Bubeck se disculpa por Navier-Stokes; Buckmaster sostiene que mintió

La historia que reabre la disputa

El 8 de septiembre, el investigador de OpenAI Sébastien Bubeck publicó en X su versión sobre la pelea del crédito por las ecuaciones de Navier-Stokes. Se disculpó por un comentario realizado en una llamada privada. Sam Altman, CEO de OpenAI, le respaldó en menos de media hora. Tristan Buckmaster, matemático de la Universidad de Nueva York, respondió que Bubeckmintió sobre lo que dijo.

El episodio original, según lo cubrió The Next Web, gira en torno a un anuncio de OpenAI del 8 de septiembre: la compañía dijo que un modelo interno no liberado —»significativamente más capaz que GPT-6 Astra», según la propia empresa— resolvió dos enunciados del problema de Navier-Stokes en alrededor de 88 horas, usando aproximadamente 10.000 agentes concurrentes, 2,7 millones de mensajes y 130.000 millones de tokens solo para este problema (TechCrunch). Mark Chen, jefe de investigación de OpenAI, cifró el coste de cómputo en «enigmáticamente millones de dólares» — concretamente unos US$22,5 millones al tarifa actual de Astra, según el cálculo de TechCrunch.

Pocas horas antes, Tristan Buckmaster (NYU) y Levent Alpöge (investigador de Anthropic) habían publicado tres resultados relacionados: singularidad de tiempo finito para medios porosos incompresibles, Boussinesq y Euler 3D incompresible, todo con fuerza externa suave y verificación en Lean. Según TechCrunch y Wired, la pareja usó principalmente Codex de OpenAI, además de Claude, GPT-5.6 Sol y Astra. La fecha clave interna: Alpöge y Buckmaster fechan su avance en Euler al 15 de agosto y la verificación en Lean al 22 de agosto.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

¿Qué dice Bubeck y dónde discrepa Buckmaster?

Bubeck sostiene que contactó primero a Alpöge para coordinar la publicación. En una llamada posterior con Buckmaster supo que la pareja había resuelto Euler, no Navier-Stokes. Según Bubeck, exploraron opciones juntos: una era que Buckmaster fuera coautor principal de una reescritura de la prueba de OpenAI. Ahí dijo que «sería más sencillo si Levent no fuera empleado de Anthropic» — porque le parecía inapropiado que un empleado de Anthropic firmara trabajo de OpenAI.

Niega haber pedido que se eliminara a Alpöge de la autoría de su propio trabajo. Añade que la pareja admitió usar modelos internos de Anthropic en su prueba de Euler, lo que le impedía tratar a Alpöge como académico independiente. Quería darles acceso al modelo interno de OpenAI para cerrar la brecha de Euler a Navier-Stokes y no sabía cómo dar acceso a tecnología de OpenAI a un empleado de Anthropic.

Sobre el comentario que más dolió: cuando la llamada se tensa y Buckmaster amenaza con ir a la prensa, Bubeck preguntó por qué alguien arriesgaría su carrera con acusaciones infundadas. «Me disculpo profundamente por esta pésima elección de palabras», escribió. Dice que lo retiró en el momento. Buckmaster, en su comunicado, lo describe como una amenaza y dijo que Bubeck añadió: «Si no quieres que sea agradable, no tengo por qué serlo.»

Otro punto técnico que Bubeck aclaró en un segundo post: el equipo de OpenAI lanzó su esfuerzo el 1 de septiembre tras rumores virales de que Anthropic había resuelto Problemas del Milenio, y no vio el trabajo de la pareja hasta su publicación.

El punto técnico: ¿de qué se resolvió realmente?

Alpöge y Buckmaster resolvieron ecuaciones de Euler — un problema relacionado pero distinto: describen fluidos sin viscosidad. Las Navier-Stokes añaden viscosidad y son matemáticamente mucho más difíciles. OpenAI afirma haber resuelto dos enunciados del problema de Navier-Stokes (existencia de blow-up forzado en ℝ³ y 𝕋³, las configuraciones espaciales en cuestión). Buckmaster sostiene que la prueba de OpenAI tampoco es Navier-Stokes completo, sino un caso particular.

