El 1 de agosto de 2026, OpenAI anunció que una versión interna de su próximo modelo, llamada Astra, presenta resultados nuevos sobre diez problemas abiertos de matemáticas y de informática teórica. Los diez llevaban abiertos al menos diez años. Astra no se ha publicado: es un modelo interno y nadie fuera de OpenAI puede ejecutarlo.
Hasta ahí el titular, que ya ha dado la vuelta. La pregunta interesante es otra, y casi nadie la formula: cómo sabe alguien, desde fuera de la empresa, que esos resultados son correctos. Tiene respuesta, y es una respuesta técnica bastante limpia. También tiene un límite preciso, y ese límite resulta más informativo que el propio anuncio.
Qué se publicó exactamente
OpenAI no publicó un comunicado con diez frases afirmativas. Publicó material. Un manuscrito de 249 páginas, las trazas de razonamiento del modelo y certificados de prueba en Lean 4, verificables por máquina. Todo ello en GitHub, bajo licencia Apache 2.0.
Conviene separar los tres elementos, porque no tienen el mismo peso probatorio. El manuscrito es un texto matemático y se lee como tal, con la lentitud que eso implica. Las trazas de razonamiento sirven para entender cómo trabajó el modelo, pero no demuestran nada: son un registro, no una prueba. Los certificados Lean son la única parte que un tercero puede comprobar sin discutir.
Los dominios cubiertos son heterogéneos: teoría de grupos, álgebras de von Neumann, geometría en dimensión alta, complejidad cuántica, criptografía sobre retículos euclídeos y combinatoria extremal. No son ramas vecinas ni comparten técnicas.
El resultado que ha concentrado la atención es la primera construcción explícita de un grupo no sófico. La soficidad fue introducida por Mikhail Gromov en 1999, y desde entonces la existencia de un grupo no sófico era una cuestión central y abierta de la teoría de grupos. Astra habría resuelto además tres problemas asociados a Paul Erdős. Thomas Bloom, matemático de la Universidad de Mánchester y responsable del catálogo de problemas de Erdős, calificó los resultados de "big news" en X.
Qué significa el contador de sorry a cero
En el repositorio de certificados hay un detalle que se menciona poco y que es, técnicamente, lo más informativo de todo el anuncio: el contador de sorry está a cero.
En Lean, sorry es la palabra que se escribe para marcar un paso que todavía no se ha demostrado. Sirve para avanzar. Se admite de forma provisional un lema y se sigue construyendo el resto encima, sin haberlo probado. El archivo compila igual, pero queda constancia del agujero. Es una práctica normal mientras se trabaja, y es también la forma más fácil de aparentar una demostración completa que no lo es.
Un contador a cero significa exactamente una cosa, ni más ni menos: ningún paso de la formalización queda pendiente. No hay lemas admitidos por conveniencia ni ramas dejadas para después.
Por qué Lean cambia la naturaleza de la afirmación
La objeción estándar a los modelos de lenguaje en matemáticas es la alucinación. Producen demostraciones que se leen bien y que fallan en el paso siete. El problema no es solo que fallen: es que detectarlo consume tiempo de personas competentes, que son pocas y están ocupadas. Revisar una prueba larga y falsa cuesta casi lo mismo que revisar una larga y correcta.
Lean desplaza ese trabajo. Un asistente de pruebas no lee la demostración, la ejecuta. Cada inferencia tiene que encajar en un sistema formal, y el compilador solo acepta el archivo cuando todas encajan. Que el texto resulte convincente deja de tener importancia, porque nadie lo está juzgando por su prosa.
De ahí se sigue lo esencial. Una afirmación que ha pasado por un verificador mecánico pertenece a un orden distinto del de una afirmación producida por un modelo de lenguaje. La diferencia no es de grado, es de tipo. La primera se comprueba con una máquina. La segunda hay que creerla o revisarla a mano.
Por eso el anuncio del 1 de agosto no se apoya en la reputación de OpenAI ni en la elegancia de las trazas de razonamiento. Se apoya en archivos públicos y en un compilador que cualquiera puede ejecutar sobre ellos. Es una forma de confianza que se apoya en archivos y en un compilador, y no en la palabra de la empresa, al menos para la parte que la maquina cubre.
El límite del que casi nadie habla
Aquí conviene frenar, porque es el punto que la mayoría de las coberturas ha pasado por alto.
Una compilación correcta en Lean confirma que la demostración es válida para el teorema tal y como está enunciado en Lean. Eso es todo lo que confirma. No confirma automáticamente que ese enunciado formal capture el problema abierto tal como lo entendía la comunidad matemática.
Entre el enunciado en lenguaje natural de un problema abierto y su traducción a las definiciones de Lean hay un paso humano, y ese paso no lo verifica ninguna máquina. Una definición ligeramente distinta, una hipótesis añadida que parece inocua, un cuantificador desplazado, y lo demostrado pasa a ser un teorema vecino: verdadero, verificado y no equivalente al problema que se quería resolver.
No es una sospecha malintencionada, es simplemente cómo se lee un certificado Lean. Y es el punto que sigue en suspenso. A día de hoy nadie ha establecido que la comunidad matemática haya validado esos enunciados formales como equivalentes a los problemas abiertos. La verificación mecánica es real e inmediata. La equivalencia semántica depende de revisión humana, y esa revisión se mide en meses.
