Capital de Tokens
El 8 de septiembre de 2026, OpenAI publicó un resultado que, si sobrevive al escrutinio matemático independiente, podría convertirse en uno de los hitos más importantes de la investigación asistida por inteligencia artificial: una solución propuesta al problema de existencia y regularidad de Navier–Stokes, uno de los siete Millennium Prize Problems del Clay Mathematics Institute.
La noticia llama la atención por dos razones distintas.
La primera es matemática: Navier–Stokes lleva décadas resistiendo una solución completa y tiene asociado un premio de 1 millón de dólares.
La segunda es metodológica: OpenAI afirma que el resultado fue encontrado mediante un sistema de aproximadamente 10.000 agentes concurrentes, seguido por una formalización de la prueba en Lean.
Pero hay que separar con cuidado tres afirmaciones diferentes:
OpenAI publicó una prueba
↓
la prueba fue formalizada en Lean
↓
la comunidad matemática y Clay deben validarlaPor eso, por ahora, la formulación prudente es: OpenAI afirma haber resuelto Navier–Stokes y ha publicado una prueba verificable; el problema todavía no está oficialmente cerrado por Clay.
Qué pregunta realmente el problema de Navier–Stokes
Las ecuaciones de Navier–Stokes describen el movimiento de fluidos como el aire y el agua. Aparecen, directa o indirectamente, en áreas tan distintas como:
- aerodinámica;
- meteorología;
- dinámica oceánica;
- flujo sanguíneo;
- ingeniería mecánica;
- turbulencia.
El problema del milenio no pregunta si las ecuaciones son útiles. Lo son desde hace muchísimo tiempo.
La pregunta profunda es si, para un fluido tridimensional incomprensible que empieza en un estado suficientemente suave, la evolución descrita por las ecuaciones siempre permanece suave, o si puede aparecer una singularidad en tiempo finito.
En términos intuitivos, una singularidad sería una situación en la que alguna magnitud de la solución, como la velocidad, crece sin límite mientras la evolución matemática todavía ocurre en un tiempo finito.
La viscosidad del fluido tiende a suavizar el movimiento. El desafío es demostrar rigurosamente si esa disipación siempre basta para evitar el colapso matemático o si puede existir una configuración que termine produciendo un blow-up.
Qué afirma haber demostrado OpenAI
En su publicación, OpenAI afirma haber construido una solución inicialmente suave que desarrolla una singularidad en tiempo finito.
El escenario incluye una fuerza externa suave. Esto es importante porque a primera vista podría parecer una versión distinta del problema, pero la formulación oficial del Clay Mathematics Institute contempla varias formas válidas de resolverlo.
OpenAI dice haber establecido las variantes C y D de esa formulación oficial: un contraejemplo en el que una solución suave deja de mantenerse regular.
Según la explicación de OpenAI, la construcción se basa en un vórtice que se concentra y se alarga progresivamente mientras conserva energía finita. El reto técnico consiste en conseguir que los términos de aceleración, presión, transporte de momento y viscosidad se compensen de una manera extremadamente precisa, de modo que la fuerza externa siga siendo suave incluso cuando la velocidad crece sin límite.
La organización publicó dos piezas clave:
- una demostración matemática escrita;
- una formalización de la demostración en el asistente de pruebas Lean.
La fuente primaria está aquí: On the Navier–Stokes Millennium Prize Problem, OpenAI.
Lean ayuda mucho, pero no elimina la revisión matemática
Una prueba formalizada en Lean tiene una ventaja enorme: el núcleo del asistente puede comprobar mecánicamente que los pasos formalizados se derivan de las definiciones, axiomas y teoremas aceptados dentro del sistema.
Eso reduce de forma drástica ciertos errores humanos típicos de una demostración larga.
Pero no significa automáticamente que Clay deba declarar resuelto el problema al día siguiente.
Todavía hay preguntas que la comunidad debe examinar:
- ¿la formalización representa exactamente las hipótesis exigidas por el problema oficial?;
- ¿las definiciones usadas coinciden con la formulación matemática que se pretende resolver?;
- ¿hay supuestos adicionales escondidos en las abstracciones?;
- ¿la prueba escrita y la prueba formal capturan el mismo resultado?;
- ¿el resultado satisface todas las reglas administrativas y de publicación de Clay?
