El 8 de septiembre, OpenAI publicó una prueba del problema de existencia y suavidad de las ecuaciones de Navier-Stokes, difundiendo tanto el artículo como el archivo de formalización en Lean. Se trata de uno de los siete Problemas del Milenio establecidos por el Clay Mathematics Institute en 2000, cada uno con un premio de un millón de dólares. En el anuncio, OpenAI afirma que no tiene intención de reclamar el premio.
La prueba fue producida por un grupo de agentes, usando un modelo aún no publicado, descrito oficialmente como notablemente más capaz que GPT-6 Astra. La conclusión es que un fluido puede partir de un estado inicial suave y aun así desarrollar una singularidad en tiempo finito.
88 horas, diez mil agentes
Más raro que la conclusión misma es ver publicadas las cifras del proceso. Los agentes comenzaron el 1 de septiembre y obtuvieron el resultado el 5 de septiembre, unas 88 horas después, con un pico de aproximadamente 10.000 agentes funcionando simultáneamente. Solo este problema consumió 2,7 millones de mensajes y unos 130.000 millones de tokens de salida; sumando todos los problemas intentados en esta ronda, la cifra llega a 4,9 millones de mensajes y unos 300.000 millones de tokens de salida. Convertido a los precios públicos de la API, estimaciones externas sitúan el coste en torno a los 15 millones de dólares.
Tras obtener la prueba en forma analítica, GPT-6 Astra dedicó otras 17 horas a transcribirla a Lean y ejecutar la verificación. El archivo de formalización ya es público, y esta capa resulta aún más sólida que el propio artículo: las pruebas largas en análisis matemático son históricamente difíciles de revisar, y compilar con éxito en Lean al menos elimina de la revisión humana la comprobación de consistencia lógica.
El paso que queda no se puede eliminar así. Los Problemas del Milenio tienen un enunciado oficial, y que una prueba lo resuelva o no depende de qué conjunto de condiciones satisface la construcción. Hasta que algún matemático no haya leído el artículo completo, la palabra "resuelto" sigue en suspenso. En los relatos públicos disponibles hasta ahora no se explica con claridad cómo esta construcción plantea el término de fuerza externa, y precisamente la presencia o ausencia de ese término ha sido, durante los últimos veinte años, la línea divisoria más decisiva de este problema.
El anuncio oficial y otra declaración
Ese mismo día hubo otra mitad de la historia. Tristan Buckmaster, del Courant Institute de la Universidad de Nueva York, y Levent Alpöge, de Anthropic, publicaron resultados de explosión en tiempo finito para tres ecuaciones, entre ellas las ecuaciones de Euler forzadas; Buckmaster además emitió por separado una declaración relatando su comunicación con OpenAI.
Según el anuncio de OpenAI: al principio creyeron que la otra parte también había resuelto Navier-Stokes y propusieron una publicación conjunta; solo después entendieron que se trataba de las ecuaciones de Euler forzadas, y reconocieron la prioridad de la otra parte en ese problema. Sobre los datos, el anuncio afirma que investigadores y agentes no tuvieron acceso, por ningún canal, al trabajo de la otra parte antes de que esta lo publicara, aunque añade que no puede descartarse que datos desidentificados, derivados del comportamiento de uso de la otra parte, hayan tenido alguna influencia, al tiempo que subraya que las dos pruebas difieren de forma significativa.
En el reportaje de TechCrunch del 8 de septiembre, el relato de Buckmaster es más duro. Dice que su avance se filtró a OpenAI, que la empresa eligió exactamente el mismo camino que él, y que "casi nadie más estaba trabajando en esto". También citó a Sébastien Bubeck diciéndole por teléfono "por qué quieres arruinar tu propia carrera" y "si no quieres que sea amable, puedo no serlo". Bubeck ya lo había negado en X, calificando de falsas e incendiarias las acusaciones que circulan. Los relatos de ambas partes sobre la misma llamada no coinciden por ahora.
La diferencia con las veces anteriores
Los hitos anteriores de esta línea a lo largo del último año son rastreables: primero la prueba mecánica completa del Último Teorema de Fermat, compilada en una máquina de 96 núcleos, luego la tanda de conjeturas de Erdős, tras lo cual las empresas convirtieron la formalización en Lean en un estándar de publicación. Lo que tenían en común era que la disputa giraba en torno a las matemáticas, acompañada de una cadena de evidencia reproducible.
Esta vez hay algo nuevo: el propio proceso se ha convertido en objeto de disputa. Quién empezó primero, el borrador de quién entró en el sistema de quién, qué se dijo por teléfono: este tipo de conflictos ya habían ocurrido también en el ámbito puramente humano de las matemáticas, pero antes al menos se podía aclarar el orden mediante las marcas de tiempo de los preprints y las actas de reuniones. Cuando la herramienta de una parte es el producto de la otra, esa línea de marcas de tiempo deja de ser neutral. El 8 de septiembre, Simon Willison lo planteó de forma aún más directa: si usara ChatGPT para completar parte de un Problema del Milenio, ¿qué probabilidad hay de que su trabajo influya en el entrenamiento y permita que un modelo posterior ayude a otra persona a terminarlo antes?
Esa pregunta el anuncio de OpenAI no la responde, y por ahora tampoco los términos de datos de ningún laboratorio pueden hacerlo.
Fuentes: anuncio de OpenAI sobre el Problema del Milenio, TechCrunch, CocoLoop, blog personal de Simon Willison, declaración pública de Tristan Buckmaster; la escala de agentes, mensajes y tokens sigue el anuncio oficial y sus citas, y la conversión de coste es una estimación externa basada en los precios públicos de la API.