinación de ingrato, apenas acreditado, competitivo y poco divertido)

    Lamentablemente, esto también es lo que parece el trabajo diario para muchos ingenieros de software en la industria ahora mismo. Paso mi tiempo leyendo y verificando miles de líneas de código desordenado escrito por IA. Comparado con producir algo de verdad, es un trabajo ingrato, apenas acreditado y poco divertido.

  5. ajjenkins

    La frase sobre "entender a los aliens" me recuerda al cuento corto de Ted Chiang The Evolution of Human Science (2000).

    Muy recomendable leerlo. Muy previsor para algo escrito hace 26 años.

    https://gwern.net/doc/fiction/science-fiction/2000-chiang.pd...

  6. dualvariable

    Además de esos problemas que planteó la esposa en la historia, aquí hay un metaanálisis del resultado de Navier-Stokes que pone en duda todas estas soluciones:

    https://arxiv.org/abs/2610.08144

    > La autoformalización se usa cada vez más para verificar textos matemáticos, incluidos los generados por IA, como en la prueba anunciada por OpenAI de explosión de soluciones a las ecuaciones de Navier-Stokes. En este proceso, un sistema de IA traduce el texto de un lenguaje natural (NL) a un lenguaje formal como Lean. Una vez hecha esta traducción, el argumento expresado en el lenguaje formal puede verificarse mecánicamente con facilidad. El propósito de este artículo es demostrar por qué este proceso puede no ofrecer ninguna confianza en el argumento original en NL, debido a las diversas dificultades para realizar la traducción de manera semánticamente fiel. En particular, destacamos que el problema de resolver ambigüedades en texto matemático en NL, que es necesario para proporcionar una traducción semánticamente fiel, está arbitrariamente alto en la jerarquía del Índice de Complejidad de Solubilidad (SCI)/jerarquía aritmética (el SCI =∞). Por lo tanto, informalmente, proporcionar una autoformalización por IA semánticamente fiel es más difícil que cualquier problema computacional, incluido el problema de la parada (que tiene SCI =1). Para demostrar el efecto de este resultado, proporcionamos varios ejemplos de malas traducciones de IA de enunciados y pruebas en NL a Lean en la práctica, lo que resulta en desajustes entre las pruebas en NL y sus 'verificaciones' en Lean. Estos incluyen Op [...]

  7. an0malous

    > Pero también parece que ningún humano ha entendido casi ninguna de estas pruebas todavía

    ¿Alguien ha verificado alguna de las pruebas producidas por OpenAI o todos simplemente asumen que debe ser cierto porque el código Lean lo comprueba? ¿No podría el código Lean estar formulado incorrectamente?

  8. softwaredoug

    ¿No hay docenas de pruebas del teorema de Pitágoras? El objetivo no es solo "probar" sino crear algo bien escrito e intuitivo para el practicante promedio. Y al obtener una comprensión más profunda podemos hacer mejores preguntas.

  9. GMoromisato

    Me gustó la metáfora de un escalador teletransportado a la cima de una montaña envuelta en niebla. Y estoy de acuerdo en que ahora que existe el teletransportador, necesitamos usarlo para alcanzar más cumbres y explorar. No hay vuelta atrás a un mundo donde la IA no existe.

  10. olalonde

    Sería bastante gracioso si los agentes en realidad solo encontraran un bug en Lean, lo explotaran para todas estas pruebas, y los revisores humanos aún no hayan tenido tiempo suficiente para detectarlo.

Más de este día

2026-10-07