OpenAI afirma haber resuelto Navier-Stokes: ¿qué significaría para la ingeniería?

Una afirmación histórica y una palabra que aún importa

El 8 de septiembre de 2026, OpenAI publicó un paper analítico y una formalización en Lean que, según la empresa, establecen una singularidad en tiempo finito en las ecuaciones tridimensionales e incompresibles de Navier-Stokes. Si la demostración supera el escrutinio, respondería negativamente al problema de existencia y suavidad planteado por el Clay Mathematics Institute.

Sin embargo, el 9 de septiembre la página oficial de Clay aún mostraba una palabra inequívoca: Unsolved. OpenAI presentó una solución candidata pública; ahora los matemáticos deben reproducirla, buscar errores y determinar si coincide exactamente con el enunciado oficial.

¿Navier-Stokes fue resuelto oficialmente?

Todavía no según Clay. El CMI no acepta manuscritos por envío directo. Sus reglas exigen publicación en un medio calificado, al menos dos años desde esa publicación y aceptación general de la comunidad matemática mundial antes de considerar una propuesta.

OpenAI declaró que no pretende reclamar el premio de un millón de dólares. Paper público, certificado formal y reconocimiento institucional son etapas distintas. Los materiales permiten un escrutinio serio, pero no lo sustituyen.

Qué pregunta realmente el Problema del Milenio

Navier-Stokes relaciona velocidad, presión y propiedades de un fluido viscoso en el espacio y el tiempo. La ingeniería usa versiones y aproximaciones en aeronaves, bombas, turbomáquinas, tuberías, ventilación, transferencia térmica, meteorología y flujos biológicos.

El desafío no es calcular un flujo particular. Pregunta si datos tridimensionales suaves siempre producen soluciones suaves o si datos y fuerzas admisibles pueden causar pérdida de regularidad en tiempo finito. Las opciones A y B de Fefferman buscan suavidad global; C y D admiten una construcción con breakdown. OpenAI afirma establecer C y D.

El vórtice propuesto y la singularidad

El paper construye, para toda viscosidad positiva, un fluido incompresible de densidad constante, inicialmente en reposo y sometido a una fuerza externa suave de soporte compacto. La energía cinética permanece finita mientras la velocidad deja de estar acotada al aproximarse un tiempo finito.

El vórtice matemático gira hacia dentro, se estira axialmente y se concentra en una región cada vez menor. El aumento de velocidad y la reducción del volumen permiten mantener controlada la energía. No es una observación experimental de agua real alcanzando velocidad infinita; la singularidad señala pérdida de regularidad en el modelo continuo.

Por qué importa la fuerza externa suave

La solución candidata utiliza una fuerza externa suave. No es un truco oculto ni un detalle menor. Las alternativas C y D de Fefferman permiten fuerza externa bajo condiciones exactas de suavidad, decaimiento o periodicidad. Si la construcción las cumple, la fuerza no la invalida automáticamente.

El reto consiste en no introducir una fuerza infinita a mano. OpenAI afirma equilibrar aceleración, presión, transporte y viscosidad para que la fuerza residual siga siendo suave aunque la velocidad diverja. Las versiones sin fuerza conservan interés científico, pero constituyen una pregunta adicional.

Si Lean la verificó, ¿por qué aún necesitamos matemáticos?

Lean es un asistente de pruebas que verifica mecánicamente si las conclusiones derivan de definiciones, axiomas y lemas codificados. Es mucho más fuerte que pedir a un modelo de lenguaje que revise un texto: la cadena formal debe compilar.

Los especialistas aún deben comprobar que el enunciado formal es exactamente el de Fefferman, que incluye todas las hipótesis, que usa axiomas aceptables y que el repositorio se reproduce independientemente. Lean verifica rigurosamente el teorema codificado; la comunidad valida el puente con la pregunta científica.

Cómo llegó el sistema multiagente al resultado

OpenAI dice que comenzó a entrenar el nuevo modelo interno el 28 de agosto. El 1 de septiembre inició pruebas con los seis Problemas del Milenio abiertos. Casi 100 agentes dedicaron unas 50 horas a una cuestión de Euler antes de concentrar recursos en Navier-Stokes.

El grupo que halló la propuesta involucró del orden de 10.000 agentes concurrentes con herramientas, código, comunicación, consolidación mediante Codex y orientación humana. El resultado surgió el 5 de septiembre, unas 88 horas después del inicio; la formalización y verificación en Lean tomó 17 horas adicionales con GPT-6 Astra. El trabajo de Navier-Stokes acumuló 2,7 millones de mensajes y cerca de 130.000 millones de tokens de salida.

