OpenAI dice que la Hipótesis del Tiempo Exponencial es falsa: qué demuestra el paper, qué falta verificar y qué cambia

By Carlos Montiel | Especialista en IA Empresarial
Read in English →
Publicado: 2026-10-29 | Por: Carlos Montiel | Lectura: ~3 minutos
OpenAI dice que la Hipótesis del Tiempo Exponencial es falsa: qué demuestra el paper, qué falta verificar y qué cambia

OpenAI publicó el 26 de octubre un preprint titulado «The Exponential Time Hypothesis is False». Si resiste la revisión, sería uno de los resultados más importantes de la teoría de la computación en dos décadas, y lo habría encontrado un modelo de IA.

Qué es la Hipótesis del Tiempo Exponencial

La ETH (Exponential Time Hypothesis) la formularon Russell Impagliazzo y Ramamohan Paturi en 2001. Dice que resolver 3-SAT, el problema de decidir si una fórmula lógica con n variables tiene alguna asignación que la haga verdadera, exige en el peor caso un tiempo de 2Ω(n): crece de forma exponencial con el número de variables, sin atajos sustanciales.

No es lo mismo que P vs NP. La ETH es una suposición más fuerte y más específica, y cientos de resultados de «dureza» en grafos, bases de datos, biología computacional y algoritmos parametrizados la usan como punto de partida: «si la ETH es cierta, este problema no se puede resolver más rápido que X».

Qué afirma el paper

El documento describe un algoritmo determinista que cuenta exactamente cuántas asignaciones satisfacen una fórmula k-CNF, para cualquier k fijo ≥ 2. Contar es más difícil que decidir: si el conteo es mayor que cero, la fórmula es satisfacible.

Problema #k-SAT (contar soluciones), k fijo ≥ 2 Tiempo (n+m)^O_k(1) · 2^( n / (log n)^(1/2+o(1)) ) Espacio polinomial en n y m Tipo determinista, exacto Consecuencia 3-SAT en tiempo 2^o(n) → la ETH sería falsa Técnica "resúmenes lineales compartidos" y conteo de ceros comunes de ecuaciones polinomiales dispersas

El exponente n/(log n)1/2 sigue siendo enorme, pero crece más lento que cualquier c·n. Eso basta para refutar la hipótesis, que habla del comportamiento asintótico y no de la velocidad práctica.

Cómo se llegó y quién lo va a revisar

16 oct 2026 un modelo interno de OpenAI produce la prueba 17 oct 2026 OpenAI la verifica en Lean (asistente de pruebas formales) 26 oct 2026 publica el paper y el código Lean en GitHub

Una revisión independiente la liderarán Impagliazzo y Paturi (UC San Diego), los mismos autores de la ETH, junto con Ryan Williams (MIT). En una carta abierta escribieron: «Our involvement should not be taken as certification of the claim. A result of this significance requires careful, independent scrutiny.» Williams aclaró que no firmaron acuerdos de confidencialidad y que no les pagan. OpenAI anunció en el mismo paquete otras dos pruebas: la conjetura de local smoothing en todas las dimensiones (que resolvería Kakeya y la restricción de Stein) y la existencia de Yang-Mills en cuatro dimensiones.

Lo que todavía no está probado: el paper no tiene revisión por pares y nadie externo confirmó el resultado. Lean garantiza que cada paso lógico es correcto, pero no que el enunciado formal diga exactamente lo que el paper dice en palabras; ese es justo el punto que los revisores tienen que comprobar. El resultado no resuelve P vs NP ni hace que los SAT solvers sean más rápidos en la práctica.

Qué cambia si se confirma

Los resultados que dependían de la ETH quedarían sin base y tendrían que reescribirse sobre suposiciones más débiles. Las versiones más fuertes, como SETH, caerían con ella. La criptografía en uso no se rompe por esto: AES, RSA o las curvas elípticas no dependen de la ETH, y un algoritmo con este exponente no tiene uso práctico contra ellas.

El cambio más grande es otro: si se valida, sería la primera vez que un modelo de IA refuta por su cuenta una conjetura central de la teoría de la computación, con una prueba que una máquina puede verificar.

Lectura para tu empresa: no cambia nada en tu software este trimestre. Lo que sí cambia es cómo se evalúa a la IA: el método de OpenAI (modelo que genera la prueba + verificador formal + revisión humana independiente) es el mismo patrón que conviene exigir a cualquier agente que tome decisiones críticas. Una salida de IA vale lo que vale su verificación, no lo que promete el anuncio.

Fuentes: paper «The Exponential Time Hypothesis is False» (OpenAI, 17 de octubre de 2026, revisado el 25 de octubre), The Next Web y StudyFinds (27-28 de octubre de 2026). Resultado sin revisión por pares.

Carlos Montiel
Arquitecto de Soluciones IA Empresarial
Especialista en LLMs, Agentes y Orquestación
guatemalia.com/#contacto · info@guatemalia.com

¿Necesitas implementar IA en tu empresa?

Carlos Montiel es arquitecto de soluciones IA empresarial. Implementa LLMs, Agentes, RAG y orquestadores en empresas de Guatemala y Latinoamérica. Contáctalo para una consultoría.

Contactar a Carlos Montiel

info@guatemalia.com