TL;DR
La semana del 19-24 de mayo consolida dos tendencias paralelas: los labs de frontera empiezan a producir resultados matemáticos verificables (no benchmarks, sino pruebas reales), y el dinero sigue fluyendo hacia Anthropic a una velocidad que reescribe valoraciones.
Lo que ha pasado hoy
Un modelo interno de OpenAI desmiente una conjetura de geometría discreta de 80 años
OpenAI anunció el 20 de mayo que un modelo de razonamiento de propósito general —no entrenado específicamente para matemáticas— ha refutado la conjetura central del problema de distancias unitarias en el plano, planteada por Paul Erdős en 1946. La creencia establecida durante casi ocho décadas era que las construcciones en cuadrícula eran óptimas para maximizar pares de puntos a distancia unitaria. El modelo encontró una familia infinita de construcciones que supera esa cota con una mejora polinómica, usando teoría algebraica de números (torres de cuerpos de clases, teoría de Golod-Shafarevich). La prueba fue revisada por matemáticos externos, entre ellos Gowers, Alon, Shankar y Tsimerman; la revisión por pares en revista formal está pendiente. Lo que distingue este resultado es el método: no fue un sistema scaffolded para buscar demostraciones, sino un modelo generalista que conectó áreas de matemáticas aparentemente no relacionadas. (openai.com)
Anthropic cierra una ronda de más de 30.000 M$ con valoración superior a 900.000 M$
Según Bloomberg (22 may), Anthropic está a punto de cerrar su última ronda de financiación, que podría superar los 30.000 millones de dólares a una valoración por encima de 900.000 millones. Los co-líderes previstos son Sequoia Capital, Dragoneer, Altimeter y Greenoaks, con aproximadamente 2.000 M$ cada uno. Founders Fund y General Catalyst también participarían. Si se confirma, Anthropic superaría a OpenAI como la startup de IA más valiosa del mundo. El contexto: la compañía proyecta 10.900 M$ de ingresos en Q2 2026, más del doble que el trimestre anterior, y está en camino de su primer trimestre rentable. (anthropic.com/news)
Anthropic separa el uso agéntico del límite de suscripción a partir del 15 de junio
A partir del 15 de junio, Anthropic desacopla el uso programático de Claude (Agent SDK, GitHub Actions, frameworks de terceros como OpenClaw) de los límites de chat incluidos en la suscripción. Introduce un sistema de créditos mensuales facturados a tarifas de API: Pro → 20 $ en créditos, Max 5x → 100 $, Max 20x → 200 $. El argumento de Anthropic es directo: los usuarios agénticos pesados consumían mucho más cómputo del que un plan plano de 20 o 100 $ podía sostener. La implicación práctica para equipos que corren pipelines de CI, agentes de larga duración o automatizaciones programadas es que necesitan revisar sus presupuestos: el coste ya no es fijo. (anthropic.com/news)
OpenAI publica su posición sobre proveniencia de contenido generado
El 19 de mayo, OpenAI publicó en su blog de seguridad su enfoque actualizado para la proveniencia de contenido. Implementa conformidad con C2PA, watermarking con SynthID para imágenes generadas, y lanza en preview una herramienta pública de verificación que permite comprobar si una imagen fue creada con herramientas de OpenAI y acceder a sus Content Credentials. El movimiento se enmarca en un esfuerzo más amplio del ecosistema para que los usuarios puedan verificar el origen del contenido multimedia antes de interpretarlo. (openai.com/news)
Google DeepMind lanza la AI for Math Initiative con cinco instituciones de investigación
El 17 de mayo, Google DeepMind y Google.org anunciaron la AI for Math Initiative, una asociación con cinco instituciones académicas de primer nivel para explorar cómo la IA puede acelerar la investigación matemática. La iniciativa da acceso a Gemini Deep Think, AlphaEvolve y AlphaProof. Como referencia de capacidad actual: el último modelo Gemini con Deep Think alcanzó nivel medalla de oro en la IMO de este año, resolviendo perfectamente cinco de los seis problemas con 35 puntos. La iniciativa va en la misma dirección que el resultado de OpenAI sobre Erdős: los labs apuestan por que las matemáticas son el banco de pruebas más riguroso para razonamiento de frontera. (blog.google)
OpenAI avanza en proveniencia y content credentials para imagen y audio
Además de la capa técnica de C2PA y SynthID, OpenAI describe un modelo de confianza en capas: los provenance signals permiten a cualquier usuario conocer el origen del contenido, cómo fue creado o editado, y si es lo que dice ser. La herramienta de verificación pública está en preview. Esto responde a presión regulatoria creciente en Europa y a demandas de plataformas de distribución que necesitan distinguir contenido sintético de contenido orgánico. (openai.com/news)
Si solo lees una cosa
El resultado de OpenAI sobre la conjetura de Erdős. No porque sea un hito de marketing, sino porque es la primera vez que un modelo de propósito general —sin scaffolding matemático específico— produce una prueba verificada por matemáticos de primer nivel sobre un problema abierto de 80 años. Eso cambia lo que esperamos de estos sistemas en investigación científica real.