Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarLatent Space (swyx)→ original

Verificar con matemáticas el código de la IA sale más barato: Opus 5.5 gasta un 40% menos de tokens

Las pruebas y las revisiones no garantizan que el código generado por IA no contenga algún error oculto. La verificación formal sí ofrece esa garantía: la IA escribe una demostración matemática y el programa Lean comprueba cada paso. Hasta ahora era demasiado caro, pero según Anthropic y Theorem, Opus 5.5 resolvió el 50% de 36 tareas pequeñas de verificación y gastó un 40% menos de tokens que Opus 5. A los desarrolladores les conviene aprender a formular con precisión los requisitos del código.

Procesado por IA desde Latent Space (swyx); editado por Hamidun News
Verificar con matemáticas el código de la IA sale más barato: Opus 5.5 gasta un 40% menos de tokens
Fuente: Latent Space (swyx). Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalLatent Space (swyx) ↗
Editor jefe
Dato clave #1La startup &Truth verifica código C en busca de errores de memoria; su primer producto es el mapa de código &Atlas
Dato clave #2El solver cvc5 de Clark Barrett, de &Truth, se invoca miles de millones de veces al día en Amazon
Dato clave #3La prueba de Theorem y Anthropic consta de 36 tareas pequeñas, no de bases de código industriales

Cada vez más código lo escriben agentes de IA, y con él crece el «slop», como se llama en 2026 a la producción cruda y de baja calidad de un modelo de lenguaje. Imagine que un agente ha escrito una función de copia de datos, las pruebas salen en verde y la revisión está aprobada. Aun así, no hay certeza de que no quede algún caso raro en el que la función se salga de los límites de un array y abra un agujero de seguridad.

Las pruebas no dan esa certeza. La verificación formal, es decir, la demostración matemática de que un programa es correcto, sí la da. Antes de eso se ocupaban unos pocos especialistas; ahora la IA y el lenguaje Lean automatizan buena parte del trabajo.

Si usted confía a los agentes cada vez más código, este tema afecta directamente a su trabajo.

En qué se diferencia una demostración de las pruebas

Clark Barrett es cofundador y codirector ejecutivo de la startup &Truth (se pronuncia «end truth»), profesor de Stanford y uno de los creadores de cvc5. Se trata de un «solver» de satisfacibilidad módulo teorías (SMT): un programa que averigua automáticamente si puede incumplirse una condición dada. Según Barrett, Amazon utiliza ampliamente este tipo de herramientas. Por ejemplo, cvc5 ayuda a analizar especificaciones y a generar pruebas en Kiro, el entorno de desarrollo agéntico de Amazon. «Es gratificante ver cómo mis herramientas han pasado de ser una buena idea en el laboratorio a recibir miles de millones de llamadas al día en los pipelines de producción de Amazon», dijo.

Cuando las empresas dicen que un agente «verifica» su trabajo, normalmente significa que ejecuta pruebas, critica su propio resultado o pide a otro modelo que lo evalúe. Para Barrett, la diferencia principal está en cómo saber que el trabajo ha terminado. Las pruebas, los parches y los escáneres encuentran una enorme cantidad de problemas, pero no hay seguridad de que no quede otro bug que la herramienta simplemente no ve.

La demostración funciona de otra manera. Usted formula un requisito preciso, por ejemplo «la función nunca accede fuera de los límites del array», y obtiene la garantía de que se cumple con cualquier dato de entrada, no solo con los que se han probado. La demostración la comprueba Lean, un lenguaje de programación abierto y un sistema para verificar demostraciones. «Lean simplemente comprueba que no se ha equivocado —explicó Barrett—. Es un corrector muy sofisticado para matemáticas». Por eso da igual que la demostración la haya inventado una IA: si Lean la acepta, se puede confiar en ella.

Quién construye estas herramientas

  • &Truth. Una recién llegada que está montando una «máquina de verificación» basada en Lean. Su objetivo es leer código en cualquier lenguaje, demostrar que cumple requisitos formulados con precisión y permitir que las personas confíen en él sin leer cada línea. Su primer producto es &Atlas, un «mapa del código open source mundial», empezando por el lenguaje C. El escenario principal, según Barrett, es recorrer todo el código C, abierto y cerrado, comprobar la seguridad en el manejo de memoria e indicar qué hay que corregir exactamente.
  • Harmonic. Su Aristotle es un demostrador automático de teoremas. La compañía sostiene que la IA genera las demostraciones y Lean comprueba cada paso, de modo que el resultado no depende de si la IA tiene razón.
  • Axiom Math. Desarrolla AxiomProver, un sistema de IA que escribe demostraciones en Lean, y AXLE, un conjunto de herramientas para estudiarlas, verificarlas y transformarlas. La compañía también usa la verificación durante el entrenamiento: los intentos de demostración dan a los modelos una señal sobre si son correctos. Karina Hong, directora de Axiom, dijo en una entrevista con Latent Space en junio que, para la empresa, esto es tanto una protección contra las alucinaciones como un camino hacia la superinteligencia.
  • Theorem. Apuesta por la seguridad: «la verificación es la única defensa que funciona mientras los adversarios escalan». Junto con Anthropic, la compañía ha publicado un texto en el que sostiene que los LLM hacen realista la verificación formal de software a una escala mucho mayor. El esquema de Anthropic en ese texto no se basa en Lean, sino en otro sistema de demostración: Rocq.

Como contexto: según Vals, esta semana GPT-6.2 Astra produjo, probablemente, la primera demostración en Lean del Smoktunowicz's Gap Theorem. Vals también indica que Anthropic formalizó el último teorema de Fermat, un proyecto de 13 millones de líneas. Por último, según se informa, el matemático de Anthropic Levent Alpöge afirmó que, con ayuda de Claude, demostró la hipótesis de Riemann, de 167 años, y publicó la demostración en Lean. Son afirmaciones, no resultados confirmados por la comunidad, pero muestran de qué son capaces los modelos.

Cuánto cuesta y qué cambiar en el trabajo

La principal limitación es el precio. La verificación formal requiere muchos tokens. Sin embargo, en el texto conjunto de Theorem y Anthropic hay una cifra alentadora: en 36 tareas pequeñas de verificación, Opus 5.5 resolvió el 50% y gastó aproximadamente un 40% menos de tokens que Opus 5. Los autores esperan que la tendencia se mantenga cuando se entrene a los modelos con tareas largas de verificación. La salvedad es importante: se trata de tareas pequeñas, no de grandes bases de código industriales.

&Truth propone sustituir el «vibe coding» por el «veri-coding», en el que la verificación forma parte del proceso. El desarrollador sigue diciendo al agente qué construir, pero primero afina la especificación junto con él. Después el agente trabaja con la herramienta de verificación y, según Barrett, el código debería funcionar a la primera. El tiempo humano se dedicará más a escribir y revisar especificaciones, y menos a escribir y revisar código.

Conclusión práctica: si los agentes escriben cada vez más por usted, su trabajo consiste en decir con precisión qué significa «correcto». Conviene empezar ya a entrenarse en formular requisitos. Y merece la pena seguir de cerca &Atlas, Aristotle y AxiomProver: a juzgar por las declaraciones de las compañías, la primera área será la seguridad del código crítico en C.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre En qué se diferencia una demostración de las pruebas?

Clark Barrett es cofundador y codirector ejecutivo de la startup &Truth (se pronuncia «end truth»), profesor de Stanford y uno de los creadores de cvc5. Se trata de un «solver» de satisfacibilidad módulo teorías (SMT): un programa que averigua automáticamente si puede incumplirse una condición dada. Según Barrett, Amazon utiliza ampliamente este tipo de herramientas. Por ejemplo, cvc5 ayuda a analizar especificaciones y a generar pruebas en Kiro, el entorno de desarrollo agéntico de Amazon.

¿Qué se sabe sobre Quién construye estas herramientas?

&Truth. Una recién llegada que está montando una «máquina de verificación» basada en Lean. Su objetivo es leer código en cualquier lenguaje, demostrar que cumple requisitos formulados con precisión y permitir que las personas confíen en él sin leer cada línea. Su primer producto es &Atlas, un «mapa del código open source mundial», empezando por el lenguaje C.

¿Qué se sabe sobre Cuánto cuesta y qué cambiar en el trabajo?

La principal limitación es el precio. La verificación formal requiere muchos tokens. Sin embargo, en el texto conjunto de Theorem y Anthropic hay una cifra alentadora: en 36 tareas pequeñas de verificación, Opus 5.5 resolvió el 50% y gastó aproximadamente un 40% menos de tokens que Opus 5. Los autores esperan que la tendencia se mantenga cuando se entrene a los modelos con tareas largas de verificación. La salvedad es importante: se trata de tareas pequeñas, no de grandes bases de código industriales.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…