DailyAI Briefing: Una prueba de Riemann verificada con Lean, además de 4 más
Una formalización Lean de la hipótesis de Riemann de 17 millones de líneas, publicada el viernes, fue revisada hoy por las comunidades Lean y Mathlib. Además: las acciones de Anthropic se acercan a su precio de oferta, mensajes espontáneos de Muse, nuevas reglas de uso de OpenAI y un modelo abierto del tamaño de una computadora portátil.

Bienvenidos al DailyAI Briefing, las cinco mayores noticias de IA del día.
Profundicemos.
17 millones de líneas de prueba formal
17 millones de líneas: ese es el tamaño de la biblioteca Lean. Levent Alpöge, matemático del equipo técnico de Anthropic, publicó el viernes una breve nota en la que afirmaba haber encontrado una prueba de la hipótesis de Riemann, hallada con Claude, el modelo de la empresa. La nota de cuatro páginas está publicada en formato PDF en su sitio web. Escribe que cree que el método también resuelve la hipótesis generalizada de Riemann, que el trabajo se concretó a última hora del domingo por la noche y que le preguntó al director ejecutivo si podía anunciarlo durante el debut bursátil de la empresa. La obvia visión cínica de ese momento es, según él, “falsa”.”
No publicó un artículo convencional. En cambio, ofrece la formalización en 14 partes descargables, porque está “presentando al mundo un argumento completo antes de haber dominado un vasto entorno matemático”.” En la declaración conjunta de la comunidad publicada hoy, se afirma que los grupos que mantienen el asistente de pruebas y su biblioteca principal tienen plena confianza en que la prueba es correcta. Certifica que la biblioteca compila el teorema, que este coincide con la formulación de la hipótesis que ya posee, y que revisores independientes aceptaron una demostración exportada. Se trata de una verificación formal, no de un informe legible ni de un premio. Un comunicado del sábado por la mañana informaba de que el Instituto Clay de Matemáticas seguía considerando el problema como sin resolver, y que su presidente calificaba el camino desde el anuncio hasta la comprensión real como “largo y difícil”.”
La Lean FRO y la Mathlib Initiative han publicado una declaración conjunta sobre la verificación Lean de la hipótesis de Riemann.
El 20 de noviembre, Levent Alpöge publicó una demostración de la hipótesis de Riemann en forma de biblioteca Lean de 17 millones de líneas de código. Durante el último día, las comunidades Lean y Mathlib colaboraron para verificarla. El comunicado certifica la validez de la demostración y describe cómo cumple con todos los criterios de verificación necesarios.
Enhorabuena a Levent por este logro y gracias a todos los miembros de la comunidad que contribuyeron a la verificación.
Declaración completa: https://t.co/edxEbkodw7
— Lean 21 de noviembre de 2026
88,91 dólares al cierre del viernes
88,91 dólares: ese fue el precio al que cerraron las acciones recién cotizadas el viernes, según un informe de mercado del sábado, después de abrir a 111,50 dólares el jueves y finalizar la sesión de debut a 97,17 dólares. El informe del sábado sitúa el cierre del viernes ligeramente por encima del precio de oferta de 83 dólares, tras una ganancia del 17% en el primer día de negociación. Esa misma semana, el índice Nasdaq Composite cayó un 10% en cinco días de negociación, su peor semana desde los primeros días de la Covid en 2020, liderada por una caída del 23% en Nvidia.
El viernes, los colocadores ejercieron su opción de sobreasignación, comúnmente conocida como greenshoe. Según un informe del viernes, que cita un comunicado de la compañía, esa opción elevó el total recaudado en la venta de acciones a 93.500 millones de dólares. Esa cifra abarca 1.127 millones de acciones de Clase A a 83 dólares cada una: los 980 millones originales más 147 millones de acciones de sobreasignación. Una colocación privada simultánea de acciones de Clase N, adquiridas al precio de oferta por un grupo de empresas tecnológicas, entre las que se incluyen Advanced Micro Devices, Google, Microsoft y Nvidia, aportó 26.000 millones de dólares, para un total de ingresos brutos de 119.500 millones de dólares antes de gastos.
