El modelo interno de OpenAI resolvió tres problemas abiertos y refutó ETH; Claude de Anthropic lo hizo de forma independiente
Un modelo interno de OpenAI resolvió tres problemas abiertos en matemáticas, ciencias de la computación teórica y física. En particular, el modelo refutó ETH, la hipótesis del tiempo exponencial, que es una suposición clave en la teoría de la complejidad computacional.
Publicación en hexagonmath.org
El modelo Claude de Anthropic también refutó ETH de forma independiente. Anthropic afirma que el modelo interno Claude encontró la solución el 16 de octubre. La misma fecha aparece en el informe de OpenAI.
Claude gastó 14 millones de tokens de salida para resolver el problema, y no hubo participación humana en el descubrimiento: los empleados de Anthropic solo ayudaron a preparar el resultado como artículo.
El modelo encontró un algoritmo determinista para 3-SAT que funciona en tiempo 2^o(n). ETH afirma que existe una constante fija δ > 0 para la cual el problema no puede resolverse más rápido que 2^(δn), por lo que dicho algoritmo refuta ETH. Además, el modelo resolvió el problema más difícil #3-SAT, es decir, contó el número de asignaciones satisfactorias.
Por qué es importante
AnálisisDe confirmarse, el resultado podría cambiar supuestos fundamentales de la teoría de la complejidad y mostrar que los modelos de IA pueden hacer descubrimientos autónomos en problemas matemáticos difíciles.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
OpenAI y Anthropic publican refutaciones de la hipótesis del tiempo exponencial
OpenAI y Anthropic afirman que sus modelos internos refutaron casi simultáneamente la hipótesis del tiempo exponencial y publicaron artículos y pruebas en Lean.
El modelo interno de OpenAI resolvió tres problemas abiertos de matemáticas, informática teórica y física
Los avances declarados incluyen la refutación de la hipótesis ETH, pruebas para la conjetura de Kakeya y el suavizado local en todas las dimensiones, y resultados de existencia para Yang-Mills y QCD completa.
Claude Haiku (Modelos Compactos Rápidos de Anthropic)
El modelo más compacto y rápido de la línea de Anthropic. Diseñado para respuestas instantáneas, clasificación masiva de textos, extracción de datos y enrutamiento agente a un costo mínimo.
Claude Opus (Modelo Flagship de Anthropic)
El modelo más potente de la familia Anthropic, diseñado para análisis filosóficos y científicos complejos, redacción de textos multilayer y comprensión profunda del contexto.
Proyectos de Claude Code: cómo una IA coordina un equipo de agentes autónomos
Análisis exhaustivo de Proyectos de Claude Code: arquitectura Coordinator y Threads, ramas paralelas, memoria compartida MEMORY.md y gestión de agentes en la nube.
Codex Skills para principiantes: automatización de flujos de trabajo con agentes de IA
Guía práctica para crear y ejecutar Skills en Codex: anatomía de SKILL.md, activación explícita y automática, diferencias entre skills, scripts y tools, Skills API y límites de seguridad.