CienciaCisent
OpenAI afirma que su IA refutó una conjetura de 1999. Lo que importa es cómo se comprueba
OpenAI dice que un modelo suyo refutó la Hipótesis del Tiempo Exponencial. Está en revisión, y lo que le da peso no es la seguridad de la IA, sino que se puede comprobar.

El 26 de octubre, OpenAI anunció1 que un modelo interno, cuyo nombre no ha hecho público, escribió un manuscrito titulado “The Exponential Time Hypothesis is False”: la Hipótesis del Tiempo Exponencial es falsa.2 Si resiste la revisión, cae una conjetura de 1999 en la que se apoyan muchos resultados de la teoría de la complejidad. Todavía no está confirmado. Lo van a examinar Russell Impagliazzo y Ramamohan Paturi, que la formularon, junto con Ryan Williams, del MIT.2
Qué dice la conjetura
Su terreno es 3-SAT, uno de los problemas más estudiados de la informática. Se tiene una fórmula hecha de muchas condiciones pequeñas, cada una sobre tres variables que solo valen verdadero o falso, y la pregunta es si hay una forma de asignar las variables para que se cumplan todas. Con n variables hay 2ⁿ combinaciones posibles.
La Hipótesis del Tiempo Exponencial, que Impagliazzo y Paturi plantearon en 1999,3 dice que no hay un atajo de fondo: se puede ser más astuto que probarlas todas, pero el tiempo necesario seguirá creciendo de forma exponencial con el número de variables. Muchos resultados de la complejidad la usan de base: dicen que algo no se puede hacer más rápido, si la conjetura es cierta.
Qué afirma OpenAI
El manuscrito presenta un algoritmo determinista que cuenta exactamente cuántas soluciones tienen fórmulas de este tipo, con condiciones de tres variables o de cualquier otro tamaño fijo, en un tiempo que crece más despacio que cualquier exponencial y con una memoria que crece de forma polinomial. El caso de tres variables, 3-SAT, es el que refuta la conjetura.2
No resuelve P contra NP: el algoritmo es más rápido que cualquier exponencial, pero sigue siendo más lento que uno polinomial. Ese problema sigue abierto.
Por qué se puede comprobar
Un modelo puede escribir una prueba falsa con la misma seguridad que una verdadera. Por eso lo que importa no es que lo diga una IA, sino lo que rodea a la afirmación:
- Un enunciado escrito aparte. El teorema está escrito en Lean, un lenguaje con el que un computador comprueba pruebas matemáticas, en un archivo separado de la prueba.4
- Un verificador. Un comparador revisa que la prueba demuestre exactamente ese enunciado, y solo le deja usar tres axiomas estándar: no hay atajos.5 La prueba ocupa 3.977 archivos de Lean.6
- Los materiales, abiertos. OpenAI los publicó de inmediato, a pedido del grupo que va a examinar la prueba, para que otros también puedan revisarlos.2
- Una revisión independiente. Impagliazzo, Paturi y Williams van a examinar la prueba y a explicarla.2 Que la examinen no significa que la avalen: ese trabajo recién empieza.
En Cisent revisamos el enunciado formal, y dice lo que anuncian. La prueba completa no la corrimos: OpenAI la publica como la prueba formal de ese enunciado.7
La seguridad no es una prueba
El mismo repositorio muestra por qué hace falta todo eso. Reúne 721 manuscritos del mismo modelo, y cerca del 42 % de los resultados principales tiene prueba formal. OpenAI advierte que algunos de los que no la tienen podrían tener problemas.8 El 7 de octubre retiró tres manuscritos por un error de signo y corrigió otros catorce.2
El de la conjetura es de los que llegan con su prueba formal.2
Lo que no cambia
- El cifrado. La criptografía de uso diario no se apoya en esta conjetura, sino en otros supuestos.
- P contra NP. Sigue abierto.
La regla que importa
Lo que vuelve creíble una afirmación de una IA no es la seguridad con que la hace, sino que se pueda comprobar: un enunciado escrito aparte, un verificador, los materiales a la vista y una revisión que no depende de quien afirma. Es la regla con que publicamos nuestras propias cifras, cada una con la fuente que la respalda. Y es la idea detrás de nuestra investigación sobre el “no lo sé”: un modelo que sabe cuándo no sabe vale más que uno que siempre suena seguro. Nuestras publicaciones están en Ciencia.
Lo que no sabemos todavía
- Si la prueba resiste el examen de Impagliazzo, Paturi y Williams.
- Si pasa el verificador en otras manos: nosotros no la corrimos.
- Desde qué tamaño de fórmula el algoritmo le gana a la búsqueda exhaustiva: OpenAI no publicó sus constantes.
- Cuántos de los otros manuscritos resistirán una revisión: la mayoría todavía no tiene prueba formal.8
Fuentes
OpenAI, anuncio del 26 de octubre de 2026. https://openai.com/index/building-scientific-understanding-with-academic-communities/↩︎
OpenAI, repositorio openai/math, “History”, entradas del 7 y del 26 de octubre de 2026 (versión del 26 de octubre, commit 7ef5c0c). https://github.com/openai/math/blob/7ef5c0cc5ca4b0e072b7a050fca09ab24bc6fa3a/history.md↩︎
Russell Impagliazzo y Ramamohan Paturi, “Complexity of k-SAT”, Proceedings of the 14th Annual IEEE Conference on Computational Complexity, 1999, pp. 237-240 https://doi.org/10.1109/CCC.1999.766282. La versión de revista: “On the Complexity of k-SAT”, Journal of Computer and System Sciences 62(2), 2001, pp. 367-375 https://doi.org/10.1006/jcss.2000.1727.↩︎
OpenAI, el enunciado formal en Lean, “SubexponentialSAT.lean”. https://github.com/openai/math/blob/7ef5c0cc5ca4b0e072b7a050fca09ab24bc6fa3a/lean/ComparatorChallenges/SubexponentialSAT.lean↩︎
OpenAI, la configuración del comparador, “SubexponentialSAT.json”: solo permite los axiomas propext, Quot.sound y Classical.choice. https://github.com/openai/math/blob/7ef5c0cc5ca4b0e072b7a050fca09ab24bc6fa3a/lean/ComparatorChallenges/SubexponentialSAT.json↩︎
OpenAI, la carpeta de la prueba, “lean/OAI/Algorithms/SubexponentialSAT”: 3.977 archivos de Lean, contados por Cisent con la API de GitHub en la versión citada. https://github.com/openai/math/tree/7ef5c0cc5ca4b0e072b7a050fca09ab24bc6fa3a/lean/OAI/Algorithms/SubexponentialSAT↩︎
OpenAI, el catálogo de formalizaciones, “formalization.yaml”, que asocia el manuscrito con su prueba en Lean. https://github.com/openai/math/blob/7ef5c0cc5ca4b0e072b7a050fca09ab24bc6fa3a/lean/formalization.yaml↩︎
OpenAI, repositorio openai/math, README (versión del 26 de octubre). https://github.com/openai/math/blob/7ef5c0cc5ca4b0e072b7a050fca09ab24bc6fa3a/README.md↩︎