GPT-5 y la resolución autónoma de la conjetura de distancias unitarias de Erdős

El Pitch

El modelo de razonamiento de propósito general de la serie GPT-5 ha refutado de forma autónoma la conjetura de distancias unitarias en el plano propuesta por Paul Erdős en 1946. Este hito marca la primera vez que un sistema de inteligencia artificial resuelve un problema abierto de las matemáticas puras sin intervención humana directa en el proceso de prueba (fuente: OpenAI Blog).

La comunidad en Hacker News y los círculos académicos están procesando el hecho de que el modelo no solo propuso una solución, sino que construyó una familia de puntos que invalida los límites previamente aceptados. Este avance llega tras el fracaso del "Erdős-gate" en 2025, donde OpenAI tuvo que retractarse de afirmaciones similares que resultaron ser literatura ya existente (fuente: AutoGPT.net).

Bajo el capó

El núcleo técnico de este descubrimiento es la demostración de un crecimiento de $n^{1+\delta}$ para una constante fija $\delta > 0$, superando el límite de $n^{1+o(1)}$ que se creía infranqueable (fuente: Crypto Briefing). La validez del resultado ha sido confirmada mediante el asistente de pruebas formales Lean, lo que elimina cualquier posibilidad de alucinación en el output final (fuente: StartupHub.ai).

A nivel de infraestructura, la computación necesaria para este hallazgo tuvo un coste inferior a los 1,000 dólares en tokens, requiriendo entre 5 y 32 horas de procesamiento bajo el modo de razonamiento "System 2" (fuente: Artificial Analysis). Esto demuestra una eficiencia de inferencia notable en comparación con los clústeres de supercomputación tradicionales utilizados en investigación matemática.

A pesar del éxito, existen puntos críticos que debemos evaluar antes de integrar estas capacidades de razonamiento en flujos de trabajo críticos:

• La cadena de pensamiento (chain of thought) generada ocupa 125 páginas y resulta extremadamente difícil de desglosar mediante ingeniería inversa (fuente: Latent Space).
• Los modelos "Pro" necesarios para este nivel de deducción son significativamente más lentos y costosos que las llamadas estándar a la API de GPT-5.
• Aún no conocemos la fecha de disponibilidad pública para la arquitectura específica de razonamiento "GPT-5.6 Pro" utilizada en este benchmark matemático (Dossier UsedBy).
• Se desconoce cómo afecta este razonamiento especializado a la latencia en tareas empresariales que no sean de naturaleza matemática o lógica pura.

Actualmente, 534 empresas de alto nivel, incluyendo Stripe, Shopify y Duolingo, mantienen la tecnología de OpenAI integrada en su stack de producción (fuente: Datos internos UsedBy). Ver ficha de OpenAI.

La opinión de Diego

Estamos ante una validación técnica real, no ante humo de marketing. La verificación vía Lean es el único motivo por el cual no estoy descartando este anuncio tras el desastre de 2025. Si tu equipo trabaja en sectores que requieren una precisión lógica absoluta, como criptografía o logística compleja, es momento de empezar a experimentar con los modelos de razonamiento System 2 en side-projects. Para el resto de aplicaciones SaaS estándar, la latencia y el coste de estas capas de pensamiento siguen siendo prohibitivos. Usadlo para resolver problemas que un humano tardaría semanas en verificar, no para vuestro chatbot de atención al cliente.

Código limpio siempre,
Diego.