Los matemáticos pueden tomarse un respiro breve, y probablemente muy breve, tras el lanzamiento de Astra. La disciplina viene lidiando con preguntas existenciales, y si bien el nuevo modelo sí empuja hacia adelante la investigación matemática, no avanza al ritmo que algunos esperaban y otros temían.
En el ErdosBench de ulam.ai, Astra se quedó con el primer lugar, aunque desde entonces Fable 5.1 se lo arrebató, con menos problemas resueltos pero mejor rendimiento general. El banco de pruebas cubre 226 problemas matemáticos abiertos inspirados en los famosos problemas de Erdős. Astra obtuvo un puntaje de 3,23 y resolvió 106 problemas, 43 de ellos por completo. También refutó otros 27.
Comparado con Sol, que resolvió 78 problemas con el máximo nivel de razonamiento, Astra mostró mejor escritura científica y fue menos propenso a afirmaciones exageradas. En algunos casos, de hecho, subestimó sus propios resultados. En conjunto, el desarrollador del banco de pruebas, Przemek Chojecki, lo calificó como "una ganancia sólida de 5% a 10% en varias habilidades de investigación matemática", aunque el benchmark está lejos de saturarse.
Los números del ErdosBench
| Modelo | Puntaje | Problemas resueltos |
|---|---|---|
| Fable 5.1 | 3,25 | menos que Astra |
| GPT-6 Astra | 3,23 | 106, con 43 completos |
| Sol (máximo razonamiento) | no informado | 78 |
¿Por qué OpenAI decidió no optimizar para matemáticas?
OpenAI podría haber hecho a Astra mucho más fuerte en investigación matemática, pero decidió no hacerlo, aun cuando la compañía había puesto los logros matemáticos al centro de su primer anuncio. En su ensayo "Una mente alienígena", el científico jefe de OpenAI, Jakub Pachocki, escribe: "creemos que podríamos hacer los modelos mejores específicamente en investigación matemática con enfoque adicional, pero no priorizamos esa dirección por la urgencia que sentimos respecto de la automejora recursiva y la investigación automatizada en alineamiento".
Eso significa que el modelo más capaz en matemáticas hoy no es el resultado de una optimización dirigida: es un subproducto de otras prioridades. OpenAI está volcando sus recursos en la automejora recursiva y en asegurar los sistemas de IA futuros, porque "creemos que es la única forma de permanecer en la frontera de la investigación en IA de aquí en adelante", escribe Pachocki.
Cabe señalar que, desde la publicación del ensayo, OpenAI habría entrenado modelos matemáticos internos mejores, y los temas de la automejora recursiva y la seguridad de la IA se dispararon en la discusión pública.
La tesis del desarrollo "irregular"
La declaración de Pachocki es interesante por otro motivo: muestra que en la frontera dentada del desarrollo de IA se están tomando decisiones de compromiso difíciles. Un modelo que domina las matemáticas no necesariamente domina todo lo demás.
Eso recuerda una visualización del investigador de Cambridge Adam Hunt, que contrasta dos caminos posibles para la IA. La tesis de la "AGI convencional" asume que los modelos mejoran de manera gradual y amplia hasta cubrir todas las tareas humanas.
El escenario alternativo describe una trayectoria cada vez más "irregular", con fortaleza extrema en unos pocos dominios como la programación y las matemáticas, pero estancamiento o incluso retroceso en áreas como la calidad del lenguaje, el sentido común o el razonamiento social. Eso nos daría un modelo altamente especializado, no algo que la mayoría llamaría Inteligencia Artificial General.
Que Pachocki reconozca que OpenAI se saltó deliberadamente la optimización matemática en Astra es evidencia a favor de la tesis irregular. Ni siquiera el laboratorio líder puede empujar el máximo progreso en todas las direcciones a la vez. Las capacidades crecen donde uno optimiza, y hacer las matemáticas más fuertes implica recortar en otra parte. Detrás de la prioridad de la automejora recursiva, eso sí, está la esperanza de que el propio modelo termine haciendo esas optimizaciones por su cuenta.
¿Qué le pasa a las matemáticas como disciplina?
Más allá de si Astra es un 5% o un 50% mejor que su antecesor, queda la pregunta de fondo para un campo que lidia con un nuevo mundo de poder de cómputo que ayuda a resolver problemas pero no necesariamente a entenderlos.
El matemático Terence Tao la planteó en el Congreso Internacional de Matemáticos de 2026: si los modelos de IA siguen produciendo demostraciones más rápido de lo que los humanos pueden verificarlas, la disciplina corre el riesgo de pasar de la escasez de demostraciones a la sobreabundancia de demostraciones.
La tarea crítica ya no sería entonces resolver problemas, sino decidir qué resultados importan de verdad. Tao sostiene que las matemáticas enfrentan una crisis de sus valores y sus prácticas, que compara con la conmoción de los fundamentos de comienzos del siglo XX.
Los problemas más difíciles de las matemáticas siguen sin resolverse por ahora, lo que debería darle algo de tiempo a la disciplina. La dirección, sin embargo, parece marcada, incluso si algunos matemáticos no creen que los modelos de lenguaje puedan entregar avances reales porque carecen de creatividad comparable a la humana. Por razones similares, también existen dudas sobre el potencial de la IA para una automejora genuina.
