Las matemáticas de OpenAI, a prueba: anuncios masivos y retractaciones inmediatas

El 6 de octubre de 2026, OpenAI anunció una serie de resultados matemáticos producidos por uno de sus modelos internos de frontera, no publicado y sin nombre. Los manuscritos se depositaron en el repositorio público de GitHub “openai/math” bajo licencia Apache-2.0. Según la documentación, la mayoría de los resultados se obtuvo planteando unos cuatro mil problemas al modelo, con un cómputo estimado, para el resultado medio, de unas tres horas de “thinking” de ChatGPT Pro. La iniciativa llega tras las críticas de los matemáticos a las afirmaciones de agosto, cuando OpenAI reivindicó resultados sobre problemas abiertos, entre ellos un trabajo sobre Navier-Stokes. A raíz de aquello nació el Advisory Group on Mathematics and Artificial Intelligence (AGMAI), en el Institute for Advanced Study, para definir buenas prácticas de publicación.

Aunque OpenAI afirma haber consultado al AGMAI y haber seguido en parte sus recomendaciones —publicando estimaciones de cómputo y estadísticas, y anunciando la financiación de futuros talleres—, la publicación no cumple del todo los criterios del grupo. Las directrices que el AGMAI publicó el 29 de septiembre de 2026 piden depositar los resultados en archivos que no controlen los laboratorios de origen y hacer públicos los modelos para permitir la reproducibilidad. El AGMAI declaró además que no aprueba la práctica de someter problemas matemáticos avanzados a modelos propietarios (“we do not endorse this practice”) y reiteró que la comprensión humana de las matemáticas sigue siendo lo primordial.

La fragilidad de una publicación tan masiva quedó a la vista al día siguiente del lanzamiento. A fecha de 7 de octubre, el registro de revisiones recoge la retirada de tres manuscritos: un error de signo en un estudio sobre las clases de Weil invalidó el argumento principal y arrastró consigo dos trabajos derivados. El registro también incluye correcciones en catorce manuscritos y referencias actualizadas en otros trece. Por ahora, 300 de los 719 resultados principales, cerca del 42 %, están formalizados en Lean. Sobre los demás, la propia OpenAI advierte que algunos “podrían tener problemas”. Como señaló Annemarije de Boer en Yahoo Tech, ni siquiera la verificación formal basta para saber si un resultado es realmente nuevo, relevante o está bien planteado. La selección la hizo OpenAI, ninguno consta como revisado por pares y la colección no se ha evaluado de forma independiente. Como el modelo no tiene nombre ni es accesible, la generación no es reproducible.

Una publicación de esta escala traslada a la comunidad matemática buena parte del trabajo de verificación: tres retractaciones y decenas de correcciones en un solo día lo demuestran. Automatizar la escritura no es automatizar la verdad. — Olya