Science Universes

Tecnología · 7 de octubre de 2026

722 manuscritos. Una vida ya no alcanza.

En mayo, un resultado. En agosto, diez. En octubre, 722 manuscritos agrupados en 372 familias. OpenAI no dijo el nombre del modelo. Los matemáticos todavía no han podido leer lo que ese modelo escribió.

La función zeta de Riemann: un abanico de colores y, a la derecha, bandas rojas. Cerca del centro, el polo.
La función zeta. El color es la fase. El rojo es donde el valor se dispara. La Riemann cuasi afirma una franja sin ceros a la derecha de 7/8. Imagen de Empetrisor, CC BY-SA 4.0.

Jared Duker Lichtman, matemático al inicio de su carrera, puso esa escalera en una sola frase. En mayo, un resultado: la refutación del problema de la distancia unidad. En agosto, diez. El 7 de octubre, cientos. Él mismo organizó hace cinco meses, en Stanford, un simposio sobre el futuro de las matemáticas, con Terence Tao y otros medallistas Fields. Escribe que entonces había urgencia y poca gente lo llamó exagerado. Hoy la urgencia tiene un número.

Matthew Sparkes lo contó el mismo día en New Scientist. OpenAI publicó 722 artículos que prueban y refutan problemas. La compañía habló de un «modelo interno de frontera» y no lo nombró. Los textos no salieron en una revista. Salieron en GitHub.

Lo que hay dentro, según quien ya lo está leyendo

Lichtman no pide que se aplauda el paquete entero. Pide mirar piezas. Una es una prueba de la conjetura de Kakeya en dimensión 4. Este verano, Hong Wang recibió la Medalla Fields de 2026 por el caso de dimensión 3, con Joshua Zahl. Otra es el problema 3 de Erdős, el que Thomas Bloom había puesto en lo alto de su lista: todo conjunto de enteros cuya suma de recíprocos diverge contiene progresiones aritméticas arbitrariamente largas. Lichtman dice que el problema queda resuelto en forma cuantitativa.

Una deltoide dorada sobre negro, con una aguja blanca en su interior.
La deltoide. Dentro cabe una aguja que puede girar por completo. El dibujo es el problema en el plano. La prueba que se reclama es la de dimensión 4.
Espiral de Ulam: puntos dorados sobre negro. Los primos forman diagonales.
Los enteros, en espiral. Si el número es primo, hay un punto. Las diagonales son progresiones. De eso habla el problema 3 de Erdős: si un conjunto de enteros bastante denso tiene que contener progresiones largas.

También señala un caso especial de la conjetura de Hodge, para variedades abelianas de multiplicación compleja, y una hipótesis de Riemann «cuasi»: una franja sin ceros, Re(s) > 7/8, para la función zeta y las funciones L de Dirichlet. Eso descartaría los ceros de Landau-Siegel. Él lo llama, con esa cautela entre comillas, el mayor resultado de la teoría de números en el siglo XXI. Y anota lo que no ocurrió: pese a los rumores de las últimas semanas, hoy no se reclamó otro problema del milenio. El de Navier-Stokes, una explosión en tiempo finito, es del mes pasado.

Su lectura de conjunto es más fría que el titular. Le parece que estos resultados viven dentro del casco convexo de los métodos ya conocidos: herramientas que existían, combinadas más lejos de lo que una sola vida de investigador suele poder sostener. El ejemplo que da es la distancia unidad, donde teoría algebraica de números y geometría se tocaron. Los ingredientes estaban. La consecuencia, no. Hay más sitio dentro de lo ya sabido del que la profesión creía.

Una vida al lado de una tarde

Francis Johnson, del University College London, trabajó 25 años en el problema D(2) de Wall. Dos libros. Él dice que lo abandonó. El problema figura entre los resueltos de este paquete. A New Scientist le dijo que le sorprende la rapidez, no el hecho. Lleva meses viendo análisis de estos modelos y habla de sofisticación y de claridad. También de una posición extraña: el genio salió de la botella y habrá que adaptarse.

Carlos Santana, DotCSV, pone al lado el dato de cómputo que más le chocó. De media, cada resultado habría usado el equivalente a unas tres horas de ChatGPT Pro Thinking. Lo compara con Navier-Stokes, donde OpenAI lanzó un enjambre de unos 10.000 agentes. Recoge una frase de Noam Brown: él no cree que aquel resultado viniera del enjambre, sino de que el modelo ya era muy bueno en matemáticas. Tres horas frente a décadas. DotCSV entiende el shock profesional y el emocional. Un bosque cultivado durante siglos, y una máquina entrando a recoger.

