Uno de los mayores problemas matemáticos del último siglo podría haber encontrado finalmente una solución. Pero, en lugar de una celebración tranquila, el descubrimiento ha terminado provocando una disputa sobre autoría, datos privados, competencia entre laboratorios de inteligencia artificial y hasta una frase que parece sacada de cualquier lugar menos de una conversación académica. “¿Por qué arruinarías tu carrera?” Tristan Buckmaster, profesor de matemáticas de la Universidad de Nueva York , asegura que eso fue lo que le dijo Sébastien Bubeck, investigador de OpenAI, cuando avisó de que haría pública una disputa surgida alrededor del problema de existencia y regularidad de Navier–Stokes, uno de los siete Problemas del Milenio del Clay Mathematics Institute. Y mientras esa polémica explotaba, OpenAI hizo algo todavía más llamativo: anunció que había obtenido una solución utilizando un modelo interno que la propia compañía describe como significativamente más capaz que GPT-6 Astra . El sistema todavía está entrenándose.
This model represents a step-function improvement on many benchmarks, and its training is ongoing. Our internal model group arrived at the Navier–Stokes solution in 88 hours, using around 10,000 coordinating AI agents. Throughout the effort, we maintained the strict… pic.twitter.com/97P2lsPJKs OpenAI (@OpenAI) September 8, 2026 Todo comenzó con rumores sobre un problema de un millón de dólares Las ecuaciones de Navier–Stokes sirven para describir el movimiento de fluidos como el agua y el aire . La cuestión matemática es mucho más complicada: determinar si un fluido tridimensional que comienza comportándose suavemente puede terminar desarrollando una singularidad, un punto en el que determinadas magnitudes crezcan sin límite en un tiempo finito.
Resolverlo oficialmente puede valer un millón de dólares, aunque el premio no se entrega inmediatamente después de publicar una demostración: el Clay Mathematics Institute exige que el trabajo pase por publicación, escrutinio de la comunidad y un periodo de tiempo antes de reconocerlo. Buckmaster llevaba trabajando aproximadamente un año junto a Levent Alpöge sobre problemas relacionados. Ambos utilizaron Claude y Codex durante la investigación. Según su propia declaración , consiguieron resultados importantes sobre Boussinesq y Euler el 15 de agosto y verificaron uno de ellos mediante Lean el 22 de agosto.
Entonces comenzaron los rumores. OpenAI admite algo fundamental para entender la cronología: el 1 de septiembre escuchó que dos Problemas del Milenio podían haber sido resueltos . La empresa dice que esos rumores la llevaron a probar su nuevo modelo interno contra todos los problemas todavía abiertos y que posteriormente descubrió que parte de aquella información estaba relacionada precisamente con Alpöge y Buckmaster. OpenAI no puso un chatbot a pensar.
Puso unos 10.000 agentes © Eric Sucar / University of Pennsylvania. Aquí entra la publicación que cambia completamente la escala de la historia. OpenAI asegura que su nuevo modelo representa un “step-function improvement” en numerosos benchmarks y que su entrenamiento ni siquiera ha terminado todavía. Para atacar Navier–Stokes no utilizó una única instancia: organizó grupos de agentes capaces de comunicarse, consultar una copia almacenada de Internet y ejecutar código.
El grupo que terminó encontrando la solución llegó a tener del orden de 10.000 agentes trabajando simultáneamente. OpenAI afirma que comenzaron el 1 de septiembre y alcanzaron el resultado el día 5: unas 88 horas. La formalización y verificación posterior en Lean necesitó otras 17 horas utilizando GPT-6 Astra. Solo el trabajo sobre Navier–Stokes produjo unos 2,7 millones de mensajes entre agentes y aproximadamente 130.000 millones de tokens de salida.
La compañía sostiene que la demostración muestra que un fluido inicialmente suave puede desarrollar una singularidad en tiempo finito cuando se aplica una fuerza externa suave. La solución describe un vórtice que gira, se estira y se concentra progresivamente hasta que su velocidad crece sin límite. Pero ahí aparece precisamente el problema denunciado por Buckmaster. La ruta elegida por la IA era demasiado familiar © Shutterstock / Bruce Rolff.
Buckmaster afirma que él y Alpöge estaban trabajando en privado sobre una vía muy concreta: atacar el problema mediante fuerzas suaves, siguiendo ideas desarrolladas anteriormente por Diego Córdoba y Luis Martínez-Zoroa. Según su relato , cuando OpenAI le explicó qué había obtenido su modelo descubrió que había terminado precisamente en esa dirección. “Casi nadie que conozca estaba trabajando en ella”, escribió Buckmaster . Para él, escuchar que la solución utilizaba smooth forcing fue una “bandera roja”, porque consideraba improbable que un modelo llegara de forma independiente a esa ruta concreta después de apenas unos días. La situación se volvió todavía más delicada porque Buckmaster asegura haber introducido todos los borradores del proyecto en Codex.
Preguntó entonces si el modelo interno había sido entrenado con esas conversaciones. OpenAI dice que ni sus investigadores ni los agentes accedieron a trabajos privados específicos para resolver el problema. Sin embargo, reconoce que no puede descartar que datos desidentificados procedentes del uso de sus productos hubieran contribuido anteriormente a mejorar sus modelos. Y entonces llegó la frase Buckmaster sostiene que durante las conversaciones OpenAI propuso diferentes maneras de coordinar las publicaciones .
También asegura que Bubeck quiso excluir a Alpöge de una posible presentación de la demostración de OpenAI debido a su empleo en Anthropic. Cuando Buckmaster respondió que haría pública la situación si OpenAI procedía de aquella manera, dice que recibió la pregunta : “¿Por qué arruinarías tu carrera?”. Y después otra frase: “Si no quieres que sea amable, entonces no tengo por qué serlo”. Ambas aparecen en la declaración pública del matemático.
La disputa sobre quién sabía qué, cuándo lo supo y cuánto influyeron los trabajos previos todavía está abierta. Pero OpenAI ha conseguido convertirla involuntariamente en algo aún mayor. Porque detrás de la pelea por un problema matemático hay otra revelación: la compañía asegura tener un modelo más potente que GPT-6 Astra , todavía en entrenamiento, capaz de coordinar miles de copias de sí mismo y atacar en menos de cuatro días un problema que ha resistido a generaciones de matemáticos durante casi un siglo. Y quizá esa termine siendo la parte de esta historia que más dé que hablar.