Lean es una capa potentísima de verificación, no un sustituto de todo el proceso científico.
El dato que cambia la historia: unos 10.000 agentes concurrentes
La parte posiblemente más importante para la historia de la IA no es una ecuación concreta, sino cómo se encontró la prueba.
OpenAI describe un sistema multiagente alimentado por un modelo interno todavía en entrenamiento y, según la empresa, significativamente más capaz que GPT-6 Astra.
El proceso fue aproximadamente este:
diferentes variantes del problema
↓
grupos de agentes exploran enfoques distintos
↓
los grupos comparten resultados útiles
↓
Codex consolida ideas prometedoras
↓
nuevas rondas de búsqueda
↓
prueba analítica
↓
formalización en LeanEl grupo que produjo la propuesta para Navier–Stokes llegó a involucrar del orden de 10.000 agentes concurrentes.
OpenAI publica cifras extraordinarias para ese experimento:
- aproximadamente 88 horas desde el lanzamiento de los primeros agentes hasta la solución;
- 2,7 millones de mensajes entre los agentes durante el trabajo de Navier–Stokes;
- aproximadamente 130.000 millones de tokens de salida;
- otras 17 horas para la formalización y verificación en Lean mediante GPT-6 Astra.
En el conjunto de problemas investigados, OpenAI reporta 4,9 millones de mensajes y unos 300.000 millones de tokens de salida.
Esto ya no se parece demasiado a preguntarle algo a un chatbot.
Se parece más a un laboratorio de investigación computacional donde miles de investigadores artificiales exploran en paralelo, intercambian hipótesis, descartan caminos y concentran recursos sobre las ramas más prometedoras.
Antes de Navier–Stokes, los agentes resolvieron una variante relacionada de Euler
OpenAI cuenta que inicialmente lanzó grupos sobre todos los problemas del milenio abiertos y también sobre algunos problemas relacionados considerados algo más accesibles.
Uno de ellos era una pregunta de regularidad para las ecuaciones de Euler, que pueden entenderse como un límite relacionado con Navier–Stokes cuando desaparece el término de viscosidad.
Según OpenAI, cerca de 100 agentes trabajaron unas 50 horas y obtuvieron un contraejemplo para una variante no forzada de Euler.
Ese resultado hizo que el equipo concentrara más recursos en Navier–Stokes. Los agentes recibieron los avances encontrados en Euler y los distintos grupos empezaron a intercambiar ideas mediante un proceso que OpenAI describe como cross-pollination.
La secuencia es interesante porque muestra algo importante sobre los sistemas de investigación autónoma: un descubrimiento intermedio puede convertirse inmediatamente en contexto para miles de nuevas líneas de investigación.
Los siete Millennium Prize Problems y el millón de dólares de cada uno
El Clay Mathematics Institute creó los Millennium Prize Problems en el año 2000 y reservó un fondo total de 7 millones de dólares: 1 millón para la solución de cada problema.
A fecha del anuncio de OpenAI, Clay continúa mostrando sólo uno de los siete como resuelto oficialmente: la conjetura de Poincaré.
| Problema | Qué pregunta, en pocas palabras | Estado oficial | Premio establecido |
|---|---|---|---|
| Birch y Swinnerton-Dyer | Relaciona las soluciones racionales de curvas elípticas con el comportamiento de su función L. | Abierto | US$1 millón |
| Conjetura de Hodge | Pregunta qué clases topológicas de ciertas variedades algebraicas pueden representarse mediante ciclos algebraicos. | Abierto | US$1 millón |
| Navier–Stokes: existencia y regularidad | Pregunta si las soluciones suaves en 3D permanecen suaves o pueden desarrollar singularidades. | Clay aún lo lista como abierto; OpenAI publicó una solución propuesta el 8 de septiembre de 2026. | US$1 millón |
| P vs NP | Pregunta si todo problema cuya solución puede verificarse rápidamente también puede resolverse rápidamente. | Abierto | US$1 millón |
| Conjetura de Poincaré | Caracteriza topológicamente la esfera tridimensional. | Resuelto por Grigori Perelman. | US$1 millón; Perelman rechazó el dinero |
| Hipótesis de Riemann | Describe dónde se encuentran los ceros no triviales de la función zeta y está profundamente conectada con la distribución de los números primos. | Abierto | US$1 millón |
| Yang–Mills y el mass gap | Pide una construcción matemática rigurosa de la teoría cuántica de Yang–Mills con una brecha de masa positiva. | Abierto | US$1 millón |
La lista y el fondo oficial pueden consultarse en The Millennium Prize Problems, Clay Mathematics Institute.
