Qué pasó
El lunes, Anthropic anunció que un modelo todavía sin lanzar ha logrado un avance importante en la hipótesis de Riemann. En concreto, elevó de forma notable la cota inferior de soluciones para las que se sabe que la hipótesis se cumple. No la demostró.
La hipótesis lleva abierta más de 150 años y trata de cómo se distribuyen los números primos. Hay un premio de 1 millón de dólares para quien aporte una demostración general válida, y sigue sin reclamar. El modelo tampoco se lo llevó.
Lo gracioso es cómo se montó todo. Según la crónica de TechCrunch, una persona del equipo de Anthropic sin formación matemática significativa le pidió al modelo que "take a real stab" al problema, algo así como "échale un buen tiento de verdad". Y se fue.
Durante el día y medio siguiente, el modelo coordinó el trabajo por su cuenta. En total probó 650 ideas distintas, repartidas entre 60 subagentes, y se fundió 31 millones de tokens de salida.
Fíjate en el reparto de tareas: un humano escribió un prompt casual y 60 subagentes sudaron la camiseta. La aportación humana fue, más o menos, "venga, dale".
Por qué importa
Si la IA puede descubrir matemáticas nuevas, y no solo repetir libros de texto, es una discusión que lleva tiempo abierta. TechCrunch apunta que este resultado probablemente la reavive. Los modelos aún no resuelven la hipótesis de Riemann, pero llegan más lejos de lo que muchos esperaban.
Ojo al tipo de avance: una cota inferior más alta es un resultado concreto y verificable, no una sensación. Eso es lo que lo separa del típico comunicado de "la IA va a transformar la ciencia".
Las cautelas, que no somos animales. El modelo no está publicado, así que nadie de fuera puede toquetearlo. La afirmación viene del anuncio de Anthropic y nuestra fuente es una sola crónica. Espera a que los matemáticos mastiquen los detalles antes de mandar a imprimir camisetas.
Lo más interesante no es el modelo. Es que quien lo dirigía no necesitaba un título de matemáticas.
Qué significa para Europa
Directamente, poco: es un laboratorio estadounidense con un anuncio estadounidense, sin gancho regulatorio concreto ni empresa europea en la historia. Pero la capacidad de frontera no respeta fronteras. Los grupos de investigación y las universidades europeas se enfrentarán a la misma pregunta que todos: ¿qué hacemos cuando un modelo puede lanzar cientos de experimentos matemáticos en un fin de semana?
Qué hacer con esto
- Espera la verificación.Busca a matemáticos independientes que confirmen o rebatan la nueva cota antes de soltar el dato en la cena.
- Estudia el flujo de trabajo.Un prompt suelto, un modelo coordinador, muchos subagentes: es un patrón que merece la pena entender para tus propias tareas largas.
- Lee la etiqueta."Sin lanzar" significa que hoy no puedes reproducirlo, así que tómalo como señal, no como herramienta.
- Mantén afilado tu terreno.Si un no experto puede llevar a un modelo a aguas profundas, tu experiencia pasa a ser la parte que comprueba la respuesta.
Ciao, sapiens. Los primos siguen sin resolverse, así que te quedan unos cuantos años de empleo asegurado.


