Avances de OpenAI en matemáticas con IA: qué significan los últimos resultados

El 6 de octubre de 2026, OpenAI subió 722 manuscritos de matemáticas a GitHub. Son el resultado de un modelo interno de frontera aún no publicado, que abarca álgebra, teoría de números, topología, informática teórica y lógica matemática, todo producido en cuestión de semanas. La magnitud no tenía precedentes para la comunidad investigadora en lo que respecta a un sistema de IA.

Para entender por qué esto no es lo mismo que una puntuación en un benchmark, conviene tomar perspectiva. Es el mismo modelo que, solo unas semanas antes, afirmó resolver el Problema del Premio del Milenio de Navier-Stokes, un resultado que siguió al barrido en un día de Astra de diez problemas abiertos con décadas a sus espaldas, en agosto. Cada uno de esos hitos abrió interrogantes propios. Pero la publicación del 6 de octubre es distinta por naturaleza, no solo por escala. OpenAI presenta 722 manuscritos como contribuciones reales a la literatura de investigación matemática: no son respuestas a benchmarks ni soluciones de concurso.

He seguido la apuesta matemática de OpenAI desde el lanzamiento de Astra en agosto, y este anuncio requiere más cuidado para desgranarlo que los anteriores. A continuación, veremos qué produjo realmente la IA, qué resultados destacan, cómo funciona la verificación en la práctica y qué preocupa a los matemáticos.

¿Qué logró realmente la IA de OpenAI?

OpenAI orientó un modelo interno de frontera no publicado hacia problemas abiertos de investigación matemática. El modelo no solo sacó buena nota en un examen de competición. Produjo argumentos matemáticos estructurados como manuscritos, subidos a GitHub junto con formalizaciones de pruebas en Lean y resúmenes del razonamiento del modelo.

Brillar en benchmarks como AMC o IMO demuestra que una IA puede afrontar problemas de concurso ingeniosamente diseñados. Producir manuscritos que afirman resolver cuestiones abiertas de larga data en áreas de investigación activas es otra cosa. Los resultados se presentan como aportaciones candidatas al conocimiento matemático. Que resistan el escrutinio es una cuestión aparte, que llevará tiempo resolver.

¿Cuántos resultados matemáticos publicó OpenAI?

Verás varias cifras en las coberturas, y no se contradicen. Miden cosas distintas.

El repositorio contiene 722 manuscritos organizados en 372 familias de resultados. Una familia agrupa trabajos relacionados: un resultado principal junto a argumentos complementarios, pruebas alternativas o consecuencias derivadas. Por eso 372 familias suman 722 manuscritos: muchos resultados vienen con material de apoyo. La etiqueta de «cientos de resultados» es razonable; 372 es el recuento más preciso de hallazgos matemáticos distintos.

El README advierte que algunos resultados pueden tener problemas, y OpenAI dice que los corregirá a la vez que sigue añadiendo formalizaciones en Lean. Ten presente ese matiz cuando veas coberturas que suenan más definitivas de lo que la situación permite.

¿En qué áreas de las matemáticas trabajó la IA de OpenAI?

La publicación abarca unas 20 subdisciplinas. Este es un mapa aproximado del terreno, ya que algunas pueden ser menos familiares para una audiencia técnica pero no matemática:

• Álgebra y teoría de grupos estudian estructuras matemáticas basadas en operaciones y sus simetrías. Aquí aterrizan algunos de los resultados más comentados.
• Teoría de números trata sobre las propiedades de los enteros y los primos. La función zeta de Riemann, que codifica cómo se distribuyen los primos, aparece en varios resultados.
• Topología estudia propiedades que se conservan bajo deformaciones continuas. La conjetura de Hodge (más abajo) se sitúa en la intersección entre topología y geometría algebraica.
• Informática teórica plantea preguntas fundamentales sobre la computación: qué puede computarse, con qué eficiencia y qué problemas resisten algoritmos eficientes. El modelo de OpenAI produjo más de 80 trabajos solo en esta área.
• Lógica matemática examina los fundamentos formales del razonamiento matemático.

¿Cuáles son los resultados más destacados?

