El agente de OpenAI que resolvió Navier-Stokes costó millones

OpenAI ha anunciado que sus agentes resolvieron uno de los Problemas del Milenio, las ecuaciones de Navier-Stokes, un hito que en otras circunstancias sería celebrado como un avance histórico. Sin embargo, el logro quedó opacado por acusaciones de que la compañía usó sin atribución el trabajo asistido por IA de los matemáticos Tristan Buckmaster y Levent Alpöge. OpenAI lo niega, pero el episodio revela algo más profundo: la investigación matemática de punta está dejando de ser un ámbito de personas para convertirse en un privilegio de unas pocas empresas con capacidad de cómputo masivo.

Según los investigadores de OpenAI, el modelo utilizó 10 mil agentes de forma concurrente durante varios días, con un costo de millones de dólares. La solución se obtuvo con un modelo interno que supera ampliamente al ya impresionante Astra, lanzado apenas la semana pasada. Paralelamente, el matemático Terence Tao advirtió que resolver problemas prematuramente con métodos puramente impulsados por IA, sin transparencia, puede contaminar el proceso de descubrimiento matemático y convertirse en un perjuicio neto para el progreso del campo.

Dos nuevos benchmarks académicos miden esta transformación. El HorizonMath, presentado por investigadores de Oxford, Harvard y Princeton, reúne más de 100 problemas sin resolver que son verificables por computadora pero requieren intuición humana para ser atacados. En pruebas iniciales, GPT 5.4 Pro logró propuestas que mejoran resultados publicados en dos problemas de optimización. Por su parte, el Open Proof Corpus (OPC), con más de 5 mil pruebas humanamente evaluadas, muestra que los LLM generan 43% de pruebas correctas en problemas de olimpiada, y que el lenguaje natural supera ampliamente a los sistemas formales: Gemini 2.5 Pro resuelve cuatro veces más problemas que el mejor modelo formal en el PutnamBench.

Estos avances coinciden con otro hito: en julio de 2025, un LLM experimental de OpenAI obtuvo medalla de oro en la Olimpiada Matemática Internacional (IMO 2025) al resolver cinco de seis problemas con 35 de 42 puntos, bajo las mismas reglas de los concursantes humanos. La empresa aclaró que GPT-5 no incluirá ese nivel de capacidad matemática en el corto plazo, pero el mensaje es claro: la frontera entre razonamiento humano y artificial se difumina rápidamente.

Para América Latina, el escenario plantea tanto oportunidades como riesgos. La región carece de infraestructura de cómputo equivalente, pero puede aprovechar modelos abiertos y benchmarks colaborativos para participar en la conversación científica global. Las universidades y centros de investigación locales deberán repensar currículos: si una máquina ya puede demostrar teoremas que antes requerían años de formación, la educación matemática debe virar hacia la intuición, la creatividad y la capacidad de verificar resultados generados por IA. También surge una pregunta regulatoria: ¿quién será responsable cuando un sistema propietario resuelva un problema abierto y lo publique sin el debido crédito a investigadores humanos que trabajaron con herramientas públicas? El costo de quedar fuera de esta ola no es solo académico: es estratégico.