El modelo produce una construcción verificable después de recibir cuatro instrucciones breves. El hallazgo ocurre días después de que sistemas de OpenAI y Anthropic participaran en la refutación de otras conjeturas y refuerza una pregunta incómoda: ¿siguen sirviendo los actuales benchmarks para medir la capacidad matemática de los modelos de frontera?
GPT-5.6 Pro encontró un contraejemplo para la conjetura de Dinitz–Garg–Goemans, un problema de optimización y teoría de grafos formulado a finales de la década de 1990, después de recibir apenas cuatro instrucciones que, en conjunto, contenían 58 palabras.
No hubo un elaborado ejercicio de ingeniería de prompts. Dmitry Rybin comenzó solicitando al modelo que construyera un contraejemplo para el caso general de la conjetura y, ante las respuestas parciales, le pidió que siguiera investigando, produjera un avance y terminara con una construcción completa e incondicional. El último mensaje expresaba, en términos poco académicos, que ya había sido suficiente de resultados parciales y que debía terminar el trabajo.
El modelo respondió con un grafo, datos legibles por máquina, un certificado matemático de cuatro páginas, código para realizar una enumeración exhaustiva y el documento en formato LaTeX. El contraejemplo presentado tiene un flujo fraccionario con costo de 58, pero cualquier flujo no divisible que respete el margen de sobrecarga establecido tiene un costo mínimo de 60. Esa diferencia bastaría para demostrar que la regla propuesta no se cumple en todos los casos.
El resultado es verificable mediante cómputo, pero todavía debe tratarse con cautela. Hasta el 23 de julio no existe un artículo sometido a revisión por pares que establezca formalmente la refutación, aunque la construcción, el código y los certificados permiten que especialistas independientes intenten reproducirla.
El problema de las entregas que no pueden dividirse
La conjetura surge de un trabajo publicado en 1999 por Yefim Dinitz, Naveen Garg y Michel Goemans sobre el problema de los flujos no divisibles desde una sola fuente. El planteamiento puede imaginarse como una red de caminos, tuberías o enlaces de comunicación por la que deben enviarse varias cargas desde un punto de origen hacia diferentes destinos.
En una solución fraccionaria, una misma carga puede dividirse entre distintas rutas. En una solución no divisible, cada carga completa debe viajar por un solo camino. El segundo caso es más parecido a numerosos problemas reales: un paquete, un vehículo, una llamada o una tarea computacional no siempre puede fraccionarse arbitrariamente.
Dinitz, Garg y Goemans demostraron que un flujo fraccionario podía transformarse en uno no divisible sin aumentar excesivamente la carga sobre ningún enlace. La conjetura posterior añadía una condición más ambiciosa: esa transformación debía poder realizarse sin incrementar el costo total y manteniendo la sobrecarga de cada enlace dentro de un margen determinado por la demanda más grande.
Durante 27 años, la afirmación permaneció abierta. Un estudio publicado en 2023 señalaba que ni siquiera se conocían clases no triviales de grafos para las que pudiera demostrarse completamente la versión con costos, mientras trabajos recientes continuaban desarrollando aproximaciones y variantes más débiles del resultado.
El contraejemplo de GPT-5.6 no significa que los métodos anteriores sean inútiles. Demuestra que no es posible garantizar simultáneamente, para cualquier red, todas las propiedades que proponía la conjetura. A partir de ello, los investigadores tendrán que identificar bajo qué condiciones adicionales la afirmación sí funciona o qué margen de costo y congestión puede garantizarse.
Primero cae la conjetura del jacobiano
El descubrimiento llega después de una semana extraordinaria para las matemáticas asistidas por inteligencia artificial. La conjetura del jacobiano se formula en su versión general en 1939 y sostiene, de manera simplificada, que cierto tipo de transformación polinómica que no aplasta localmente el espacio debería poder invertirse también mediante polinomios. Durante 87 años, los matemáticos intentaron demostrar esa afirmación, en gran parte porque parecía intuitivamente verdadera.
