¿Qué afirmó Levent Alpöge y qué se ha verificado ya?
Levent Alpöge, matemático del equipo técnico de Anthropic, publicó el 20 de noviembre una nota de cuatro páginas en su web personal en la que afirma: «creo que he descubierto, trabajando con Claude, una prueba de la hipótesis de Riemann». No lo acompañó con un PDF al uso, sino con un archivo formal escrito en Lean, el asistente de demostraciones que comprueba paso a paso la lógica matemática. Según Clarín, son 14 partes que suman unos 239 megabytes y 175.187 archivos fuente.
La afirmación va más allá del problema original de 1859: según su nota, la prueba cubre la hipótesis de Riemann generalizada (GRH), una extensión que aplica a las funciones L de Dirichlet.
La parte que ya está confirmada es la formal. Un comunicado conjunto de las comunidades de Lean y Mathlib del 21 de noviembre expresó «plena confianza» en que Alpöge demostró correctamente la hipótesis, tras superar cuatro comprobaciones: que el enunciado es el correcto, que el código compila sin errores, que demuestra lo que dice demostrar y que la prueba es lógicamente válida. Decenas de especialistas reprodujeron la compilación con verificadores independientes, según recogió MarsBit.
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →¿Por qué una prueba en Lean vale más que un documento en PDF?
La diferencia no es de formato, es de garantía. Lean no opina: verifica que cada paso se sigue de las definiciones establecidas y de los axiomas permitidos. Un modelo de lenguaje puede escribir un argumento que parezca matemática; un kernel de Lean acepta o rechaza el archivo. Por eso este caso es distinto de un anuncio en un blog.
Aun así, el estándar Lean no cierra el debate por sí solo. El matemático Kit Yates y otros expertos citados por Clarín señalan tres cosas que hay que confirmar antes de hablar de solución: que el teorema codificado sea de verdad la hipótesis estándar y no una versión sutilmente alterada, que todas las definiciones internas reflejen las definiciones estándar y que no se hayan colado supuestos no demostrados.
Para dimensionar el problema: se ha comprobado numéricamente que los primeros 10 billones de ceros no triviales de la función zeta caen sobre la línea crítica, pero un solo contraejemplo en el infinito restante tumbaría la conjetura. Por eso la prueba universal importa: cientos de teoremas de teoría de números y de criptografía están escritos suponiendo que Riemann tenía razón.
¿Qué falta para que la comunidad matemática hable de solución?
Falta lo más lento: entender. Que una máquina certifique que algo es cierto no es lo mismo que una comunidad científica comprenda por qué lo es. Las propias comunidades de Lean advirtieron que los matemáticos todavía deben estudiar, entender y explicar las ideas del argumento, y que los archivos son difíciles de interpretar para quien no es especialista.
El propio Alpöge reconoció sentirse incómodo publicando la prueba sin una explicación legible para humanos, y se comprometió a escribirla. Describió su hallazgo como una especie de «paseo» en el que encontró las piezas del argumento con Claude, sin que las fuentes precisen qué modelo se usó.
Hay señales de que el resultado, si se sostiene, sería enorme. Hector Pasten, matemático de la Pontificia Universidad Católica de Chile, dijo a Scientific American que completaría «una especie de diccionario» entre ramas de las matemáticas que hoy solo están conectadas parcialmente: «algo así como una Piedra Rosetta». Andrew Sutherland, del MIT, compiló el resultado por su cuenta y lo describió como «un triunfo humano» y un día de celebración, aunque avisó de que procesarlo «va a llevar tiempo».
¿Por qué el momento del anuncio genera sospecha?
El calendario no ayuda. Según RTVE, Anthropic fijó el precio de su salida a bolsa en US$83 por acción y captó alrededor de US$81.300 millones, en la mayor operación de este tipo registrada hasta ahora y cotizando en el Nasdaq bajo el símbolo ANT. La prueba se anunció un día después de ese debut.
