OpenAI presenta Astra resolviendo diez problemas abiertos de matemáticas por 2.000 dólares
Diez problemas que llevaban años sin respuesta —uno de ellos, casi tres décadas—. Unos 2.000 dólares de cómputo. Y, sobre todo, una forma de comprobar las respuestas sin tener que fiarse de nadie.
Qué ha publicado OpenAI
El 1 de agosto, OpenAI presentó Astra, su próxima gran familia de modelos, de una manera poco habitual: en lugar de un vídeo de lanzamiento, publicó resultados. Diez soluciones a problemas abiertos de matemáticas e informática teórica, un manuscrito de 249 páginas y un repositorio público con el código de cada demostración.
La lista toca campos que rara vez coinciden en la misma nota: geometría en dimensiones altas, teoría de códigos, complejidad cuántica y combinatoria. Entre los resultados:
- La existencia de un grupo no sófico, una pregunta abierta desde que el matemático Mijaíl Gromov introdujo el concepto en 1999.
- La refutación de la conjetura de rigidez de Connes, sobre álgebras de von Neumann.
- Una mejora de las cotas de empaquetamiento de esferas en dimensiones altas, la primera desde 1978.
- La resolución de los problemas de Erdős 146, 180 y 183 y de la conjetura del volumen de Ehrhart.
El dato que más ha circulado es el coste: OpenAI cifra el gasto en tokens de las diez soluciones en unos 2.000 dólares a tarifas de su API. Noam Brown, uno de los investigadores detrás del razonamiento del modelo, se encargó de bajar el globo: ningún problema del milenio, todavía.
La novedad no es la respuesta, es el certificado
Aquí está lo que separa este anuncio de los cien anteriores. Cada demostración se ha formalizado en Lean, un lenguaje en el que una prueba matemática se escribe como código que un ordenador verifica línea a línea.
No hace falta creerse a OpenAI: cualquiera puede descargar el repositorio con las pruebas y dejar que la máquina compruebe si se sostienen.
Es una diferencia enorme frente a los modelos que sueltan una respuesta convincente y te dejan a ti averiguar si es cierta. Con matices que conviene no saltarse: Lean valida el enunciado formalizado y no sustituye a la revisión por pares, y Astra sigue sin estar disponible fuera de OpenAI, así que nadie ha podido comprobar cómo se comporta con otros problemas.
Toque Personal: lo que un fundador debería leer aquí
Dejo de lado el titular fácil —«la IA ya hace matemáticas de investigación»— y me quedo con dos cosas más aburridas y más útiles para quien dirige un negocio.
La primera son esos 2.000 dólares. No es lo que cuesta entrenar el modelo: es lo que costó usarlo. Trabajo intelectual del nivel más alto que existe, por el precio de unos días de consultoría. Cada vez que veo una cifra así reviso la lista de cosas que descarté automatizar «porque no salía a cuenta»: esa lista se acorta cada trimestre, y el recorte del 80% en GPT-5.6 Luna empuja en la misma dirección.
La segunda es la que de verdad me importa: lo valioso no es que el modelo acierte, es que se pueda comprobar que acierta. En tu empresa no tienes Lean, pero tienes el mismo problema. Si un modelo te redacta una oferta o te concilia unas cuentas, la pregunta operativa no es «¿qué tal escribe?», sino «¿cómo verifico esto en treinta segundos?».
Esa es la parte que casi nadie diseña, y la que decide si la IA te ahorra tiempo o te lo cambia de sitio: de hacer el trabajo a revisarlo. Cuando generar se vuelve gratis, el cuello de botella se muda a la comprobación —lo estamos viendo en el atasco de avisos de fallos que ha obligado a Apple a poner freno—.
De la demo a la herramienta
Astra está pensado, según OpenAI, para tareas largas y para coordinar varios agentes durante horas o días. Eso, y no los diez problemas, es lo que acabará llegando a tu negocio. Mientras tanto, un consejo poco glamuroso: por cada proceso que automatices, escribe antes cómo vas a comprobar el resultado. Si no sabes responderlo, no automatices todavía.
¿Tú qué haces hoy para verificar lo que te devuelve un modelo, o vas confiando y corrigiendo sobre la marcha? Te leo en los comentarios.
Cobertura completa del anuncio en The Decoder y desglose técnico de los diez resultados en Implicator.