Aquí hay que ser prudentes. Hay una diferencia real entre un resultado generado por la IA, una prueba verificada en Lean, una prueba validada por un matemático y un resultado que la comunidad reconoce de forma independiente como un gran avance. La publicación mezcla las cuatro categorías.

Dicho esto, varios resultados han despertado interés genuino entre matemáticos independientes.

Función zeta de Riemann: una nueva región libre de ceros

La hipótesis de Riemann sigue sin resolverse. El modelo de OpenAI no la resolvió. Lo que, según se informa, estableció es una nueva región libre de ceros: demostrar que no hay ceros para Re(s) > 11/12. Este tipo de resultado parcial es relevante en teoría analítica de números porque las regiones libres de ceros acotan la distribución de los primos. El texto fue editado por humanos para mejorar la legibilidad, una excepción notable al proceso de producción del resto de manuscritos. Una nueva comprobación independiente del resultado relacionado cuasi-Riemann superó una primera inspección.

Conjetura de finitud directa de Kaplansky en característica dos

Irving Kaplansky conjeturó hace décadas que los anillos de grupo tienen una propiedad algebraica específica llamada finitud directa. El caso en característica dos había sido especialmente resistente. El modelo, según se informa, lo resolvió. Se indica que hay formalización en Lean disponible.

Isomorfismo de factores de grupos libres

Se trata de álgebras de von Neumann, estructuras del análisis funcional que codifican ciertas simetrías de sistemas cuánticos. La cuestión de si los factores de grupos libres son todos isomorfos llevaba décadas abierta. El modelo afirma zanjar una conjetura de de la Harpe y Voiculescu, mostrando que las álgebras de von Neumann de los grupos fundamentales de superficies cerradas orientables de género ≥ 2 son factores de grupo libre. Una revalidación independiente pasó el examen.

Exponente de multiplicación de matrices

Uno de los resultados con mayor impacto práctico: el modelo establece, según se informa, que ω ≤ 2,25 sobre los números complejos, donde ω es el exponente de multiplicación de matrices. Es el objeto matemático que determina cuán eficientemente pueden multiplicarse matrices en un ordenador, un problema con implicaciones reales para algoritmos en toda la informática. Un apunte para perfiles de finanzas o ingeniería: la eficiencia de la multiplicación de matrices sustenta prácticamente todo cálculo numérico a gran escala.

Fórmula de Mézard-Parisi para vidrios de espín diluidos

Física estadística y teoría de la probabilidad: trata de la energía libre de sistemas magnéticos desordenados. La fórmula de Mézard-Parisi se había conjeturado pero no se había demostrado por completo en el caso diluido.

Conjetura de Hodge para variedades abelianas CM

Un caso restringido de uno de los siete Problemas del Milenio. La conjetura de Hodge pregunta si ciertas características topológicas de las variedades algebraicas pueden representarse siempre de forma algebraica. El modelo establece, según se informa, el caso para variedades abelianas CM, una clase específica y estructurada. No es la conjetura de Hodge completa, que sigue abierta, sino un caso particular hacia el que trabajaban los matemáticos. Este resultado también se señaló como excepción al proceso estándar de producción.

El resultado de magnetización espontánea para el ferromagneto cuántico de Heisenberg y las cotas cuasipolinómicas para progresiones aritméticas también han despertado interés entre quienes evalúan la publicación, aunque una verificación independiente exhaustiva llevará bastante tiempo.

¿Cómo produjo la IA de OpenAI los resultados?

OpenAI ha publicado más detalles metodológicos que en anuncios anteriores, aunque la imagen sigue incompleta.

Al modelo se le plantearon aproximadamente 4.000 problemas durante la evaluación. La mayoría de resultados salieron de un procedimiento fijo usando el mismo modelo interno. Dos se apartaron de ese proceso estándar: el trabajo sobre la región libre de ceros de la zeta de Riemann y la conjetura de Hodge para variedades abelianas CM. El resultado medio usó cómputo equivalente a unas tres horas de «pensamiento» de ChatGPT Pro. Es una referencia útil, pero no significa que cada problema tardase tres horas. La cifra describe el cómputo medio por resultado, no el tiempo total transcurrido ni el coste de los intentos fallidos.