El matemático Levent Alpöge anunció el 20 de julio un contraejemplo explícito en tres dimensiones desarrollado con ayuda de Claude Fable 5. La construcción presenta una transformación con determinante jacobiano constante que, sin embargo, envía tres puntos diferentes a un mismo resultado y, por tanto, no es invertible. Varios matemáticos realizaron comprobaciones iniciales, aunque todavía falta conocer con detalle el proceso que condujo al modelo hasta esa estructura y completar el circuito habitual de publicación académica.
El valor de un contraejemplo es asimétrico. Para demostrar una afirmación universal se necesita un argumento que cubra todos los casos posibles; para destruirla basta encontrar un solo objeto que cumpla las condiciones iniciales y viole la conclusión.
Esa diferencia ayuda a entender por qué los modelos parecen estar avanzando especialmente rápido en la búsqueda de contraejemplos. Una vez encontrada una construcción pequeña, sus propiedades pueden comprobarse mediante álgebra simbólica, enumeración exhaustiva o un programa relativamente corto.
El efecto sobre los momentos gaussianos
La caída del jacobiano produjo además una consecuencia directa sobre otra conjetura. En 2015, Harm Derksen, Arno van den Essen y Wenhua Zhao formularon la conjetura de los momentos gaussianos y demostraron que, si esta fuera verdadera en todas las dimensiones, también lo sería la conjetura del jacobiano. La propuesta estudia determinadas secuencias de momentos de polinomios evaluados sobre variables gaussianas y las condiciones bajo las cuales su desaparición obliga a desaparecer también a otros momentos relacionados.
Después del anuncio de Alpöge, Christopher D. Long informó a GPT-5.6 Sol Pro que la conjetura del jacobiano había sido refutada y le preguntó si, como consecuencia, podría existir un contraejemplo pequeño para la conjetura de los momentos gaussianos.
Tras esa única indicación, el modelo produjo sin intervención humana adicional un contraejemplo en cuatro variables. Long mostró la construcción a Claude Fable 5, que encontró una versión todavía más pequeña, en tres variables, y realizó comprobaciones algebraicas independientes. El artículo resultante demuestra que la conjetura es falsa para todas las dimensiones iguales o superiores a tres; el caso de dos dimensiones permanecía abierto en el manuscrito publicado el 20 de julio.
En redes sociales circuló posteriormente otra historia: un usuario afirmó haber pedido a GPT-5.6 Pro que identificara problemas matemáticos probablemente resolubles y se fue a jugar League of Legends mientras el modelo trabajaba. Al regresar, encontró una supuesta demostración para el caso bidimensional de los momentos gaussianos.
Ese episodio no debe confundirse con el contraejemplo documentado por Long ni con la conjetura de Dinitz–Garg–Goemans. La presunta demostración bidimensional todavía necesita revisión especializada y formalización; por ahora, debe considerarse una afirmación pública en proceso de verificación, no el cierre confirmado de la conjetura.
¿Por qué GPT-5.6 lo hace tan rápido?
La brevedad de los prompts no significa que el problema haya sido resuelto con 58 palabras de conocimiento. La instrucción funciona como punto de partida para un sistema que ya contiene representaciones de teoría de grafos, optimización combinatoria, programación lineal, literatura académica y técnicas de búsqueda de contraejemplos.
GPT-5.6 también está diseñado para dedicar más cómputo a problemas difíciles. Sus configuraciones de razonamiento prolongado pueden explorar alternativas, escribir programas auxiliares, ejecutar comprobaciones y revisar intentos anteriores. OpenAI sostiene que el modelo obtiene más trabajo por cada token y que sus modalidades de mayor cómputo pueden investigar distintas rutas y coordinar procesos paralelos.
En este caso, el modelo no necesitaba redactar una demostración universal que abarcara infinitas redes. Necesitaba encontrar una red finita con determinadas propiedades, resolver el programa lineal correspondiente y comprobar exhaustivamente que todas las rutas no divisibles admisibles tenían un costo superior. El problema seguía siendo difícil, pero podía transformarse parcialmente en una búsqueda computacional con criterios claros de éxito y fracaso.
También existe un efecto de selección. No sabemos cuántos problemas abiertos se han entregado a estos modelos sin producir resultados correctos ni cuántos intentos fueron descartados antes de que aparecieran los casos que se volvieron virales. La capacidad es real, pero su confiabilidad general no puede inferirse únicamente a partir de una sucesión de éxitos publicados.
