OpenAI asegura resolver Navier-Stokes con 10.000 agentes de IA

OpenAI afirma haber resuelto Navier-Stokes en un fin de semana

OpenAI anunció el 8 de septiembre de 2026 que un modelo de IA no publicado produjo una demostración del problema de existencia y suavidad de Navier-Stokes, uno de los siete Problemas del Milenio definidos por el Clay Mathematics Institute en el año 2000, cada uno con un premio de US$1 millón. Si la comunidad matemática la valida, sería apenas el segundo Problema del Milenio resuelto, después del demostrado sobre la hipótesis de Poincaré en 2003.

La compañía asegura que su prueba muestra que las ecuaciones que describen el movimiento de fluidos como el agua o el aire pueden desarrollar una singularidad en tiempo finito —un comportamiento físicamente imposible— lo que responde a la variante del problema planteada por Charles Fefferman. La demostración fue escrita también en Lean, un lenguaje de programación que permite verificar de forma automática que cada paso lógico de un teorema es correcto, según reportó Nature.

Qué son realmente las ecuaciones de Navier-Stokes

Son un conjunto de ecuaciones escritas por primera vez en el siglo XIX que modelan cómo se mueven los fluidos. Se usan en el diseño de aviones, en los modelos meteorológicos y en la simulación del flujo sanguíneo. La pregunta que el Clay Institute formalizó en 2000 es directa: ¿las soluciones de esas ecuaciones se mantienen siempre suaves, o pueden "explotar" con velocidades infinitas en un tiempo finito?

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Lo que OpenAI dice haber demostrado es justamente la segunda opción: que existen fluidos que empiezan de forma perfectamente normal y, bajo las ecuaciones de Navier-Stokes, alcanzan velocidad infinita en un tiempo finito. En palabras de Ven Chandrasekaran, científico de computación de OpenAI recogidas por Nature: "Nuestra prueba muestra que existen fluidos que empiezan perfectamente normales y, bajo las ecuaciones de Navier-Stokes, realmente alcanzan velocidad infinita en una cantidad finita de tiempo".

Cómo lo hicieron: 10.000 agentes y 88 horas

El relato interno que OpenAI presentó en su sesión informativa, reportado por Moneycontrol y OfficeChai, tiene una escala sin precedentes para un problema matemático:

OpenAI entrena desde el 28 de agosto un nuevo modelo interno con capacidades matemáticas avanzadas, descrito por la propia compañía como "significantly more capable" que GPT-6 Astra, según OfficeChai.
El 1 de septiembre, tras escuchar rumores de que dos matemáticos avanzaban sobre problemas de fluidos, OpenAI redirige ese modelo a los seis Problemas del Milenio aún sin resolver.
En paralelo, unos 1.000 agentes resuelven primero una versión simplificada (las ecuaciones de Euler sin viscosidad) en aproximadamente 50 horas.
Después, hasta 10.000 agentes trabajan en paralelo sobre el problema completo de Navier-Stokes.
El resultado llega el sábado 5 de septiembre, unas 88 horas después del inicio del esfuerzo.
La formalización y verificación en Lean añade 17 horas más.

En cifras, según OfficeChai, los agentes intercambiaron 2,7 millones de mensajes y consumieron unos 130.000 millones de tokens de salida solo en Navier-Stokes; sumando todos los problemas atacados, el total ronda los 4,9 millones de mensajes y 300.000 millones de tokens. Mark Chen, jefe de investigación de OpenAI, cifró el coste computacional en "millones de dólares" y Sebastien Bubeck, matemático e investigador de OpenAI, sostuvo que el salto representa aproximadamente 1.000 veces más capacidad que los resultados matemáticos previos producidos por la propia compañía.

OpenAI ha aclarado, además, que no reclamará el premio de US$1 millón del Clay Institute: presenta el anuncio como una demostración de capacidad y ha publicado tanto el artículo en lenguaje natural como la formalización en Lean.

