OpenAI dice que resolvió Navier-Stokes con 10.000 agentes IA

¿Qué dice realmente el anuncio de OpenAI?

OpenAI asegura que un modelo de inteligencia artificial todavía no presentado al público resolvió el problema de existencia y suavidad de las ecuaciones de Navier-Stokes, uno de los siete Problemas del Milenio definidos por el Clay Mathematics Institute en 2000. Según la compañía, hasta 10.000 agentes de IA trabajaron de forma coordinada durante unas 88 horas para llegar al resultado, un esfuerzo computacional que el jefe de investigación de OpenAI, Mark Chen, cifró en «millones de dólares» según reportó Wired.

El hallazgo se empaquetó en un documento de 165 páginas con la prueba formalizada en Lean, un lenguaje de demostración que permite verificar argumentos matemáticos sin ambigüedad. La conclusión central: las ecuaciones de Navier-Stokes sí pueden desarrollar una singularidad en tiempo finito, es decir, la velocidad del fluido puede dispararse a infinito en un punto y «romper» el modelo matemático. El matemático e investigador de OpenAI Sebastien Bubeck dijo en rueda de prensa que empezaron a entrenar el nuevo modelo el 28 de agosto de 2026 y, tras más de 50 horas de coordinación, llegaron a la solución final el domingo, ya con la prueba en Lean.

¿Qué es Navier-Stokes y por qué importa fuera de la academia?

Las ecuaciones de Navier-Stokes fueron formuladas en el siglo XIX y son la base de prácticamente todo lo que implica predecir el comportamiento de un fluido. Se usan para diseñar aviones, pronosticar el clima, modelar el flujo sanguíneo en arterias o simular corrientes oceánicas. El «problema» que los matemáticos llevan más de dos décadas persiguiendo no es resolver las ecuaciones — eso ya lo hacen computadoras a diario — sino probar formalmente que esas soluciones se comportan bien bajo cualquier condición inicial en tres dimensiones.

🤖 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

El Clay Mathematics Institute ofreció un millón de dólares por cada uno de los siete Problemas del Milenio. Antes de este anuncio, solo uno se había resuelto: la conjetura de Poincaré, en 2003, por el matemático ruso Grigori Perelman, que además rechazó el premio. En otras palabras, sería el segundo problema abierto en caer en 25 años y el primero cuya respuesta llega atribuida a una IA.

¿Cuál es la controversia por la prioridad matemática?

El anuncio no vino solo. Acompañó a una disputa pública entre OpenAI, Anthropic y dos matemáticos que llevaban meses trabajando en una variante cercana: el llamado «problema de Euler forzado».

Según The Wall Street Journal — citado por El Universo — OpenAI empezó a probar su nuevo modelo con los Problemas del Milenio el 1 de septiembre de 2026, tras tener indicios de que dos de estos problemas estaban cerca de resolverse. OpenAI aclaró luego que esos indicios provenían del trabajo del investigador de Anthropic Levent Alpöge y del matemático de la Universidad de Nueva York Tristan Buckmaster, que llevan cerca de un año investigando el problema de Euler forzado — relacionado con la dinámica de fluidos pero distinto del de Navier-Stokes — usando modelos de Anthropic y de OpenAI (Claude y Codex, según Wired).

Buckmaster publicó un comunicado en el que afirma que OpenAI supo de su trabajo y aceleró el proyecto. Wired reportó además que, cuando preguntó a líderes de OpenAI si habían accedido a sus logs de Codex, le dijeron que el modelo «no miraba datos de usuarios» pero no respondieron a las preguntas sobre entrenamiento. Buckmaster también asegura que OpenAI le ofreció publicar un paper anunciando la solución sin el nombre de Alpöge, algo que Bubeck negó en redes sociales. El CEO Sam Altman salió en defensa del equipo. Según NewsBytes, Buckmaster afirma además que, cuando iba a hacer público el conflicto, le dijeron: «Why would you ruin your career?» (algo que él atribuye a interlocutores de OpenAI y la empresa no ha confirmado).

OpenAI reconoció en su blog que, «aunque improbable, no podemos descartar que datos de-identificados derivados del uso de nuestros productos por parte de ellos hayan contribuido a mejorar nuestros modelos». Y aclaró que no pretende reclamar el millón de dólares del Clay: el objetivo explícito del paper es «mostrar el avance de nuestros modelos».

¿Por qué este episodio es distinto a otros anuncios de IA y matemática?

Vale poner la noticia en perspectiva: que una IA se acerque a un teorema difícil no es nuevo. En 2022, los matemáticos Thomas Hou y Jiajie Chen, del Caltech, publicaron una prueba asistida por computadora de 177 páginas que demostró la formación de singularidad en una variante acotada de las ecuaciones de Euler (sin viscosidad), el «padre» matemático de Navier-Stokes, según documentaron Wired y Quanta Magazine.

Lo que cambia ahora es la escala: un sistema de agentes múltiples — no un modelo contestando preguntas, sino un enjambre coordinado de hasta 10.000 instancias — atacando un problema durante casi cuatro días seguidos. Y el costo: Mark Chen reconoció a Wired que el cómputo estuvo en el rango de «millones de dólares». Es la primera vez que un laboratorio publica una cifra así para una tarea puramente científica.

La comunidad matemática todavía tiene que digerir la prueba. El matemático de Princeton Charlie Fefferman, citado por Quanta en 2022, ya venía cuestionando qué cuenta como «prueba» cuando la verificación depende de software opaco. Y Buckmaster, junto con Javier Gómez-Serrano (Brown), trabaja en una verificación independiente del mismo problema — sin OpenAI — que podría aclarar el panorama en los próximos meses.

¿Qué significa esto para tu startup?

Aunque el anuncio no cambia la vida de un founder de SaaS mañana, sí marca tres tendencias accionables:

El cómputo cuesta, pero cada vez resuelve más. OpenAI habló de «millones de dólares» para 88 horas con 10.000 agentes. Hace dos años esa capacidad estaba reservada a físicos de partículas. Si los precios siguen la curva habitual, este tipo de razonamiento profundo podría estar al alcance de más equipos a finales de 2027. Empieza a planificar capacidad para problemas largos en tu roadmap técnico.
La frontera entre «tu dato» y «mi modelo» se está borrando. OpenAI reconoció que no puede descartar contaminación cruzada con prompts de otros usuarios. Si tu startup entrena o ajusta modelos con datos sensibles — clientes, código, investigación propia — exige contratos con cláusulas explícitas sobre uso de logs y entrenamiento. El caso Buckmaster deja claro que la pelea por la prioridad ya está en la agenda pública.
Las demostraciones formales (Lean, Coq) van a ser un mercado. Que la prueba venga con código Lean no es decoración: es lo que permite que matemáticos humanos la verifiquen sin confiar en la palabra del laboratorio. Founders en fintech, salud y materiales deberían mirar este tipo de herramientas para llevar sus propios productos a un estándar auditable.

El anuncio es grande, la prueba todavía no. Pero la conversación sobre qué hace falta para llamarla «resuelta» ya está en marcha, y eso, en sí mismo, es el verdadero avance.