OpenAI dice resolver un problema del milenio en 88 horas, pero la sombra del espionaje académico empaña el hito

Por Zendoric · 10 de septiembre de 2026.

OpenAI anunció el martes que uno de sus modelos internos, aún no publicado, resolvió el problema de Navier-Stokes: las ecuaciones que describen el movimiento de fluidos, uno de los siete «problemas del milenio» del Clay Mathematics Institute, dotado con un millón de dólares y que ha resistido a los investigadores humanos durante casi 90 años. Según la propia OpenAI, el resultado salió de desplegar un enjambre de unos 10.000 agentes de IA trabajando en paralelo durante 88 horas. La compañía dice que no reclamará el premio, que en todo caso el Clay Institute aún no ha concedido.

El logro técnico es real, pero llegó envuelto en una polémica que ha dominado la conversación más que el resultado en sí. Un día antes del anuncio, el matemático de la Universidad de Nueva York Tristan Buckmaster había publicado, junto al investigador de Anthropic Levent Alpöge —actuando este por su cuenta, no en nombre de su empleador—, avances sobre un problema relacionado. Buckmaster relata que, al enterarse de que OpenAI conocía su progreso, contactó a la empresa para preguntar cuándo había empezado a trabajar en el tema y con qué datos había entrenado su modelo. Según su versión, la conversación se volvió hostil: un investigador de OpenAI le habría preguntado «¿por qué querrías arruinar tu carrera?» al saber que pensaba hacer público lo ocurrido, y ante su insistencia habría respondido «si no quieres que sea amable, no tengo por qué serlo». Buckmaster afirma que OpenAI le instó a publicar su trabajo atribuyendo el mérito al modelo de la empresa y retirando a Alpöge como coautor. Sébastien Bubeck, investigador de OpenAI señalado en el relato, ha negado específicamente haber pedido que Alpöge fuera excluido.

El punto más delicado es el de los datos. Buckmaster preguntó a OpenAI si había accedido a sus sesiones en Codex —el asistente de programación de la propia empresa— mientras trabajaba en el problema. OpenAI lo niega de forma tajante para el uso directo: asegura que ni investigadores ni agentes vieron el trabajo de Buckmaster y Alpöge por ningún medio antes de su publicación. Pero matiza: «aunque es poco probable, no podemos descartar que datos desidentificados derivados de su uso de nuestros productos ayudaran a mejorar nuestros modelos». Sobre por qué se lanzaron a resolver Navier-Stokes de forma tan repentina, Bubeck explicó en una rueda de prensa que el equipo oyó rumores «en Twitter» sobre progresos de otros investigadores en problemas del milenio y decidió intentarlo también, sin saber al principio que esos rumores se referían precisamente a Buckmaster y Alpöge.

La reacción de la comunidad matemática ha sido de alarma, más allá de si las acusaciones más graves se confirman. Abhishek Saha, de Queen Mary University of London, califica la conducta de OpenAI como «el tipo de cosas que los matemáticos normalmente no hacen». Matthew Ballard, de la Universidad de Carolina del Sur, recuerda que «las matemáticas dependen en gran medida de una norma informal de confianza»: compartir ideas incompletas con colegas dando por hecho que no se convertirán en una carrera competitiva. Jeremy Avigad, de Carnegie Mellon, admite que «la sola idea de que los sistemas de IA puedan robar ideas de nuestras consultas resulta escalofriante». Brendan Hassett, de Brown, apunta que, «dado el historial de las empresas de IA apropiándose de trabajo con derechos de autor sin permiso ni pago, es natural que la gente haga estas preguntas». Y Yang-Hui He, del London Institute for Mathematical Sciences, teme que las matemáticas vuelvan a un estado de secretismo parecido al del mecenazgo de familias como los Medici.

Nuestra lectura es que esta historia mezcla dos cosas que conviene no confundir: una capacidad real y una operación de relaciones públicas. Que un modelo resuelva en 88 horas un problema abierto durante casi 90 años es un hito genuino en la aplicación de la IA a las matemáticas, y encaja en lo que ya veníamos observando sobre la ciencia asistida por IA: hay un peldaño de «instrumento» sobrehumano ya demostrado (el caso de AlphaFold y su Nobel es el precedente), un peldaño de «copiloto» donde los resultados suelen estar sobrevendidos, y un peldaño de «científico autónomo» que nadie ha verificado todavía. Este caso, anunciado mediante una entrada de blog y sin que el Clay Institute haya concedido el premio, se queda en algún punto intermedio: es un logro técnico real, pero llamarlo «resuelto» antes de que la comunidad lo confirme es, en sí mismo, un ejercicio de framing.

El coste a corto plazo aquí no es especulativo ni lejano: es la erosión de la confianza informal que ha permitido a las matemáticas avanzar compartiendo ideas a medio cocinar. Si cualquier pista dejada en una conversación —o en una sesión de un asistente de código como Codex— puede, según la propia OpenAI, «ayudar a mejorar» sus modelos de forma indirecta, la respuesta racional de cualquier investigador es callarse antes de tiempo. Eso es exactamente lo contrario de lo que la ciencia necesita para acelerarse con IA: más apertura, no menos. La paradoja es incómoda pero real, y la señala bien Andras Juhasz, de Oxford, cuando llama a este episodio una victoria de relaciones públicas que podría resultar pírrica: si laboratorios con recursos casi ilimitados pueden lanzar «10.000 matemáticos» sobre cualquier problema en cuanto detectan que alguien más avanza, la lógica de publicar en abierto se rompe para el propio gremio que la IA dice querer ayudar. A largo plazo seguimos convencidos de que estas herramientas pueden multiplicar el ritmo del descubrimiento científico y acercarnos a metas como acelerar la cura de enfermedades; pero ese futuro exige que los laboratorios ganen la confianza de la comunidad investigadora, no que la asusten hasta el silencio.