Por Redacción Pangea IA · 8 de septiembre de 2026
OpenAI afirma que un sistema interno de inteligencia artificial ha resuelto el problema de existencia y regularidad de Navier‑Stokes, uno de los grandes desafíos de las matemáticas. La empresa ha publicado una demostración de 166 páginas y una formalización en Lean, pero el resultado aún debe superar el examen independiente de los especialistas. La diferencia es decisiva: hoy existe una prueba pública extraordinaria, no un veredicto definitivo.
Qué ha anunciado OpenAI exactamente
El anuncio se hizo público el 8 de septiembre a las 17:20 UTC —las 19:20 en la España peninsular—. OpenAI sostiene que su sistema construyó una solución para las ecuaciones tridimensionales e incompresibles de Navier‑Stokes con viscosidad positiva. En concreto, describe un flujo que parte del reposo y desarrolla una singularidad en un tiempo finito, pese a conservar una energía cinética acotada.
Una singularidad es un punto en el que la velocidad calculada crece sin límite. No significa que un remolino real vaya a alcanzar una rapidez infinita, sino que el modelo matemático deja de ofrecer una descripción suave del fluido. Saber si ese fallo puede aparecer a partir de datos iniciales regulares lleva casi un siglo resistiéndose a los matemáticos.
Las ecuaciones de Navier‑Stokes están detrás del estudio del aire, el agua, la turbulencia, el diseño de aviones, la predicción meteorológica o el flujo sanguíneo. El problema no consiste en que estas aplicaciones hayan dejado de funcionar. Ingenieros y científicos las resuelven de forma aproximada cada día. La pregunta es más profunda: si, en tres dimensiones, siempre existe una solución suave o puede surgir una ruptura matemática.
La publicación de OpenAI afirma establecer las alternativas C y D de la formulación oficial: una solución con fuerza externa suave y compacta que se vuelve singular tanto en el espacio completo como en un dominio periódico. El artículo técnico está acompañado por un repositorio con certificados en Lean, un asistente de demostración capaz de verificar que una cadena formal de pasos respeta sus reglas lógicas.
| Cuestión | Situación a 8 de septiembre |
|---|---|
| ¿Hay una demostración pública? | Sí: 166 páginas y código de Lean. |
| ¿La comunidad la ha validado? | Todavía no; acaba de publicarse. |
| ¿Clay ha declarado resuelto el problema? | No; su web continúa marcándolo como no resuelto. |
| ¿Puede usarse el modelo? | No; es un sistema interno en entrenamiento. |
Cómo llegó la IA a la demostración
Según el relato de la empresa, el resultado no salió de una conversación convencional con ChatGPT. OpenAI puso a trabajar grupos de agentes coordinados, con acceso a una copia almacenada de internet y herramientas para ejecutar código. Probó distintas formulaciones de los problemas del Milenio y otras cuestiones relacionadas antes de concentrar los recursos en Navier‑Stokes.
El grupo que obtuvo la propuesta reunió del orden de 10.000 agentes simultáneos. La resolución apareció el 5 de septiembre, unas 88 horas después del comienzo del experimento. La formalización y comprobación posterior en Lean necesitó otras 17 horas con GPT‑6 Astra. Solo la fase de Navier‑Stokes generó 2,7 millones de mensajes y aproximadamente 130.000 millones de tokens de salida, cifras declaradas por OpenAI y no auditadas de forma independiente.
El proceso importa tanto como el teorema. Los agentes exploraron rutas diferentes y después utilizaron Codex para reunir los avances más útiles. No fue un modelo solitario que “tuvo una idea” de una vez, sino una búsqueda masiva, paralela y dirigida. Esa arquitectura se parece más a un laboratorio computacional con miles de ayudantes que a un chatbot.
Este salto encaja con una tendencia que ya analizamos en cómo la IA empieza a crear matemáticas originales. La diferencia ahora es la escala: OpenAI pasó de resolver cuestiones especializadas a presentar una respuesta completa para uno de los seis problemas del Milenio que seguían abiertos.
Por qué aún no puede darse por resuelto
Una prueba formal no equivale automáticamente a una prueba aceptada. Lean comprueba que un desarrollo se deriva de las definiciones y lemas introducidos, siempre que la formalización sea fiel al enunciado y que la base matemática utilizada sea correcta. Reduce enormemente la posibilidad de un error lógico oculto, pero no sustituye el análisis humano del planteamiento, de las hipótesis ni del significado del resultado.
