Un modelo interno de OpenAI ha producido 722 manuscritos matemáticos en pocas horas de cómputo. Expertos lo califican como el momento más significativo en más de un siglo.
El 5 y 6 de octubre de 2026 OpenAI publicó en un repositorio público de GitHub un conjunto de resultados matemáticos generados por un modelo interno que, de momento, no ha sido liberado. Son 722 manuscritos agrupados en 372 familias de resultados relacionados, obtenidos tras evaluar alrededor de 4.000 problemas de investigación.
Lo que más llama la atención no es solo la cantidad. Es el coste computacional: una media de tres horas de cómputo de ChatGPT Pro por resultado.
Qué contienen esos 722 manuscritos
El repositorio incluye los artículos, los artefactos de demostración y resúmenes seleccionados del razonamiento seguido. OpenAI consultó al grupo asesor independiente sobre Matemáticas e IA del Instituto de Estudios Avanzados (IAS) para decidir cómo hacer pública la información.
Entre los resultados destacados que distintos comentaristas han señalado —y que aún no han sido verificados de forma independiente— están:
- Multiplicación de enteros más rápida que n log n, un problema clásico de complejidad algorítmica.
- Unicidad del problema inverso elástico en 3D, que según el propio artículo llevaba abierto desde 1994.
- La Cuasi-Hipótesis de Riemann, descrita por algunos especialistas como un resultado a caballo entre una Medalla Fields y "el mayor avance en teoría de números en 200 años".
Sam Altman lo presentó como "una nueva era del descubrimiento". La frase es grandilocuente, pero el eco en la comunidad matemática no parece retórica vacía.
La opinión más llamativa viene de la competencia
El elogio que más ha circulado procede de un investigador de Anthropic que trabaja en problemas de Navier-Stokes, es decir, un competidor directo en este mismo terreno. A pesar de sus diferencias personales con OpenAI, escribió sin rodeos que se trata del momento más significativo en la historia de las matemáticas.
Conviene matizar: varios expertos han añadido que la afirmación merece cierta cualificación. Verificar formalmente 722 manuscritos lleva tiempo, y la comunidad matemática es exigente con la revisión por pares. Pero el consenso inicial parece apuntar a que muchos de estos resultados son genuinos y relevantes.
El contraste con Navier-Stokes
Hace poco, el propio modelo interno de OpenAI había abordado las ecuaciones de Navier-Stokes en 88 horas usando 10.000 agentes en paralelo. Ese resultado ya fue notable. Ahora, resolver decenas de problemas abiertos con una media de tres horas de cómputo por problema cambia la escala de lo que consideramos posible.
No hablamos de un sistema que "ayuda" a un matemático a escribir más rápido. Hablamos de un modelo que propone demostraciones completas sobre problemas que llevan décadas —o siglos— sin resolver.
Qué significa esto más allá de las matemáticas
Creemos que este episodio tiene implicaciones que van más allá de la teoría de números. Marca un punto de inflexión en cómo los modelos de lenguaje se relacionan con el conocimiento formal.
Hasta ahora, los grandes modelos eran buenos generando texto plausible sobre matemáticas. Ahora estamos viendo artefactos de demostración verificables, razonamientos estructurados y resultados que la comunidad especializada toma en serio. La diferencia es cualitativa.
Para quienes trabajamos en comunicación digital, la lección práctica es esta: los agentes de IA ya no son solo herramientas de producción de contenido. Están entrando en dominios donde el error no se puede disimular con buena redacción. Las matemáticas son, en ese sentido, el banco de pruebas más exigente que existe.
Lo que aún no sabemos
El modelo que produjo estos resultados no está disponible públicamente. No sabemos cuándo lo estará, ni si lo estará. La verificación independiente de los 722 manuscritos llevará meses. Y la Cuasi-Hipótesis de Riemann, aunque prometedora, no es la Hipótesis de Riemann original: el alcance exacto del resultado todavía se está evaluando.
Dicho esto, incluso con todas las cautelas, lo publicado esta semana es un hito que merece seguimiento cercano. Recomendamos guardar el repositorio y volver a él cuando la comunidad matemática haya tenido tiempo de revisar.
Fuente original
Del blog al tablero
La IA ya puede estar trabajando en tu negocio.
Integramos módulos de inteligencia artificial en el día a día de empresas reales: atención, contenido, automatización. Primero los probamos en casa.
Sigue leyendo
Artículos relacionados.
Anthropic invierte 100 millones para formar a 10.000 ingenieros en IA
Anthropic lanza una apuesta formativa masiva para cerrar la brecha de talento en IA empresarial. Qué significa esto para el sector y para los equipos técnicos.
Boston Dynamics rediseña la mano de Atlas: cuatro dedos y más fiabilidad
Atlas estrena una mano de cuatro dedos y 13 grados de libertad pensada para usar herramientas en entornos industriales reales, no para imitar la mano humana.
El VY150: el robot submarino chino que trabaja a 4.500 metros de profundidad
China envió el VY150, un robot de trabajo submarino con más de 10.000 componentes nacionales, a una expedición real en el Mar del Sur. Qué significa esto.
Publicado el