OpenAI afirma que su IA refutó la hipótesis ETH; la demostración se formalizó en Lean en un día
OpenAI afirma que su modelo refutó la hipótesis ETH, la creencia de que problemas como la satisfacibilidad booleana (SAT), que consiste en encontrar una asignación que cumpla todas las condiciones de una fórmula, no pueden resolverse de forma notablemente más rápida que mediante la fuerza bruta. El hallazgo se encontró el 16 de octubre y el 17 se registró en Lean, un lenguaje donde el compilador verifica cada paso de la demostración. Por ahora es una afirmación de la empresa, y los autores de la ETH aún están analizándola. Por eso, el «no puede ser más rápido» de cientos de artículos conviene leerlo ahora como «en duda».
Procesado por IA desde Hacker News AI; editado por Hamidun News
OpenAI publicó un lanzamiento inusual: no un modelo nuevo, sino tres resultados científicos que, según la compañía, encontraron sus sistemas internos. Abarcan matemáticas, teoría de la complejidad computacional y física. Para los desarrolladores, el más comprensible es la refutación de la hipótesis ETH. Imaginen un problema como «distribuir cientos de dependencias sin que haya conflictos» o «elaborar un horario que cumpla todas las restricciones». Estos problemas pertenecen a la clase SAT, y durante décadas se ha considerado que, a medida que aumenta el número de variables, el tiempo para resolverlos crece inevitablemente de forma exponencial. Eso es lo que sostiene la ETH. OpenAI afirma que su sistema demostró que la hipótesis es falsa.
Qué es la ETH y por qué su refutación importa
La Exponential Time Hypothesis (hipótesis del tiempo exponencial) no es un teorema, sino una convicción general de los investigadores: para el problema de satisfacibilidad de fórmulas booleanas no existe un algoritmo fundamentalmente rápido. Sus autores son Russell Impagliazzo, Ramamohan Paturi y Francis Zane.
Sobre esa convicción se han construido cientos de artículos. La lógica es la siguiente: «si supiéramos resolver nuestro problema de grafos, de bases de datos o de bioinformática por encima de cierto umbral de velocidad, la ETH resultaría falsa. Como se cree en la ETH, eso no es posible». Así surgieron catálogos enteros de cotas inferiores condicionales en grafos, biología computacional, bases de datos y geometría.
Si la refutación se confirma, esas cotas dejan de ser fiables. La propia OpenAI aclara que de ahí no se derivan algoritmos rápidos listos para usar. La refutación solo reabre la pregunta de cuánto más rápido pueden resolverse esos problemas. Convertir la teoría en práctica, según la compañía, exigirá un trabajo adicional considerable.
Los otros dos resultados
En matemáticas, se anuncia la demostración de la conjetura de suavizado local, propuesta por Sogge en 1991. De forma intuitiva, dice que una onda puede enfocarse muy bruscamente durante un instante, pero esos picos son efímeros y, promediados en el tiempo, son mucho más débiles que en el peor caso. De ella se siguen la conjetura de Kakeya y las cotas de Stein. Antes, el suavizado local se había demostrado en dos dimensiones, y Kakeya se cerró para tres en 2025. Según OpenAI, sus modelos demostraron la conjetura en cualquier dimensión, por lo que ambas consecuencias quedan cerradas en todos los casos. La demostración se apoya en una nueva ecuación diferencial auxiliar.
En física, se afirma la demostración rigurosa de la existencia de la cromodinámica cuántica (teoría de quarks y gluones) y de una extensión unificada del Modelo Estándar en cuatro dimensiones. Parte del trabajo consistió en demostrar la existencia de la teoría pura de Yang-Mills, uno de los «problemas del milenio» del Instituto Clay.
Cómo se verifica y por qué importa a los ingenieros
Lo más revelador de la historia es su cronología. La refutación de la ETH fue encontrada por el modelo el 16 de octubre de 2026, y al día siguiente se formalizó en Lean. La demostración matemática se obtuvo el 18 de octubre y se formalizó el 19. En física el proceso fue más largo: los modelos demostraron Yang-Mills el 9 de septiembre y QCD el 18 de septiembre, mientras que la formalización de Yang-Mills se completó el 16 de octubre. La fuente no indica si la QCD se formalizó en Lean.
Lean convierte una demostración en código que verifica un compilador, en lugar de depender de la confianza humana. Eso responde al principal temor frente a los textos generados por IA: razonamientos pulidos pero erróneos. Queda otra cuestión: si la formulación en Lean coincide exactamente con la hipótesis original. En ese punto trabajan grupos externos.
Para cada resultado se eligió un esquema distinto. La demostración matemática se publicó de inmediato para que los investigadores organizaran por sí mismos su revisión. En el caso de la ETH, el grupo está encabezado por Impagliazzo, Paturi y Ryan Williams del MIT. El texto de la demostración y el código en Lean ya están en GitHub, y OpenAI se comprometió a financiar una conferencia sobre sus consecuencias. El grupo de física lo dirige David Gross, premio Nobel de 2004; lo integran Michael Douglas, Arthur Jaffe, Igor Klebanov y Nikita Nekrasov. Por ahora no publican materiales generados por IA y preparan su propia exposición.
Las condiciones de colaboración son estas: los expertos no firman acuerdos de confidencialidad, participan de forma voluntaria y sin pago, y hablan solo en nombre propio. OpenAI no reclama reconocimiento académico por los resultados de sus modelos. La compañía también reconoce una desventaja: la selección de los «pastores» determina quién accede primero y genera desigualdad en la información.
Qué deben hacer los profesionales. Primero, no esperen una aceleración inmediata de los algoritmos: las afirmaciones de que «no se puede ir más rápido si la ETH es cierta» deben leerse ahora como condicionales. Segundo, adopten el patrón en sí: un resultado de un modelo que se verifica automáticamente (pruebas, especificaciones formales, Lean) vale más que un texto convincente. Tercero, esperen los análisis independientes. Mientras los grupos de Impagliazzo y Gross no se pronuncien, se trata de afirmaciones del desarrollador, no de un hecho establecido. OpenAI no reveló cuántos cálculos y ejecuciones fueron necesarios.
- 21 nov 2026Las vacantes de FDE se multiplicaron por 4,6 en un año: qué hace un ingeniero en el cliente
- 21 nov 2026Capitana de un equipo de natación automatizó con ChatGPT tres tareas programadas y recortó la rutina varias veces
- 21 nov 2026GPT-6 Cyber encontró unos 35 fallos en iPhone, Mac y otros dispositivos de Apple
- 21 nov 202622 agentes de Claude pasaron seis semanas buscando respuestas sobre agujeros negros, y resolvieron dos problemas
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué es la ETH y por qué su refutación importa?
La Exponential Time Hypothesis (hipótesis del tiempo exponencial) no es un teorema, sino una convicción general de los investigadores: para el problema de satisfacibilidad de fórmulas booleanas no existe un algoritmo fundamentalmente rápido. Sus autores son Russell Impagliazzo, Ramamohan Paturi y Francis Zane. Sobre esa convicción se han construido cientos de artículos.
¿Qué se sabe sobre Los otros dos resultados?
En matemáticas, se anuncia la demostración de la conjetura de suavizado local, propuesta por Sogge en 1991. De forma intuitiva, dice que una onda puede enfocarse muy bruscamente durante un instante, pero esos picos son efímeros y, promediados en el tiempo, son mucho más débiles que en el peor caso. De ella se siguen la conjetura de Kakeya y las cotas de Stein. Antes, el suavizado local se había demostrado en dos dimensiones, y Kakeya se cerró para tres en 2025.
Cómo se verifica y por qué importa a los ingenieros?
Lo más revelador de la historia es su cronología. La refutación de la ETH fue encontrada por el modelo el 16 de octubre de 2026, y al día siguiente se formalizó en Lean. La demostración matemática se obtuvo el 18 de octubre y se formalizó el 19. En física el proceso fue más largo: los modelos demostraron Yang-Mills el 9 de septiembre y QCD el 18 de septiembre, mientras que la formalización de Yang-Mills se completó el 16 de octubre. La fuente no indica si la QCD se formalizó en Lean.
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.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.