Gemini y OpenAI logran nivel de oro en la Olimpiada Matemática

Google DeepMind ha anunciado que una versión avanzada de Gemini con Deep Think obtuvo 35 de 42 puntos en los problemas de la Olimpiada Internacional de Matemáticas (IMO) de 2025. Es una puntuación de oro, certificada mediante la evaluación de coordinadores de la propia competición.

OpenAI había comunicado pocos días antes que un modelo experimental de razonamiento alcanzó también 35 puntos y resolvió por completo cinco de los seis ejercicios. Las dos compañías sitúan así a sus sistemas al nivel de los mejores participantes humanos en la prueba matemática preuniversitaria más exigente del mundo.

Cinco problemas resueltos como un olímpico

La IMO reúne cada año a estudiantes de secundaria de decenas de países para enfrentarse a seis problemas de álgebra, geometría, teoría de números y combinatoria. Cada ejercicio vale siete puntos y los concursantes disponen de dos sesiones de cuatro horas y media para redactar demostraciones rigurosas.

Gemini Deep Think resolvió cinco problemas y sumó 35 puntos. La relevancia no está solo en la cifra: presentó sus respuestas en lenguaje natural, con demostraciones matemáticas que pudieron ser revisadas por correctores humanos. No se limitó, por tanto, a encontrar una respuesta numérica o a verificar un resultado previamente conocido.

Google DeepMind trabajó con la organización de la IMO para que las soluciones fueran evaluadas bajo el estándar de la competición. El sistema no participó oficialmente junto a las delegaciones nacionales, pero la corrección por coordinadores de la olimpiada da al resultado una validación externa poco habitual en los anuncios de capacidades de modelos de IA.

OpenAI, por su parte, afirmó que tres exmedallistas de la IMO calificaron de forma independiente sus soluciones y les asignaron 35 puntos conforme a los criterios de la competición. La empresa no detalló públicamente el modelo ni anunció una fecha de lanzamiento. Esa cautela importa: el resultado muestra una capacidad de investigación, no una herramienta que cualquier estudiante o empresa pueda usar ya.

Un salto muy rápido respecto a 2024

Hace un año, Google DeepMind presentó AlphaProof y una versión mejorada de AlphaGeometry. Juntos lograron 28 de 42 puntos en los problemas de la IMO de 2024, un resultado equivalente a una medalla de plata.

Aquel sistema necesitaba un enfoque mucho más especializado. AlphaProof traducía problemas a un lenguaje formal —una representación matemática con reglas estrictas que puede comprobar un ordenador— y buscaba demostraciones dentro de ese marco. AlphaGeometry se centraba en geometría. La intervención humana era necesaria para adaptar algunos enunciados a esas herramientas.

El resultado de Gemini cambia la naturaleza de la demostración. Un modelo de lenguaje puede leer el enunciado, explorar estrategias y explicar la prueba en el formato que espera un matemático. Eso lo hace potencialmente más flexible que un sistema diseñado para una rama concreta, aunque no elimina la necesidad de verificar cada paso: una demostración convincente en apariencia puede contener un salto lógico inválido.

La coincidencia con el anuncio de OpenAI también revela hasta qué punto el razonamiento matemático se ha convertido en el nuevo campo de competencia entre los grandes laboratorios. Las matemáticas son una prueba especialmente valiosa porque permiten puntuar las respuestas con criterios claros y porque exigen planificación, abstracción y capacidad para sostener una cadena larga de inferencias.

Del concurso a la investigación científica

Un oro en la IMO no significa que un sistema haya resuelto problemas matemáticos abiertos ni que pueda sustituir a un investigador. Los ejercicios olímpicos son nuevos para los participantes, pero están diseñados para tener solución y para poder resolverse dentro del tiempo de examen con conocimientos preuniversitarios avanzados.

Aun así, el avance tiene consecuencias prácticas. En educación, estos modelos podrían ayudar a descomponer una demostración, detectar un paso erróneo o proponer distintas rutas hacia una solución. En investigación científica, la misma capacidad de explorar hipótesis y formalizar argumentos puede acelerar tareas muy concretas, desde el diseño de algoritmos hasta la verificación de cálculos complejos.

El siguiente examen será la reproducibilidad. Hará falta saber con qué frecuencia estos modelos mantienen ese nivel fuera de seis problemas seleccionados, cuánto razonamiento computacional requieren y cómo se comportan ante preguntas donde no existe una solución conocida. Por ahora, Google y OpenAI han demostrado que el listón de la olimpiada, que parecía distante para los modelos generativos hace apenas un año, ya no es una frontera humana exclusiva.