En contexto, esta metodología es bastante más sistemática que las anteriores. Cuando Astra resolvió diez problemas abiertos en agosto, cada solución costó en torno a 2.000 $ en inferencia. Antes, la carrera de Navier-Stokes consumió 10.000 agentes en paralelo durante 88 horas, con un coste estimado de 22,5 millones de dólares en cómputo, un enfoque de fuerza bruta que generó tanto un resultado como una disputa importante sobre el crédito. La publicación del 6 de octubre se parece menos a un sprint y más a un programa de investigación sostenido: menor cómputo por resultado, más amplitud y una estructura deliberada en torno a familias de resultados relacionados.

OpenAI ha publicado resúmenes de razonamiento para 10 resultados, junto con estimaciones de cómputo y estadísticas sobre problemas intentados. El Advisory Group on Mathematics and Artificial Intelligence pidió ir más allá y publicar todos los prompts y las cadenas completas de pensamiento. Hay una brecha entre lo que OpenAI ha compartido y lo que parte de la comunidad matemática quiere ver.

¿Cómo se verificaron las pruebas matemáticas de OpenAI?

La verificación probablemente sea la parte más determinante de esta historia. Conviene ser precisos con los distintos niveles implicados.

Formalización en Lean

Lean es un lenguaje de programación y asistente de pruebas que permite expresar demostraciones matemáticas en una forma que un ordenador puede comprobar mecánicamente. Si una prueba verifica en Lean, los pasos lógicos son formalmente correctos dadas las hipótesis declaradas. Muchas de los 722 manuscritos tienen formalizaciones en Lean, aunque no todos.

Lo que establece Lean es la corrección formal. Lo que no establece es si la formulación formal refleja con precisión la pregunta matemática pretendida, si el resultado es realmente novedoso o si el razonamiento es significativo para matemáticos que quieran construir sobre él.

Verificación matemática humana

Aquí es donde las cosas se ralentizan. Los matemáticos aún deben determinar si la afirmación formal captura de verdad el problema abierto que dice abordar, si la técnica de prueba es nueva y si el resultado es novedoso respecto a la literatura existente. Dana Moshkovitz, teórica de la complejidad, describió los manuscritos como algo «escrito por alguien bajo los efectos de psicodélicos» y lo bastante difíciles de leer sin ayuda de la IA, aunque reconoce que hay mucho que aprender. Corrección técnica junto a una exposición difícil de seguir genera trabajo real para quienes verifican.

Revisión por pares y verificación independiente

Publicar en GitHub no es revisión por pares. El consejo asesor afirmó claramente que la publicación representa «el comienzo, no la culminación, del proceso de comprensión humana e incorporación del trabajo al conocimiento matemático». Con 722 manuscritos en 20 subcampos, una evaluación independiente exhaustiva es un proyecto de años.

Corrección formal, comprensión matemática, novedad e importancia científica son cuestiones distintas. Una prueba verificada en Lean puede satisfacer la primera sin resolver ninguna de las otras.

¿Cuánto del trabajo matemático lo hizo realmente la IA?

No hay una respuesta nítida.

Humanos eligieron o formularon muchos de los problemas planteados al modelo. La literatura matemática existente proporcionó el contexto intelectual en el que trabajó la IA. El modelo generó los argumentos matemáticos. Investigadores humanos ayudaron a preparar manuscritos, y Lean formalizó las pruebas. Así que «¿quién hizo las matemáticas?» abarca una cadena de aportaciones más que atribuirse a una sola parte.

Algunos matemáticos plantean una preocupación más aguda: que el modelo, en ocasiones, podría estar completando líneas de investigación humana existentes más que descubriendo de forma independiente un enfoque novedoso. Esto surgió con fuerza tras la afirmación sobre Navier-Stokes. El matemático Tristan Buckmaster, cuyo propio trabajo asistido por IA en ecuaciones relacionadas apareció horas antes del anuncio de OpenAI, planteó serias dudas sobre el crédito. Alegó que un año de su trabajo no publicado había, consciente o inconscientemente, orientado la carrera de OpenAI; OpenAI negó haber accedido a prompts privados o a investigación no publicada. La disputa sigue sin resolverse. La misma inquietud, sobre de quién es realmente el sustrato intelectual sobre el que se apoya un resultado de IA, aplica a la publicación de octubre, aunque no se nombre a un investigador concreto.