La conjetura de Poincaré fue resuelta por Grigori Perelman, quien recibió formalmente el Millennium Prize en 2010 pero posteriormente rechazó el millón de dólares. Clay redirigió esos fondos a iniciativas de investigación matemática.
Eso deja seis problemas que, desde el punto de vista oficial de Clay, continúan abiertos en este momento.
Entonces, ¿OpenAI ya ganó el millón de dólares?
No.
Y OpenAI dice explícitamente que no pretende reclamar el premio.
Además, las reglas de Clay hacen imposible una proclamación instantánea.
Antes de que el instituto considere una solución, deben cumplirse varias condiciones. Entre ellas:
- la solución debe publicarse en un medio que cumpla los requisitos de Clay;
- deben transcurrir al menos dos años desde esa publicación;
- la solución debe haber obtenido aceptación general de la comunidad matemática mundial.
Las reglas oficiales están publicadas en Rules for the Millennium Prize Problems.
Así que incluso si la prueba de OpenAI es completamente correcta, existe una diferencia importante entre:
"tenemos una demostración"
y
"el Millennium Prize Problem está oficialmente resuelto"La primera afirmación puede hacerse hoy. La segunda exige tiempo y consenso.
Por qué esto podría importar más allá de Navier–Stokes
Si la demostración resiste la revisión independiente, el resultado será importante por sí mismo.
Pero puede ser todavía más importante como demostración de una arquitectura de investigación.
Durante buena parte de la era de los LLM, el patrón dominante ha sido:
humano pregunta → modelo respondeEl experimento descrito por OpenAI se parece más a:
humano define un objetivo
↓
miles de agentes investigan en paralelo
↓
los agentes producen resultados intermedios
↓
otros agentes los verifican y recombinan
↓
se concentran recursos sobre las líneas prometedoras
↓
se formaliza el resultadoEse patrón se puede imaginar en muchas áreas:
- matemáticas;
- física teórica;
- diseño de algoritmos;
- verificación de software;
- química computacional;
- diseño de experimentos;
- búsqueda de vulnerabilidades;
- ingeniería de materiales.
La escala también cambia la intuición económica. Una pregunta que antes dependía de unos pocos especialistas trabajando durante meses o años puede convertirse en un árbol de búsqueda donde miles de agentes ensayan caminos simultáneamente.
Eso no garantiza que el resultado sea correcto. Pero cambia radicalmente la cantidad de hipótesis que se pueden explorar.
El siguiente examen no lo hace OpenAI: lo hace la comunidad matemática
Ahora comienza probablemente la parte más importante.
Especialistas independientes tendrán que estudiar la demostración, reconstruir los argumentos y comprobar que la formalización de Lean corresponde exactamente con el problema oficial.
Hay tres resultados posibles:
- la prueba es correcta y completa;
- la idea central es correcta, pero hay huecos reparables;
- existe un error fundamental y la propuesta no resuelve el problema.
La existencia de una prueba formal hace que el caso sea especialmente interesante, pero la revisión de los supuestos y de la correspondencia entre el teorema formal y la pregunta original seguirá siendo esencial.
Conclusión
El titular más responsable no es todavía «la IA resolvió definitivamente Navier–Stokes».
Es algo más interesante:
OpenAI ha publicado una solución propuesta a uno de los problemas matemáticos más prestigiosos del mundo, obtenida mediante unos 10.000 agentes concurrentes y acompañada de una formalización en Lean.
Si la prueba resulta correcta, habrá que actualizar los libros de matemáticas.
Pero también tendremos que actualizar nuestra idea de lo que significa un «agente de IA».
Aquí no estamos viendo a un asistente que redacta una respuesta. Estamos viendo el comienzo de sistemas capaces de organizar búsquedas científicas masivas, paralelas y verificables.
Y ésa puede terminar siendo la parte más trascendente de la historia.