OpenAI y Navier-Stokes: la pelea por el crédito en IA

OpenAI dice haber roto una ecuación imposible: 10.000 agentes y 88 horas contra Navier-Stokes

El 8 de septiembre de 2026, OpenAI anunció que un modelo interno, todavía no público, demostró una singularidad en las ecuaciones de Navier-Stokes en tres dimensiones: existen fluidos que, partiendo de condiciones suaves, alcanzan velocidad infinita en tiempo finito. La demostración fue formalizada en Lean, el lenguaje que verifica pruebas matemáticas con rigor computacional. Para Sebastián Bubeck, investigador de la compañía, se trata de la primera vez que un sistema de IA "resuelve de forma autónoma" uno de los seis Problemas del Milenio que siguen abiertos desde 2000, cada uno premiado con US$1 millón por el Clay Mathematics Institute, según reportó Wired.

El resultado toca la pregunta central de la dinámica de fluidos: si una gota de agua o una corriente de aire que arranca siendo suave puede, en algún momento, comportarse de manera matemáticamente absurda. Si las ecuaciones se rompen, significa que, en el límite, la realidad se escapa del modelo. Tiene implicaciones para el clima, la aerodinámica, la ingeniería naval y hasta para cómo se mueve la sangre por las arterias, resume Business Standard.

Cómo se cocinó la "prueba del millón de dólares"

El equipo de Bubeck entrenó un nuevo modelo con capacidades matemáticas avanzadas el 28 de agosto, según contó él mismo en una conferencia de prensa. El 1 de septiembre, tras enterarse de rumores de que un equipo vinculado a Anthropic estaba cerca de una solución, redirigió todos los recursos al problema. Primero lanzó cerca de 1.000 agentes durante unas 50 horas contra una versión simplificada y, después, escaló a 10.000 agentes que estuvieron trabajando 88 horas. Otro modelo tardó 17 horas adicionales en formalizar la prueba en Lean. En total, los agentes intercambiaron casi 5 millones de mensajes entre sí, según reconstruyó Quanta Magazine.

🤖 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

Mark Chen, jefe de investigación de OpenAI, cifró el coste computacional en "varios millones de dólares". Para ponerlo en perspectiva: es la primera vez que una empresa invierte esa cantidad para resolver un solo problema matemático, una escala que ningún grupo académico podía igualar.

La acusación que lo cambió todo

Doce horas antes del anuncio de OpenAI, Tristan Buckmaster (NYU) y Levent Alpöge (investigador de Anthropic) publicaron sus propios avances sobre el mismo problema, usando Claude, Codex y Astra. Buckmaster aseguró haber mantenido conversaciones con Bubeck en las que, según su versión, se le ofrecieron dos opciones: publicar una versión parcial y dejar a OpenAI anunciar la solución completa al día siguiente, o firmar un paper en solitario que no incluyera el nombre de Alpöge, según recoge Wired.

Buckmaster asegura que, durante meses, él y Alpöge habían volcado borradores, líneas de trabajo y prompts en ChatGPT y Codex. Cuando preguntó si el modelo había sido entrenado o había tenido acceso a esas sesiones, le respondieron que "el modelo no consulta los datos de los usuarios". Al volver a preguntar por el entrenamiento, no obtuvo respuesta. En su comunicado, Buckmaster escribió que uno de los tres papers que tuvo que publicar precipitadamente "solo puede describirse como AI slop" y pidió disculpas por ello, tal como recogió Quanta Magazine.

OpenAI lo negó todo: "Nosotros, ya sean los investigadores o los agentes, no vimos ninguno de sus trabajos hasta que se hicieron públicos". Pero en su propio comunicado reconoció algo clave: "aunque poco probable, no podemos descartar que datos desidentificados derivados del uso de nuestros productos hayan ayudado a mejorar nuestros modelos". Bubeck se disculpó en X por una "elección de palabras extremadamente pobre" y negó haber pedido borrar a Alpöge de la lista de autores. Sam Altman también salió a defender al equipo en redes.

