OpenAI cambia su paper de Navier-Stokes tras críticas

Una denuncia pública desde Mastodon

El 8 de septiembre de 2026, Tristan Buckmaster, profesor de matemáticas de la Universidad de Nueva York, publicó en Mastodon un mensaje dirigido directamente a OpenAI: "Just to point something out to Open AI since they do not seem to have any mathematicians capable of understanding what they put out". En el post, el investigador acusa a la compañía de "absoluta mala praxis académica" por la forma en que presentó su paper sobre el problema de Navier–Stokes.

Buckmaster no es un crítico cualquiera. Junto con Levent Alpöge, matemático de Anthropic, llevaba meses trabajando en una vía de demostración que, según TechCrunch, OpenAI tomó como propia tras conocer los rumores de su avance. En su mensaje en Mastodon, Buckmaster señala que OpenAI afirma que su trabajo se inspiró en el "unforced Euler", mientras su propio resultado "hipodissipativo" —aún no público— ya apuntaba en la misma dirección. La conclusión del matemático es dura y directa: "Esto abajo es absoluta mala praxis académica".

Qué pasó exactamente con el paper de Navier-Stokes

El mismo 8 de septiembre, OpenAI anunció que un modelo de IA no publicado había resuelto el problema de existencia y suavidad de Navier-Stokes, uno de los siete Problemas del Milenio del Clay Mathematics Institute, cada uno con un premio de US$1 millón. La demostración, de 166 páginas, fue verificada con Lean, la herramienta estándar de verificación formal de pruebas matemáticas.

🤖 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

Según OpenAI, el trabajo se completó en aproximadamente 88 horas con alrededor de 10.000 agentes de IA operando en paralelo, consumiendo 300.000 millones de tokens de salida —un coste que la propia compañía estimó en US$22,5 millones si se tarifara a precios actuales de su modelo Astra. Mark Chen, director de investigación de OpenAI, reconoció que el gasto computacional fue "enfáticamente de millones de dólares", unas 1.000 veces más que en resultados matemáticos anteriores de la empresa. La compañía, no obstante, anunció que no reclamará el premio del Clay.

Pero la celebración duró poco. En la propia página de Mastodon de Buckmaster, otros usuarios detectaron que el paper de OpenAI fue modificado horas después de su publicación original, con nuevas referencias añadidas —algunas con guiones bajos que parecían marcadores de posición—, sin que el blog acompañante lo mencionara. El archivo en Wayback Machine conserva ambas versiones: la del 8 de septiembre a las 17:29 y la revisada a las 20:04 del mismo día.

La disputa sobre el crédito es central. Buckmaster y Alpöge denunciaron que "información sobre nuestro progreso fue pasada a OpenAI" mientras finalizaban sus propios resultados. OpenAI, por su parte, declaró en un post en X: "no usamos sus prompts ni sus pruebas para dirigir a nuestros modelos o agentes". Añadió, sin embargo: "aunque improbable, no podemos descartar que datos derivados del uso de sus productos ayudaran a mejorar nuestros modelos".

El contexto más amplio: OpenAI bajo lupa por sus papers de matemáticas

El episodio de Navier-Stokes no es un caso aislado. Scientific American documentó en las semanas previas que dos de los 10 resultados matemáticos anunciados por OpenAI con su modelo Astra incorporaban ideas de papers de 2016 y 2019 sin citarlos correctamente. Steven Miller, matemático de la Yeshiva University, acusó a la compañía de "plagiar de forma deliberada" una de sus investigaciones. Francesco Fournier-Facio, de la Universidad de Cambridge, señaló que el resultado sobre soficidad en teoría de grupos combinaba nociones ya publicadas que la nota de prensa inicial parecía ignorar o desconocer.

La propia OpenAI admitió ante Scientific American que planea hacer "pequeñas actualizaciones al paper esta semana, consistentes con la práctica académica estándar". En paralelo, el debate se ha intensificado tras las declaraciones de Terence Tao en el Congreso Internacional de Matemáticos y la publicación de la Declaración de Leiden, firmada por miles de matemáticos, que pide que la IA "aumente y no reemplace la creatividad matemática humana" y haga énfasis en transparencia, rendición de cuentas y atribución adecuada.

Por qué importa a founders: propiedad intelectual y herramientas de IA

Para un founder que usa Codex, Cursor, Claude Code o similares en su día a día, esta pelea entre matemáticos y OpenAI no es una curiosidad académica: tiene implicaciones directas en cómo manejas tu propia propiedad intelectual.

Tus prompts pueden entrenar a tu proveedor. Las condiciones de servicio de OpenAI se reservan el derecho a entrenar modelos con interacciones en Codex, con opción de exclusión. En el caso Buckmaster, OpenAI declaró que "no podemos descartar" que datos derivados del uso de sus productos ayudaran a mejorar sus modelos. Lo mismo aplica a cualquier fundador que use estos sistemas con código, datos de clientes o investigación propia.
El output no es tuyo si no citas bien. El propio Sébastien Bubeck, investigador de OpenAI, habría pedido a Buckmaster —según este— quitar el crédito a Alpöge por su afiliación con Anthropic, y le habría dicho "Why would you ruin your career?". Aunque OpenAI niega la presión, el episodio ilustra lo rápido que la atribución se vuelve un punto de fricción cuando los modelos producen pruebas largas en horas.
La maquinaria de PR pesa más que la corrección. Como resumió Fournier-Facio, "hay una gran maquinaria de PR que quiere sonar lo más impresionante posible y no le importa ser 100% precisa". Tu startup vive de su reputación; importar esta cultura de comunicación tiene costes reales con clientes, inversores y partners.

¿Qué significa esto para tu startup?

Más allá del espectáculo académico, hay tres acciones concretas que un founder puede sacar de este episodio:

Revisa hoy mismo la política de entrenamiento de datos de cada IA que usas. Si trabajas con código, datos de clientes o investigación propia, desactiva el entrenamiento por defecto en OpenAI, Anthropic y Google cuando esté disponible, y considera modelos locales o empresariales para lo más sensible.
Documenta tus prompts como si fueran código. Cuando uses IA para una investigación, una patente o una propuesta comercial, guarda las conversaciones como parte de tu expediente de propiedad intelectual. Es la prueba que necesitarías si alguien afirma después que tu output vino de un modelo entrenado con tu material.
Cita todo, incluso a la IA. Si vendes informes, papers internos o análisis a clientes, incluye qué modelo usaste, qué versión y qué prompts. Es el nuevo estándar que están pidiendo declaraciones como la de Leiden y que pronto exigirán clientes, reguladores y revistas.

La pelea por el crédito en Navier-Stokes es el adelanto de una conversación que tu startup tendrá con clientes, inversores y reguladores antes de lo que crees.