El 1 de agosto OpenAI publicó diez pruebas. Cada una resuelve o avanza un problema que llevaba una década o más abierto: el comportamiento asintótico del programa lineal de Cohn y Elkies para empaquetamiento de esferas, la construcción de un grupo no sófico, un contraejemplo a la conjetura de rigidez de Connes, cotas inferiores para el permanente, y tres problemas del catálogo de Erdős. Las diez vienen con certificado en Lean 4, publicadas en un repositorio de GitHub bajo licencia Apache 2.0.

El titular fácil es “IA a nivel Fields”. Pero el número que cambia decisiones está en otro párrafo del anuncio de OpenAI, escrito casi de pasada: “el total de tokens necesarios para encontrar soluciones a estos problemas costaría aproximadamente $2,000 a tarifas de la API de Sol.”

Dos mil dólares.

El cuello de botella dejó de ser el modelo

Ese es el punto que casi nadie está sacando del anuncio, y es el único que le sirve a un director de tecnología esta semana.

La capacidad de atacar problemas que resistieron una década o más de esfuerzo humano se compra hoy por menos de lo que muchas empresas pagan por la renovación anual de una sola herramienta que ya tienen instalada. No hay comité de compras que se active con esa cifra. No hay caso de negocio que defender. Si mañana pudieras dirigir esa clase de cómputo hacia tu problema más caro, el presupuesto no sería el obstáculo.

El obstáculo es que la mayoría de las organizaciones no puede nombrar el problema.

Aaron Levie, CEO de Box, lo describió el mismo día del anuncio en una publicación en X que vale más que la mitad de la cobertura: la capacidad en dominios profundos, dice, está a punto de irse vertical, mientras que en el uso cotidiano el avance apenas se nota. Y agrega la parte incómoda: esto genera con frecuencia un “capability overhang” (capacidad disponible que nadie está aplicando), porque esas ganancias tienen que llevarse a conjuntos de datos y flujos de trabajo concretos para que sirvan de algo.

Eso es exactamente lo que estamos viendo. El modelo ya está por encima del problema. Lo que falta es el aparato para conectar uno con el otro.

Lo que OpenAI dijo, y lo que no dijo

Vale la pena separar el hecho verificable del entusiasmo, porque acá hay las dos cosas.

Lo verificable: el manuscrito tiene 249 páginas y describe los diez resultados como obtenidos por “un modelo interno de OpenAI”. El repositorio contiene diez archivos .lean, uno por resultado, y se compila con Lean 4.32.0, mathlib y Lake. Esa es la diferencia real frente a cualquier demostración anterior de matemáticas con IA: el núcleo de Lean acepta o rechaza una prueba, y no le importa quién la escribió ni qué dice el comunicado de prensa. Descargas el repositorio, corres lake build All, y obtienes tu propia respuesta. OpenAI también publicó 62 páginas de narración del proceso de razonamiento.

Lo que hay que leer con cuidado es el número. OpenAI no dice “gastamos $2,000”. Dice que los tokens necesarios para encontrar las soluciones costarían alrededor de esa cifra a tarifas de Sol. Es un precio de lista hipotético aplicado después, no la factura del proyecto. El mismo párrafo aclara que los argumentos “fueron luego preparados en manuscritos por humanos con el mismo modelo” y que después “el modelo formalizó cada argumento en un certificado de Lean”. Nada de ese trabajo posterior está dentro de los $2,000. Tampoco sabemos cuánto cómputo se quemó en los intentos que no llegaron a ningún lado.

La distinción no es un tecnicismo, y se nota en cómo viajó el dato. El resumen de Linas Beliunas en LinkedIn, uno de los que más se compartieron, lo formula como “costo total de inferencia: aproximadamente $2,000”. Es una afirmación más fuerte que la del anuncio, y de ahí a “OpenAI gastó $2,000” hay un solo paso. Si vas a llevar esta cifra a una junta directiva, llévala con la redacción original.

Para dimensionarlo: GPT-5.6 Sol se lista, según el rastreador de precios de OpenRouter, en $5 por millón de tokens de entrada y $30 por millón de salida. Si todo hubiera sido salida, $2,000 compran unos 67 millones de tokens. La mezcla real no está publicada, así que ese cálculo es mío sobre una tarifa pública, no una cifra de OpenAI. Sirve solo para fijar el orden de magnitud: decenas de millones de tokens, no miles de millones.

Y falta lo más importante: Astra no está disponible. OpenAI la describe como su próximo modelo grande, sin fecha. Lo que se puede comprar hoy no es Astra. Lo que se puede preparar hoy es la organización que va a saber qué pedirle cuando llegue.

