El investigador de OpenAI Noam Brown pidió no volver a subestimar a la inteligencia artificial durante una entrevista con Dwarkesh Patel publicada el 17 de septiembre. Su advertencia no fue un anuncio de producto: planteó el dilema que abren modelos capaces de trabajar durante horizontes más largos, coordinarse en paralelo y avanzar internamente más rápido de lo que los laboratorios pueden evaluarlos o ponerlos a disposición del público.
Los 10,000 agentes no explican por sí solos el resultado
Brown describió los sistemas multiagente como una forma de paralelizar el cómputo de inferencia. En vez de esperar a que un solo modelo complete un proceso largo, varias instancias trabajan y se comunican para reducir la latencia. El intercambio no es gratuito: según él, la eficiencia cae y el beneficio depende mucho del problema. Las matemáticas y la búsqueda entre muchas fuentes son relativamente paralelizables; escribir una novela, no tanto.
Los datos públicos que citó llegan a uno, cuatro y 16 agentes. En algunos benchmarks, cuatro agentes resolvieron una tarea en la mitad del tiempo, con cerca del doble de costo. Brown calificó ese escalamiento como ligeramente sublineal y fue especialmente cauto con la cifra de 10,000 agentes que OpenAI usó en su trabajo sobre Navier-Stokes.
“No le atribuiría ni 10% del crédito a los multiagentes”, dijo Brown. Para él, el factor decisivo fue un modelo general muy potente, capaz de sostener razonamientos largos y de pensar en paralelo.
Esa precisión importa porque OpenAI aún no ha medido cuánto ayudó coordinar 10,000 agentes frente a 1,000 o a un solo agente. Brown incluso dijo que hoy es posible que 10,000 personas se coordinen mejor que 10,000 agentes. El hito no prueba todavía una ley de escalamiento para enjambres de IA.
El anuncio original, sus límites y la disputa por la prioridad científica ya los explicamos en nuestra cobertura sobre Navier-Stokes.
La entrevista completa está disponible en video.
Qué afirma OpenAI sobre Navier-Stokes, y qué no
OpenAI sostiene que su sistema interno produjo una prueba analítica de un caso muy específico: un fluido tridimensional que parte de condiciones suaves, recibe una fuerza externa suave y desarrolla una singularidad en tiempo finito. La empresa publicó una formalización en Lean, un lenguaje que permite comprobar formalmente cada paso de una demostración, y afirma que el caso satisface las alternativas C y D de la formulación oficial del Problema del Milenio.
Para llegar a ese resultado, OpenAI reportó alrededor de 10,000 agentes concurrentes, 130,000 millones de tokens de salida y unas 88 horas de trabajo. La formalización y verificación en Lean, según la empresa, tomó 17 horas adicionales. No fue una simulación numérica ni una predicción de que todos los fluidos reales fallen: se trata de un contraejemplo matemático construido, con forzamiento externo, que la formulación de Clay contempla.
Tampoco equivale a que el premio esté concedido. OpenAI dice que no pretende reclamarlo y las reglas del Clay Mathematics Institute exigen publicación en un medio calificable, un periodo de al menos dos años y aceptación general de la comunidad matemática antes de considerar una solución para el Millennium Prize. La formalización publicada es un avance técnico relevante, pero no sustituye ese proceso.
La brecha entre el modelo interno y el que el público puede usar
La entrevista también puso sobre la mesa una asimetría que Brown reconoció sin rodeos. Patel planteó que los lanzamientos externos pueden quedarse cualitativamente por detrás de las capacidades internas si los laboratorios necesitan más tiempo para evaluar modelos peligrosos. Brown coincidió: retrasar una liberación puede dar margen para probarla, pero amplía la diferencia entre lo que el laboratorio puede hacer y lo que puede usar el resto del mundo.
El caso de las matemáticas ilustra esa tensión. OpenAI dijo en su anuncio que el modelo interno usado para Navier-Stokes es significativamente más capaz que GPT-6 Astra y no está disponible de forma pública. Brown calificó esa situación como una ventaja injusta y admitió que no hay una respuesta sencilla para equilibrar seguridad, acceso y concentración de capacidad.
No anunció una fecha de lanzamiento ni una política para restringir modelos públicos. Su punto fue otro: si las tareas que un modelo puede completar llegan a durar meses, pero los ciclos de lanzamiento duran semanas, será difícil evaluar toda la conducta del sistema antes de que aparezca la siguiente generación.
La alineación no puede ir detrás de la capacidad
Brown considera que vigilar la cadena de pensamiento de los modelos sigue siendo una herramienta valiosa, pero no una solución definitiva. Advirtió que castigar directamente un razonamiento peligroso puede enseñar al modelo a ocultarlo, y dijo que OpenAI ya ve señales de deterioro en esa capacidad de monitoreo. Su propuesta es combinarla con controles de seguridad y evaluación más amplios, no depender de una sola técnica.
Un día antes de la entrevista, OpenAI publicó un marco para investigar y divulgar casos de comportamiento inesperado o preocupante en sus modelos. La empresa reconoció que la industria todavía no ha resuelto suficientemente la alineación y el monitoreo como para seguir escalando a velocidad máxima por mucho tiempo de forma responsable.
En ese contexto, Brown resumió la lección con una frase que atraviesa toda la conversación: “No queremos volver a estar en una situación en la que subestimemos a la IA”. El valor de la entrevista no está en convertir 10,000 agentes en una explicación mágica, sino en la corrección que propone: a medida que los modelos ganan capacidad, también tiene que subir el estándar para demostrar que entendemos cómo se coordinan, qué pueden hacer y cuándo es seguro liberarlos.