El economista Joshua Gans propuso un marco útil: el descubrimiento matemático tiene tres etapas. Elegir el problema, resolverlo y entender y aplicar el resultado. La IA podría automatizar cada vez más el paso intermedio. Eso no borra la distinción entre aportación humana y de máquina, pero sí redistribuye dónde se concentra el esfuerzo.

¿Por qué están preocupados algunos matemáticos?

Las preocupaciones no son uniformes. No sería preciso describir a la comunidad matemática como simplemente reacia a la IA. Esto es lo que inquieta a los críticos más serios.

La comprensión puede ir por detrás del descubrimiento

Cuando un matemático humano produce una prueba, el proceso suele generar herramientas, intuiciones e ideas que pasan a formar parte de la cultura matemática. Cuando un modelo produce una prueba correcta pero opaca, el resultado existe sin esa comprensión circundante. Terence Tao, que antes del anuncio de Navier-Stokes advirtió explícitamente sobre el coste de oportunidad de convertir problemas abiertos históricamente productivos en momentos virales de benchmark, ha señalado que acumular respuestas correctas sin entender cómo o por qué son ciertas es perjudicial para la práctica de las matemáticas a largo plazo. Y no es solo una cuestión estética.

Revisar cientos de resultados es difícil

La capacidad de la comunidad para la revisión por pares es finita. Cuando una IA puede generar investigación más rápido de lo que la comunidad puede evaluarla, se acumula un atasco que distorsiona cómo se consolida el conocimiento matemático. Un crítico describió la publicación como «sospechosamente Gish Gallopy», inundando con tantos manuscritos que los errores podrían quedar sin cuestionar durante años. Hay un precedente reciente: la publicación de agosto de Astra con diez problemas no se ha revisado por completo meses después. Setenta y dos veces ese volumen es un reto de otra categoría.

Investigación humana existente y crédito

Varios resultados se apoyan en trabajos previos específicos de investigadores concretos. Cómo se representa esa deuda intelectual está realmente en disputa. El episodio de Navier-Stokes lo hizo tangible: un investigador pasó un año en trabajo no publicado que puede haber orientado un sprint de IA multimillonario y terminó respondiendo preguntas sobre su carrera. Las recomendaciones del grupo asesor abordaron específicamente los procedimientos de citación por este motivo.

Modelos propietarios generan acceso desigual

El modelo que produjo estos resultados no está disponible públicamente. Los matemáticos académicos que quieran trabajar a este nivel de capacidad no cuentan con las mismas herramientas que los equipos internos de OpenAI. Las recomendaciones del 29 de septiembre del grupo asesor pidieron explícitamente a los laboratorios de IA que dejen de probar problemas matemáticos avanzados en modelos propietarios no accesibles para la comunidad investigadora en general. OpenAI reconoció la recomendación sin adoptarla por completo.

La investigación matemática podría concentrarse dentro de laboratorios de IA

Si la frontera del descubrimiento matemático requiere acceso a cómputo de frontera y a modelos propietarios, entonces las decisiones sobre qué problemas importan y qué resultados se publicitan podrían tomarse, cada vez más, dentro de un pequeño número de organizaciones privadas. Es una estructura muy distinta a la histórica en matemáticas.

Estas son preocupaciones planteadas por miembros de la comunidad matemática, no conclusiones cerradas, y no todos los matemáticos las comparten por igual.

El nuevo enfoque de OpenAI para publicar matemáticas con IA

OpenAI ha dado algunos pasos para abordar las preocupaciones de la comunidad, aunque el grupo asesor pide más.

La publicación está en GitHub bajo licencia Apache-2.0 con protocolos de revisión. Las versiones anteriores siguen accesibles cuando se hacen correcciones. Cada manuscrito incluye un bloque BibTeX para su citación. Muchas pruebas van acompañadas de formalizaciones en Lean. OpenAI ha publicado resúmenes de razonamiento para 10 resultados y estimaciones de cómputo expresadas en horas de ChatGPT Pro.

