Simons, Anthropic y OpenAI: US$15M para matemáticas con IA

Simons Foundation, Anthropic y OpenAI ponen US$15 millones sobre la mesa

US$15 millones en financiamiento y recursos combinados. Ese es el monto que la Simons Foundation, Anthropic y OpenAI comprometieron para que la comunidad matemática pueda evaluar, entender y adoptar los resultados que la IA ya está produciendo en la disciplina. Para un founder que construye herramientas de IA vertical, la señal es concreta: la verificación se está convirtiendo en un mercado con presupuesto asignado.

La fundación será la que administre y adjudique el dinero, y lo hará entre otras vías mediante una convocatoria abierta de propuestas. Los fondos financiarán talleres e iniciativas que ayuden a los investigadores a evaluar resultados asistidos por IA, aprender a usar las nuevas herramientas, compartir perspectivas y construir estándares colectivos de uso.

¿Qué incluye exactamente el programa?

• Financiamiento: US$15 millones combinados entre las tres organizaciones, gestionados por la Simons Foundation.
• Convocatoria abierta: la fundación adjudicará los fondos a través de un llamado público a propuestas.
• Herramientas y cómputo: Anthropic y OpenAI aportarán acceso a sus herramientas y recursos de cómputo a los investigadores que la fundación respalde.
• Alcance: el programa arranca en matemáticas, pero se extiende a las ciencias básicas.

"Ahora es el momento de mirar la matemática como un todo, no como una colección de pruebas y teoremas, sino como un entendimiento colectivo impulsado por la curiosidad humana", dijo David Spergel, presidente de la Simons Foundation.

Según Crypto Briefing, el aporte de OpenAI a este fondo es de US$5 millones y fue anunciado el 6 de octubre de 2026. El mismo medio señala que la Simons Foundation financia investigación en matemáticas y ciencias básicas desde 1994 y administra activos por más de US$4.000 millones.

¿Por qué los matemáticos necesitan respaldo justo ahora?

Porque el volumen de resultados generados por IA desbordó a la comunidad. Según The Verge, OpenAI liberó cerca de 400 resultados matemáticos repartidos en más de 700 manuscritos, con trabajos en combinatoria, geometría, teoría de números, ciencias de la computación teóricas, álgebra, topología, probabilidad y física matemática.

El problema no es la cantidad de hallazgos, sino cuántos están verificados. De acuerdo con The Verge, OpenAI reconoció que solo 300 resultados principales de 719 manuscritos habían sido formalizados, alrededor del 42%, y que los manuscritos estaban en distintas etapas de verificación. El mismo medio reporta que el modelo intentó más de 4.000 problemas y que un resultado típico consumió unas tres horas de cómputo de razonamiento de ChatGPT Pro.

Aquí entra Lean, el asistente de pruebas que la propia Simons Foundation financió en sus inicios y que hoy es la pieza clave para verificar computacionalmente un resultado. Lean no valida el paper: valida la afirmación tal como está escrita en su código. Como explicó Science News, una prueba válida en Lean no valida automáticamente un artículo generado por IA, porque la traducción entre el texto y el código puede fallar.

Ese es, precisamente, el hueco que este programa busca cubrir.

¿Qué está haciendo el resto del sector?

No es un movimiento aislado. Science News reportó que un estudio de Google DeepMind, publicado en Science el 8 de octubre, mostró que su sistema AlphaProof Nexus resolvió 9 problemas de Erdős, con matemáticos humanos revisando muchas de las pruebas. La diferencia de enfoque es notoria: DeepMind documentó cómo obtuvo los resultados y los sometió a validación humana; OpenAI, según The Verge, no reveló qué modelo usó ni los prompts.

También existe presión desde dentro de la academia. The Verge menciona al Advisory Group on Mathematics and Artificial Intelligence (AGMAI), un grupo que recomendó a los laboratorios dejar de probar problemas avanzados en modelos propietarios inaccesibles para la comunidad científica y no usar los lanzamientos matemáticos como material de marketing.

¿Qué significa esto para tu startup?

Tres lecturas concretas.

1. La verificación es un producto, no un costo. Si construyes herramientas para investigación, salud, legal o cualquier vertical donde el output de un modelo necesite ser auditable, el caso de Lean es el manual: un lenguaje formal que convierte una afirmación en algo que una máquina puede chequear. El programa de US$15 millones está financiando justamente la infraestructura que hace posible esa auditoría.

2. Hay presupuesto para talleres y estándares. La convocatoria abierta no financia solo papers: financia talleres, programas especiales y trabajo de definición de estándares. Si tu equipo sabe traducir entre investigación y práctica, o si tienes experiencia organizando comunidades técnicas, ese es un nicho con financiamiento disponible y poca competencia.

3. El acceso a cómputo es parte del trato. Anthropic y OpenAI aportarán herramientas y recursos de cómputo a los investigadores respaldados. Para un equipo pequeño, ese acceso puede valer más que el efectivo: evaluar o entrenar modelos en dominios científicos es caro, y aquí viene empaquetado con el programa.

Cómo prepararte para la convocatoria

• Define el problema de verificación que resuelves. El programa prioriza iniciativas que ayuden a evaluar resultados asistidos por IA. Un proyecto que reduzca el tiempo de revisión de un output, o que mida su confiabilidad, encaja mejor que uno genérico de "IA para ciencia".
• Documenta tus métodos. La crítica central de la comunidad, según The Verge y Science News, es la falta de transparencia: modelos no revelados, prompts ocultos, formalizaciones incompletas. Un equipo que publica su metodología parte con ventaja reputacional.
• Suma a un matemático o a un investigador al equipo. El programa es explícitamente community-driven. Las propuestas con credibilidad académica tienen mejor posición que las puramente comerciales.
• Piensa más allá de las matemáticas. El alcance anunciado incluye ciencias básicas. Si tu producto vive en biología computacional, física o química, el mismo marco aplica.

Conclusión

La Simons Foundation lleva décadas financiando matemáticas y fue de las primeras en apostar por el aprendizaje automático para la ciencia. Este programa de US$15 millones junto a Anthropic y OpenAI es la continuación lógica de esa apuesta, pero también un reconocimiento incómodo: la IA generó resultados más rápido de lo que la comunidad puede absorberlos.

Para un founder, la lección es que la capa de confianza —verificar, explicar, contextualizar— es donde está el trabajo pendiente. Los modelos ya producen; lo que falta es quién certifique qué es correcto. Ese es un problema con presupuesto, con convocatoria abierta y con muy pocos equipos resolviéndolo hoy.

Fuentes

• Simons Foundation Launches $15M Effort to Help Mathematicians Navigate AI Era (fuente original)
• OpenAI gives $5 million to Simons Foundation to help mathematicians vet AI results
• 'Pure insanity': Mathematicians will need years to make sense of OpenAI's latest drop
• Can math stay human in the age of AI?