Carlos Santana retweeted
🚀 DeepSeek-V4.1-Flash-1017 is here!
Stronger benchmark performance, faster task completion, and shorter outputs than the previous version—a Pareto improvement in performance and cost. Now live on our website, app, and API.
🛠️ Optimized for @DeepSeekHarness, Tencent CodeBuddy, WorkBuddy, and more. Upgrade to DeepSeek Harness v0.2.1-rc.1 or later for the best experience with the new model.
1/4
Gemini 4 Argon from @Google on ARC-AGI (Verified):
- ARC-AGI-3: 97.5%, $4.8K (provider adapter harness), 49.8%, $5.8K (standard harness)
- ARC-AGI-2: 91.3%, $0.32/task
- ARC-AGI-1: 98.5%, $0.16/task
Google DeepMind is the second frontier AI lab to score above 95% on ARC-AGI-3.
Carlos Santana retweeted
🔥 ¡NUEVO VÍDEO en el DOTCSV LAB! 🔥
El pasado martes vivimos uno de los días más importantes en la historia de las matemáticas, tras la publicación por OpenAI de 372 avances descubiertos por su futura IA
Algo que ha tenido un gran impacto y respuesta de la comunidad matemática
Carlos Santana retweeted
Recomiendo ver este video de Carlos. Su mirada e investigación nos ayudan a comprender el impacto que están teniendo los avances de la Inteligencia Artificial sobre las matemáticas y sus metodologías.
Carlos Santana retweeted
Carlos lleva tiempo siguiendo el avance de la aplicación de IA en matemáticas y su intuición de entoces se ha ido confirmando a una velocidad vertiginosa y a unos niveles increíbles.
Es muy interesante, no solo por las matemáticas en si mismas, sino por lo que implica en otros campos.
Carlos Santana retweeted
El mundo de las matemáticas está en shock. Como GM de ajedrez solo puedo decir: bienvenidos al club. Es como si hubiéramos pasado de Fritz 2 a Stockfish 19 en un solo día.
Quiero reflexionar un poco sobre el hito que hemos vivido en las últimas horas en el mundo de la IA y de las matemáticas.
Las primeras reacciones que recojo por parte de miembros de la comunidad matemática es shock, asombro, entusiamo de unos y amargura de otros, o todo a la vez.
Por suerte el golpe que OpenAI ha dado sobre la mesa publicando 372 resultados de gran calibre ha sido suficiente para dejar atrás el exceptisismo que en las últimas semanas se había manifestado ("...si lo han logrado es por fuerza bruta"; "...han plagiado el resultado del dataset"; "...sólo son contraejemplos", etc).
Un exceptisismo que en parte surge en un intento de encontrar explicaciones que nos satisfagan en pensar que seguimos viviendo en el marco de trabajo de siempre y en el que estamos cómodos. Porque la nueva realidad es chocante, muy chocante. Pero es real.
La IA se ha convertido de facto en el principal motor de investigación matemática de frontera. Y ni siquiera operando a escalas enormes de fuerza bruta. Indican que de media cada resultado ha dedicado el equivalente a 3 horas de trabajo de ChatGPT Pro Thinking, lo cuál es extremadamente poco!!
Este es un dato chocante porque venimos del gran titular de Navier-Stokes donde sabemos que OpenAI usó una cantidad muy superior de computación, lanzando un enjambre de 10.000 agentes concurrentes. Pero no dejo pasar el dato que le escuché recientemente al investigador Noam Brown quien en una entrevista comentó que él no creía que el resultado de NS viniera por méritos del sistema multiagente, sino realmente de que el modelo que están usando -el que ha usado aquí- es muy bueno en matemáticas.
3 horas de ChatGPT Pro para resolver problemas que a la humanidad y a las mentes más brillantes del planeta se le han estado atragantando durante décadas...
Obviamente ante este escenario empatizo con toda la comunidad matemática que de golpe (y muy rápido) se ha encontrado con modelos súper inteligentes que entra con toda la maquinaria a recoger los frutos del bosque que durante siglos llevan cultivando.
Es un shock y lo comprendo. Tanto a nivel profesional como a nivel emocional.
Esta es una historia que se ha venido repitiendo con cada avance de la IA en diferentes ámbitos (arte, programación, ahora matemáticas) y que se acaba asimilando y aceptando como una nueva normalidad incluso antes de lo que podáis imaginaros ahora. Si algo caracteriza al humano es su rápida adaptabilidad.
