¿Qué pasó con OpenAI Astra y las 10 soluciones matemáticas?

OpenAI anunció en agosto de 2026 que un modelo interno llamado Astra resolvió 10 problemas de larga data en matemáticas y ciencias teóricas de la computación. Los resultados incluyen desde la construcción del primer grupo no sofic (un problema abierto desde 1999) hasta la refutación de la conjetura de rigidez de Connes, avances en complejidad de circuitos aritméticos y la resolución de tres problemas del catálogo de Paul Erdős. Lo que distingue este anuncio de los anteriores es que OpenAI publicó certificados verificables en Lean 4, un lenguaje formal de demostración matemática, junto con 249 páginas de manuscritos y explicaciones de razonamiento.

El costo computacional reportado fue de aproximadamente USD 2.000 en tarifas de API de GPT-5.6 Sol, una cifra modesta para el nivel de avance logrado. Sin embargo, esta cifra solo cubre los intentos exitosos, no el total de pruebas realizadas por el modelo.

La reacción en la comunidad matemática fue mixta: mientras Fields Medalists como Tim Gowers dijeron que habrían recomendado la publicación sin dudarlo, otros expertos señalaron deficiencias en la atribución de trabajos previos y cuestionaron si algunos resultados eran realmente novedosos o combinaciones creativas de ideas existentes.

¿Por qué esto genera una crisis existencial en las matemáticas?

Lo que está causando conmoción no es solo que IA pueda resolver problemas difíciles, sino la velocidad a la que esto está sucediendo. En menos de seis meses, modelos de IA pasaron de ser notoriamente malos en matemáticas básicas (no podían contar letras en palabras) a producir trabajo comparable al de buenos matemáticos profesionales.

James Maynard, ganador de la Medalla Fields, expresó su preocupación sobre el futuro del campo: "Si el estándar para un paper publicable es algo que una IA no puede hacer, el desafío es que no estás tratando de encontrar un problema que la IA no pueda hacer ahora, sino uno que no pueda hacer dentro de cuatro años" — el tiempo típico para completar un PhD.

La Declaración de Leiden, lanzada en junio de 2026 y respaldada por la Unión Matemática Internacional, advierte que estos desarrollos amenazan los valores característicos de la investigación matemática, afectando desproporcionadamente a estudiantes y matemáticos de carrera temprana. Más de 150 expertos firmaron este documento pidiendo a los gobiernos no confiar en el hype de la industria tecnológica.

La paradoja de la verificación mecánica

Astra generó certificados Lean 4 con un conteo de "sorry" igual a cero, lo que significa que cada paso formal de las demostraciones compiló correctamente. Esto elimina la necesidad de creer en la entidad que produjo los resultados: cualquiera puede descargar los certificados y ejecutar el verificador.

Sin embargo, esto no elimina la necesidad de un matemático humano para confirmar que cada declaración formaliza realmente el problema abierto que se pretendía resolver y para juzgar si el resultado importa. Ninguno de los 10 resultados ha pasado por revisión por pares tradicional.

Algunos investigadores encontraron que dos de los resultados incorporaban ideas previas de la literatura matemática reciente sin citarlas adecuadamente en el comunicado inicial de prensa. OpenAI actualizó posteriormente el lenguaje para reflejar mejor el contexto, pero el incidente alimentó debates sobre atribución y plagio en investigaciones impulsadas por IA.

Qué significa esto para tu startup

Para founders de deep tech e IA

1. Evalúa la infraestructura de verificación en tu stack: Si tu producto depende de generación automática de contenido crítico (código, análisis financiero, diagnósticos), implementa capas de verificación mecánica similares a Lean. Las empresas que ya tienen estas capas (como chip designers con Cadence y Synopsys) son las que pueden escalar el uso de IA de forma segura.

2. Monitorea cómo la reducción de costos de descubrimiento afecta tu industria: El costo de USD 2.000 por resolver problemas matemáticos complejos sugiere que otras disciplinas con requisitos de verificación similares podrían experimentar disrupciones comparables. Identifica dónde tu sector tiene procesos de validación automatizados y prepárate para competir con costos significativamente menores.

Para emprendedores académicos y científicos

3. Considera oportunidades en herramientas de verificación y auditoría de IA: A medida más output generado por IA, más valiosa se vuelve la infraestructura para verificarlo. Empresas que construyan herramientas de verificación formal, auditoría de atribución o gestión de crédito intelectual tendrán demanda creciente.

4. Reevalúa estrategias de propiedad intelectual: Si la IA puede generar resultados verificables a bajo costo, la ventaja competitiva se desplaza hacia la capacidad de formular preguntas relevantes y validar resultados, no solo hacia la producción de soluciones. Invierte en expertise humano especializado en evaluación crítica.

El debate sobre singularity y hype

Sam Altman declaró recientemente que la humanidad ya entró en la era de la singularity de IA, afirmación que Elon Musk reforzó públicamente tras conocer los resultados de Astra. Sin embargo, el consenso entre expertos sigue siendo cauteloso: el éxito en un dominio no garantiza éxito en todos, y muchos de los problemas resueltos por Astra fueron seleccionados cuidadosamente, no explorados aleatoriamente.

La comunidad matemática enfrenta un dilema estructural: por un lado, la democratización del acceso a herramientas avanzadas podría impulsar descubrimientos globales; por otro, el costo de ejecutar modelos sofisticados (incluso a USD 2.000) puede excluir a investigadores de instituciones menos financiadas, especialmente en un campo donde muchas investigaciones se realizan sin grants.

Mientras tanto, la pregunta fundamental persiste: ¿estamos ante un nuevo paradigma de investigación científica o simplemente ante una herramienta más poderosa en manos de quienes ya tienen los recursos para usarla?

Fuentes

• The Verge - Welcome to the AI crisis in math
• SiliconANGLE - OpenAI’s Astra solves 10 long-open math problems and publishes the proofs
• Forbes - OpenAI’s Astra Solved Decades-Old Math Problems For $2,000
• Ars Technica - Mathematicians warn of AI threats to profession as industry encroaches
• Geeky Gadgets - OpenAI Astra Solves 10 Unsolved Math and Computing Problems