OpenAI ha publicado 722 manuscritos matemáticos producidos por un modelo interno no lanzado, describiendo el trabajo como el resultado de un proceso de un solo prompt y un solo agente en su mayor parte. Los documentos están organizados en 372 familias de resultados relacionados, pero los matemáticos afirman que las afirmaciones no pueden evaluarse por completo hasta que se pongan a disposición el modelo, los prompts y evidencia adicional.

La publicación llega en un momento en que los laboratorios de IA usan cada vez más las matemáticas como campo de prueba para el razonamiento de modelos de frontera, y se perfila como una prueba temprana de cómo debería publicarse, verificarse y divulgarse la investigación generada por IA.

Un portavoz de OpenAI dijo que casi todo provino de un solo prompt entregado a un solo agente de IA, aunque algunos resultados pueden haber requerido múltiples intentos. La compañía indicó que presentó al modelo aproximadamente 4,000 problemas y seleccionó los resultados que consideró lo suficientemente significativos para publicar.

Andrew Sutherland, matemático del MIT, dijo a Scientific American que la afirmación de resolución en un solo intento debe tratarse con cautela. "Hasta y a menos que lancen el modelo y la gente pueda replicar sus resultados, creo que cualquier afirmación sobre resolver problemas de un solo intento con un solo agente debe tratarse como no verificada", dijo Sutherland. "Deberíamos pedir comprobantes".

La cifra de 722 representa manuscritos, no problemas resueltos. Una familia de resultados puede contener un teorema principal junto con argumentos complementarios, consecuencias o demostraciones alternativas. OpenAI dijo que el resultado promedio utilizó el equivalente a aproximadamente tres horas de cómputo de razonamiento de ChatGPT Pro. Eso difiere de la afirmación de Navier-Stokes de la compañía el mes pasado, que involucró a 10,000 agentes coordinados trabajando durante 88 horas.

OpenAI publicó resúmenes de razonamiento abreviados para 10 resultados. Sin embargo, un catálogo de formalización en el repositorio de GitHub muestra que solo 162 de los 722 manuscritos incluyen actualmente un resultado principal verificado por computadora. Eso equivale a alrededor del 22% de la colección y significa que el resultado ha sido traducido a Lean, un software que verifica mecánicamente cada paso lógico. Lean se convertido en el estándar de trabajo para las demostraciones verificadas por máquina en matemáticas, por lo que los aproximadamente 560 manuscritos aún sin formalizar representan la principal pregunta abierta de la colección.

OpenAI dijo que no todos los manuscritos tienen formalizaciones en Lean y advirtió que "algunos de los resultados no formalizados podrían tener problemas". Una verificación exitosa en Lean confirma que la demostración se sigue del enunciado tal como está escrito en Lean. No establece que el enunciado corresponda al problema original, ni que el resultado sea nuevo o importante. Esas preguntas aún requieren revisión por parte de los matemáticos.

Los investigadores ya han expresado preocupaciones sobre el material y la forma en que fue publicado. Dmitry Rybin escribió en X:

I was trying to read the OpenAI proof that chromatic number of a plane is >= 6. But it is totally unbelievable alien math? Somehow the model found that any K-coloring <=> "weakly measurable" K-coloring, which seems out of nowhere 1/2 pic.twitter.com/W13ScT3nel — Dmitry Rybin (@DmitryRybin1) October 7, 2026

Keith Adler escribió en X:

The openai/math repo has Issues turned off and has never accepted a pull request. That's disappointing. If you publish 722 manuscripts and ask for Lean formalisations, you need somewhere for people to send them. I'm formalising OpenAI's Saxl's Conjecture proof in Lean 4 against… — Keith Adler (@keithadler) October 7, 2026

El Institute for Advanced Study en Princeton, Nueva Jersey, también cuestionó las implicaciones del trabajo matemático generado por IA. "Ahora es el caso de que la IA puede producir argumentos matemáticos en situaciones en las que el humano que la indujo no puede comprender los argumentos, verificarlos ni hacerse responsable de ellos", dijo el instituto en un comunicado. "Creemos que la comprensión humana de las matemáticas sigue siendo de importancia primordial. ¿Cómo, en esta nueva era, podemos trabajar hacia un nuevo paradigma que incluya la comprensión humana de las matemáticas como parte de una producción académica responsable?".

El profesor Abhishek Saha adoptó una postura más positiva y escribió: "Es un día muy grande para las matemáticas". Dijo que la mayoría de los resultados caían en categorías que incluyen "avances excepcionales dentro de un programa existente" y "descubrimientos sorprendentes". En su evaluación, la colección contiene problemas interesantes, pero no resultados comparables a los problemas del milenio, las siete preguntas con premio de un millón de dólares del Clay Mathematics Institute. Identificó la Hipótesis Cuasi-Riemann como el único de los 722 que alcanzó ese nivel de importancia.

Saha escribió en X:

Some further thoughts on the 372 results released by OpenAI today, across 722 manuscripts. If I were to classify theorems that mathematicians prove and publish according to their groundbreaking nature, I would (very roughly) divide them into four categories: A) Non-breakthrough… — Abhishek Saha (@ObhishekSaha) October 7, 2026

La publicación tampoco cumplió con las recomendaciones emitidas por un grupo asesor del Institute for Advanced Study el 29 de septiembre. El grupo recomendó divulgar el nombre del modelo, los prompts, una cadena de razonamiento resumida, el tiempo empleado y el costo de cómputo de cada resultado. OpenAI proporcionó cifras promedio de cómputo y 10 resúmenes de razonamiento, pero no los prompts. La compañía dijo que sigue trabajando para lanzar el modelo de manera responsable.

Daniel Litt, matemático de la Universidad de Toronto, adoptó la postura op y argumentó que no había razón para pedirle a OpenAI que mantuviera en secreto las respuestas a estas preguntas matemáticas.

Anthropic utilizó un enfoque diferente el mes pasado al publicar las 13 millones de líneas de una demostración verificada en Lean del Último Teorema de Fermat en GitHub. Ese trabajo formalizó un teorema publicado por Andrew Wiles en 1995, en lugar de presentar nuevos resultados matemáticos. Las dos publicaciones ilustran una división en la estrategia de divulgación en la industria: por un lado, una demostración completa y verificada por máquina de un teorema conocido; por el otro, un lote grande de afirmaciones nuevas con verificación formal parcial.

OpenAI dijo que agregaría las formalizaciones en Lean a medida que estén disponibles. Por ahora, 162 de los 722 manuscritos tienen un resultado principal formalizado. La situación del resto depende ahora de lo que los investigadores dicen que más necesitan: el lanzamiento del modelo, los prompts subyacentes y las formalizaciones independientes de los manuscritos restantes.