Alpöge afirma haber probado Riemann con Claude

¿Qué anunció exactamente Levent Alpöge?

Un matemático de Anthropic afirma haber resuelto la hipótesis de Riemann, el problema abierto más famoso de las matemáticas, trabajando junto a Claude. Si se confirma, sería el primer caso de un modelo de IA como coautor de un resultado de esa magnitud, y un golpe directo en la carrera por el liderazgo en inteligencia artificial que libran Anthropic y OpenAI.

Levent Alpöge, miembro del equipo técnico de Anthropic, publicó un documento de cuatro páginas titulado «Remark» en su sitio personal, alpo.ge, con una frase de apertura sin matices: «Creo que he descubierto, trabajando con Claude, una demostración de la hipótesis de Riemann». El texto sostiene que el método se extiende además a la hipótesis de Riemann generalizada y que, con más tiempo, alcanzaría la versión extendida.

Hay tres advertencias que conviene tener presentes antes de celebrar. La primera: nadie ha verificado la demostración. La segunda: el documento no lleva firma de autor y Alpöge no lo compartió en redes ni en ningún otro canal, según reportó OfficeChai. La tercera: Anthropic no comentó ni participó del anuncio, y The Verge no obtuvo respuesta inmediata de la compañía.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

¿Por qué la hipótesis de Riemann importa tanto?

Formulada por Bernhard Riemann en 1859, la hipótesis describe cómo se distribuyen los números primos entre los enteros. Dice que todos los ceros «no triviales» de la función zeta se ubican sobre una misma línea vertical en el plano complejo. Si eso es cierto, los primos están distribuidos de la forma más regular posible. Miles de resultados en teoría de números están demostrados hoy solo bajo la suposición de que la hipótesis se cumple.

Es uno de los siete Problemas del Milenio del Clay Mathematics Institute, que ofrece US$1 millón por cada uno resuelto. En el cuarto de siglo desde que se estableció el premio, solo uno se resolvió oficialmente: la conjetura de Poincaré. Y las reglas del instituto son explícitas: una solución propuesta debe publicarse y resistir al menos dos años de escrutinio, con «aceptación general en la comunidad matemática global».

Lean: una prueba que casi nadie puede leer

Lo más inusual del anuncio es el formato. No hay paper. El argumento completo se entregó como código en Lean, un lenguaje de programación en el que una computadora puede verificar cada paso lógico de una demostración, dividido en 14 archivos comprimidos.

Según Clarín, esos archivos suman unos 239 MB y 175.187 archivos fuente de Lean, mientras que el borrador informal generado por IA superaría las 250.000 páginas. Un proyecto de verificación independiente confirmó que los archivos compilan contra la librería matemática estándar de Lean, pero la comprobación automática completa de la demostración sigue en curso.

El propio autor reconoce los bordes rugosos: califica la cronología como aproximada, advierte que el argumento puede contener elecciones extrañas o subóptimas y aclara que nadie buscó todavía una demostración más corta. Una nota al pie admite que las descripciones de las partes donde Claude es el experto son paráfrasis de un resumen escrito por IA y podrían no tener sentido.

¿Cómo se repartieron el trabajo el humano y el modelo?

La estrategia parte del mundo de los «cuerpos de funciones», donde el análogo de la hipótesis de Riemann ya está demostrado. El obstáculo histórico es que ese método depende de derivadas, que no tienen contraparte natural en los números enteros.

La idea central del documento es un rodeo para ese hueco, y atribuye el paso clave a Claude: en lugar de derivadas, el argumento usa una cadena larga de «theta lifts» que mueven formas automorfas entre grupos de simetría. Cada eslabón suma una unidad de multiplicidad. El documento describe el trabajo como un esfuerzo conjunto y sostiene que Claude superó ampliamente al autor hacia el final, además de tratarlo como el experto en las formas automorfas de rango superior que Alpöge dice no dominar.

Entre los agradecidos figuran los matemáticos de Princeton Manjul Bhargava y Peter Sarnak, el especialista en teoría analítica de números Maksym Radziwiłł y los empleados de Anthropic Jarred Sumner y Ralph Furman. Estar en la lista de agradecimientos no significa que hayan revisado la demostración.

La carrera de la IA por las matemáticas

El anuncio no llega en el vacío. Unite.AI reportó que el 10 de agosto de 2026 Anthropic informó que una versión de investigación no publicada de Claude elevó del 41,6% al 67,2% la cota inferior para la proporción de ceros de zeta que cumplen la hipótesis. Ese trabajo usó dos sesiones de Claude Code y 31 millones de tokens de salida: el modelo generó primero 650 ideas que no funcionaron y luego coordinó unos 60 subagentes. La compañía aclaró entonces que no había demostrado la hipótesis.

