Astra: la IA de OpenAI que ha resuelto en días lo que la humanidad no logró en 80 años

Durante 80 años, la conjetura de distancia unitaria de Erdős se resistió a todos los intentos serios de tirarla abajo. La planteó en 1946 uno de los matemáticos más prolíficos de la historia, Paul Erdős, y generaciones enteras de investigadores chocaron contra ella sin conseguirlo. Esta semana, OpenAI ha anunciado que un modelo interno que ni siquiera se ha lanzado todavía —de nombre en clave Astra— la ha resuelto, junto con otros nueve problemas matemáticos abiertos, en cuestión de días y por un coste total estimado de apenas 2.000 dólares en tokens.

No es la primera vez que una IA "resuelve" un problema matemático complicado. Pero sí es la primera vez que lo hace así: sin que ningún matemático le indicara el camino, produciendo un resultado que ningún humano había conseguido antes, y con una prueba formal verificada automáticamente línea por línea. Vamos a explicar qué ha pasado exactamente, por qué le importa a cualquiera que use IA a diario (no solo a los matemáticos), y qué cambia de verdad.

¿Qué ha hecho exactamente Astra?

Astra es el próximo modelo de OpenAI, todavía no disponible públicamente. Según ha publicado la propia compañía, la usaron internamente para atacar diez problemas matemáticos y de informática teórica que llevaban años —en algunos casos décadas— sin resolverse: alta dimensión geométrica, teoría de la codificación, complejidad de circuitos aritméticos, teoría de grupos, álgebras de operadores, complejidad cuántica y criptografía basada en retículos, entre otros campos.

Entre los resultados más llamativos: la primera construcción conocida de un "grupo no sofic" (un objeto matemático cuya existencia llevaba tiempo debatiéndose), la refutación de la conjetura de rigidez de Connes, y la resolución de tres problemas planteados por el propio Erdős —incluida la conjetura de distancia unitaria, que pregunta cuántos pares de puntos pueden estar exactamente a una unidad de distancia entre sí si colocas muchos puntos en un plano.

La matemática Timothy Gowers, Medalla Fields (el equivalente al premio Nobel en matemáticas), revisó una de las pruebas y afirmó que la recomendaría para publicación en una revista de primer nivel. Poco después, el matemático de Princeton Will Sawin refinó uno de los resultados de Astra, mejorando la constante del resultado original —una señal de que la comunidad matemática se está tomando estos resultados completamente en serio, no como una curiosidad técnica.

Por qué esto es distinto a lo que ya hacía la IA

Hasta ahora, cuando hablábamos de IA "resolviendo problemas", casi siempre nos referíamos a tareas: escribir un email, resumir un documento, generar código a partir de una especificación clara. Son problemas con una respuesta que ya existe en algún sitio, aunque haya que buscarla o combinarla de formas nuevas.

Lo que ha hecho Astra es distinto: son problemas que nadie había resuelto antes. No existía una respuesta que "recordar" ni un patrón evidente que copiar de miles de ejemplos de entrenamiento. Astra tuvo que construir un razonamiento matemático original, en algunos casos importando técnicas de un área de las matemáticas (teoría algebraica de números) para resolver un problema de otra área completamente distinta (geometría discreta) — el tipo de conexión inesperada que suele ser la marca de un descubrimiento matemático genuino, no de una búsqueda mecánica.

Es la diferencia entre una IA que ejecuta tareas y una IA que investiga. Y es precisamente el umbral que muchos investigadores llevaban años señalando como el verdadero punto de inflexión a vigilar, más que cualquier benchmark de "quién saca mejor nota en un examen".

Cómo se verificó que las pruebas eran correctas

Un problema clásico de pedirle a una IA que "demuestre" algo es que puede sonar convincente sin ser correcto — el fenómeno de las alucinaciones, pero aplicado a matemáticas, es especialmente peligroso porque un error sutil puede pasar desapercibido incluso para expertos. OpenAI lo resolvió de una forma elegante: después de que Astra generara cada argumento matemático en lenguaje natural, el propio modelo formalizó la prueba en Lean, un lenguaje de demostración formal que un ordenador puede verificar de forma completamente mecánica, símbolo por símbolo, sin margen para la ambigüedad.

Si el certificado en Lean compila y verifica correctamente, la prueba es matemáticamente correcta, punto. No hay "casi verdad" ni interpretación posible. Ese paso es lo que separa este anuncio de un simple "mira lo que ha escrito la IA": aquí hay una verificación matemática dura detrás de cada uno de los diez resultados.

¿Qué significa esto para ti, que usas ChatGPT a diario?

Si usas ChatGPT para escribir emails, resumir documentos o programar, no vas a notar un cambio de la noche a la mañana: Astra todavía no está disponible públicamente, y estos resultados son deliberadamente el caso más extremo y especializado, no el uso típico. Pero sí marca hacia dónde va la próxima generación de modelos, y eso sí te afecta:

• La brecha entre "responder bien" y "razonar de verdad" se está cerrando. Los próximos modelos que uses heredarán parte de esta capacidad de razonamiento más profundo, aunque la apliques a tareas mucho más mundanas que una conjetura de 80 años.
• La verificación formal podría llegar a otras áreas. Si un modelo puede verificar matemáticamente sus propias pruebas, no es descabellado pensar en verificación más rigurosa de código, contratos o análisis de datos en el futuro — precisamente el tipo de tarea donde hoy todavía conviene revisar lo que te entrega la IA antes de confiar en ello a ciegas.
• El coste sigue bajando mientras la capacidad sube. 2.000 dólares por resolver diez problemas que se habían resistido durante décadas es una cifra que hace un año hubiera sonado a ciencia ficción. Esa misma curva de coste es la que ya has visto reflejada en cómo han bajado los precios de las suscripciones de IA este mismo año.

Si te interesa entender mejor las diferencias reales entre los asistentes de IA que sí puedes usar hoy, échale un vistazo a nuestra comparativa ChatGPT vs Claude, o explora la biblioteca de prompts si lo que buscas es sacarle más partido a la IA que ya tienes disponible ahora mismo, sin esperar al próximo modelo.

Preguntas frecuentes

¿Puedo usar Astra ya? No, todavía es un modelo interno de OpenAI sin fecha de lanzamiento público confirmada. Lo que se ha publicado son los resultados matemáticos que produjo, no acceso a la herramienta.

¿Significa esto que la IA ya "piensa" como un matemático humano? No exactamente. Astra combina patrones aprendidos durante el entrenamiento con búsqueda y verificación automatizada a gran escala. El resultado es genuinamente nuevo, pero el proceso no es idéntico a cómo razona un matemático humano — es una forma distinta de llegar a una conclusión válida.

¿Por qué es tan importante que las pruebas estén verificadas en Lean? Porque elimina la duda de si la IA se ha "inventado" una prueba que suena bien pero es incorrecta. Un certificado en Lean que compila es una garantía matemática, no una opinión ni una aproximación.

¿Esto afecta a herramientas como ChatGPT que ya uso? De forma indirecta y a medio plazo: las técnicas de razonamiento que hacen posible esto acabarán llegando, en menor medida, a los modelos de uso general. No esperes un cambio inmediato en tu ChatGPT de mañana.