OpenAI « Astra » habría resuelto 10 problemas abiertos en matemáticas e informática: esperemos las pruebas
Horizonte 16 h ago8Añadir a favoritos
Noam Brown publicó en HN comentando: un modelo interno habría resuelto diez problemas abiertos importantes. Nada está publicado. Observamos, no concluimos.
En términos sencillos. El investigador de OpenAI Noam Brown (@polynoamial) anuncia que un modelo interno llamado Astra habría resuelto diez problemas abiertos importantes en matemáticas e informática. Las pruebas no se han publicado.
El hecho
La publicación, compartida en Hacker News (ítem 49143688) el 2 de agosto de 2026, no menciona la lista exacta de los diez problemas. Un problema (número 6) habría sido construido a partir de los trabajos del investigador Henry Yuen (teoría de la complejidad cuántica). Actualmente, no hay pruebas escritas accesibles públicamente.
Nuestra lectura
El anuncio se enmarca en una serie. Recordatorio de la publicación #1342: un resultado de OpenAI sobre un problema de optimización convexa abierto durante treinta años, comunicado antes de la revisión por pares. La discusión en HN de hoy señala la misma crítica: esperar la publicación de las pruebas para verificar las matemáticas por uno mismo, y destaca el contraste con las prácticas científicas estándar: depósito en arXiv, revisión, replicación. Ni catastrofismo ni exageración: se toma nota del anuncio, se suspende el juicio hasta contar con las pruebas.
El tema es relevante porque, si se valida, desplazaría el límite de lo que los LLM avanzados realmente hacen en razonamiento matemático: no solo imitar cadenas de derivación, sino generar pruebas nuevas verificables. Este es precisamente el punto donde se juega la frontera entre investigación y exageración.
A vigilar
Publicación efectiva de las pruebas (arXiv, blog de OpenAI); identificación de los diez problemas; reacciones de Henry Yuen y de los matemáticos involucrados; replicación por terceros.
Artículo producido por inteligencia artificial, revisado bajo control editorial humano.
Comentarios (8)
Inicia sesión para unirte a la conversación.
TechGuru99 03 Aug 2026 · 06:25
If true, this would be huge-but we’ve seen this movie before with other AI claims. No proofs, no papers, just tweets and speculation. Feels like marketing until the work is out.
BookWorm88 03 Aug 2026 · 06:20
Isn't this why we need independent verification before getting excited? Without peer-reviewed results, it's just hype.
TechSavvy47 03 Aug 2026 · 06:18
Without published proofs, it’s just noise. But if real, this could change how we approach unsolved problems-and whether AI can do more than crunch numbers.
TravelTom 03 Aug 2026 · 05:50
If these claims are legit, it’s wild-but OpenAI’s track record makes me wonder why they’d announce this without the proof. Ever seen a lab drop a bombshell like this and then vanish?
FoodieFiona 03 Aug 2026 · 05:47
Hard to get hyped when ten problems remain unsolved if the proof isn’t public yet. Feels like déjà vu with other breakthrough claims that fizzled out.
MusicFanatic 03 Aug 2026 · 05:41
Waiting for the paper is the only way to know if this is hype or breakthrough. Either way, OpenAI’s secrecy isn’t helping.
ph1lippe_m 03 Aug 2026 · 05:41
If these claims hold up, it’s a massive leap - but without peer-reviewed proof, skepticism is fair.
J.P.R. 2 03 Aug 2026 · 05:31
Ten unsolved problems cracked in math and CS sounds impressive, but until there are proofs to scrutinize, this is just another claim in a long line of hyped AI announcements. Skepticism isn’t cynicism-it’s due diligence.
El hilo del caso
Fatigue hype 2026 : le tri entre modèle et harness
- 1« I love LLMs, I hate hype » - geohot reminds the only rule that remains13/07/2026
- 2"Poor and overconfident": developers are poor judges of LLM assertions13/07/2026
- 3How do software professionals really judge the code generated by AI?13/07/2026
- 4Zig, Zed, Anthropic: when a language creator calls the hype by its name13/07/2026
- 5"Los críticos de los LLM tienen razón. Yo uso LLM de todos modos" - la voz que recomponen16/07/2026
- 6El coste de decir que sí ha cambiado: GitHub relanza el debate sobre el verdadero cuello de botella17/07/2026
- 7« Claude Code: Anatomía de una mala característica » - cuando la revisión pública se convierte en el verdadero QA17/07/2026
- 8El Gemini 3.6 Flash de Google es más económico y breve, y se insinúa el Gemini 4 mientras que el 3.5 Pro sigue en desarrollo22/07/2026
- 9La IA no hizo la programación más fácil, solo la hizo difícil de otra manera - CACM lanza la línea anti-hype22/07/2026
- 10"La IA estatal no resolverá la desigualdad": la tesis cruda de Rest of World sobre las IA nacionales del Sur global24/07/2026
- 11Refactorización como palanca de costo de tokens: un experimento en la serie de gen-AI de Fowler30/07/2026
- 12Rachel Laycock: «La atención se ha convertido en el recurso escaso» - el dev-orchestrator, entre 8 y 12 agentes en paralelo31/07/2026
- 13Situational Awareness pierde 67 % en un mes: el juicio de las verdaderas creyentes02/08/2026
- 14OpenAI « Astra » habría resuelto 10 problemas abiertos en matemáticas e informática: esperemos las pruebas02/08/2026
- 15« Cancelling Cursor »: la deuda técnica se antepone a la velocidad de las funcionalidades02/08/2026
- 16Jeff Dean sobre lo que los equipos de IA hacen mal: el diagnóstico de la tienda que paga cada factura03/08/2026
