🇺🇸 What Actually Happened

Here is what we actually have. OpenAI says one of its models produced a mathematical result that contradicts something computer science students have been taught for decades as settled. That is the claim. I have not found a paper I could read from start to finish, and I tried. What circulates is a description, some excerpts, and a lot of confident commentary from people who also have not read the full argument. Mathematicians are looking at it now. Until they finish, the honest label is unconfirmed. Which is strange, if you think about it, because the textbook rewrite everyone is predicting depends entirely on a check that has barely started.

🇪🇸 Lo que realmente pasó

Todavía no hay veredicto, y conviene empezar por ahí. OpenAI sostiene que uno de sus modelos produjo un resultado matemático que contradice algo que en computación se enseña hace décadas como cosa resuelta. Eso es lo único seguro, que lo sostienen. Yo busqué el artículo completo y no encontré uno que pudiera leer de principio a fin. Lo que circula son resúmenes, fragmentos y mucha opinión segura de gente que tampoco lo leyó entero. Los matemáticos lo están revisando ahora mismo. Es raro que todos hablen de reescribir libros cuando la revisión apenas empezó. Admito que no sé cuánto tardará, y quien diga una fecha está adivinando.

🇺🇸 The Long Quiet Before This

A tenet earns its place in a textbook the slow way. Somebody proves it, a hundred people try to break the proof, and the attempts fail for years. After enough years it stops being a result and becomes furniture. Students memorize it. Instructors stop checking it. That is exactly why a counterexample would sting so much. There is also recent history to keep in mind. In late 2025, if I remember right, OpenAI staff announced that a model had solved several open Erdős problems, and mathematicians soon pointed out it had mostly dug up old solutions buried in the literature. Embarrassing. It does not mean this claim is wrong. It means skepticism is earned.

🇪🇸 El silencio de tantos años

Hay un antecedente reciente que me hace frenar. A finales de 2025, si no recuerdo mal, gente de OpenAI anunció que un modelo había resuelto varios problemas abiertos de Erdős. Después los matemáticos señalaron que en gran parte había desenterrado soluciones viejas escondidas en la literatura. Eso no prueba que esta vez sea falso. Solo explica por qué la desconfianza se ganó su lugar. Y hay otra cosa. Un principio llega a un libro de texto por el camino lento, con décadas de gente intentando romperlo y fallando. Con el tiempo deja de ser un resultado y pasa a ser parte del paisaje. Por eso un solo contraejemplo duele tanto.

🇺🇸 How a Machine Could Break a Rule

I can only describe the mechanism in general terms, and even that is partly a guess. The usual setup pairs a language model with a checker. The model proposes constructions, thousands of them, most of them garbage. A program tests each candidate against the claim everyone believed. If one candidate breaks the claim, you have a counterexample, and a counterexample is brutal because it needs no clever argument. You just show it and let anyone verify it. A full proof is harder. The model writes steps, a human or a formal system such as Lean inspects every step, and a single bad step sinks it. Which of these two routes OpenAI took, I could not tell.

🇪🇸 Cómo una máquina puede romper una regla

Un contraejemplo funciona como una trampa sencilla. Si alguien afirma que todos los cisnes son blancos, basta con mostrar uno negro. En este caso el modelo propondría construcciones, miles, y casi todas serían basura. Un programa las prueba una por una contra la afirmación que todos creían. Si una falla, ahí está el contraejemplo, y cualquiera puede verificarlo sin confiar en nadie. Una demostración completa es otra historia. El modelo escribe pasos, y una persona o un sistema formal como Lean revisa cada uno. Un solo paso malo hunde todo. No sé cuál de los dos caminos tomó OpenAI, y eso cambia mucho la confianza que uno puede tenerle al resultado.

🇺🇸 Who Feels It First

Start with who is affected on Monday morning. Not many people. Compilers, databases and routing software run the same code they ran last week, because working programs do not care what a theorem says. The first real change lands on instructors. Someone has to decide whether to keep teaching the old statement, add a warning, or pull the chapter. Authors of the big textbooks work on editions that take years, so for a while the fix would be an errata page and a note in lecture slides. Exam writers have a bigger problem. A question that asks students to apply a disproven rule now has a wrong answer key.

🇪🇸 A quién le llega primero

Para la mayoría de la gente, el lunes no cambia nada. Los compiladores, las bases de datos y el software de rutas siguen corriendo el mismo código, porque un programa que funciona no lee teoremas. Los primeros afectados serían los profesores. Alguien tendría que decidir si sigue enseñando el enunciado viejo, si le pone una advertencia o si saca el capítulo. Las ediciones de los libros grandes tardan años, así que al principio la solución sería una fe de erratas y una nota en las diapositivas. Pienso también en los estudiantes de doctorado que construyeron una tesis sobre ese principio. Ellos sí tendrían una semana difícil.

🇺🇸 What Nobody Knows Yet

Nobody outside OpenAI has said whether the argument has been checked in a formal system like Lean. That check could take weeks or years, depending on length. Nobody knows how large the smallest counterexample is, or whether it matters at any input size a real program would meet. And the authors have not said how many failed attempts the model made before one worked. That number would tell us a lot.

🇪🇸 Lo que nadie sabe todavía

Primero, nadie fuera de OpenAI ha dicho si el argumento se verificó en un sistema formal como Lean. Esa revisión puede tardar semanas o años según la longitud. Segundo, no se sabe qué tamaño tiene el contraejemplo más pequeño, ni si importa con entradas que un programa real vería. Tercero, los autores no han dicho cuántos intentos fallidos hizo el modelo antes de acertar. Ese número diría mucho.

🔗 Related Articles | Artículos Relacionados

Nuestro canal transmite datos curiosos de ciencia, IA, espacio y tecnología las 24 horas. | Our channel streams science facts, AI, space and technology around the clock.

OPEN YOUR MIND

Source: Source