La noticia circula desde septiembre y conviene leerla con lupa: OpenAI afirma haber resuelto uno de los Problemas del Milenio, el de existencia y regularidad de las ecuaciones de Navier-Stokes, con un sistema de unos 10.000 agentes de inteligencia artificial trabajando en paralelo durante 88 horas. Es un anuncio de la propia empresa sobre su propio sistema, no una confirmación independiente del hito. Y el examen externo, lejos de haber terminado, ya ha producido la primera corrección seria. Aun así, el material publicado es inédito en su categoría y merece una explicación serena.
El problema: 90 años mirando un remolino
Las ecuaciones de Navier-Stokes describen cómo se mueven los fluidos: el aire alrededor de un ala, la sangre en una arteria, el agua de un río. Se formularon en el siglo XIX y son herramienta diaria de la ingeniería, pero esconden una pregunta sin respuesta: ¿puede un fluido que empieza moviéndose suavemente "romperse" de repente, generando en tiempo finito un punto donde la velocidad crece sin límite? En matemáticas, eso es una singularidad, y marcaría el límite del propio modelo.
En 1934, Jean Leray demostró que existen soluciones en un sentido generalizado, pero si esas soluciones permanecen siempre suaves quedó abierto. En el año 2000, el Instituto Clay de Matemáticas lo incluyó entre los siete Problemas del Milenio, dotados con un millón de dólares cada uno.
Cómo lo hicieron, según OpenAI
La nota técnica oficial, publicada el 8 de septiembre, detalla el proceso. El 1 de septiembre la empresa lanzó un sistema de agentes coordinados, impulsados por un modelo interno "significativamente más capaz que GPT-6 Astra", que podían leer una copia en caché de internet y ejecutar código. Los agentes se repartieron en grupos, cada uno con una variante distinta del problema, y se fueron cruzando los hallazgos parciales.
El punto de partida fue una especie de carrera: OpenAI cuenta que el 1 de septiembre corrieron rumores de que dos problemas del Milenio habían sido resueltos, y que eso, unido al salto de rendimiento de su modelo interno en las pruebas, le llevó a evaluarlo sobre todos los problemas abiertos de la lista. El propio documento reconoce que ese modelo llevaba en entrenamiento desde el 28 de agosto y que sus prestaciones seguían mejorando durante el experimento.
El primer avance llegó con un problema relacionado, el de regularidad de las ecuaciones de Euler (el límite de Navier-Stokes sin viscosidad): un centenar de agentes lo resolvió en unas 50 horas. Viendo el filón, OpenAI concentró recursos en Navier-Stokes. El grupo que dio con la solución llegó a tener en torno a 10.000 agentes simultáneos. Tras 88 horas, el sistema construyó una prueba de que un fluido inicialmente en reposo y suave puede formar una singularidad en tiempo finito con una fuerza externa también suave y energía total finita: y, según la empresa, establece así los enunciados C y D de la formulación oficial del premio: las dos variantes de ruptura, que en el texto de Clay admiten una fuerza externa suave. La imagen que construyeron es la de un remolino que se estrecha y gira cada vez más rápido: una singularidad dentro del modelo matemático, no un fenómeno que se espere observar en un fluido real.
Según la nota, otro modelo de la compañía, GPT-6 Astra, invirtió otras 17 horas en la verificación formal con Lean, un sistema de comprobación matemática por ordenador que revisa mecánicamente cada paso de un argumento formalizado. En total, el grupo vencedor intercambió 2,7 millones de mensajes y generó unos 130.000 millones de tokens. La empresa subraya que durante todo el proceso mantuvo las mismas salvaguardas de sus evaluaciones de modelos de frontera, con monitorización y aislamiento del sistema.
Qué es una singularidad y por qué importa
Las ecuaciones de Navier-Stokes se usan a diario para diseñar aviones, predecir el tiempo o simular el corazón, siempre por aproximación numérica. Una singularidad matemática sería un punto donde el modelo deja de funcionar: la velocidad del fluido crecería sin límite en tiempo finito, algo que un fluido real no puede hacer. Demostrar que puede ocurrir (o que nunca ocurre) no cambia el diseño de un ala mañana, pero redefine los límites de la herramienta con la que se modela buena parte del mundo físico.
