OpenAI anunció el 1 de agosto que su nuevo modelo Astra había resuelto 10 problemas antiguos en matemáticas e informática teórica. La reacción de la comunidad matemática fue rápida, y no fue aplauso.
Investigadores prominentes acusaron a la empresa de minimizar trabajos anteriores, no atribuir adecuadamente las contribuciones existentes y exagerar la novedad de sus resultados generados por IA.
Las afirmaciones y la resistencia
Según OpenAI, el modelo Astra abordó problemas que abarcan límites de empaquetamiento de esferas de alta dimensión, el establecimiento de grupos no sofic, avances en teoría de códigos y complejidad de circuitos aritméticos. La empresa presentó estos como áreas donde no se había logrado progreso en el resultado principal durante al menos una década.
Steven Miller, matemático de la Universidad Yeshiva, y Francesco Fournier-Facio de la Universidad de Cambridge fueron algunos de los investigadores que se opusieron con fuerza. Su argumento: los resultados de Astra se basaban en trabajos previos que OpenAI ignoró o subrepresentó. Andreas Thom y el propio Miller habían publicado investigaciones relevantes ya en 2016, trabajos que informaron directamente el terreno que Astra ahora afirmaba haber conquistado.
El costo total de cómputo para los 10 resultados fue de aproximadamente $2,000 en uso de tokens.
Para el 6 de agosto, Scientific American había publicado un informe que caracterizaba la gestión de los anuncios de OpenAI como “mala conducta investigativa” y plagio. OpenAI posteriormente revisó algunas de sus declaraciones.
Un patrón, no un incidente
Este no es el primer roce de OpenAI con la controversia por afirmaciones matemáticas. En octubre de 2025, el exvicepresidente Kevin Weil publicó que GPT-5 había resuelto problemas relacionados con las conjeturas de Paul Erdős. Esa publicación fue eliminada silenciosamente.
Luego llegó el 20 de mayo de 2026, cuando OpenAI afirmó que su modelo había refutado una conjetura que data de 1946. Ese anuncio recibió el respaldo de matemáticos respetados, incluidos Noga Alon y Thomas Bloom, otorgándole una credibilidad genuina.
Por qué esto importa más allá de la academia
La cifra de $2,000 en costos de cómputo es un ejemplo perfecto de cómo el contexto da forma al significado. En aislamiento, es un dato notable que sugiere que la investigación matemática de vanguardia podría volverse radicalmente más barata pronto. En contexto, plantea una pregunta diferente: ¿qué compró exactamente ese $2,000? Si Astra sintetizó décadas de trabajo humano en un paquete ordenado sin reconocer a los humanos, el costo de cómputo es menos una medida de la capacidad de la IA y más una medida de lo barato que puede ser reempaquetar el conocimiento existente.