Dos curvas sobre negro. La dorada, el modelo interno, queda por encima de la azul, GPT-6 Astra.
La gráfica del anuncio, sin el marco blanco. En problemas abiertos, el modelo interno queda por encima de GPT-6 Astra cuando se le da más cómputo. El eje horizontal no trae cifras. No dice cuántos de los 722 manuscritos salen de esa curva.

Treinta textos. Una prueba que una máquina puede firmar.

Kevin Buzzard, del Imperial College London, separa el asombro de la aceptación. En teoría de números le llegaron 30 artículos. Siete le parecieron notables. Uno solo está formalizado en Lean, el lenguaje en el que una máquina puede comprobar una demostración más allá de una duda razonable. Los otros seis esperan a un experto que quiera leerlos, o a esa formalización. «Los periodistas van a tener que esperar mientras los matemáticos hacen su trabajo», dijo. Si la mayoría resulta cierta, añade, hará mucho que no había un humano experto en todas las matemáticas, y ahora parece haber máquinas con esa propiedad.

Ben Allanach, de Cambridge, hace la pregunta que el número esconde: ¿esto entra en el conocimiento humano? A un matemático le gusta resolver. Revisar el trabajo de una máquina atrae menos. Las empresas, dice, tratan el descubrimiento como un trofeo intelectual alcanzable. Él se alegra de no ser matemático puro, porque la pregunta siguiente sería para qué sirve seguir.

El archivo arXiv anunció esta semana límites de subida para frenar envíos de poco valor. El mes pasado, Terence Tao advirtió que volcar descubrimientos sobre la comunidad puede dañar el campo. Se creó un grupo asesor en el Instituto de Estudios Avanzados. Pidió el nombre del modelo, las instrucciones, el costo de cálculo, la formalización cuando se pueda, y cuántos problemas parecidos se intentaron y fallaron. OpenAI dijo que atendía ese consejo. Este lanzamiento se aparta de varias de esas peticiones. Lindsay McCallum Rémy, de la empresa, escribió a New Scientist que buscan todavía una forma de publicar que cumpla las guías, y que quieren dar tiempo y espacio para evaluar el trabajo.

El repositorio que no recibe correcciones

Keith Adler estaba formalizando en Lean 4 la prueba de la conjetura de Saxl, contra el enunciado que el propio repositorio de OpenAI deja con un sorry y sin demostración. En el camino encontró dos hechos que el artículo usa y que no estaban en Mathlib, la biblioteca común. Los convirtió en dos propuestas para incorporarlo ahí. El repositorio openai/math, escribió, tiene los issues apagados y no ha aceptado un pull request. Si pides formalizaciones, hace falta un lugar donde enviarlas. Horas después contó que OpenAI sí publicó su prueba en Lean, fijada a una versión vieja de Mathlib, dentro de su propio repositorio, de modo que nadie puede importarla. Lo suyo, dice, está escrito para la biblioteca viva. La verificación independiente es la parte que sobrevive al anuncio.

Mapa de Mathlib: miles de puntos de colores sobre negro, agrupados por ramas de las matemáticas.
Mathlib, la biblioteca viva, dibujada por Crispher. Cada punto es un archivo. Adler pide poder escribir ahí, no en un repositorio que no recibe correcciones.

Lo que se rumorea, y lo que no se reclamó

Kimmonismus escribió que fuentes de su confianza le dicen que las 722 son el lote 1 de 3, y que corre el rumor de otro problema del milenio. Haider atribuye el mismo rumor a un profesor de NYU. Kimmonismus llama a esto la singularidad, y dice que el cuello de botella pasa a ser el humano. Lichtman, leyendo lo publicado, dice otra cosa: hoy no se reclamó un problema del milenio nuevo. Un rumor no es un teorema. Conviene tener los dos en la mesa y no mezclarlos.

Un avión envuelto en un vórtice rojo de humo. El aire gira en una espiral enorme.
Un vórtice de estela, fotografiado por la NASA en 1990. Es aire hecho visible. Navier-Stokes, la ecuación de ese movimiento, se reclamó el mes pasado. Hoy no.

