OpenAI y Anthropic afirman que sus modelos de IA han producido resultados que desafían una hipótesis de larga data sobre los límites de la computación. Si las afirmaciones se confirman, los hallazgos podrían reformular la teoría de la complejidad, aunque ninguno de los dos laboratorios ha producido software práctico más rápido ni ha roto el cifrado existente.

Una hipótesis de 1999 bajo presión

La Hipótesis del Tiempo Exponencial (ETH) fue propuesta en 1999 por Russell Impagliazzo y Ramamohan Paturi. Sostiene que ciertos problemas de lógica requieren exponencialmente más tiempo computacional a medida que aumentan de tamaño, y los investigadores se apoyaron en ese supuesto durante décadas. En términos prácticos, la hipótesis descarta atajos: dice que cualquier algoritmo para estos problemas debe ralentizarse exponencialmente a medida que crecen las entradas, por lo que un método subexponencial —uno cuyo tiempo de ejecución crece más lentamente que esa curva— la contradiría de plano. Según OpenAI, cientos de artículos de investigación han utilizado la ETH para establecer límites computacionales en campos que incluyen la teoría de grafos, las bases de datos y la biología computacional. Si la ETH resulta falsa, muchas de esas conclusiones podrían necesitar ser revisadas.

Dos laboratorios, dos refutaciones reclamadas

El 26 de octubre, OpenAI anunció que uno de sus modelos de IA había producido una demostración que desafía la ETH, como parte de una publicación más amplia que también incluyó resultados en análisis armónico y teoría cuántica de campos. Una formalización en Lean del resultado, verificada por máquina en el asistente de pruebas Lean, confirma la validez de un algoritmo subexponencial, mientras que el artículo adjunto ofrece una demostración teórica más sólida.

Solo horas después, Anthropic presentó sus propios hallazgos. La compañía dijo que Claude había descubierto un algoritmo determinista capaz de resolver 3-SAT —un problema de referencia canónico en la investigación de dificultad computacional— en menos tiempo que el exponencial, detallado en un repositorio público. Sin embargo, el repositorio señala que el descubrimiento sigue siendo teórico: "El resultado es puramente asintótico y no dice nada sobre resolver fórmulas en la práctica".

También surgieron preguntas sobre la investigación misma. TechCrunch informó que el matemático de Anthropic Levent Alpöge cuestionó cuánto del trabajo de OpenAI se basó en investigación existente.

Lo que los expertos pueden —y no pueden— verificar

OpenAI conformó un equipo de revisión que incluye a los pioneros de la ETH, Impagliazzo y Paturi, junto con el profesor del MIT Ryan Williams, y acordó apoyar una conferencia y publicar sus hallazgos para un mayor escrutinio.

Williams había criticado previamente la avalancha de demostraciones generadas por IA, argumentando que los matemáticos estaban siendo desbordados por el volumen de trabajo que debían revisar. Pero los últimos hallazgos de OpenAI le resultaron intrigantes. En declaraciones a TechCrunch, señaló que, aunque algunas partes de la demostración le parecían familiares, otras destacaban: "hay dos o tres partes de apariencia alienígena".

Ahí es donde la experiencia humana importa. Lean puede confirmar que una demostración formal es lógicamente sólida, pero los investigadores aún necesitan comprender el razonamiento unfamiliar y determinar si podría conducir a algoritmos prácticos. La conferencia que OpenAI acordó apoyar, y los hallazgos publicados que la seguirán, son el próximo punto de control para ese escrutinio: el momento en el que las "partes de apariencia alienígena" convenzan al campo o no.

No es P versus NP, ni un cifrado roto

Refutar la ETH no resolvería P versus NP —la pregunta separada, con décadas de antigüedad, de si todo problema cuyas respuestas pueden verificarse rápidamente también puede resolverse rápidamente— ni expondría debilidades en el cifrado existente. Aun así, los poseedores de criptomonedas tienen motivos para prestar atención. Cryptopolitan informó previamente sobre la advertencia del investigador de Ethereum Justin Drake de que las matemáticas generadas por IA —incluida la publicación separada de OpenAI de 722 manuscritos— podrían eventualmente amenazar las firmas digitales. Por ahora, eso sigue siendo una advertencia y no una brecha demostrada.

En julio, Claude Mythos Preview de Anthropic mejoró un ataque contra HAWK, un candidato de firma post-cuántica, tras 60 horas de investigación. Ningún sistema en producción se vio afectado.

Una carrera de investigación de IA sin línea de meta

El informe State of AI 2026 describe una creciente carrera entre Anthropic, OpenAI y Google. Las mediciones internas de Anthropic muestran que Claude realizó el 26% del trabajo de I&D de modelos rastreado en agosto, frente a menos del 1% en febrero. Mientras tanto, el AI Security Institute de Reino Unido informa que la duración de ciertas tareas de ciberseguridad que la IA puede completar se duplica aproximadamente cada ocho meses. Los anuncios de la ETH en competencia llegaron en ese panorama, donde la producción de investigación asistida por IA se rastrea cada vez más como una medida del progreso de frontera.

La IA está ayudando a los investigadores a hacer descubrimientos más rápido, pero un avance matemático no se traduce automáticamente en mejor software. Incluso si la ETH es refutada, los algoritmos prácticos podrían tardar años en desarrollarse, y los investigadores humanos todavía tienen mucho trabajo por delante.