La deuda intelectual con Córdoba y Martínez-Zoroa

Lo que casi nadie discute es que ambos grupos, el de OpenAI y el de Buckmaster-Alpöge, se apoyaron en el trabajo de Diego Córdoba (Instituto de Ciencias Matemáticas de Madrid) y Luis Martínez-Zoroa (CUNEF University). En su tesis doctoral de 2021, Martínez-Zoroa ideó técnicas analíticas que no dependían de simulaciones por computadora, una rareza en el campo. Para 2023, ya habían demostrado que una versión de las ecuaciones de Euler (sin viscosidad) con una función de forzamiento desordenada admitía singularidades, según reconstruyó Quanta Magazine.

Charles Fefferman, de Princeton y autor de la descripción oficial del problema en el Clay Institute, lo dijo sin rodeos: "Los héroes de esta historia son Córdoba y Martínez-Zoroa". Buckmaster fue aún más lejos: "Creo que Luis Martínez-Zoroa merece una Medalla Fields".

¿Por qué OpenAI no reclamará el US$1 millón?

El anuncio original generó titulares grandilocuentes, pero la propia OpenAI reconoció que no piensa pedir el premio del Clay Institute. La razón es técnica: la demostración responde a los enunciados "C" y "D" de la formulación del Clay, que asumen la presencia de fuerzas externas sobre el fluido. El premio exige probar la versión sin fronteras y con una función de forzamiento suave, que es el verdadero santo grial, y esa sigue abierta, como aclara Business Standard.

En otras palabras: lo que OpenAI hizo es impresionante, pero no es el problema del millón. Es un paso de gigante, no la línea de meta.

¿Qué significa esto para tu startup?

Lo que parece una pelea entre matemáticos es, en realidad, una señal de alarma para cualquier founder que usa IA a diario. El episodio demuestra tres cosas prácticas:

Lo que subes a un chatbot puede terminar entrenándolo. OpenAI admite que "datos desidentificados" derivados del uso de sus productos pueden alimentar sus modelos. Para un matemático significa perder la prioridad de un resultado de US$1 millón; para una startup significa que un contrato, un pitch, un roadmap de producto o un prototipo que subiste a ChatGPT puede quedar codificado en los pesos del sistema sin que haya un botón para revertirlo.
La atribución en proyectos con IA es un problema legal abierto. Si tu equipo usa Codex, Claude o Astra para escribir código, hacer research o preparar un patent filing, ¿de quién es la IP? ¿Quién firma como autor? La pregunta aún no tiene respuesta clara en ninguna jurisdicción, y cada vez más casos como el de Buckmaster terminarán en los tribunales.
La escala de cómputo define quién puede competir. OpenAI gastó "varios millones de dólares" en cómputo para un solo problema. El coste marginal de resolver tareas complejas con IA cae rápido, pero los saltos cualitativos (10.000 agentes, modelos de nueva generación) siguen requiriendo capacidades que solo tienen 3-4 organizaciones en el mundo. Para una startup, la lectura práctica es: la diferenciación ya no está en entrenar tu propio modelo grande, sino en cómo orquestras los modelos existentes con datos propietarios.

Dos acciones concretas que puedes tomar esta semana

Audita qué información sensible entra en tus herramientas de IA. Contratos con clientes, código fuente, datos financieros, roadmap, información médica: cualquier cosa que subas a un chatbot comercial puede terminar en un ciclo de entrenamiento. Define una política interna de qué se puede compartir y qué no, y considera opciones con cláusulas enterprise que excluyan datos del entrenamiento (OpenAI Enterprise, Anthropic Claude for Work, Google Workspace con Gemini).
Documenta el rol de la IA en tus entregables. Si usas IA para generar código, papers, patentes o propuestas, lleva un registro de prompts y outputs. En una disputa futura sobre autoría o propiedad intelectual, ese log puede ser la diferencia entre ganar o perder el crédito (y el dinero) de tu trabajo.