Epoch AI actualizó el foco de FrontierMath hacia un subconjunto especialmente duro: 68 problemas abiertos asociados a Paul Erdős. En las corridas reportadas en el ciclo de septiembre de 2026, el pre-release GPT-6 Astra de OpenAI fue el único modelo, entre cinco evaluados, en registrar un score distinto de cero en la configuración estándar de presupuesto cercano a 300 dólares: aproximadamente un 3%, equivalente a dos problemas resueltos.
Los dos créditos oficiales son concretos y deben marcarse con cuidado. Astra refutó el problema #74, con un coste reportado de unos 218 dólares y unas 15 horas de trabajo agentico; y demostró el problema #126. Jaime Sevilla, de Epoch AI, subrayó el hito: es el primer modelo que agrieta al menos un ítem de este set. Los modelos rivales en el mismo bracket estándar —GPT-5.6 Sol, GPT-5.5, Claude Fable 5.1 y Claude Fable 5— puntuaron cero.
Verificación: para los dos resultados oficiales se reporta chequeo con Lean / verificación mecanizada. Eso importa más que el porcentaje. En matemáticas asistidas por IA, un “sí” sin artefacto verificable es publicidad; un “sí” con prueba chequeada en Lean es un objeto que la comunidad puede auditar. Neural Pulse insiste en no mezclar ambos estándares.
Corridas adicionales con reglas más flojas y mucho más presupuesto reclamaron avances sobre los problemas 1, 74, 126, 548 y 571, pero esas corridas no forman parte del score oficial y su coste agregado se situó por encima de 220.000 dólares. Tratarlas como el benchmark principal sería distorsionar FrontierMath: el protocolo de 300 dólares existe precisamente para comparar modelos en un régimen reproducible y económicamente acotado.
El contraste entre ~218 dólares para el #74 oficial y >220.000 dólares en exploraciones sueltas ilustra una verdad incómoda de la IA matemática de 2026: a veces el hallazgo aparece “barato” en una corrida afortunada, y a veces solo emerge tras una quema masiva de cómputo que ningún laboratorio publicará como métrica justa de producto.
No hay que inventar premios Clay ni Millennium en esta historia. FrontierMath Erdős no es la lista del Instituto Clay; son problemas de estilo Erdős, muchos abiertos durante décadas, reunidos para estrés-testear razonamiento creativo. Confundir brandings de premios sería un error editorial grave.
Para OpenAI, Astra suma un titular positivo en medio de una semana cargada de sonda senatorial y presión regulatoria. Un score pequeño pero único en un set donde todos los rivales hicieron cero funciona como prueba de capacidad de razonamiento profundo, distinta de los benchmarks de coding o de cibernética ofensiva.
Para Epoch AI, el resultado valida el diseño del subset: lo suficientemente duro como para que el piso sea cero, lo suficientemente soluble como para que un modelo punta marque dos. Si el set fuera imposible, no discriminaría; si fuera fácil, no diría nada nuevo tras HLE y otros exámenes saturados.
Normas de crédito: la comunidad matemática pedirá artefactos Lean públicos, revisión humana de enunciados y claridad sobre hints del harness. Un agente puede “demostrar” algo reformulando mal el problema. Por eso la distinción oficial vs. looser runs no es pedantería: es higiene epistemológica.
Neural Pulse recomienda citar siempre: (1) score oficial ~3% / 2 problemas; (2) #74 refutado y #126 demostrado; (3) rivales a cero; (4) Lean/machine-verified en los oficiales; (5) claims extras fuera de score y carísimos. Cualquier resumen que omita (4) o (5) está sesgado.
Queda abierto cómo Epoch AI manejará intentos futuros de “comprar” el leaderboard con presupuestos extremos fuera de protocolo. Si no defiende con firmeza la corrida de 300 dólares como única cifra comparable, el set Erdős se diluirá en una carrera de quién quema más dinero en sampling.
Historiadores de la computación compararán el 3% de Astra en Erdős con otros “primeros no-cero” en benchmarks saturados: el valor está en romper el suelo, no en declarar dominio del campo. Celebrar con sobriedad protege la credibilidad de Epoch AI y de OpenAI frente a un público ya escéptico por hypes previos en matemáticas y ciencia.
Cierre: Astra no “resolvió Erdős”. Resolvió dos ítems de un set de 68 bajo protocolo. Ese matiz cabe en un titular honesto y separa a Neural Pulse de la exageración de redes. El progreso es real; el mito del genio automático total no lo es.
Lo siguiente a vigilar es si Claude Mythos, Gemini u otros igualan el score en el mismo presupuesto, y si Epoch publica los artefactos de verificación para escrutinio externo. Hasta entonces, el marcador oficial sigue siendo: Astra 2, campo 0.