Lo que el escrutinio ya ha encontrado
El examen externo ha llegado rápido y con hallazgos concretos. Tres matemáticos, Anders Hansen y Fabian Circelli, de la Universidad de Cambridge, y Alexander Bastounis, de King's College London, publicaron el 6 de octubre un análisis en el que demuestran que la demostración formalizada en Lean no se corresponde con la prueba escrita en lenguaje natural. Revisaron en detalle solo dos páginas de las 180 del código y encontraron dos casos claros en los que el teorema verificado por Lean es más débil que lo que el texto afirma; Bastounis sospecha que puede haber hasta un centenar de discrepancias similares, según recoge la revista Science. Su matiz es importante: no afirman que la prueba de OpenAI sea falsa, sino que el sello de Lean verifica la traducción automática, no necesariamente el argumento original, y que ambos no pueden presentarse como idénticos. Scientific American matiza el alcance: como el enunciado de Clay admite fuerza externa en sus variantes de ruptura, el resultado encajaría incluso en los requisitos del premio; pero el problema que gran parte de la comunidad considera central es la ruptura sin fuerza externa, que sigue abierta, y a finales de septiembre tres matemáticos publicaron una demostración de que el método de OpenAI no puede extenderse a ese caso, según la misma revista.
Otras dos precisiones honestas. La primera: la propia OpenAI escribe explícitamente que no pretende reclamar el Premio del Milenio. La segunda: no hubo independencia en el anuncio; todo lo que sabemos del sistema, incluida la existencia del modelo interno, procede de la empresa.
OpenAI también detalló que no fue la única en llegar: Levent Alpöge, empleado de Anthropic, y Tristan Buckmaster, profesor de la Universidad de Nueva York, resolvieron en paralelo la variante con fuerza externa del problema de Euler, y OpenAI reconoce su prioridad en ese resultado. La empresa afirma además, tras una investigación interna, que los prompts de Buckmaster no pudieron influir en su sistema.
Por qué importa aunque falte el sello
Más allá del teorema, lo relevante es el método. Hasta ahora, la idea dominante era que un modelo mejor resolvía problemas más difíciles. Este experimento propone otra vía: muchos agentes del mismo modelo explorando caminos distintos, compartiendo progresos y corrigiéndose, como una redacción gigante sin redactor jefe. Si el enfoque se consolida, la próxima generación de modelos no será solo "más lista", sino capaz de organizarse para atacar problemas que un modelo aislado no alcanza. La pregunta abierta no es solo si la prueba supera el escrutinio, sino qué pasa cuando ese enjambre se ponga a trabajar en problemas de todos los días. Y el episodio deja una lección clara: el sello de una verificación automática no sustituye a la revisión humana.
Recibe las guías y tablas nuevas de El Prisma
Datos verificados contra fuentes oficiales y plantillas que puedes usar, directo en tu correo. Sin spam.
Fuentes: nota técnica oficial de OpenAI, 8 sept 2026 (openai.com/index/navier-stokes-solution); Bastounis, Circelli y Hansen, 'Navier-Stokes lost in translation' (arxiv.org/abs/2610.08144, 6 oct 2026); Science, 'AI is shaking up math. But can its proofs be trusted?' (science.org/content/article/how-ai-math-breakthrough-ignited-controversy); Scientific American, 21 sept y 13 oct 2026 (scientificamerican.com/article/did-openai-solve-the-wrong-navier-stokes-problem/ y /article/openais-blockbuster-navier-stokes-proof-isnt-what-we-thought-it-was/); enunciado oficial de Charles Fefferman para el Clay Mathematics Institute (claymath.org/wp-content/uploads/2022/06/navierstokes.pdf).
Comentarios 0
Los comentarios se publican tras revisión de la redacción. Sé respetuoso: no se admiten insultos ni enlaces.