OpenAI Astra afirma 10 avances matemáticos, pero la verificación es la verdadera prueba

El modelo inédito Astra de OpenAI entró en google news después de que la empresa atribuyera 10 avances en matemáticas e informática teórica a un sistema interno.

La cifra llama la atención, pero no es la parte más importante del anuncio. OpenAI afirma que Astra generó argumentos, ayudó a personas a convertirlos en manuscritos y formalizó cada resultado como un certificado Lean. Lean es un asistente de demostración que comprueba si cada paso lógico se deriva de reglas definidas explícitamente.

Ese flujo de trabajo enfrenta a Astra a un adversario más difícil que otro laboratorio de IA. La competencia real es entre el descubrimiento rápido generado por máquinas y el lento proceso de verificación que hace fiable un resultado matemático. Google DeepMind, grupos de investigación académica y proyectos de demostración de teoremas han elevado las expectativas, pero ninguno puede eludir el escrutinio experto.

Por qué OpenAI Astra dominó Google News

OpenAI presenta Astra como un sistema de investigación, no simplemente como un modelo que obtiene buenos resultados en otra prueba.

Según el material que acompañó al anuncio, una versión interna de Astra produjo resultados en matemáticas puras, complejidad cuántica e informática teórica. Los avances afirmados incluyen nuevas cotas, construcciones y contraejemplos en varios campos especializados.

Uno de los resultados se refiere al empaquetamiento de esferas en altas dimensiones. Esta área pregunta con qué densidad pueden disponerse esferas iguales cuando aumenta el número de dimensiones. La geometría parece familiar, pero las versiones de alta dimensión conectan con la teoría de códigos, la transmisión de información y la informática teórica.

Una segunda línea de trabajo se ocupa de códigos binarios y esféricos. OpenAI afirma que Astra encontró cotas mejoradas para los códigos más grandes posibles bajo restricciones de distancia especificadas. Esas cotas importan porque la distancia determina con qué fiabilidad puede sobrevivir al ruido la información codificada.

La colección anunciada también incluye una construcción propuesta de un grupo no sofic. Los grupos sofic son objetos algebraicos que pueden aproximarse mediante determinadas estructuras finitas. La cuestión de si todos los grupos son sofic sigue siendo una pregunta central, por lo que cualquier contraejemplo válido sería matemáticamente significativo.

Otros resultados comunicados abordan álgebras de operadores, información cuántica, teoría de la complejidad y repetición paralela. No son variaciones de un mismo problema. Requieren definiciones, corpus de literatura y técnicas de demostración diferentes.

OpenAI afirma que el modelo encontró primero los argumentos matemáticos. Después, personas prepararon manuscritos con su ayuda, tras lo cual Astra formalizó los argumentos en Lean. Según los informes, la empresa también publicó narraciones del proceso de razonamiento del modelo y una extensa colección de material de apoyo.

Esa secuencia explica la atención en google news. La afirmación no es que Astra respondiera 10 preguntas de examen. Es que un único modelo general cruzó fronteras disciplinarias y generó afirmaciones de investigación destinadas a la revisión de especialistas.

La distinción importa porque los benchmarks establecidos suelen proporcionar una respuesta conocida o un método de evaluación claramente definido. La investigación abierta comienza sin ninguno de los dos. Un sistema debe identificar una vía útil, evitar contradicciones ocultas y producir algo que otros investigadores puedan inspeccionar.

El anterior desafío First Proof de OpenAI ilustró esa brecha. Su modelo interno intentó los 10 problemas de nivel de investigación, pero la propia evaluación inicial de la empresa identificó solo dos soluciones correctas. La comprobación experta reveló debilidades que las puntuaciones de benchmarks por sí solas no podían detectar.

Por tanto, el rendimiento comunicado de Astra representa una gran escalada de ambición. La cifra del titular es memorable, pero los artefactos formales y los manuscritos soportan la verdadera carga probatoria.

El cambio importante va de las respuestas a los artefactos de investigación

Astra importa porque OpenAI afirma que produjo objetos matemáticos inspeccionables, no porque generara prosa convincente.

Los grandes modelos de lenguaje llevan tiempo siendo capaces de redactar demostraciones que parecen pulidas. Esa fluidez superficial crea un modo de fallo peligroso. Un argumento erróneo puede parecer coherente hasta que un especialista comprueba un lema oscuro, una premisa no declarada o un cuantificador oculto varias páginas antes.

La investigación matemática valora la corrección, la originalidad y la relevancia. Estos criterios se solapan, pero no son intercambiables.

Una demostración puede ser lógicamente correcta y, aun así, redescubrir un resultado conocido. Puede ser original, pero resolver solo un caso especial sin importancia. También puede contener una idea central interesante que fracasa por una laguna técnica.

El flujo de trabajo afirmado por OpenAI intenta separar estas cuestiones. Los manuscritos legibles por humanos permiten a los especialistas evaluar los conceptos y la relevancia. Los certificados Lean abordan la corrección formal dentro de un entorno matemático especificado. Las narraciones del razonamiento ofrecen evidencia adicional sobre cómo el modelo alcanzó cada resultado.

Lean convierte una demostración en enunciados que su núcleo puede comprobar mecánicamente. El núcleo verifica cada inferencia permitida, reduciendo la posibilidad de que un lenguaje persuasivo oculte un paso inválido. Una comprobación satisfactoria es evidencia mucho más sólida que un modelo evaluando su propia respuesta.

Sin embargo, la verificación formal no responde todas las preguntas de investigación. Un certificado depende de las definiciones y supuestos codificados por sus autores. Si el enunciado formal difiere de la afirmación informal, el ordenador puede verificar perfectamente el objetivo equivocado.

La formalización también puede depender de bibliotecas existentes. Los revisores deben inspeccionar si los resultados importados son adecuados, si las definiciones coinciden con el uso convencional y si axiomas personalizados debilitan la conclusión. Una marca verde de aprobación es valiosa, pero no sustituye a la lectura.

Los manuscritos cumplen otro propósito. Los matemáticos rara vez valoran las demostraciones solo como cadenas de pasos válidos. Quieren explicaciones que revelen por qué funciona un argumento, qué ideas se pueden generalizar y dónde encaja el resultado dentro de la teoría existente.

Esto crea una división del trabajo. Astra puede explorar muchos argumentos candidatos, conectar técnicas de campos distintos y traducir una vía exitosa a sintaxis formal. Los investigadores humanos pueden juzgar si el resultado cambia la manera en que un campo entiende el problema.

OpenAI describió una relación similar en su trabajo con el matemático Ernest Ryu. El relato de la empresa sobre el descubrimiento matemático enfatizó la colaboración iterativa, incluidos los enfoques fallidos y la interpretación humana. Ese antecedente hace especialmente importante la etapa de preparación humana en el anuncio de Astra.

El flujo de trabajo también difiere de la demostración automatizada de teoremas tradicional. Los sistemas más antiguos generalmente buscan dentro de entornos formales usando objetivos y tácticas cuidadosamente definidos. Los modelos de lenguaje pueden comenzar con literatura informal, sugerir una ruta conceptual y traducirla más tarde a un asistente de demostración.

Ese alcance más amplio introduce más oportunidades de error. También hace que los sistemas sean útiles antes en el proceso de investigación, antes de que un teorema se haya reducido a un objetivo formal.

La eficiencia de tokens comunicada de Astra refuerza el argumento de usar modelos como motores de búsqueda de ideas a gran escala. OpenAI caracteriza el coste de generación como modesto en relación con el trabajo que implica un programa de investigación especializado. Sin embargo, la comparación sigue siendo incompleta porque excluye el desarrollo del modelo, la infraestructura, la revisión experta y la preparación de manuscritos.

Por tanto, lo que ha cambiado no es simplemente la calidad de los resultados. OpenAI propone una canalización integral de investigación que avanza desde la conjetura, pasando por la búsqueda y la exposición, hasta la comprobación formal.

Astra presiona de forma distinta a investigadores y laboratorios rivales de IA

La presión inmediata recae sobre los laboratorios de IA para producir descubrimientos verificables, mientras que los matemáticos afrontan un cambio de flujo de trabajo en lugar de un reemplazo inmediato.

Google DeepMind estableció una referencia competitiva importante con AlphaProof, AlphaGeometry y posteriores sistemas de razonamiento basados en Gemini. Sus sistemas pasaron de herramientas formales especializadas a modelos capaces de resolver problemas de Olimpiada en lenguaje natural.

En 2024, AlphaProof y AlphaGeometry 2 alcanzaron un resultado equivalente a una medalla de plata en la Olimpiada Matemática Internacional. AlphaProof trabajó en Lean, dando a DeepMind un marco de verificación integrado, mientras que AlphaGeometry 2 abordó la geometría mediante un sistema neuro-simbólico especializado.

Al año siguiente, se informó de que modelos de razonamiento de propósito general de Google y OpenAI alcanzaron un rendimiento de nivel medalla de oro. OpenAI afirma que su modelo obtuvo 35 de 42 puntos en el conjunto de problemas de 2025. Ese resultado aparece en el resumen de investigación de la empresa.

Las matemáticas de competición demostraron que estos sistemas podían mantener largas cadenas de razonamiento. Astra eleva el objetivo desde resolver preguntas preparadas hasta seleccionar y avanzar problemas de investigación abiertos.

Ese cambio presiona a Google DeepMind para demostrar una amplitud comparable más allá de las competiciones. Una puntuación alta en un benchmark atraerá menos atención si un rival puede publicar nuevos teoremas, contraejemplos o cotas mejoradas con demostraciones inspeccionables.

Los proyectos académicos afrontan un desafío diferente. Sistemas como Aletheia están diseñados específicamente para la investigación matemática autónoma. Un artículo de febrero de 2026 sobre matemáticas autónomas describió un agente que genera, comprueba y revisa argumentos de forma iterativa en ejercicios y problemas abiertos.

Estos proyectos pueden aportar una transparencia que los laboratorios comerciales suelen limitar. Los investigadores pueden examinar bucles de agentes, prompts, decisiones de formalización y procedimientos de evaluación. Los modelos internos cerrados pueden ofrecer mayor rendimiento, pero a los externos les resulta difícil determinar qué capacidad procede del modelo base, las herramientas, la retroalimentación humana o el muestreo repetido.

Astra también presiona a las instituciones matemáticas. Las revistas y conferencias necesitarán políticas sobre argumentos generados por IA, divulgación, autoría y reproducibilidad. Los revisores podrían recibir artículos más largos generados con mayor rapidez de la que la comunidad experta disponible puede revisarlos.

Ese desequilibrio crea un cuello de botella de verificación. Generar resultados candidatos puede escalar con la capacidad de cómputo, mientras que revisar una demostración avanzada todavía requiere conocimientos especializados poco comunes. Un laboratorio podría producir cientos de manuscritos plausibles antes de que los especialistas puedan evaluar una pequeña fracción.

Para los matemáticos en activo, el efecto más realista a corto plazo es la redistribución de tareas. Los modelos pueden buscar en la literatura, probar variantes, generar ejemplos, formalizar lemas y cuestionar el enfoque preferido de un investigador. Los humanos siguen siendo responsables de elegir preguntas valiosas y comprender las consecuencias.

Terence Tao ha descrito las matemáticas informales como el trabajo cotidiano de prosa y ecuaciones que utilizan la mayoría de los investigadores. Los argumentos informales son expresivos y eficientes, pero dejan margen para errores sutiles. Sus comentarios sobre las matemáticas con IA también subrayan cuánto depende el progreso actual de una interacción humana productiva.

Por lo tanto, el sistema de investigación más sólido podría combinar tres componentes. Un modelo de lenguaje propone y revisa ideas. Un demostrador formal verifica enunciados exactos. Especialistas humanos determinan si el resultado es significativo y está correctamente contextualizado.

La importancia de Astra se basa en la afirmación de OpenAI de que un solo modelo puede contribuir en las tres etapas. Ahora los rivales deben demostrar no solo inteligencia en tiempo de prueba, sino una vía creíble desde el texto generado hasta el conocimiento aceptado.

Los certificados Lean reducen el riesgo, pero no cierran el debate

La verificación automática puede establecer la validez formal, pero no puede determinar por sí sola la novedad, la importancia ni la atribución honesta.

La primera cuestión de verificación es si cada certificado Lean anunciado se comprueba en un entorno estándar. Los investigadores independientes necesitan los archivos fuente, las versiones de dependencias, los enunciados de los teoremas y las instrucciones necesarias para reproducir el resultado.

La reproducibilidad importa porque los asistentes de demostración evolucionan. Las bibliotecas cambian, se renombran definiciones y la automatización puede comportarse de forma distinta entre versiones. Un archivo completo permite a otro equipo reconstruir el entorno en lugar de confiar en una captura de pantalla o una declaración de la empresa.

La segunda cuestión se refiere a la correspondencia entre teoremas. Los revisores deben comparar cada enunciado formal con la afirmación correspondiente en el manuscrito. Pequeños cambios en los supuestos pueden convertir un teorema difícil en uno mucho más sencillo.

Consideremos un grupo no sofic propuesto. Los especialistas deben confirmar que la construcción formal satisface las propiedades de grupo previstas y contradice realmente la soficidad según la definición aceptada. También deben determinar si la literatura relacionada ya contiene la construcción bajo una terminología diferente.

La tercera cuestión es la novedad. Los modelos de lenguaje absorben enormes cantidades de texto publicado, incluidos artículos difíciles de localizar mediante búsquedas normales. Un argumento generado puede parecer original porque ni el usuario ni el primer revisor reconocen su fuente.

Esto no vuelve falso el resultado. Cambia la reivindicación de crédito y descubrimiento. Un modelo que recupera una demostración enterrada ha realizado una síntesis bibliográfica útil, pero no ha resuelto de forma independiente un problema abierto.

El riesgo no es teórico. Afirmaciones públicas anteriores sobre avances de IA en problemas de Erdős fueron revisadas después de que matemáticos descubrieran que algunas preguntas supuestamente abiertas ya tenían soluciones conocidas. La cobertura de un resultado posterior y verificado sobre distancias unitarias señaló esa historia y la necesidad de prudencia.

El caso de la distancia unitaria ofrece un precedente más alentador. OpenAI anunció que un modelo interno de propósito general había generado una nueva solución para un problema de larga data. Matemáticos externos examinaron la demostración, y Tim Gowers la describió como un hito en las matemáticas con IA. La cobertura especializada contemporánea también destacó el trabajo humano necesario para interpretarla y mejorarla.

El lote de 10 resultados de Astra multiplica esa carga. Cada campo tiene su propia literatura y un conjunto limitado de personas capaces de revisar las afirmaciones más sólidas. La aprobación de un especialista no puede validar toda la colección.

La narración del razonamiento del modelo ofrece contexto, pero no debe tratarse como un registro interno fiel. Los modelos de lenguaje pueden producir explicaciones después de generar una respuesta, y esas explicaciones no revelan necesariamente la trayectoria causal real.

El uso de recursos informado requiere una cautela similar. Las estimaciones basadas en tokens miden la inferencia consumida durante búsquedas exitosas de soluciones. No capturan experimentos fallidos de desarrollo, entrenamiento, hardware, tiempo de los investigadores ni el coste de la verificación.

Esa distinción importa cuando los resúmenes de google news reducen la historia a una simple comparación de costes. La factura de inferencia es relevante para la replicación y la escala, pero no es el coste total de producir matemáticas aceptadas.

La condición de OpenAI como desarrollador del modelo y primer evaluador crea otra fuente de incertidumbre. La empresa tiene incentivos para publicar pruebas llamativas antes del lanzamiento de un producto. Eso no invalida el trabajo, pero hace esencial la revisión externa.

Astra en sí no ha sido lanzado, lo que limita las pruebas independientes de sus capacidades. Los investigadores pueden inspeccionar los resultados sin poder determinar con qué consistencia el modelo los reproduce, cuánta estructura de apoyo necesita o con qué frecuencia fracasan intentos igual de seguros de sí mismos.

La postura correcta no es ni la creencia automática ni el rechazo reflejo. Los manuscritos y certificados merecen ser examinados, mientras que las conclusiones más amplias deberían esperar a la replicación independiente y al consenso de los especialistas.

Las matemáticas con IA pasan de los benchmarks a una economía de verificación

El recurso limitante está pasando de generar demostraciones candidatas a asignar atención experta de confianza.

Las matemáticas tradicionales avanzan lentamente porque el descubrimiento y la verificación están entrelazados. Un investigador prueba ideas, comparte borradores con colegas, presenta seminarios, revisa argumentos y, finalmente, envía un artículo. La revisión informal comienza mucho antes de la revisión por pares formal.

La IA cambia el volumen al inicio de ese proceso. Un modelo puede producir más lemas candidatos, ejemplos y estrategias de demostración de los que un investigador puede leer. Los sistemas de agentes pueden ejecutar búsquedas en paralelo y descartar fallos evidentes antes de que un humano los vea.

Los asistentes de demostración pueden absorber parte de ese aumento de volumen. Rechazan de forma consistente los pasos formales inválidos y nunca se cansan. Eso convierte a Lean y sistemas similares en una infraestructura importante para la investigación asistida por IA.

La formalización sigue teniendo costes. Traducir un argumento avanzado exige experiencia tanto en el campo matemático como en el asistente de demostración. Las bibliotecas pueden carecer de definiciones o lemas que los especialistas dan por sentados, obligando a los equipos a construir primero componentes fundamentales.

Según se informa, Astra utilizó el mismo modelo para formalizar los argumentos después de preparar los manuscritos. Si ese proceso demuestra ser repetible, reducirá una de las mayores barreras para la investigación verificada por máquinas. El modelo actuaría tanto como motor de conjeturas como asistente de formalización.

La economía resultante tiene varias capas de verificación.

Primero, las comprobaciones automatizadas prueban la validez lógica local. Segundo, los expertos de dominio examinan si el teorema formal coincide con la afirmación informal. Tercero, la revisión bibliográfica evalúa la novedad. Por último, la comunidad más amplia valora la importancia y desarrolla el resultado.

Ninguna capa por sí sola puede sustituir a las demás. Un artículo puede superar Lean y aun así expresar un teorema poco interesante. Una intuición informal celebrada puede fracasar en la formalización porque un paso era incorrecto. Una demostración correcta e importante todavía puede duplicar trabajo existente.

Con el tiempo, las revistas podrían exigir artefactos de demostración legibles por máquina para los envíos con un uso intensivo de IA. Esa política mejoraría la verificación, pero también podría favorecer a los campos con bibliotecas formales maduras. Las áreas basadas en diagramas, heurísticas probabilísticas o computación extensa podrían seguir siendo difíciles de codificar.

La autoría presenta otra cuestión aún sin resolver. Los modelos no pueden aceptar responsabilidad, responder como agentes morales ni ocupar puestos académicos. Los autores humanos deben seguir siendo responsables de las afirmaciones presentadas, incluso cuando un modelo haya generado la mayor parte del argumento.

Los estándares de divulgación necesitarán más detalle que una frase que indique que se utilizó IA. Los lectores necesitan saber qué sistema propuso la idea central, cuántos intentos se muestrearon, cómo seleccionaron los humanos las salidas y si el modelo tuvo acceso a comentarios privados.

Los intentos fallidos también importan. Informar solo de demostraciones exitosas crea una imagen distorsionada de la fiabilidad. Un sistema que produce una solución válida junto a miles de errores seguros de sí mismos exige un proceso de revisión distinto al de uno que tiene éxito de forma consistente.

Aquí es donde los resultados de First Proof siguen siendo instructivos. El sistema de OpenAI generó intentos para cada problema, pero la evaluación experta encontró que la confianza y la corrección divergían. El experimento mostró que la evaluación a nivel de investigación no puede depender del estilo de las respuestas.

Astra podría representar una gran mejora, pero el anuncio por sí solo no puede establecer su distribución de errores. Los usuarios necesitan evaluaciones que incluyan caminos abandonados, conjeturas incorrectas y la cantidad de dirección humana necesaria.

La amplitud del modelo es otra afirmación comprobable. Producir resultados en dominios no relacionados sugiere un razonamiento transferible, pero los problemas seleccionados podrían compartir ventajas ocultas. Pueden tener literatura accesible, enunciados formales claros o espacios de solución adecuados para la búsqueda paralela.

Por tanto, los equipos independientes deberían probar sistemas similares a Astra con problemas recién redactados, conjeturas privadas y dominios con bibliotecas formales escasas. Estos entornos reducen los riesgos de contaminación y revelan si el flujo de trabajo se generaliza.

Para los desarrolladores, la lección va más allá de las matemáticas. Los agentes de IA utilizados en ingeniería de software, seguridad, derecho o ciencia también necesitan capas de verificación ajustadas a sus resultados. Un resultado fluido no es lo mismo que un artefacto fiable.

Los trabajadores del conocimiento enfrentan un desafío relacionado. Una generación más rápida aumenta la necesidad de preservar el material fuente, las decisiones y las revisiones. Una base de conocimiento de IA con capacidad de búsqueda puede ayudar a los equipos a conservar ese contexto, pero no puede juzgar si un teorema es correcto.

Por tanto, la historia de Astra trata tanto de infraestructura como de inteligencia. Los modelos generan opciones, los sistemas formales prueban la lógica y las instituciones deciden qué se convierte en conocimiento de confianza.

Qué observar tras el ciclo de Google News

Tres señales determinarán si Astra marca una transición duradera en la investigación o una demostración excepcionalmente pulida.

La primera señal es la validación independiente de los resultados más sólidos. El grupo no sofic propuesto, las principales cotas de codificación y los contraejemplos afirmados deberían recibir revisiones de especialistas identificados. Las correcciones públicas no volverían inútil el proyecto, pero aclararían dónde el flujo de trabajo sigue siendo frágil.

La validación debería ir más allá de los respaldos generales. Los investigadores deben identificar qué teorema comprobaron, si revisaron el enunciado Lean y si buscaron en la literatura pertinente. Un resultado se vuelve creíble mediante un escrutinio rastreable.

Si varias de las afirmaciones más trascendentes sobreviven ese proceso, el argumento de OpenAI se fortalece. Demostraría que Astra produjo conocimiento nuevo en múltiples campos, no meramente borradores plausibles. Si las afirmaciones centrales requieren una revisión importante, el acontecimiento se convierte en evidencia de una mejor generación de hipótesis.

La segunda señal es la reproducibilidad de los artefactos formales. Los equipos independientes deberían poder compilar los certificados, inspeccionar las dependencias y comparar cada teorema con la descripción de su manuscrito.

Una reproducción exitosa establecería que OpenAI proporcionó más que documentos estáticos. Daría a los matemáticos objetos duraderos que pueden ampliarse, criticarse e incorporarse a bibliotecas formales.

Los problemas en esta etapa revelarían límites importantes. Un certificado podría depender de supuestos personalizados, infraestructura incompleta o definiciones que restringen la afirmación. Estos problemas pueden corregirse, pero deben formar parte de cualquier evaluación del logro.

La tercera señal es el lanzamiento y la evaluación de Astra. OpenAI lo describe como su próximo gran modelo, pero los investigadores externos aún no pueden medir su consistencia ni determinar cuánto apoyo produjo estos resultados.

Un lanzamiento público o mediante API permitiría realizar pruebas controladas con preguntas de investigación inéditas. Los evaluadores podrían comparar Astra con los sistemas de Google, demostradores de teoremas especializados y agentes académicos en condiciones compartidas.

Los estudios más informativos informarían las distribuciones completas de los intentos. Incluirían soluciones válidas, comienzos en falso, citas alucinadas, fallos de formalización e intervención humana. Las tasas de éxito importan más que una lista seleccionada de logros.

El efecto de Astra sobre la práctica investigadora también se hará visible a través de su adopción. Habrá que observar si los matemáticos lo utilizan para formular conjeturas, cerrar lagunas técnicas o traducir demostraciones informales a Lean. Esos usos indicarían valor incluso si el descubrimiento plenamente autónomo sigue siendo poco común.

El encuadre de google news se desvanecerá rápidamente, pero la respuesta de los expertos debería tardar más. Las demostraciones avanzadas no pueden evaluarse responsablemente al ritmo de las redes sociales, especialmente cuando un solo lanzamiento abarca varias especialidades.

Los lectores deberían evitar interpretar cada crítica como prueba de fracaso. La revisión matemática detecta habitualmente pasos poco claros y solicita revisiones. La cuestión relevante es si las ideas centrales de Astra sobreviven a las correcciones y producen resultados que los investigadores utilizan.

También deberían evitar asumir que la verificación formal lo resuelve todo. Lean puede comprobar el teorema que recibe, mientras que los humanos deben confirmar que se trata del teorema que todos creen que se ha demostrado.

Durante los próximos meses, sigan los certificados, los informes de especialistas y el acceso al modelo, en lugar de la cifra del titular. Si esas tres señales coinciden, Astra será una evidencia de que la IA general puede contribuir directamente a las matemáticas de frontera. Si divergen, el episodio seguirá enseñando a los investigadores cómo construir mejores sistemas de verificación.

La pregunta práctica no es si la IA puede generar texto matemático impresionante. Ya puede hacerlo. La cuestión es si los laboratorios, las revistas y los investigadores pueden convertir esa producción en conocimiento fiable sin abrumar a las personas responsables de comprobarlo.

Ese es el criterio que debe aplicarse cuando termine el ciclo de google news. Lean las revisiones independientes, examinen qué afirmaciones se sostienen y observen si otros equipos reproducen el flujo de trabajo en problemas que OpenAI no seleccionó.