OpenAI ha anunciado que uno de sus modelos internos ha encontrado una solución al problema de Navier-Stokes, una ecuación sobre el flujo de líquidos y gases que llevaba sin resolverse unos 90 años. Según recoge The Verge, la noticia había sido adelantada antes por The New York Times y Wired, y el anuncio de OpenAI llega acompañado de una disputa sobre cómo se llegó al resultado.
La empresa explica en una entrada de blog publicada el martes que el hallazgo se produjo con un modelo interno más potente que el GPT-6 Astra recién lanzado, combinado con 10.000 agentes trabajando en paralelo. Según OpenAI, el entrenamiento de ese modelo empezó el 28 de agosto y el sistema ha mostrado «un rendimiento sin precedentes en nuestros benchmarks, incluidas las matemáticas».
Navier-Stokes es uno de los siete Problemas del Milenio, cada uno de los cuales lleva asociado un premio de un millón de dólares para quien lo resuelva. OpenAI ha señalado que no tiene intención de reclamar ese premio.
Un día antes, otro equipo publicó un avance relacionado
La controversia arranca porque, justo un día antes del anuncio de OpenAI, el profesor de matemáticas de la Universidad de Nueva York Tristan Buckmaster publicó, junto al investigador de Anthropic Levent Alpöge, hallazgos sobre un problema relacionado. Al presentarlos, Buckmaster afirma que contactó con OpenAI después de saber que la compañía tenía conocimiento de su progreso, y sostiene que OpenAI había producido una prueba de la ecuación de Navier-Stokes siguiendo una vía en la que él y Alpöge llevaban tiempo trabajando con Codex de OpenAI y Claude de Anthropic.
Buckmaster plantea directamente si OpenAI tuvo acceso a los datos de sus sesiones de trabajo. «Pregunté si el modelo había sido entrenado con nuestras sesiones en Codex, o había tenido acceso a ellas, en las que habíamos estado guardando todos nuestros borradores durante todo este proyecto», escribe Buckmaster. «Me dijeron que el modelo no consultaba datos de usuario. Volví a preguntar sobre el entrenamiento, y no obtuve respuesta».
OpenAI niega el acceso a datos específicos, pero no descarta un uso indirecto
En su anuncio del martes, OpenAI trata de despejar esas sospechas. La compañía afirma que «no se accedió a ningún dato de usuario específico para resolver este problema», aunque matiza: «aunque es poco probable, no podemos descartar que datos anonimizados derivados de su uso de nuestros productos ayudaran a mejorar nuestros modelos». Consultada por el medio, OpenAI remitió a esa misma declaración, publicada también en X.
Sebastien Bubeck, miembro del personal técnico de OpenAI, ha añadido en esa misma línea: «No vimos nada de su trabajo [el de Buckmaster y Alpöge] hasta que lo publicaron anoche. En retrospectiva se puede ver que nuestras pruebas difieren significativamente e incluso los resultados exactos demostrados son distintos».
Buckmaster ha respondido en Mastodon, y su lectura de esa misma declaración es la contraria: sostiene que OpenAI está «admitiendo abiertamente que usaron datos de entrenamiento de un periodo posterior a que encontráramos nuestro resultado».
Las dos pruebas no son la misma, y ahí está la clave del choque
Lo que separa las dos versiones no es solo quién llegó antes, sino qué prueba matemática exacta produjo cada equipo. Según Bubeck, los resultados demostrados por OpenAI y por Buckmaster y Alpöge son distintos entre sí, no una copia el uno del otro, aunque ambos partieran de herramientas parecidas: Buckmaster y Alpöge trabajaban con Codex de OpenAI y con Claude de Anthropic, y el modelo interno de OpenAI llegó a su propia solución por una ruta que, según Buckmaster, coincide con la que ellos venían explorando.
Esa es la comparación que sostiene toda la disputa: no se discute si hay dos avances matemáticos, sino si uno se apoyó en el trabajo del otro sin decirlo. OpenAI defiende que sus pruebas y las de Buckmaster «difieren significativamente» incluso en el resultado concreto que demuestran, mientras que Buckmaster sostiene que esa misma respuesta de OpenAI equivale a admitir que su modelo se entrenó con datos de un periodo posterior a que él y Alpöge encontraran su resultado.
Ninguna de las dos partes ha aportado, por ahora, más detalle técnico que permita zanjar si las dos pruebas son de verdad independientes o si una se nutrió de la otra. Lo que sí queda claro por el propio intercambio público es que el desacuerdo no es sobre si el problema se resolvió, sino sobre la procedencia de la solución.
OpenAI presenta el hito como una demostración de las capacidades de razonamiento de su nuevo modelo interno, entrenado desde finales de agosto y descrito por la compañía como superior al GPT-6 Astra en sus propios benchmarks. Pero la polémica paralela con Buckmaster y Alpöge deja el episodio marcado por la duda sobre el origen exacto del resultado, algo que ni el comunicado de la empresa ni la respuesta de Bubeck han terminado de resolver.
Te puede interesar
Tech Planet participa en el programa de afiliados de Amazon. Si compras a través de estos enlaces, recibimos una pequeña comisión sin coste extra para ti, lo que nos ayuda a seguir creando contenido como este.
| Imagen | Producto | Características | Comprar |
|---|---|---|---|
 |
MSI MAG B850 Tomahawk MAX WiFi | ATX · socket AM5 para Ryzen 9000 · DDR5 · Wi-Fi 7 y Bluetooth 5.4 · VRM de doble carril de 14 fases | Ver precio en Amazon |
 |
ASUS ROG Maximus Z890 Hero | ATX · zócalo Intel LGA 1851 para Core Ultra serie 2 · DDR5 · PCIe 5.0 · seis M.2 · Wi-Fi 7 | Ver precio en Amazon |
 |
Crucial Pro DDR5 32 GB (2×16 GB) 6000 MHz | Kit de dos módulos · 6000 MHz · Intel XMP 3.0 y AMD EXPO · disipador de aluminio negro | Ver precio en Amazon |
|
Crucial Pro DDR5 64 GB (2×32 GB) 6000 MHz | Kit de dos módulos · 6000 MHz · Intel XMP 3.0 y AMD EXPO · disipador de aluminio negro | Ver precio en Amazon |
Escrito por Eloy Andrade