¿Quieres que la IA te ahorre horas a la semana? Nuestra guía gratuita te muestra cómo.Obtén la guía gratuita →10 millones de descargas y alertas no solicitadas
Diez millones de descargas: esa es la cantidad de veces que se ha descargado la aplicación Muse de Meta desde su lanzamiento en septiembre, según un informe del sábado. El mismo informe, que cita publicaciones internas a las que tuvo acceso Reuters, afirma que algunos empleados de la propia empresa se sorprendieron al recibir mensajes inesperados durante las pruebas. El informe del sábado describe a empleados que afirmaron que el agente accedió a información que no recordaban haber proporcionado. Una empleada comentó que le recordó, en su teléfono personal, que debía responderle a su hermana a través de una aplicación de mensajería cifrada. Otra dijo que, durante una conversación sobre el clima para pescar, le reveló dos saldos bancarios, con todo lujo de detalles.
Un miembro del equipo de Superinteligencia de la compañía informó a sus colegas que el agente parecía estar alucinando, influenciado por las indicaciones predefinidas para mantener a los usuarios conectados entre sesiones, y que esos deslices solían girar en torno a temas incómodos como el dinero y la seguridad. Se confirmó que los mensajes fuera de contexto eran alucinaciones. Un portavoz de la compañía declaró que el personal utiliza versiones diferentes a las del público y que el acceso a las notificaciones del teléfono, así como a la accesibilidad y la grabación de pantalla en una Mac, es algo que el usuario debe autorizar. El informe no indica que se haya vulnerado el cifrado de la aplicación de mensajería.
Una tasa de éxito del 0,2% en la extracción de razonamientos ocultos
0,2%: esa es la tasa de éxito promedio que OpenAI reporta para una prueba adaptativa interna que intentó extraer el razonamiento oculto de un modelo de GPT-6.2 Astra después de que se agregaron nuevas medidas de seguridad, una disminución con respecto al 54,0% contra GPT-6 Astra con sus medidas de seguridad originales. La publicación oficial de la investigación, con fecha del 20 de noviembre, describe ese trabajo como una defensa contra la destilación adversaria. En términos sencillos, se trata de la práctica de utilizar los resultados de un modelo para entrenar a otro modelo con capacidades similares, pero sin las mismas protecciones.
Ese mismo día entraron en vigor las normas de uso actualizadas. La política de uso oficial ahora establece que los clientes no deben utilizar los modelos de la empresa ni sus resultados para generar, preparar, seleccionar o suministrar material de capacitación para modelos destinados a ser alternativos o sustitutos. La actualización también añade requisitos de aprobación para los intermediarios de acceso a modelos. La cifra del 0,2 % es una medida propia de la empresa; no ha sido auditada de forma independiente.
La destilación puede reproducir potentes capacidades de IA sin las medidas de seguridad diseñadas para protegerlas.
Compartimos nuevas investigaciones sobre nuestro trabajo para combatir la simplificación de nuestros modelos, cómo se transfieren estas capacidades y cómo detectamos e interrumpimos los intentos coordinados.
Estos hallazgos nos están ayudando a perfeccionar nuestras defensas y a reforzar las medidas de seguridad en todo el sector.
https://t.co/FGQ0PHllIO
- OpenAI 20 de noviembre de 2026
Un modelo de 26.400 millones de parámetros para un ordenador portátil
Un total de 26.400 millones de parámetros, con 3.400 millones activos para cada token: ese es el tamaño de Inkling 2 Mini, un nuevo modelo de ponderación abierta lanzado el viernes por Thinking Machines. La publicación oficial del producto indica que el modelo es un transformador en bucle que ejecuta sus capas intermedias tres veces por cada ficha, y que el conjunto completo de pesas ocupa aproximadamente 20 GB, lo suficientemente pequeño como para caber en una computadora portátil. Según el laboratorio, la demostración de investigación se ejecutó sin conexión a internet en un MacBook Pro.
El laboratorio afirma que el modelo supera a todos los sistemas de ponderación abierta con menos de 100 mil millones de parámetros totales en DeepSWE v1.1, con un 48,2%, y en el índice Vals v2.2, con un 46,5%. Estas cifras provienen del anuncio y no han sido verificadas de forma independiente. El modelo está disponible para inferencia y personalización en el servicio Tinker del laboratorio. Según el laboratorio, el bucle permite que el modelo dedique más esfuerzo a un problema sin necesidad de escribir una cadena de razonamiento más larga.
Algunos pensaban que Inkling 2 Small era demasiado grande con sus 594 mil millones de parámetros. Los escuchamos: Inkling 2 Mini es un transformador en bucle con solo 26 mil millones de parámetros, lo suficientemente pequeño como para ejecutarse en su computadora portátil y lo suficientemente potente para tareas de agencia, con una puntuación de 20.1 en el índice AA.
https://t.co/9HzaUMwghb— Thinking Machines 20 de noviembre de 2026
Eso es todo por hoy. Nos vemos mañana.