OpenAI consultó al Advisory Group on Mathematics and Artificial Intelligence del Institute for Advanced Study a lo largo de esta publicación. El grupo incluye a Melanie Matchett Wood (Harvard), Edward Witten (IAS), Ravi Vakil (Stanford), Ulrike Tillmann (Oxford) y otros: nueve matemáticos destacados que operan de forma independiente y sin remuneración por parte de OpenAI.

Su postura es que esta publicación es un punto de partida. Melanie Wood la describió como «el comienzo, no la culminación, del proceso de comprensión humana». El grupo pidió a OpenAI publicar todos los prompts y las cadenas completas de pensamiento, usar repositorios académicos con identificadores persistentes y citables en lugar de GitHub, y apoyar el desarrollo de comprensión humana a través de instituciones no controladas por laboratorios de IA. OpenAI se ha comprometido a trabajar hacia esos estándares. Aún no los cumple todos.

¿Qué implica la IA para el papel de los matemáticos?

La pregunta interesante no es si la IA sustituye a los matemáticos. No lo hace, al menos aún, y posiblemente no en lo que más importa. La cuestión es cómo cambia el trabajo matemático cuando generar pruebas se abarata drásticamente.

Volviendo al marco elegir → resolver → comprender: si la IA asume cada vez más el paso de resolver, la pericia humana gana valor en los extremos. Decidir qué problemas merecen la pena, formular buenas conjeturas, interpretar qué significa un resultado, conectar un hallazgo con las matemáticas existentes, aplicar los descubrimientos en nuevos contextos. Estas son las etapas donde el juicio humano sigue siendo indispensable. Como comenté en mi artículo sobre los resultados de agosto de Astra, la habilidad de plantear un buen problema y saber cuál merece ser atacado es precisamente lo que la IA aún no puede replicar. Esa idea es hoy aún más pertinente.

El matemático Mehtaab Sawhney, que se incorporó a OpenAI en 2026 tras pasar por Columbia, observó que, a medida que la IA acelera el descubrimiento, el cuello de botella principal para los matemáticos humanos está pasando de generar pruebas a absorber y contextualizar matemáticas generadas por IA.

Cuando generar pruebas se abarata, cambia dónde está la escasez. El recurso escaso puede ser, cada vez más, no la capacidad de demostrar cosas, sino la capacidad de elegir qué merece la pena demostrar y entender por qué sus soluciones importan.

Conclusión

La publicación del 6 de octubre se entiende mejor como el último paso de una trayectoria que se ha acelerado todo el año. En agosto, Astra resolvió diez problemas con décadas de antigüedad en un solo día. En septiembre, un sprint de 88 horas con 10.000 agentes produjo una afirmación controvertida pero verificada en Lean sobre la variante del Premio del Milenio de Navier-Stokes, junto con una disputa de crédito no resuelta que expuso tensiones reales entre la IA y la investigación independiente. Ahora, en octubre, el mismo modelo de frontera ha producido 722 manuscritos en 20 subcampos en cuestión de semanas.

Algunos de esos resultados —la región libre de ceros de la zeta de Riemann, la cota de multiplicación de matrices, el isomorfismo de factores de grupos libres— ya han atraído la atención seria de especialistas. Pero el número de manuscritos no es la noticia. Lo que importa es si los resultados individuales se sostienen, si son realmente novedosos y si la comunidad puede absorberlos. La verificación en Lean establece corrección formal, no comprensión matemática. Publicar en GitHub no es revisión por pares. Con 722 manuscritos, la evaluación independiente exhaustiva llevará años.

El campo se enfrenta ahora a una pregunta inédita: no si la IA puede resolver problemas matemáticos difíciles, sino qué ocurre cuando puede producir investigación matemática más rápido de lo que los humanos pueden evaluarla. Si generar pruebas llega a ser lo bastante barato como para inundar la literatura, el recurso escaso pasa de generar respuestas a elegir las preguntas adecuadas y entender por qué esas respuestas importan. Es un cambio en lo que las matemáticas exigen a los matemáticos. No el fin del trabajo.