GPT-6 Astra y el teorema de Fermat: dos anuncios, ninguna verificación independiente

El 3 de septiembre OpenAI anunció el lanzamiento de GPT-6 Astra a los clientes empresariales del programa Daybreak. La empresa declaró que una versión con limitaciones adicionales sobre las capacidades de ciberseguridad se distribuirá a los usuarios de pago de ChatGPT, y que ambas versiones impiden el acceso a las funciones informáticas más avanzadas. La empresa presenta el modelo como una etapa en el camino hacia la inteligencia artificial general y reivindica resultados de vanguardia en pruebas de referencia como Agents’ Last Exam, AutomationBench y ScreenSpot Pro.

Sobre este último punto la precisión es debida y no es un matiz: se trata de afirmaciones de la empresa, no de verificaciones realizadas por terceros. Al Jazeera observa que en el anuncio OpenAI dedicó un amplio espacio a los riesgos y a las medidas de seguridad del modelo; Bloomberg informa del lanzamiento y de las limitaciones adicionales. Son dos fuentes distintas que documentan el anuncio, no su contenido técnico.

Entre las voces externas recogidas por Al Jazeera está la de Toby Walsh, profesor y experto en inteligencia artificial en la University of New South Wales de Sídney, según el cual “la inteligencia en la inteligencia artificial sigue siendo hoy muy irregular” (trad. del inglés): la capacidad de los sistemas sigue siendo heterogénea según la tarea.

Un modelo que declara superar una prueba de referencia está declarando, no demostrando.

Once días y trece millones de líneas. El segundo anuncio proviene de Anthropic, que sostiene haber completado con el modelo Claude la primera formalización totalmente verificada por computadora del último teorema de Fermat. La formalización consiste en traducir una demostración matemática en código controlable por un asistente de prueba —en este caso Lean— de manera que la corrección de cada paso sea verificable de forma mecánica.

Según la empresa el modelo trabajó de forma en gran medida autónoma durante once días, generando cerca de 13 millones de líneas de código Lean; la formalización final contendría casi 29.500 teoremas intermedios y habría sido producida por decenas de agentes Claude coordinados en la plataforma Prove2Me.

Aquí el límite de documentación es doble. Primero: la noticia proviene por el momento de una única fuente (el anuncio de Anthropic recogido por la publicación especializada AIdapted); ninguna confirmación independiente disponible. Segundo: las cifras son declaraciones de la empresa y no constan por el momento verificaciones independientes publicadas. Vale la pena señalar que, en principio, un trabajo de formalización está entre los resultados más fácilmente controlables por terceros —el código o bien es aceptado por el asistente de prueba o no lo es— pero este control, en el estado actual, no figura en los materiales disponibles.

Qué no sabemos. No sabemos si el código de la formalización es público e inspeccionable, ni si la comunidad matemática ha examinado el resultado. No conocemos el costo de cómputo de la operación. Por el lado de OpenAI, no sabemos con qué metodología se midieron las pruebas de referencia citadas, ni quién tiene acceso a la versión sin limitaciones adicionales, ni cuándo llegará el modelo más allá del programa Daybreak y las suscripciones de pago.

Los dos anuncios comparten la misma estructura informativa: una empresa publica una cifra, la prensa la registra, la verificación llega después —si llega—. Por eso mantenemos separado, incluso gráficamente, lo que está documentado (la fecha del lanzamiento, la existencia del anuncio) de lo que se reivindica (los primados y las cifras de rendimiento). El próximo elemento controlable será la distribución de la versión limitada de GPT-6 Astra a los usuarios de pago de ChatGPT, anunciada por la empresa sin fecha.

Fuentes: Al Jazeera; Bloomberg; AIdapted.