La grieta de la singularidad de Navier-Stokes: la afirmación de OpenAI en 88 horas y el empujón de dos matemáticos

Durante noventa años nadie domó por completo Navier-Stokes. El episodio de veinte minutos de Silicon Carne usa las ecuaciones de fluidos del siglo XIX para explicar por qué una pregunta del millón de dólares de Clay volvió de golpe a los titulares el 8 de septiembre con el anuncio de OpenAI; incluso el desconcierto del presentador de alma literaria muestra por qué la disputa inquietó por igual a matemáticos y profanos.

Por qué el agua y el aire siguen desafiando a los matemáticos

Las ecuaciones son el F igual a ma de Newton adaptado a los fluidos. Navier y Stokes tratan el agua o el aire no como moléculas individuales sino como un continuo, describiendo cómo evolucionan la presión, la densidad y la velocidad. El aire sobre un ala, la sangre en un vaso o el agua alrededor de un casco comparten el mismo núcleo. En 1934 Jean Leray mostró que existen soluciones generalizadas, pero si permanecían suaves quedó abierto; en 2000 el Instituto Clay lo incluyó entre los siete problemas del milenio con un premio de un millón de dólares, y solo Poincaré, resuelto por Perelman, que rechazó el galardón, se ha cerrado hasta ahora.

La pregunta de Clay es conceptualmente nítida: ¿puede un fluido perfectamente suave en reposo, incluso mientras la viscosidad intenta suavizarlo todo, desarrollar una singularidad donde la velocidad crece sin cota en tiempo finito? Ningún fluido real puede moverse infinitamente rápido, así que tal explosión significaría que el propio modelo se rompe y habría que rastrear cada partícula individualmente. Por eso el debate no es solo una prueba abstracta, sino también la fiabilidad del modelo base de la ingeniería.

Los matemáticos probaron pues una escalera más simple. Las ecuaciones de Euler que descartan la viscosidad, la aproximación de Boussinesq y la ecuación de medios porosos se veían como peldaños hacia Navier-Stokes. Diego Cordoba y Luis Martinez-Zoroa habían llevado un programa que primero construía explosiones con forzamiento rugoso; la idea no venía de un modelo de lenguaje. Buckmaster y Alpoge tomaron esa línea e intentaron llevarla del forzamiento rugoso al suave.

Un año tranquilo y luego un mes de aceleración

Tristan Buckmaster es profesor en NYU Courant, Levent Alpoge trabaja como matemático en Anthropic; la pareja colaboró durante cerca de un año sin acuerdo institucional, como proyecto personal. Dicen haber usado Claude, Codex y sobre todo GPT-5.6 Sol durante todo el proceso, y Astra después para la redacción y la auditoría. Por su propio relato, la primera prueba generada por modelo que intercambiaron fue la peor que habían leído jamás. Tras meses madurando una explosión con forzamiento suave para medios porosos, el 15 de agosto obtuvieron explosiones en tiempo finito con forzamiento suave para Boussinesq y para Euler incompresible en tres dimensiones, con la verificación en Lean terminada el 22 de agosto; ellos mismos describen la redacción de Euler como una salida bruta guiada por la máquina y piden disculpas a la comunidad.

Mientras se concentraban en convertir el material en artículos legibles, un rumor lo aceleró todo. Como habían cargado los borradores directamente en Codex, surgió la posibilidad de que el progreso se hubiera filtrado hacia fuera. Alrededor del 1 de septiembre OpenAI oyó los rumores sobre este avance y apuntó su modelo interno a todos los problemas de Clay. Sondeó primero Euler, luego escaló y, según su relato, ejecutó diez mil agentes en paralelo y alcanzó un resultado tras 88 horas en total.