Por qué la comunidad matemática no está aplaudiendo

Acá hay una lección que se traduce directo al mundo empresarial, así que no la voy a saltar.

Dos meses antes de este anuncio, en junio, se publicó la Declaración de Leiden sobre Inteligencia Artificial y Matemáticas, respaldada por la Unión Matemática Internacional. Uno de los riesgos que enumera describe con precisión inquietante lo que pasó el 1 de agosto: “la evaluación adecuada queda en peligro si los resultados se comunican por canales informales como comunicados de prensa o publicaciones de blog, con frecuencia sin ningún artículo de investigación ni divulgación de la información necesaria para la evaluación científica.”

El propio OpenAI reconoce la tensión en el anuncio y toma una posición que me parece la correcta: dice que atribuirse autoría humana de una prueba generada enteramente por un sistema de IA “tergiversaría tanto la contribución del sistema como la naturaleza del trabajo intelectual humano genuino”, y asume la responsabilidad por la corrección de los manuscritos y las formalizaciones.

Pero el punto de fondo de Leiden sigue en pie, y es el que importa fuera de las matemáticas: un resultado sin un mecanismo de verificación independiente no es un resultado, es un anuncio. La razón por la que este caso se sostiene mejor que los anteriores no es que el modelo sea más listo. Es que hay un compilador que dice sí o no.

Llevo 36 años programando, desde 1990, y nunca había tenido una herramienta que entregara junto con su resultado un certificado que yo pudiera comprobar sin confiar en quien me lo dio. Esa parte, más que las diez pruebas, es la que quiero que se copie hacia adentro de las empresas.

El mecanismo que casi nadie tiene

Entonces, ¿qué hace IQ Source con esto?

Nosotros ya escribimos sobre por qué el precio por token miente y hay que medir el costo por tarea, y sobre por qué el harness es el moat (ventaja competitiva) cuando el modelo ya es commodity. El caso Astra es la misma tesis llevada al extremo: el modelo es tan barato en relación con lo que resuelve que el costo ya no discrimina nada. Lo único que discrimina es el criterio para apuntarlo.

Ese criterio no se improvisa en una reunión. Es un inventario escrito de los procesos reales de la empresa, con dónde se pierde tiempo, dónde se pierde plata y qué tan verificable es cada resultado si lo automatizas. Y sobre ese inventario, una priorización que nadie pueda mover por preferencia personal.

Si quieres una prueba rápida para saber si un problema interno es candidato a esa clase de cómputo, yo uso tres condiciones. La primera: el resultado tiene que poder comprobarlo algo que no sea la persona que lo pidió, sea una consulta a la base de datos, una conciliación contable o un conjunto de pruebas automatizadas. La segunda: el problema tiene que llevar tiempo atascado por una razón distinta a que nadie le dedicó horas, porque si lo único que falta es esfuerzo humano, entonces el problema es de asignación de personal y no de capacidad. La tercera: el costo de equivocarse tiene que estar acotado y ser visible antes de que llegue a un cliente. Los diez resultados de Astra cumplen las tres, y por eso funcionaron como demostración. De las tres, la primera es la más fácil de saltarse y la más cara de omitir: sin ella, el proyecto no se puede defender frente a nadie que no lo haya escrito.

Eso es literalmente el trabajo de AI Maestro. Son dos meses de consultoría, educación y entrenamiento con tu equipo, no una instalación. El resultado son dos artefactos: un Mapa de Realidad de Procesos, que documenta cómo funciona hoy la empresa de verdad y no como dice el manual, y un Puntaje de Oportunidad de IA, que ordena los candidatos por impacto y por qué tan comprobable es el resultado. El programa termina en una puerta de decisión Go/No-Go. El diseño y la implementación son una etapa aparte, condicionada a esa puerta, porque la respuesta honesta a veces es que todavía no.

Un director de tecnología que hoy tenga ese mapa en la mano está en una posición distinta a la del resto. Cuando Astra salga, o el modelo equivalente de Anthropic o de Google, va a poder decir en una hora cuál de sus problemas merece esa clase de cómputo y cómo va a comprobar que funcionó. El que no lo tenga va a pasar seis meses en un comité decidiendo por dónde empezar, mientras la capacidad ya estaba pagada y disponible.

Los $2,000 nunca fueron el titular. El titular es que el dinero dejó de ser la excusa.

Arma el inventario de problemas antes de que llegue la capacidad