¿Fue ChatGPT?

No en una conversación común. OpenAI atribuye el descubrimiento a un sistema interno no público y significativamente más capaz que GPT-6 Astra, coordinando miles de agentes. Astra se utilizó después en la formalización y verificación en Lean.

Decir que “10.000 ChatGPT resolvieron solos” borra orquestación, herramientas, selección del problema, consolidación y dirección humana. Si se confirma, el hito pertenece a un sistema de investigación humano-IA, no a una respuesta espontánea a un solo prompt.

Trabajo concurrente y controversia sobre el crédito

Levent Alpöge y Tristan Buckmaster publicaron trabajo relacionado sobre blow-up en ecuaciones de fluidos, incluido Euler tridimensional con fuerza suave. OpenAI reconoce su prioridad en forced Euler; no debe presentarse como una solución suya al Problema del Milenio de Navier-Stokes.

Surgieron preocupaciones públicas sobre prioridad, autoría, herramientas de IA y datos de sesiones. OpenAI afirma que investigadores y agentes no vieron ese trabajo antes de hacerse público y que no se accedió a datos específicos de usuarios; también reconoce que no puede excluir totalmente una mejora indirecta del modelo a partir de datos desidentificados. Buckmaster expresó preocupación. Son posiciones atribuidas, no hechos definitivamente establecidos.

Problema del Milenio frente al CFD de ingeniería

El CFD no esperó a que el Problema del Milenio fuese resuelto, y este problema no pregunta si los ingenieros pueden calcular flujos específicos.

NASA, NIST y práctica de ingeniería

NASA Glenn explica que las ecuaciones suelen ser demasiado difíciles para una solución analítica y que los ordenadores resuelven aproximaciones con diferencias finitas, volúmenes finitos, elementos finitos y métodos espectrales. Una simulación responsable aún depende de dominio, malla, condiciones de contorno, modelos físicos, convergencia, verificación y validación.

El Fire Dynamics Simulator del NIST resuelve numéricamente una forma de Navier-Stokes apropiada para flujos térmicos de baja velocidad, con énfasis en calor y humo. La prueba propuesta por OpenAI no invalida FDS, y FDS no resuelve el problema matemático de Clay.

¿Cambiará mañana el CFD?

No automáticamente. Los códigos validados, modelos de turbulencia, mallas, factores de diseño y procedimientos no cambian de un día para otro. RANS, LES y DNS conservan sus hipótesis, costes y límites; el Problema del Milenio nunca fue simplemente “resolver la turbulencia”.

Si se confirma, el primer impacto estará en teoría de EDP, singularidades y mecánica matemática de fluidos. A largo plazo podría inspirar benchmarks extremos, pruebas de solvers e integración entre demostración formal y computación científica. Son hipótesis de investigación, no entregables industriales inmediatos.

IA produciendo ciencia nueva

La transformación más profunda puede ser metodológica. OpenAI afirma que el sistema exploró estrategias en paralelo, ejecutó código, compartió hallazgos, recibió dirección humana y produjo una construcción matemática nueva antes de formalizarla. Si expertos independientes lo confirman, la IA pasa de recuperar y calcular a participar en el descubrimiento.

Eso amplía las responsabilidades sobre reproducibilidad, autoría, crédito, privacidad, trazabilidad y errores. Los asistentes de pruebas no sustituyen simulación, ensayo o certificación, pero formalizar requisitos y verificar lógica puede fortalecer software crítico, control, automatización y seguridad funcional.

Lista para evaluar una noticia de ‘problema resuelto’

La lectura crítica protege la importancia de un avance real.

• ¿Quién formula la afirmación?
• ¿Son públicos la prueba y los materiales?
• ¿El enunciado formal coincide con el problema original?
• ¿Existe reproducción formal independiente?
• ¿La institución responsable ya lo reconoció?
• ¿Especialistas independientes lo revisaron?
• ¿La noticia separa demostración matemática y aplicación de ingeniería?
• ¿El impacto práctico está demostrado o inferido?

Conclusión: la afirmación prudente es más interesante

El 9 de septiembre de 2026, la frase precisa no es “la IA resolvió definitivamente Navier-Stokes”. Un sistema de IA produjo una demostración pública y formalizada en Lean que OpenAI afirma responder una de las grandes preguntas matemáticas del último siglo, y ahora la comunidad debe intentar refutarla.

Para la ingeniería, esto no borra décadas de CFD ni validación experimental. Si se confirma, primero cambia la comprensión teórica y quizá después las herramientas para explorarla. Nuestro papel será menos pulsar botones y más formular buenas preguntas, validar respuestas y decidir qué hacer con conocimiento nuevo.