El relato de OpenAI va así: un modelo entrenado a finales de agosto y dicho considerablemente más potente que GPT-6 Astra halló primero una explosión de Euler en unas 50 horas con mil agentes, luego la extendió a Navier-Stokes en 11 horas con diez mil agentes, cerrando la carrera de cuatro días en 88 horas. En una rueda de prensa la empresa estimó que una reejecución por un cliente costaría unos 15 millones de dólares; el resultado reclamado es una fuerza suave aplicada a un fluido en reposo, con energía finita durante todo el proceso, que provoca una singularidad en tiempo finito, respaldada por una formalización en Lean, y presentada como el cierre de las alternativas C y D del enunciado de Clay — no una explosión para la ecuación viscosa sin forzamiento.

El calendario superpuesto avivó las cosas. Buckmaster dice que supo el 3 de septiembre que información sobre su progreso había llegado a OpenAI, y horas antes del anuncio de OpenAI el 8 de septiembre publicó una declaración detallada con extractos de correos, evitando una acusación directa pero subrayando que no quería que se asentara un relato falso. OpenAI respondió el mismo día que no había visto ningún trabajo hasta que fue público, que no se accedió a datos de usuarios, que el uso desidentificado podría haber ayudado a mejorar los modelos sin poder descartarse, y que las dos pruebas difieren notablemente en método y resultado preciso, al tiempo que calificaba de notable el trabajo concurrente de Buckmaster y Alpoge.

Aún sin verificación oficial, pero Lean ayuda

El Instituto Clay aún no ha validado ninguna de las dos pruebas y la revisión por pares no ha empezado. Aun así, una formalización en Lean convierte las matemáticas en código que una máquina comprueba paso a paso, reduciendo drásticamente la posibilidad de un error oculto. Expertos externos como Dallas Albritton, de Wisconsin, calificaron de umbral enorme conocer la respuesta a un problema guía, mientras BBC, New Scientist y Science News destacaron en paralelo tanto la sustancia como el calendario controvertido.

Esta explosión no llegó sola. En los últimos doce meses un modelo de OpenAI resolvió en mayo una conjetura de Erdos de larga data, Claude Fable 5 produjo un contraejemplo de la conjetura de Jacobian de casi un siglo, y el último teorema de Fermat se formalizó en solo once días. Sébastien Bubeck y Venkat Chandrasekaran, de OpenAI, describieron la racha como una combinación espectacular del arco del año pasado, señalando que los cálculos a mano y papel que exigen tales problemas se han vuelto de una intrincación pasmosa para los humanos.

Lo que alimenta la controversia es menos la corrección que el crédito y la custodia de los datos. Guardar borradores en Codex era cómodo, pero también dejó rastros en la infraestructura del proveedor del modelo; la cautelosa postura de OpenAI de que el uso desidentificado pudo ayudar a mejorar los modelos apunta justo a esa zona gris. Como señaló la discusión de Silicon Carne, cuando redacciones apuradísimas a un ritmo de vibe-coding se sientan junto a una megaejecución de diez mil agentes, la cuestión de cómo se protege el trabajo científico se vuelve tan importante como el detalle técnico.

La capa económica y geopolítica creció al mismo ritmo. Poner precio a una sola ejecución en unos 15 millones de dólares sugiere que una apuesta de carrera antes repartida en una década puede ahora reducirse a una apuesta de cómputo de cuatro semanas; un laboratorio que no pueda pagar la factura teme quedarse atrás, recordando cómo los investigadores emigraban antaño a las universidades dueñas de supercomputadoras. Por eso voces en la discusión subrayaron que Europa debe poseer modelos propios, no solo distribuir los ajenos; como dijeron los presentadores, el país que pueda asignar agentes de IA a los investigadores atraerá a la próxima generación de talento.

El tono de Silicon Carne añade un marco humano. El presentador que se dice literario, las risas que irrumpen en el relato sereno de una pregunta del millón de dólares, la analogía de un Netflix de Sun Valley y las bromas sobre pequeñas riñas convertidas en grandes sumas nos recuerdan que esto es una historia de comunidad más allá de una ecuación. El equipo vuelve en los minutos finales a la misma línea: la IA ha acelerado claramente las matemáticas; si la propiedad y la economía de la reputación siguen siendo humanas se pondrá a prueba en la próxima demostración.