La criptografía que no aparece

Andrew Curran señala lo que falta: entre los 722 resultados, los avances criptográficos están llamativamente poco representados. Su hipótesis, dicha como tal, es que hay intervención. Cuenta que ha visto al gobierno de Estados Unidos censurar resultados académicos de criptoanálisis cuántico. Justin Drake, investigador de la Fundación Ethereum, pidió al sector que empiece a planear con calma un «modo búnker»: que los grandes tenedores muevan fondos a direcciones que nunca han firmado una transacción, de modo que la clave pública siga escondida detrás de un hash. No pide pánico ni una criptografía nueva. Pide un gesto preventivo, por si ECDSA cayera antes del día cuántico, en el peor caso en meses y no en años.

Eso no es una prueba de que ECDSA esté roto. Quien recontó el aviso en chino lo dijo con claridad: no hay evidencia de una ruptura, y una migración atropellada haría más daño que el riesgo que se quiere evitar. Lo que sí queda es la ausencia. Si el modelo es tan ancho en matemáticas y tan estrecho en criptografía, o el terreno es más duro, o alguien no quiere que ese terreno se publique. Curran se inclina por lo segundo. La página, de momento, solo puede registrar la inclinación.

Una curva dorada sobre negro, en forma de horquilla: la curva elíptica y al cuadrado igual a x al cubo más 7.
y² = x³ + 7, dibujada sobre los números reales. ECDSA firma sobre una curva de esta familia, pero en un cuerpo finito. La imagen no dice que la firma esté rota.

El método viaja. El conocimiento, no.

Kimmonismus saca la consecuencia que a Science Universes le importa más que el trofeo. La gente sigue viendo estos modelos como chats. El método no está atado al lenguaje humano. Un token puede ser una palabra, una base de ADN o un aminoácido. Entrenado sobre secuencias biológicas, el modelo aprende patrones útiles para predecir una función y diseñar una proteína. Eso ya ocurre. La tokenización sola no es el avance. Lo es unir una representación útil con un método de aprendizaje, datos y cómputo. El método cruza de campo. El conocimiento de cada campo hay que volver a aprenderlo.

La hemoglobina sobre negro: cintas rojas y azules enrolladas, con los grupos hemo en verde.
La hemoglobina, estructura 1GZX. Richard Wheeler, CC BY-SA 3.0. No es el avance de esta semana. Es el otro alfabeto: una proteína es una secuencia, y el método que lee matemáticas puede aprender a leerla.

DotCSV añade la parte que no se ve. Que la inteligencia artificial resuelva problemas matemáticos ya no se va a desinventar. Que OpenAI lo publique en abierto es, para él, el mejor de los escenarios posibles. No sabemos si se han guardado los resultados que de verdad empujan su propia investigación. En los próximos meses no será solo OpenAI quien cambie cómputo por descubrimientos. Será cualquier organización, privada o pública, con el modelo y la máquina. Algunas no van a compartir. El tren, escribe, ya pasó.

Quién dice que es verdad

Lichtman espera miles de resultados nuevos antes de que acabe el año, y pide que la comunidad se prepare ahora para entenderlos y dejar que otros construyan encima. Lichtman también dice que docenas de los de hoy, explicados a un matemático de 2025, tendrían calibre de Medalla Fields. Abhishek Saha, profesor en Londres, según lo resumió una cuenta que difundió su escala, ordena los grandes resultados en cuatro niveles: el trabajo sólido de todos los días, el avance de revista máxima, la ruptura que cambia un campo, y el golpe que los expertos creían imposible ahora mismo. Su veredicto, en ese resumen, es que hay resultados del primer nivel, que la mayoría está en el segundo o el tercero, y que uno solo —la Riemann cuasi— está en el cuarto. Cierra con una frase seca: es un día muy grande para las matemáticas. Nada de eso está confirmado del todo. Comprobarlo llevará meses.

Hay además una asociación, la Association for Human Mathematics, que criticó el lanzamiento y pidió a los matemáticos que dejen de trabajar con OpenAI. Rohan Paul escribió que Tao republicó ese comunicado en su blog, y que retirarse no es una posición científica. Las dos actitudes caben en el mismo día: quien quiere leer hasta el final, y quien siente que el oficio se le acaba.

Science Universes no está aquí para elegir un bando del gremio. Está para nombrar el umbral. La singularidad, si esa palabra todavía sirve, no es un cartel de que la máquina ya es consciente. Es el momento en que el conocimiento sale más rápido de lo que una conciencia puede decir «esto es verdad». Esa capacidad —entender y después asentir— sigue siendo nuestra. Las 722 manuscritos son la primera vez en que se ve, con un número, cómo se aleja.

De dónde sale cada cosa: