IA soluciona el tercer problema matematico mas importante Navier–Stokes

10.000 agentes IA y 88 horas para resolver Navier-Stokes​

OpenAI ha resuelto uno de los siete problemas del milenio. O eso sostiene la compañía de Sam Altman. Su modelo, dice, habría llegado a la solución del problema de Navier-Stokes en 88 horas empleando alrededor de 10.000 agentes de IA coordinados. El anuncio se ha difundido en dos días como la pólvora y ha activado tres frentes a la vez: si la demostración es real, si es original y quién paga la cuenta.

Porque Navier-Stokes no es un capricho de despacho. Es el tercer problema del milenio más famoso, solo por detrás de Riemann y del P versus NP, y quien lo resuelva se lleva el millón de dólares del Instituto Clay. El resto —la factura energética, el hardware, el crédito— es donde empieza lo interesante.

Qué ha anunciado OpenAI y por qué suena a hito​

El anuncio llegó por la cuenta oficial de la empresa: una mejora «de salto» en muchos benchmarks, entrenamiento en curso y, como guinda, la solución de Navier-Stokes por un grupo interno con 10.000 agentes coordinados. Todo con los «estrictos salvaguardas» de siempre: monitorización y aislamiento.

Sobre el papel, resuelve un problema abierto desde hace casi dos siglos. Las ecuaciones de Navier-Stokes describen cómo se mueven el agua, el aire o la sangre; el milenio pregunta si esas soluciones son siempre suaves o si, en algún punto, revientan. Un resultado así tendría consecuencias directas en meteorología, aerodinámica o biomedicina. No es poca cosa.

La idea original es de dos matemáticos españoles​

Aquí aparece el giro incómodo. La idea que sostiene el resultado no salió de una máquina mirando la nada: procede del trabajo de Diego Córdoba y Luis Martínez-Zoroa, a los que se suman nombres como Buckmaster y Alpöge. Terence Tao, una de las voces más respetadas del gremio, ya había hablado del trabajo de los españoles.

La sospecha que sobrevuela es fea: que el modelo se alimentara de los desarrollos que los propios equipos publicaban en abierto para discutirlos y, después, se presentara como autor. Hay quien lo llama directamente parasitismo. Y hay quien responde, con lógica, que sin esa idea humana previa la máquina no habría tenido de dónde tirar.

Lean no es una IA: la verificación cambia la película​

Conviene separar dos cosas que el hype mezcla. Lean, el software que se usa para comprobar demostraciones, no es inteligencia artificial: es un verificador formal determinista. Comprueba si los pasos lógicos de una prueba se sostienen. Si el resultado pasa ese filtro, deja de ser opinión y se convierte en algo comprobable.

El hallazgo, en concreto, no sería una prueba de que todo fluido se comporta bien, sino un contraejemplo: se habría encontrado una configuración suave, con una fuerza igualmente suave y energía finita, que revienta en tiempo finito generando un vórtice infinito. El punto caliente es si esa «fuerza mágica» —el diablillo que empuja el sistema— pertenece o no a la propia teoría. Ahí es donde el consenso se rompe.

El millón de premio y la luz que no cubre​

Y luego está el dinero. El premio del Instituto Clay es un millón de dólares. La factura de entrenar y ejecutar modelos de este calibre, según los cálculos que circulan, no cubriría ni el uno por ciento de esa cifra solo en electricidad, sin contar sueldos ni amortización de máquinas.

Para dimensionarlo: un departamento universitario puede montar un mini-clúster de tres nodos con 1,5 TB de RAM y 512 GB de VRAM por unos 150.000 euros. Dos tarjetas profesionales de 48 GB se van a los 14.000. Y modelos abiertos como los Qwen-2.5-Math o los DeepSeek-Coder caben en presupuestos mucho más modestos. El argumento, incómodo para las grandes, es que con programación inteligente no hace falta depender de OpenAI o Anthropic.

Terence Tao y el atajo que borra el camino​

Tao ha puesto el dedo en la llaga que menos se publicita: si la IA resuelve estos problemas tomando atajos, se pierden todos los intentos, herramientas y teorías que se descubren por el camino. El aprendizaje vale tanto como el resultado, o más. Es la diferencia entre llegar a la cima en helicóptero y saberse la ruta.

La historia de las matemáticas está llena de obstinados que sí hicieron la ruta. Andrew Wiles, encerrado años con el último teorema de Fermat. Grigori Perelman, resolviendo la conjetura de Poincaré y mandando a paseo el premio y al gremio entero. Ese romanticismo es justo lo que un modelo entrenado no puede replicar.

---

Si la demostración resiste la revisión formal, Navier-Stokes dejará de ser un problema del milenio y el titular será histórico. Si no, quedará como el enésimo episodio de humo medido en vatios. La predicción con más papeletas, a la vista del historial de anuncios grandilocuentes, es que la factura energética será cierta pase lo que pase.