--- title: "Diez avances en matemáticas y ciencias de la computación teórica" description: "OpenAI anunció que una versión interna de Astra, su próximo modelo mayor, resolvió diez problemas abiertos con al menos una década sin avances. El costo total en tokens fue de unos US$ 2.000 a tarifas de la API de Sol." slug: "openai-astra-resuelve-diez-problemas-matematicos-abiertos-26-08-02" canonical: "https://www.revenuehublatam.com/noticias/ia-ventas/openai-astra-resuelve-diez-problemas-matematicos-abiertos-26-08-02" language: "es" section: "Noticias" category: "IA en Ventas" published: "2026-08-02T16:40:00+00:00" updated: "2026-08-02T16:40:00+00:00" tags: ["OpenAI", "Astra", "investigación en IA", "matemáticas", "criptografía post-cuántica"] keywords: ["Astra OpenAI", "OpenAI problemas matemáticos", "IA resuelve conjeturas", "conjetura de Connes", "problemas de Erdős", "IA para empresas en Chile", "inteligencia artificial Latinoamérica", "certificados Lean IA"] source_name: "OpenAI" source_url: "https://openai.com/index/ten-advances-in-mathematics/" publisher: "Revenue Hub Latam" publisher_url: "https://www.revenuehublatam.com" --- # Diez avances en matemáticas y ciencias de la computación teórica > OpenAI publicó el 1 de agosto de 2026 diez resultados nuevos sobre problemas abiertos de matemáticas y ciencias de la computación teórica, obtenidos por una versión interna de Astra, su próximo modelo mayor. Entre ellos hay una refutación de la conjetura de rigidez de Connes, la resolución de tres problemas de Erdős y una cota de dureza para el problema del vector más cercano, base de la criptografía post-cuántica. El costo en tokens fue de unos US$ 2.000 a tarifas de la API de Sol. Cada demostración fue formalizada en certificados Lean por colaboradores humanos. OpenAI publicó el sábado 1 de agosto de 2026 una selección de diez resultados nuevos sobre problemas de matemáticas y ciencias de la computación teórica que llevaban al menos una década sin avances en su resultado principal, y en varios casos mucho más. Los resultados fueron obtenidos por una versión interna de Astra, el próximo modelo mayor de la compañía. Los problemas abarcan geometría de alta dimensión, teoría de códigos, complejidad de circuitos aritméticos, teoría de grupos, álgebras de operadores, complejidad cuántica, criptografía de retículos y combinatoria extremal. La compañía publicó el paper, las narraciones del proceso de razonamiento del modelo y los certificados formales en Lean. ## ¿Qué problemas resolvió el modelo? La lista publicada por OpenAI incluye diez resultados: - **Empaquetamiento de esferas en alta dimensión**: nuevas cotas superiores de densidad hasta el umbral de Cohn y Elkies. - **Códigos binarios y esféricos**: cotas exponencialmente mejoradas sobre el tamaño máximo de códigos binarios a cualquier distancia mínima prescrita. - **Grupos no sóficos**: una construcción que establece su existencia, una pregunta central abierta en teoría de grupos. - **Conjetura de rigidez de Connes**: refutación de una conjetura de larga data sobre álgebras de von Neumann. - **Complejidad de circuitos aritméticos**: nuevas cotas inferiores para calcular el permanente. - **Repetición paralela cuántica**: un teorema de repetición paralela exponencial para juegos cuánticos generales de dos jugadores. - **Problema del vector más cercano**: dureza de aproximación por factor polinomial, una pregunta fundacional de retículos ligada a la criptografía post-cuántica. - **Conjetura del volumen de Ehrhart**: determinación del volumen máximo posible de un cuerpo convexo en toda dimensión. - **Números de Ramsey multicolor**: cota inferior superexponencial que resuelve el problema 183 de Erdős. - **Conjeturas de números extremales**: resultados que resuelven los problemas 146 y 180 de Erdős. ## ¿Cuánto costó llegar a esos resultados? El dato que más circuló no es matemático, es económico. OpenAI estima que el total de tokens necesarios para encontrar las soluciones habría costado **alrededor de US$ 2.000 a tarifas de la API de Sol**. Los argumentos fueron luego convertidos en manuscritos por humanos usando el mismo modelo, y después formalizados por el modelo en certificados Lean disponibles públicamente. El contexto importa: en mayo la compañía ya había compartido una refutación generada por IA de la conjetura de distancias unitarias de Erdős, descubierta mientras evaluaba un modelo no publicado. Ese trabajo, dice OpenAI, ya inspiró investigación posterior de terceros. ## ¿Por qué OpenAI habla de atribución? La compañía dedica una sección completa al tema de la autoría. Su posición es explícita: atribuir autoría humana a una demostración generada íntegramente por un sistema de IA tergiversaría tanto la contribución del sistema como la naturaleza del trabajo intelectual humano. OpenAI declara que preparó los manuscritos y formalizó las pruebas, y que se hace responsable de su corrección, pero que los argumentos matemáticos fueron generados por el sistema. El anuncio también menciona la declaración de Leiden sobre IA y matemáticas, firmada por investigadores preocupados por el impacto de estas herramientas en la disciplina. ## ¿Qué señal manda esto para las empresas de Chile y Latinoamérica? Ninguna empresa comercial de Chile o Latinoamérica necesita resolver la conjetura de Connes. Lo relevante es otra cosa: un modelo produjo resultados originales verificables en dominios donde no existía respuesta previa, y lo hizo por un costo comparable al de una semana de consultoría junior. Eso reordena la conversación sobre qué tipo de trabajo cognitivo sigue siendo exclusivamente humano. ## Análisis de Revenue Hub La lectura de negocio no está en las matemáticas. Está en la curva. Durante dos años la objeción estándar en comités de inversión fue que los modelos solo recombinan lo que ya existe y no generan conocimiento nuevo. Este anuncio, con pruebas formalizadas y verificables, cierra esa objeción como argumento general. Lo que queda en pie no es si el modelo puede, sino si tu organización tiene los datos, los procesos y el criterio para aprovecharlo. Para un líder comercial en Chile o Latinoamérica la implicancia es de asignación de talento, no de compra de software. Si un sistema puede sostener cadenas de razonamiento de decenas de horas y entregar un resultado auditable, el trabajo analítico de tu equipo comercial (segmentación, diseño de territorios, modelos de propensión, análisis de churn, pricing) es candidato natural a delegarse antes que las tareas de redacción que hoy dominan los pilotos de IA. La mayoría de las empresas está automatizando lo visible y barato, y dejando intacto lo que realmente mueve la aguja. La recomendación es concreta: identifica las tres decisiones comerciales que hoy se toman con intuición porque nadie tiene tiempo de hacer el análisis, y conviértelas en el primer caso de uso serio. El riesgo real no es que la IA se equivoque, es que tu equipo no sepa evaluar si el resultado está bien. Esa capacidad de verificación, que OpenAI resolvió con certificados Lean, en una empresa se llama datos limpios y definiciones acordadas. Puedes revisar más análisis en [Noticias de IA en ventas](/noticias/ia-ventas) y material de fondo sobre operación comercial en nuestro [blog](/blog). ## Preguntas frecuentes ### ¿Qué es Astra de OpenAI? Astra es el próximo modelo mayor de OpenAI. Una versión interna del modelo fue la que generó los diez resultados matemáticos publicados el 1 de agosto de 2026. Al momento del anuncio no estaba disponible públicamente. ### ¿Cuántos problemas matemáticos resolvió Astra? Diez. Todos llevaban al menos una década sin avances en su resultado principal, y varios mucho más. Abarcan geometría de alta dimensión, teoría de códigos, teoría de grupos, complejidad cuántica y criptografía de retículos. ### ¿Cuánto costó resolver los diez problemas? OpenAI estima que el total de tokens necesarios para encontrar las soluciones habría costado alrededor de US$ 2.000 a tarifas de la API de Sol. No incluye el costo del trabajo humano de preparación de manuscritos. ### ¿Cómo se verificó que las demostraciones son correctas? El modelo formalizó cada argumento en certificados Lean, un asistente de pruebas que verifica mecánicamente la validez lógica de una demostración. OpenAI publicó los certificados en un repositorio abierto en GitHub. ### ¿Qué es la conjetura de rigidez de Connes? Es una conjetura de larga data que planteaba que ciertos grupos quedan determinados de manera única por sus álgebras de von Neumann. El resultado publicado por OpenAI la refuta. ### ¿Esto afecta la criptografía post-cuántica? De forma indirecta. Uno de los resultados establece dureza de aproximación por factor polinomial para el problema del vector más cercano, una pregunta fundacional de retículos sobre la que se apoya buena parte de la criptografía post-cuántica. Es un avance teórico, no una vulnerabilidad práctica. ### ¿Qué significa este anuncio para las empresas en Chile y Latinoamérica? Cambia el argumento de que la IA solo recombina información existente. Para equipos comerciales implica que el trabajo analítico complejo (segmentación, pricing, modelos de propensión, análisis de churn) es candidato a delegarse, siempre que la empresa tenga datos confiables y criterios claros para verificar el resultado. ### ¿OpenAI reclama autoría humana de las demostraciones? No. La compañía declaró explícitamente que los argumentos matemáticos fueron generados por su sistema, y que atribuirlos a autoría humana tergiversaría tanto la contribución del modelo como la naturaleza del trabajo intelectual humano. OpenAI sí asume responsabilidad por la corrección de los manuscritos. --- Fuente original: [OpenAI](https://openai.com/index/ten-advances-in-mathematics/) (openai.com)