Verificable no significa reproducible
La segunda crítica es de otro orden. Investigadores externos señalan que personal de OpenAI participó en la preparación de los artículos y en la formalización de los argumentos. A eso se suma que nadie fuera de la empresa puede ejecutar el modelo que hizo el trabajo.
Merece la pena separar dos palabras que se usan como sinónimos y no lo son:
- Verificable: cualquiera puede tomar los archivos Lean publicados y comprobar que compilan sin pasos pendientes. Esto se cumple.
- Reproducible: un equipo independiente puede partir del mismo problema, aplicar el mismo procedimiento y llegar al mismo resultado. Esto no se cumple, y no puede cumplirse mientras Astra siga siendo un modelo interno.
La distinción importa porque determina qué se ha demostrado sobre el modelo, que no es lo mismo que lo demostrado en matemáticas. Lo establecido es que existen demostraciones correctas de diez enunciados formales. Lo no establecido es qué parte de ese trabajo hizo Astra por sí solo y qué parte aportó la intervención humana en la formalización. Los certificados compilan, pero no llevan firma.
Qué significan 2.000 dólares, y qué no
La cifra que más ha circulado es el coste: alrededor de 2.000 dólares de cómputo. Es pequeña, es concreta y por eso viaja bien.
Varios investigadores han señalado la matización, que es determinante: ese importe cubre las ejecuciones que salieron bien, no todas las tentativas del modelo. Es un coste de publicación, no un coste de descubrimiento.
La diferencia es la que hay entre lo que cuesta imprimir una tesis y lo que cuestan los cuatro años anteriores. Sin denominador, es decir, sin saber cuántas ejecuciones se lanzaron y cuántas terminaron en nada, los 2.000 dólares no permiten calcular ningún rendimiento. Ese denominador no se ha publicado.
De ahí se sigue la tercera crítica, el sesgo de selección. OpenAI eligió qué resultados publicar. Es una práctica legítima y habitual, pero implica que lo que vemos es el extremo derecho de una distribución cuya forma desconocemos. Diez éxitos documentados no dicen nada sobre la tasa de éxito.
Qué puede retener un responsable de empresa, sin extrapolar
La lectura tentadora es la siguiente: la inteligencia artificial ya resuelve problemas difíciles, luego resolverá los míos. No se sostiene, y no por escepticismo, sino por lo que efectivamente se ha publicado.
Lo transferible es otra cosa, y tiene que ver con la relación entre una afirmación y su verificador:
- Una afirmación producida por un modelo vale lo que valga el mecanismo que la comprueba. En matemáticas ese mecanismo existe y se llama Lean. En la mayoría de tareas de empresa, un texto comercial, una previsión, un resumen de reunión, no existe nada equivalente, y por eso allí la revisión humana sigue siendo el único verificador disponible.
- En desarrollo de software sí hay algo parecido, aunque más modesto: la compilación, el tipado estricto, la batería de tests, la integración continua. No es un asistente de pruebas, pero responde a la misma idea, comprobar por máquina en lugar de confiar en una lectura. Un proyecto con tests serios convierte el código generado en algo auditable. Un proyecto sin ellos, no.
- Ante cualquier demostración de un proveedor conviene hacer dos preguntas. Qué parte es verificable por un tercero. Y cuál era el denominador. La cifra que se enseña suele ser la de los intentos que salieron bien.
Nada de lo anunciado el 1 de agosto obliga a cambiar una hoja de ruta la semana que viene. Lo que sí justifica es una pregunta interna, en aquellos procesos donde ya se ha introducido un modelo: quién comprueba el resultado, y con qué. Si la respuesta es que no lo comprueba nadie y se lee por encima, el problema no está en el modelo. Es una cuestión de arquitectura de trabajo, y en los proyectos de desarrollo se resuelve con las herramientas de siempre.
Dónde queda la certeza
Resumen sin adornos de lo que está establecido y lo que no.
- Establecido: hay archivos Lean 4 públicos, con el contador de sorry a cero, que compilan y demuestran diez enunciados formales, acompañados de un manuscrito de 249 páginas bajo licencia Apache 2.0.
- Establecido: el coste de cómputo declarado para las ejecuciones exitosas ronda los 2.000 dólares.
- No establecido: que esos enunciados formales sean equivalentes a los problemas abiertos tal como los entendía la comunidad matemática. Es precisamente el punto en suspenso.
- No establecido: que el resultado sea reproducible por un tercero, dado que el modelo es interno.
- No establecido: cuánto costó realmente llegar hasta ahí, contando los intentos que no llegaron a nada.
Gary Marcus señala que, por impresionantes que sean los resultados, no establecen ni una inteligencia artificial general ni un resolutor universal inminente. La observación es sobria y encaja con todo lo anterior: se ha demostrado algo concreto y comprobable, y se ha demostrado exactamente eso.
Lo cual sigue siendo bastante. Que una afirmación matemática producida por una máquina pueda comprobarse con otra máquina, sin pedirle crédito a nadie, es el estándar de prueba más exigente disponible hoy para este tipo de trabajo. Lo demás, la equivalencia de los enunciados, la reproducibilidad, el coste real, no lo va a resolver un anuncio. Lo resolverán especialistas leyendo despacio, y sabremos el resultado dentro de bastantes meses.
En Go To Agency seguimos estos temas porque condicionan decisiones técnicas concretas, no porque sean actualidad. Si quiere contrastar lo que un modelo aporta, o no aporta, en su propio proyecto, descríbalo por escrito en nuestro formulario de proyecto. Trabajamos en remoto y por escrito, con respuesta en menos de 24 horas hábiles.