Además, la verificación pública acaba de empezar. Especialistas en ecuaciones en derivadas parciales deberán revisar 166 páginas, reproducir el código y examinar los pasos que conectan la construcción formal con el problema de Clay. Un fallo pequeño en una condición de regularidad, soporte o energía podría cambiar la conclusión.
El Instituto Clay fija un procedimiento lento de forma deliberada. No acepta soluciones enviadas directamente. Para considerar una candidatura, el trabajo debe publicarse en una revista o medio académico cualificado, deben transcurrir al menos dos años y la solución ha de obtener aceptación general entre la comunidad matemática. OpenAI, por su parte, dice que no pretende reclamar el premio de un millón de dólares.
Por eso, el titular responsable incluye “afirma”. Que el PDF y el código estén disponibles permite comprobar la afirmación; no permite anticipar el consenso. La propia página de Clay seguía mostrando Navier‑Stokes como “no resuelto” en la fecha de esta publicación.
La fuerza externa: solución válida o atajo discutible
La construcción utiliza una fuerza externa suave. En términos intuitivos, no estudia únicamente qué hace un fluido abandonado a sí mismo: aplica un empuje cuidadosamente diseñado para alimentar un vórtice que se estrecha y acelera. El reto consiste en que esa fuerza permanezca regular incluso cuando la velocidad se dispara. La demostración afirma conseguir precisamente ese equilibrio.
Las alternativas C y D forman parte del enunciado oficial, de modo que no son una condición añadida después del hecho. Si la prueba es correcta, respondería a la formulación publicada por Clay. Sin embargo, muchos matemáticos suelen pensar en la variante sin fuerza externa, que se aproxima más a la intuición habitual del problema. La nueva construcción no demuestra que un flujo sin ese empuje desarrolle una singularidad.
Esa distinción evita dos exageraciones opuestas. No es correcto descartar sin más el resultado como una trampa: la posibilidad forzada está escrita en el problema. Tampoco conviene sugerir que se han resuelto todas las preguntas sobre la turbulencia o que las simulaciones actuales quedan invalidadas. La prueba se ocupa de una posibilidad matemática extrema y muy específica.
Una disputa de crédito que la ciencia con IA tendrá que resolver
El anuncio ha llegado acompañado de un conflicto inusual. Tristan Buckmaster, profesor de la Universidad de Nueva York, y Levent Alpöge, investigador de Anthropic, habían trabajado en resultados relacionados con las ecuaciones de Euler utilizando Claude, Codex y otros modelos. Buckmaster sostiene que rumores sobre su progreso llegaron a OpenAI antes de que esta concentrara recursos en la vía de la fuerza externa.
En una declaración pública, Buckmaster relata conversaciones tensas sobre la prioridad, la publicación y la autoría. Aclara también que no ha visto la demostración de OpenAI, no sabe cómo se produjo y no afirma que la empresa accediera a sus datos. Su relato es una alegación de una de las partes, no un hecho probado.
OpenAI niega que sus investigadores o agentes consultaran el trabajo privado de ambos científicos. Reconoce, no obstante, que no puede descartar por completo que datos desidentificados procedentes del uso de sus productos contribuyeran a mejorar los modelos. La empresa sostiene que las demostraciones y hasta los resultados concretos son diferentes, y reconoce la prioridad de los investigadores en su trabajo sobre Euler.
El episodio anticipa un problema mayor. Cuando un investigador comparte borradores con un asistente comercial y otro laboratorio entrena sistemas con interacciones de usuarios, ¿cómo se protege una idea aún no publicada? ¿Quién figura como autor cuando miles de agentes generan, combinan y formalizan una prueba bajo dirección humana? La ciencia posee normas para citar trabajos previos y ordenar descubrimientos simultáneos, pero todavía no tiene una práctica estable para esta combinación de modelos privados, grandes presupuestos de cómputo y trazas potencialmente sensibles.
Qué cambia para el futuro de la investigación
1. La IA pasa de ayudar a explorar a organizar programas de investigación
La novedad no es solo que un modelo escriba símbolos. El sistema repartió un objetivo abierto entre equipos de agentes, ensayó vías en paralelo, reutilizó hallazgos intermedios y formalizó el resultado. Si la demostración resiste, será una señal de que la IA puede intervenir en la elección de estrategias, no únicamente en cálculos o redacción.
