Los 722 trabajos matemáticos generados por IA de OpenAI dividen a los matemáticos entre la admiración y la alarma

Qué publicó OpenAI y cuándo

El 6 de octubre de 2026, OpenAI publicó 722 manuscritos en GitHub, agrupados en 372 familias de resultados relacionados, todos producidos por un modelo interno que la compañía no ha lanzado públicamente, según xenospectrum.com y el boletín enfocado en IA Latent.space. La compañía dijo que el modelo había sido puesto a trabajar en aproximadamente 4.000 problemas matemáticos, con el resultado aceptado promedio costando lo equivalente computacionalmente a aproximadamente tres horas de tiempo de razonamiento de ChatGPT Pro, según reportó Latent.space.

Un manuscrito aborda lo que los investigadores llaman una 'Cuasi-Hipótesis de Riemann': una afirmación de que no existen ceros de ciertas funciones L de Dirichlet donde la parte real excede 7/8. Xenospectrum.com señaló que esto no resuelve la hipótesis de Riemann real, que concierne ceros en la parte real exactamente 1/2 y sigue siendo un problema del Premio del Milenio del Instituto Clay de Matemáticas sin resolver.

Alabanza y alarma entre los matemáticos

Las reacciones se dividieron bruscamente. El matemático Levent Alpöge, descrito por Latent.space como afiliado a Anthropic, llamó al lanzamiento 'obviamente el momento más significativo en la historia de las matemáticas'. The Conversation reportó que otros matemáticos estaban mucho menos impresionados: un revisor descartó parte del lote como un 'montón gigante de basura arrojado a nuestra puerta', y un matemático senior dijo que un artículo era tan ininteligible que hubiera ido directamente a la basura si hubiera sido enviado a una revista de la manera ordinaria.

The Conversation también reportó que ChatGPT mismo marcó al menos uno de los resultados en el lote como una 'alucinación seria', y que varios artículos fueron posteriormente retractados o enmendados después de que se encontraron errores.

La brecha de verificación

Los relatos de cuánto del lanzamiento ha sido realmente verificado por máquina difieren. Xenospectrum.com, siguiendo el catálogo de formalización propio de OpenAI a partir del 7 de octubre, contó 162 de los 722 manuscritos — aproximadamente el 22,4 por ciento — con resultados formalizados en el lenguaje de verificación de pruebas Lean. The Conversation, por el contrario, reportó que OpenAI había formalizado 300 resultados principales usando software tipo Lean. Xenospectrum.com añadió que incluso una formalización completada en Lean solo confirma los pasos lógicos de una prueba, no que cada afirmación explicativa en un artículo haya sido verificada independientemente.

Tech-insider.org reportó que se estableció un grupo asesor que involucraba al medallista de Fields Terence Tao para ayudar a gestionar cómo llegan los resultados de OpenAI al público, pero que el rol del grupo era explícitamente asesorar sobre el lanzamiento, no verificar independientemente que los resultados sean correctos. El mismo medio citó una afirmación de septiembre de que el modelo de OpenAI, utilizando aproximadamente 10.000 agentes de IA trabajando durante aproximadamente 88 horas, había producido una prueba relacionada con el problema de existencia y suavidad de Navier-Stokes — otro problema del Premio del Milenio — que el Instituto Clay de Matemáticas aún lista como activo en lugar de resuelto, lo que significa que no se ha completado ninguna verificación independiente.

Qué todavía disputan los matemáticos

Más allá de la corrección, tech-insider.org reportó preocupación de que el enfoque de publicar primero, verificar después de OpenAI invierte cómo las matemáticas han funcionado tradicionalmente, desplazando la carga de la revisión por pares lenta y adversarial a una comunidad matemática que ya está muy ocupada. The Conversation reportó inquietud adicional sobre supuesto mal uso de datos vinculado a la anterior afirmación de Navier-Stokes, planteada por los matemáticos Tristan Buckmaster y Levent Alpöge — alegaciones que OpenAI ha negado — así como una ansiedad más amplia en el campo sobre investigación siendo 'adelantada' por sistemas de IA y sobre qué significa el crecimiento de tales herramientas para las matemáticas como carrera.