Los benchmarks matemáticos empiezan a quedarse atrás
GPT-5.6 Sol obtiene, según las evaluaciones publicadas por OpenAI, 94.6% en GPQA Diamond, 89% en los niveles 1 a 3 de FrontierMath y 83% en su nivel 4. Estas cifras muestran que varios exámenes que hace poco distinguían con claridad a los modelos más capaces se aproximan rápidamente a la saturación.
El problema no consiste solamente en que los modelos obtengan calificaciones altas. Pruebas como MATH, GSM8K, AIME o incluso algunos conjuntos de problemas olímpicos evalúan ejercicios cerrados, con soluciones conocidas y respuestas fáciles de comparar. Son útiles para medir habilidades específicas, pero no capturan adecuadamente la búsqueda de objetos nuevos, el diseño de contraejemplos, la revisión bibliográfica, la comprobación de originalidad ni la capacidad de sostener una investigación abierta.
Un estudio de 2026 que examinó 60 evaluaciones utilizadas por desarrolladores de modelos encontró señales de saturación en casi la mitad. Otros proyectos recientes, como MathArena, EternalMath, LemmaBench y LiveMathematicianBench, proponen evaluaciones continuamente actualizadas con resultados extraídos de investigaciones recientes, precisamente para reducir la contaminación y evitar que los modelos sean medidos durante años con los mismos problemas estáticos.
Eso no significa que la inteligencia artificial haya dominado las matemáticas de investigación. En Riemann-Bench, un conjunto privado de problemas creados por matemáticos y situados más allá del nivel olímpico, todos los modelos de frontera evaluados permanecen por debajo de 10%. La brecha entre resolver exámenes difíciles y producir investigación matemática confiable sigue siendo amplia, pero los episodios recientes muestran que esa frontera ya no puede medirse únicamente con cuestionarios de respuesta conocida.
Los nuevos benchmarks tendrán que evaluar problemas vivos y temporalmente nuevos, exigir certificados ejecutables o formalizaciones en sistemas como Lean, medir la capacidad de detectar trabajos previos y registrar cuánto cómputo, tiempo, herramientas e intentos necesita cada modelo. También deberán distinguir entre producir una idea correcta una vez y reproducirla de manera confiable bajo condiciones controladas.
Un pequeño shock sobre la red de las matemáticas
La secuencia ofrece, de cortesía, una analogía con ShockGraph, el proyecto experimental del Laboratorio de Grafos de EstadoRed.
La refutación de la conjetura del jacobiano funciona como un shock sobre una red de conocimiento: modifica el estado de un nodo central y vuelve relevantes conexiones que ya existían, como su relación lógica con la conjetura de los momentos gaussianos. Esa conexión permite que una pregunta breve redirija la búsqueda hacia otro problema y produzca un nuevo contraejemplo.
La conjetura de Dinitz–Garg–Goemans no depende matemáticamente del jacobiano. Sin embargo, su refutación muestra una propagación de segundo orden: al comprobar que los modelos pueden encontrar contraejemplos pequeños, investigadores y usuarios comienzan a dirigirlos hacia otros nodos abiertos de la literatura.
El shock no solo cambia la verdad atribuida a una conjetura; también reorganiza las rutas de atención, los problemas considerados abordables y la distribución del trabajo entre humanos, modelos y verificadores. Esa reorganización es precisamente el tipo de fenómeno que ShockGraph intenta observar en redes adaptativas después de una intervención dirigida.
La señal relevante no es que cualquier persona pueda resolver cualquier conjetura escribiendo una frase imperativa. Es que el costo de explorar miles de rutas, construir candidatos y descartar configuraciones imposibles está cayendo de forma abrupta.
Las instituciones matemáticas necesitarán nuevos mecanismos para registrar la procedencia de los hallazgos, verificar resultados generados por modelos, reconocer adecuadamente las contribuciones humanas y artificiales y mantener evaluaciones que permanezcan por delante de sistemas capaces de convertir una instrucción rudimentaria en un objeto matemático nuevo.