La disputa por el crédito

El anuncio no llegó en el vacío. El día anterior, Tristan Buckmaster (NYU) y Levent Alpöge (matemático vinculado a Anthropic) publicaron tres preprints —con verificación en Lean incluida— demostrando singularidad en tiempo finito para las ecuaciones de Euler, Boussinesq y medios porosos incompresibles bajo condiciones suaves, según reportó Unite.AI. El propio Terence Tao, medalla Fields, calificó el trabajo como un "logro notable" en Mastodon.

Buckmaster sostiene, según Wired y Unite.AI, que OpenAI conoció su trabajo y el de Alpöge la semana previa, que ya tenía un equipo trabajando en el problema y que se le propusieron dos alternativas tras una llamada con Sebastien Bubeck: publicar su resultado Euler con un anuncio paralelo de OpenAI al día siguiente, o que él mismo escribiera un artículo reconociendo al modelo de OpenAI como autor de la prueba de Navier-Stokes. Buckmaster afirma, además, que Bubeck pidió en dos ocasiones retirar a Alpöge de la autoría por su vínculo con Anthropic —algo que Bubeck desmintió públicamente calificándolo de "falso e incendiario".

OpenAI, por su parte, niega haber accedido a los prompts o pruebas del dúo antes de su publicación. Bubeck fue tajante en la rueda de prensa, según Scientific American: "No usamos sus prompts o pruebas para prompting de nuestros modelos o dirigir a nuestros agentes". La compañía sí reconoció en su blog que, aunque improbable, no puede descartar que datos desidentificados derivados del uso de sus productos por parte de Buckmaster y Alpöge hayan servido para mejorar sus modelos.

Lo que nadie discute es que el método de "forcing" que OpenAI reconoce haber utilizado fue desarrollado originalmente por los matemáticos Diego Córdoba y Luis Martínez-Zoroa. Córdoba, en declaraciones a Scientific American, resumió el sentir de parte de la comunidad: "Si está hecho, será una gran sorpresa para nosotros".

¿Por qué importa a un founder aunque no seas matemático?

Más allá del récord académico, lo que OpenAI展示了 es un nuevo patrón de ejecución que cualquier fundador puede mapear a su propio producto:

Agentes en paralelo, no en serie. El salto de 1.000 a 10.000 agentes no fue lineal: cambió la naturaleza del problema abordable. En tu startup, la pregunta equivalente es qué tareas hoy resuelves secuencialmente con un solo "agente" humano o digital y podrían descomponerse en cientos o miles de subtareas simultáneas.
Coste de compute como feature, no como bug. OpenAI asume "millones de dólares" por un resultado que ni siquiera van a monetizar con el premio. Eso sitúa el listón de "cuánto vale resolver esto" mucho más arriba y obliga a founders de IA a repensar pricing y unit economics.
Verificación formal como nuevo estándar. La prueba no es solo texto: está certificada en Lean. Productos como asistentes legales, financieros o clínicos van a empezar a diferenciarse por entregar salidas verificables, no plausibles. Construir sobre esa base será ventaja competitiva.
El crédito importa, y va a litigarse. Cuando varios equipos persiguen el mismo objetivo, la trazabilidad de qué modelo usó qué dato y en qué momento se vuelve un activo legal. Llevar bitácoras inmutables de prompts y entrenamientos deja de ser opcional.

Qué hacer esta semana

Audita tus pipelines de IA y detecta dónde un patrón "multi-agente en paralelo" reduciría latencia o abriría casos de uso nuevos. Empieza por tareas de investigación, análisis o generación que hoy se hacen en serie.
Reserva presupuesto para verificación, ya sea con herramientas tipo Lean, evaluadores automatizados o humanos en el loop. La diferencia entre un MVP y un producto enterprise-ready pasa por ahí.
Documenta prompts y datos de entrenamiento desde el día uno. Si un competidor o un usuario te acusa de copiar, tu defensa dependerá de logs que ya no podrás reconstruir.