Alpöge escribió a su consejero delegado, Dario Amodei, para preguntarle cómo anunciarlo, y calificó el momento de «horrible» por coincidir con la salida a bolsa, al tiempo que rechazó que fuera una maniobra interesada. El trasfondo tampoco es neutro: el matemático estuvo en el centro de una disputa por el crédito de un trabajo sobre Navier-Stokes, cuando un investigador de OpenAI pidió disculpas por usar trabajo ajeno sin reconocerlo.
Y hay un límite formal: la hipótesis es uno de los siete Problemas del Milenio del Clay Mathematics Institute, con un millón de dólares de premio, pero sus reglas exigen publicación revisada por pares, dos años de espera y aceptación general de la comunidad. Una nota en una web personal y un archivo de código no califican, y la institución seguía listando el problema como no resuelto.
La otra prueba: 940 páginas escritas por un humano
Casi al mismo tiempo, según Microsiervos, un matemático anunció por su cuenta una demostración puramente humana de la hipótesis, un trabajo de unas 940 páginas titulado «La música de los números primos». Esa prueba no ha pasado por una verificación equivalente. Terence Tao, una de las voces más respetadas del campo, publicó además una guía sobre cómo seguir el proceso de verificación de la prueba asistida por IA.
El contexto de la carrera es explícito: en julio de 2026 Alpöge ya había publicado una solución de la conjetura jacobiana generada con Claude; en agosto de 2026 Anthropic reportó que al menos el 67,25% de los ceros no triviales de la función zeta están sobre la línea crítica y son simples, frente a cerca del 41% anterior; y en octubre de 2026 OpenAI liberó 722 manuscritos matemáticos generados por IA, incluida una supuesta prueba de una versión más débil. Todo según Clarín.
¿Qué significa esto para tu startup?
La lección más útil no es matemática, es operativa: generar se volvió barato y verificar es el nuevo cuello de botella. Cuando cualquier equipo puede producir diez borradores, tres prototipos y un informe en una tarde, la ventaja competitiva se mueve al lado de la comprobación. Ese es el hueco de producto que este episodio deja a la vista.
- Publica artefactos, no conclusiones. Si vas a presumir de un benchmark, una métrica de retención o un modelo propio, libera el reproducible: dataset, script y semilla. Un tercero independiente que lo replique vale más que veinte diapositivas de marketing. Alpöge hizo exactamente eso al entregar código verificable en lugar de un ensayo, y por eso la conversación cambió de «¿lo dices en serio?» a «¿qué significa?».
- Separa el hito técnico del hito comercial. Anunciar un avance científico el día después de tu mayor evento corporativo convierte un logro en una pregunta sobre intenciones. Si tu equipo de producto cierra algo grande, no lo apiles sobre una ronda o un lanzamiento: la sospecha se come el mérito.
- Adopta la especificación verificable como estándar interno. Escribe qué debe cumplir tu sistema antes de entrenar, promptear o codificar, y testea contra esa especificación. En sectores regulados —fintech, salud, seguros— poder demostrar que el sistema cumple una regla formal es un argumento de venta, no un coste de ingeniería.
- Asume la deuda de comprensión. Un test en verde y un código que compila no significan que tu equipo entienda el sistema. Documentar en lenguaje humano lo que la máquina certifica es trabajo real, y es lo que evita que heredes un artefacto que nadie sabe mantener.
Conclusión
La noticia no es que la hipótesis de Riemann esté resuelta. Es que alguien afirma haberla demostrado de una forma que las máquinas pueden comprobar, y que ahora empieza la parte difícil: que los humanos lo entiendan. Con 17 millones de líneas que compilan pero que nadie ha explicado todavía, la pregunta que queda abierta no es matemática, es epistemológica: si una máquina certifica que algo es cierto, ¿nos basta sin saber por qué? Los founders van a enfrentarse a esa pregunta mucho antes de lo que creen, cuando su propio producto empiece a producir resultados correctos por razones que nadie en la empresa sabe explicar.
Fuentes
- wwhatsnew.com (fuente original)
- Clarín
- Scientific American
- RTVE
- MarsBit vía KuCoin
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →













