GPT-5.4 de OpenAI resuelve el problema que un matemático llevaba 20 años construyendo para FrontierMath

GPT-5.4 de OpenAI ha resuelto un problema del benchmark FrontierMath que el matemático polaco Bartosz Naskrecki llevaba casi veinte años construyendo y que consideraba prácticamente inalcanzable para las máquinas. Para el autor fue un giro personal: hace poco llamaba a la IA una "calculadora muy avanzada" y ahora habla de un nuevo nivel de trabajo conjunto con el modelo.

Por qué sorprendió a todos

FrontierMath es uno de los benchmarks matemáticos más duros para la IA. Contiene 350 problemas originales de teoría de números, geometría algebraica, topología, combinatoria y análisis. El nivel más difícil, Tier 4, consta de 48 problemas de nivel de investigación: incluso un matemático sólido con doctorado puede necesitar al menos un mes solo para entender por dónde abordar uno de ellos. Naskrecki preparó su ejemplo precisamente para esos casos: no un ejercicio de manual, sino uno casi en el límite de la dificultad.

Naskrecki fue uno de los pocos matemáticos europeos invitados a redactar problemas para este conjunto. Su problema surgió de unos quince años de trabajo de investigación muy específico, y la solución puesta por escrito ocupó 13 páginas densas. La respuesta era un número muy grande, para descartar que se acertara por azar.

Por eso la sorpresa no fue solo la respuesta correcta de GPT-5.4, sino cómo llegó a ella: en lugar de fuerza bruta, detectó una estructura y encontró un camino más corto. Según el autor, el enfoque del modelo fue "limpio y elegante".

"Mi singularidad acaba de ocurrir… ¡y al otro lado hay vida, que se

extiende hacia el infinito!"

Qué tan rápido han crecido los resultados

La historia importa no solo por un problema hermoso, sino por la velocidad del progreso. Cuando FrontierMath arrancó a finales de 2024, los mejores modelos resolvían menos del 2% de los problemas. Dieciséis meses después, las cifras han subido un orden de magnitud, no solo en los ejemplos públicos, sino también en un conjunto oculto al que OpenAI no tenía acceso directo. Es relevante porque la discusión sobre el "entrenamiento con las respuestas" sigue siendo el principal argumento de los escépticos cada vez que un modelo nuevo da un salto fuerte en matemáticas.

• Finales de 2024: los mejores modelos resuelven menos del 2% de los problemas de FrontierMath.
• Mediados de 2025: GPT-5 Pro logra un 13% en Tier 4.
• Enero de 2026: GPT-5.2 Pro sube al 31% en Tier 4.
• Marzo de 2026: GPT-5.4 Pro alcanza el 50% en los niveles 1–3 y el 38% en Tier 4.

Aparte destaca el resultado en los problemas ocultos. Según el artículo, GPT-5.4 resolvió el 55% de esos ejemplos frente al 25% de los problemas a los que OpenAI, en teoría, pudo estar más cerca por datos y soluciones. Esto no prueba una "pureza" absoluta del experimento, pero refuerza de forma notable la tesis de que el modelo sí sabe razonar ante problemas nuevos y no se limita a reproducir patrones vistos. Para los benchmarks de investigación, esta es quizá la prueba más sensible: la novedad pesa más que cualquier demostración con ejemplos ya conocidos.

Por qué no desaparece el escepticismo

Por sólido que sea el caso, la historia no se reduce a la fórmula "la máquina ya piensa como una persona". En la misma ronda de evaluación, GPT-5.4 resolvió otro problema de Tier 4, pero un análisis preliminar mostró que el modelo pudo apoyarse en un preprint antiguo de 2011 que el propio autor del problema desconocía. Es un buen ejemplo de cómo se difumina la frontera entre el razonamiento autónomo y una búsqueda bibliográfica muy eficaz, sobre todo si el modelo puede usar la web y reunir rápidamente fuentes poco comunes.

Hay además una segunda capa de dudas: la independencia del propio benchmark. FrontierMath está financiado por OpenAI, y la compañía tiene acceso a una parte significativa de los problemas y soluciones. El conjunto oculto, en el que GPT-5.4 también obtuvo un buen resultado, alivia en parte la tensión, pero no elimina por completo el conflicto de intereses.

Por eso conviene leer esta historia en dos registros a la vez: como una señal real del fuerte aumento de la capacidad matemática de los modelos y como recordatorio de que el sector aún necesita pruebas independientes, metodologías transparentes y verificación externa de los resultados llamativos.

Qué significa

La conclusión principal no es que haya que sustituir a los matemáticos. Más bien al contrario: la historia de Naskrecki muestra que los modelos de vanguardia empiezan a funcionar como un socio de investigación que reduce el espacio de búsqueda y propone movimientos inesperados. Para la ciencia y la I+D aplicada es un cambio serio: la IA se parece cada vez menos a una calculadora y más a un coautor cuyas ideas ya no se pueden ignorar, pero que todavía hay que revisar con cuidado.