Del otro lado, OpenAI anunció el 8 de septiembre de 2026 que había resuelto el problema de Navier-Stokes, tras gastar millones de dólares y desplegar 10.000 agentes, según The Verge. El resultado se considera creíble pero no tiene reconocimiento formal, y quedó envuelto en acusaciones de prácticas cuestionables, incluyendo el uso de trabajo no publicado de matemáticos que habían compartido su investigación con las herramientas de IA. OpenAI negó las irregularidades.

OfficeChai agrega que el anuncio de Alpöge llega seis semanas después de que OpenAI publicara un paper titulado «The Quasi-Riemann Hypothesis» dentro de un lote de 722 manuscritos generados por IA. Ese resultado movió la región donde podrían esconderse los ceros, pero quedó lejos de la hipótesis. El matemático de Rutgers Alex Kontorovich dijo en su momento que, si lo hubiera hecho un humano, sería una Medalla Fields instantánea.

También hay voces de cautela. Terence Tao advirtió sobre demostraciones de IA que llegan como cajas negras selladas: prueban que algo es verdad sin ayudar a entender por qué. Y 25 medallistas Fields firmaron un llamado a anuncios más lentos y mejor documentados.

¿Qué significa esto para tu startup?

Más allá de las matemáticas, el episodio deja tres lecciones operativas que aplican a cualquier equipo que use modelos generativos en producción.

  • Diseña la verificación antes de escalar la generación. El valor de Lean aquí no es el lenguaje en sí, sino que convierte una afirmación en algo que una máquina puede chequear paso a paso. Si tu producto depende de outputs de IA que nadie puede leer completos, necesitas un mecanismo automático de validación: tests, evals, contratos de tipos, revisión por muestreo. Sin eso, estás publicando cajas negras.
  • No amplifiques un resultado sin verificación independiente. El propio autor reconoce que la cronología es aproximada y que hay pasos con preguntas abiertas. Comunicar «la IA resolvió X» antes de que un tercero lo confirme es el tipo de error que destruye credibilidad de marca en una semana. Aplica igual a tus propios benchmarks internos.
  • El cuello de botella se movió de generar a entender. Alpöge dice que presentó el argumento antes de dominar buena parte de la matemática que lo rodea, y que sus próximos pasos son entenderlo, simplificarlo y escribirlo bien. En tu equipo, eso significa que el perfil valioso ya no es solo quien produce, sino quien puede dirigir un modelo en un dominio donde no es experto y después auditar el resultado.

Conclusión

La afirmación de Levent Alpöge es, por ahora, exactamente eso: una afirmación. Está respaldada por el historial de alguien que en 2026 ya anunció resultados asistidos por Claude en la conjetura jacobiana, las matrices de Hadamard y el problema de Hopf, y por un artefacto técnico que cualquiera puede descargar y compilar. Pero también es un documento sin firma, sin paper, sin revisión por pares y sin el respaldo de la propia Anthropic.

El primer test es mecánico: que investigadores externos logren construir el proyecto en Lean y confirmar que el teorema final dice lo que dice la hipótesis de Riemann, apoyándose solo en axiomas estándar. Si eso pasa, el problema quedaría resuelto en sentido formal antes de que alguien entienda del todo el argumento. Hasta entonces, la lectura correcta para un founder es la misma que para un matemático: atención seria por quién está detrás, y cautela por todo lo que todavía no se chequeó.

Fuentes

¿te gustó o sirvió lo que leíste?, Por favor, comparte.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Daily Shot: Tu ventaja táctica

Lo que pasó en las últimas 24 horas, resumido para que tú no tengas que filtrarlo.

Suscríbete para recibir cada mañana la curaduría definitiva del ecosistema startup e inversionista. Sin ruido ni rodeos, solo la información estratégica que necesitas para avanzar:

  • Venture Capital & Inversiones: Rondas, fondos y movimientos de capital.
  • IA & Tecnología: Tendencias, Web3 y herramientas de automatización.
  • Modelos de Negocio: Actualidad en SaaS, Fintech y Cripto.
  • Propósito: Erradicar el estancamiento informativo dándote claridad desde tu primer café.

📡 El Daily Shot Startupero

Noticias del ecosistema startup en 2 minutos. Gratis, todos los días.

Share to...