OpenAI ya había descrito un uso creciente de agentes en su propia investigación. En el análisis sobre sus tres jornadas de agentes por cada jornada humana explicamos el cambio de escala y la cautela que reclamaba su científico jefe. Navier‑Stokes ofrece ahora un ejemplo tangible de esa aceleración, aunque no una medida general de rendimiento científico.
2. Verificar puede convertirse en el cuello de botella
Producir candidatos a teorema más deprisa no significa aceptarlos más deprisa. La comunidad necesitará herramientas para auditar formalizaciones, rastrear dependencias y traducir certificados a explicaciones comprensibles. Lean aporta una capa crucial, pero alguien debe verificar que se formalizó la pregunta correcta. La revisión científica puede pasar de buscar una prueba durante años a inspeccionar avalanchas de resultados generados en días.
3. El acceso al cómputo puede pesar tanto como el talento
OpenAI no publica un coste exacto. Su responsable de investigación dijo a Wired que la operación costó millones de dólares. Aplicar tarifas comerciales a los tokens daría una cifra engañosa, porque se trata de un sistema interno y el gasto real incluye entrenamiento, hardware y personal. Lo verificable es que 10.000 agentes y 130.000 millones de tokens están fuera del alcance de una universidad corriente.
Ese desequilibrio puede concentrar descubrimientos en unas pocas empresas. También podría invertirse si los laboratorios liberan pruebas, modelos o capacidad para que equipos externos reproduzcan el trabajo. En este caso, el PDF y los certificados son públicos, pero el modelo que los produjo no lo es y sigue en entrenamiento.
4. Un hito no certifica la AGI
OpenAI presenta el resultado como una señal del ritmo de progreso de sus próximos modelos. Es razonable verlo como evidencia de una capacidad matemática muy avanzada. No demuestra por sí solo inteligencia general: el sistema recibió objetivos, infraestructura y herramientas diseñados por personas, consumió recursos extraordinarios y fue evaluado en un dominio formal.
La cautela es especialmente necesaria después del debate sobre qué dicen realmente las pruebas de Astra y la AGI. Resolver un problema monumental puede convivir con fallos en tareas sencillas o con dependencia de una orquestación específica. Capacidad excepcional y autonomía general no son sinónimos.
Qué conviene observar ahora
- La revisión independiente: si especialistas encuentran lagunas o confirman la construcción.
- La reproducción: si otros equipos pueden ejecutar los certificados de Lean y reconstruir el argumento.
- La publicación académica: en qué medio aparece la versión sometida a revisión.
- La respuesta de Clay: no cabe esperar una decisión inmediata por sus propias reglas.
- La procedencia y la autoría: si aparecen pruebas que aclaren la relación entre los trabajos concurrentes.
- El modelo interno: qué capacidades se hacen públicas, bajo qué salvaguardas y con qué acceso.
Conclusión: una prueba pública, no una sentencia final
OpenAI ha puesto sobre la mesa algo mucho más sólido que una demostración de marketing: un artículo extenso, un enunciado preciso y certificados formales que los expertos pueden examinar. Si superan la revisión, el resultado será histórico para las matemáticas y para la inteligencia artificial.
Pero la historia importante empieza ahora. Falta confirmar que la formalización corresponde sin fisuras al problema, que todos los argumentos resisten el escrutinio y que la comunidad acepta la solución. Al mismo tiempo, la disputa de prioridad obliga a discutir quién controla los datos científicos y cómo se atribuye un descubrimiento cuando intervienen modelos de varias compañías. El futuro que asoma no es una ciencia sin humanos, sino una ciencia en la que producir conocimiento puede acelerarse mucho más deprisa que verificarlo, repartir el crédito y gobernarlo.
Fuentes consultadas
- OpenAI: anuncio y explicación de la solución de Navier‑Stokes.
- Demostración técnica «Finite Time Blowup for Navier–Stokes».
- Repositorio de OpenAI con certificados en Lean.
- Instituto Clay: estado y descripción del problema y reglas del premio.
- Scientific American: contexto matemático y debate sobre la fuerza externa.
- Wired: investigación sobre el anuncio y la disputa de crédito.
- Declaración pública de Tristan Buckmaster.
Información y enlaces comprobados el 8 de septiembre de 2026.
Deja una respuesta