[AINews] OpenAI reporta hallazgo de singularidad en Navier-Stokes tras 88 horas usando Astra-next, 10.000 agentes y 130B tokens (>$40M)

Superando la ronda Serie E de $48B de Cognition, la Serie D de $24B de Mistral, el agente Muse de Meta y GPT Image 2.5. El día más cargado de noticias sobre AGI en la historia de la IA.

Hoy fue un ciclo de noticias difícil para lanzar cualquier cosa; normalmente prometemos cubrir cualquier ronda de financiamiento de decacornios, por lo que la ronda de $48B de Cognition y la ronda de $24B de Mistral habrían aparecido; nos encanta la generación de imágenes, así que GPT Image 2.5 habría sido su propio titular; cubrimos de cerca la historia de Dreamer, por lo que su relanzamiento como el agente Muse de Meta debería haber estado aquí; pero... ya saben... el nivel está más alto estos días.

Los resúmenes a continuación capturan los hechos sustanciales; recomendamos no profundizar demasiado en el drama de la autoría, ya que OpenAI y los autores han expuesto suficientes detalles para concluir que el logro de OpenAI es real, aunque el proceso esté en disputa.

Noticias de IA para el 7/9/2026-8/9/2026. Revisamos 12 subreddits, 544 cuentas de Twitter y ningún otro Discord. El sitio web de AINews permite buscar todos los números anteriores. Como recordatorio, AINews es ahora una sección de Latent Space. ¡Puedes activar/desactivar las frecuencias de correo electrónico!

Recapitulación de AI Twitter

Cuentas afiliadas a OpenAI afirmaron que un esfuerzo asistido por IA produjo un resultado en Navier-Stokes, y la reacción se dividió inmediatamente entre interés técnico, escepticismo y drama.

  • La afirmación pública más concreta en el conjunto de tuits provino de Ethan Knight, quien dijo: "La solución a Navier-Stokes fue el resultado de una colaboración de ~10.000 agentes trabajando juntos", añadiendo que OpenAI había pasado "el último año" entrenando modelos para colaborar mediante "multiagent RL", y que los problemas difíciles pueden ceder ante "cantidades masivas de cómputo de tiempo de prueba paralelo no estructurado" con modelos decidiendo cómo organizarse @ eknight.
  • Múltiples observadores interpretaron esto como que OpenAI afirmaba tener una prueba generada por IA relacionada con el Problema del Milenio de Navier-Stokes, específicamente en torno a la singularidad en tiempo finito / blow-up; una paráfrasis satírica lo enmarcó como que OpenAI decía que un fluido suave puede "explotar en una singularidad", afirmando que se usaron "10.000 agentes" y "88 horas", mientras señalaba explícitamente que la aceptación matemática seguía siendo una "formalidad menor" @LearnOpenCV.
  • Comentarios más amplios trataron el evento como una posible prueba de estrés para la creencia de que la IA de frontera no puede realizar investigaciones serias o trabajo técnico a nivel de código; Theo Jensen lo llamó el momento de colapso de "la IA en realidad no puede programar" en el mundo científico @theo.
  • Hrishikesh / hrishioa enmarcó el anuncio como evidencia de un "régimen de alto cómputo", argumentando que los observadores deberían "ajustar sus planes en consecuencia" @hrishioa.
  • El anuncio también provocó especulaciones operativas incidentales: un usuario vinculó en broma ver advertencias de latencia en ChatGPT con que OpenAI posiblemente redirigiera cómputo a gran escala hacia la ejecución de Navier-Stokes, aunque esto fue pura conjetura y no evidencia @teortaxesTex.

Divulgaciones y contexto inicial

Lo que es fáctico según los tuits

  • Circuló una afirmación vinculada a OpenAI de que una "solución" a Navier-Stokes involucró cerca de 10.000 agentes trabajando en colaboración @ eknight.
  • La misma fuente dijo que estos sistemas fueron entrenados durante aproximadamente un año utilizando aprendizaje por refuerzo multi-agente (multi-agent reinforcement learning) @ eknight.
  • El método de alto nivel declarado enfatizó el cómputo de tiempo de prueba paralelo y la autoorganización del modelo en lugar de un intento de prueba de cadena larga única @ eknight.
  • Los lectores públicos entendieron que la afirmación concernía al problema de existencia/singularidad de Navier-Stokes, uno de los Problemas del Milenio, aunque el enunciado exacto del teorema y el alcance de la prueba no se suministran en el conjunto de tuits @LearnOpenCV.
  • La aceptación por parte de la comunidad matemática estaba claramente sin resolver en el momento de la discusión; incluso la publicación satírica enfatizó que la corrección permanecía sin verificar por parte del campo @LearnOpenCV.

Lo que no está establecido por los tuits

  • No aparece ningún enunciado de teorema, preimpresión, boceto de prueba, artefacto de verificación formal, informe de benchmark o comentario de árbitro independiente en los tuits proporcionados.
  • El detalle frecuentemente repetido de las "88 horas" aparece solo en una publicación satírica en este conjunto, no en la declaración más directa adyacente a OpenAI, por lo que no debe tratarse como confirmado solo por esta evidencia @LearnOpenCV.
  • El papel exacto de los humanos frente a los modelos no está especificado: "colaboración de ~10.000 agentes" no nos dice si los humanos descompusieron la búsqueda, curaron lemas, verificaron pasos o simplemente lanzaron la infraestructura @ eknight.
  • "Solución" es ambiguo. En matemáticas podría significar una prueba completa, una estrategia de prueba, un contraejemplo candidato, una derivación formalizada o una pista de investigación. Los tuits no aclaran esto.
  • No hay información revelada sobre si el resultado aborda el problema estándar de regularidad global de Navier-Stokes incompresible en 3D sobre (\mathbb{R}^3) o toro, o algún enunciado variante/auxiliar.

Por qué importa la ambigüedad

  • El Problema del Milenio de Navier-Stokes tiene un marco estándar muy específico. Las afirmaciones de que una singularidad en tiempo finito "puede ocurrir" serían explosivas porque implican una respuesta negativa a la regularidad global en la formulación relevante; tales afirmaciones requieren una precisión y un escrutinio extraordinarios.
  • En el discurso de los modelos de frontera, "la IA resolvió X" a menudo comprime múltiples capas: generación de conjeturas, búsqueda, redacción de pruebas, verificación de pruebas y validación comunitaria. Los tuits dan solo una descripción a nivel de sistema, no el estado epistémico de las matemáticas.

Detalles técnicos expuestos por los tuits

El panorama técnico revelado tiene menos que ver con la mecánica de fluidos que con una arquitectura de sistema de investigación.

  • Escala: aproximadamente 10.000 agentes operando juntos @ eknight.
  • Enfoque de entrenamiento: aprendizaje por refuerzo multi-agente a lo largo de ~1 año @ eknight.
  • Filosofía de inferencia: grandes cantidades de cómputo de tiempo de prueba paralelo no estructurado, con agentes decidiendo autónomamente cómo dividir el trabajo y colaborar @ eknight.
  • Investigación implícita: La escala sugiere un cambio hacia el uso de recursos computacionales masivos para tareas de razonamiento lógico, superando las limitaciones de los modelos únicos.

Vía Latent Space.