El detalle importa por el premio: el Clay Mathematics Institute otorga US$1 millón por cada Problema del Milenio, pero OpenAI ya dijo que no reclamará el premio (Phys.org). Las reglas del Clay exigen publicación en revista revisada por pares, dos años de aceptación comunitaria y evaluación por un comité. «El proceso de evaluación es deliberadamente pausado», declaró Martin Bridson, presidente del Clay, a AFP.

Buckmaster también mencionó un resultado posible para Navier-Stokes hipodissipativo pendiente de verificación en Lean. Charles Fefferman, matemático de Princeton que formuló la versión del Clay, reconoció a Diego Córdoba y Luis Martínez-Zoroa como los héroes intelectuales del enfoque (Winbuzzer). Terence Tao, medallista Fields, calificó el trabajo subyacente de «un logro notable» (Yahoo).

¿Y los datos de Codex?

OpenAI reconoce que «no accedió a datos específicos de usuario» — pero añade que «aunque es poco probable, no podemos descartar que datos desidentificados derivados de su uso de nuestros productos hayan ayudado a mejorar nuestros modelos». Buckmaster dice que la pareja introdujo borradores de su proyecto en Codex durante toda la investigación.

Noam Brown, investigador de OpenAI, añadió en X que los monitores de OpenAI en 2026 corrían solo en despliegue, no en evaluación. Si el sistema de monitorización no estaba activo durante la prueba, nadie puede confirmar qué datos consumió el modelo. Ven Chandrasekaran, matemático de OpenAI, insistió en que la prueba «diverge significativamente» de la de la pareja.

Por qué importa para founders y el ecosistema tech

Este episodio no va solo de matemáticas: expone cómo los laboratorios de IA gestionan la prioridad científica cuando un rival llega primero. Altman lo confirmó: OpenAI probó sus sistemas en los Problemas del Milenio porque había rumores de que Anthropic ya había resuelto dos.

La carrera entre laboratorios en problemas matemáticos de élite no se libra por el dinero del Premio del Milenio, sino por marketing y credibilidad científica. El episodio ilustra un patrón nuevo: las matemáticas se han convertido en campo de validación donde ambas cosas importan tanto como los resultados, y los incentivos de las empresas y los de los matemáticos no van en la misma dirección.

En el plazo académico, la disputa ha reabierto un debate más amplio sobre los protocolos de comunicación entre laboratorios de IA y matemáticos independientes. La comunidad lleva dos años viendo cómo los laboratorios anuncian avances en problemas clásicos con la urgencia de un comunicado de empresa. OpenAI publicó su demostración en un blog; Alpöge y Buckmaster en un repositorio verificable. La revisión externa —el mecanismo que la comunidad usa para validar resultados— está tardando meses en producirse para ambas partes.

¿Qué significa esto para tu startup?

La pelea Bubeck–Buckmaster deja tres lecciones tácticas para founders que usan IA en investigación, producto o ciencia:

Si usas herramientas de IA propias de un competidor, sé consciente de los términos de datos. OpenAI dice que no accedió a datos específicos, pero admite la posibilidad de mejora por uso. Para una biotech, fintech o research-as-a-service que sube borradores a Codex, Claude o Gemini, ese «no descarta» puede ser el activo de tu empresa. Revisa opt-outs y políticas de retención antes de subir propiedad intelectual sensible.
La «verificación formal» no es revisión por pares. OpenAI publicó Lean formalizations en GitHub; Alpöge y Buckmaster publicaron pruebas en repositorio verificable. Ninguna ha pasado aún por la revisión externa que la comunidad matemática reconoce. Si tu startup vende resultados de IA a clientes regulados (salud, finanzas, materiales), recuerda que una verificación automática ≠ una validación comunitaria externa.
Cuándo un «rumor» se convierte en hoja de ruta. Altman confirmó que OpenAI lanzó su esfuerzo el 1 de septiembre por rumores en internet. En mercados como IA, cripto o biotech, los rumores fundados mueven hojas de ruta internas de los grandes. Si dependes de APIs o modelos de un solo proveedor, ese rumor puede reorientar su capacidad de cómputo hacia problemas ajenos a tu producto — un riesgo de capacidad y prioridad que conviene monitorizar.