Pero sí recomiendo no enmarcar esto como algo que se pueda evitar o parar. Aunque no lo parezca, que la decisión de OpenAI haya sido la de publicar estos avances en abierto es el mejor escenario en el que nos podríamos encontrar de todos los posibles -y ojalá siga ocurriendo así.
Que la IA puede resolver problemas matemáticos ya es un hecho que no se va a deshacer. No se va a desinventar. No hay un CTRL+Z con el que todos podamos fingir demencia y vivir como si esto no fuera posible.
Siendo así, da igual si OpenAI hace esto porque sea buen marketing o porque sus trabajadores son también apasionados de la ciencia que quieren mover rápido la frontera (ambas son correctas). Da igual cuánto rechazo pueda haber de la comunidad científica o cuántas cartas abiertas se firmen. La realidad es la que es. Y no será sólo OpenAI quien en los próximos meses canjee computación por nuevos avances sino cualquier organización (privada o pública) con acceso a estos modelos y computación suficiente.
Habrá muchas de ellas que no hagan el acto altruista de compartilo al público. De hecho, ni siquiera sabemos si OpenAI ha hecho ese acto altruista y se han guardado para ellos los resultados clave para impulsar su investigación.
No lo sabemos y esa es la realidad en la que estamos ahora. No perdamos fuerza en debates y conversaciones para intentar para un tren que ya pasó, y acomodaos ante la nueva realidad en la que estamos.
Desde un punto de vista utilitarista, muchos de estos avances se van a traducir en mejoras prácticas aplicable a muchas ramas de la ciencia y la ingienería, mientras que los modelos tras estos descubrimientos no dejarán en el corto plazo de mejorar.
Hoy han sido 376 problemas de los 4000 evaluados por OpenAI (~10%) y seguramente dentro de un año de esa lista queden pocos o ningunos... el potencial transformador que todo esto va a tener en nuestra sociedad va a ser enorme.
Si eres de los que firmemente creen que la ciencia y la tecnología han sido el principal motor de transformación y mejora de nuestras sociedades, disfruta el viaje, porque va a ser intenso.
Y empatizando con quienes viven esto desde el shock mucho ánimo. Ya nos avisó el bueno de Ilya.
Carlos Santana retweeted
🔴 ¡OPENAI LIBERA AVANCES EN MATEMÁTICA!
Por fin OpenAI ha publicado los cientos de resultados de problemas matemáticos que llevaba estas últimas semanas guardando bajo llave.
Son 372 resultados que han publicado en un repositorio de Github y que cubre avances en muchísimas ramas de las matemáticas.
Recordemos, todos estos resultados se han conseguido por su futuro modelo durante el último mes, lo cuál es una barbaridad!
Dicen que usarán el nuevo repositorio de Github para continuar publicando avances según los vayan consiguiendo para así seguir avanzando la frontera del conocimiento.
Muchos resultados vienen acompañados con su formalización Lean, y otros no, así que de estos últimos avisan podrían contener errores.
Ahora quedan 722 manuscritos que la comunidad científica podrá escrutinar para valorar así qué tan relevantes son estos avances. Seguiremos informando.
Carlos Santana retweeted
We are entering a new era of discovery now:
openai.com/index/sharing-ai-…
Carlos Santana retweeted
Dicho esto, suenan los rumores de que OpenAI por fin podría publicar todo ese catálogo de 400 resultados!
Con el ojo muy puesto en esto 👀
Carlos Santana retweeted
Escuchar a @DotCSV fliparse por las capacidades a nivel de diseño y todo lo que eso implica te hace ver como aún los modelos irán mejorando en las distintas áreas
CLAUDE OPUS 5.5 es TODA UNA REVOLUCIÓN AUDIOVISUAL (...sorry Astra) youtu.be/j906Pf7n7Sg?si=8v-Z… a través de @YouTube
Lo de @DotCSV con Claude 5.5 🤯xitter.cf/DotCSV/status/21031696…
Carlos Santana retweeted
Asked Opus 5.5 to animate how object tracking works based on our blog post, but pixel art👾
This is Simple Online and Realtime Tracking (SORT), step by step. Every guess, overlap score and ID on screen comes from the real Trackers library running on this pixel pitch.
Sound on 🔊
Carlos Santana retweeted
Para que os hagáis una idea:
👉 PRECIO LUNA 5.6 (Julio 2026)
- 1 USD de entrada/6 USD de salida.
👉 PRECIO LUNA 6 (Sept. 2026)
- 0.1 USD de entrada/0.5 USD de salida.
Reducción del 90% en un par de meses 🤯
Carlos Santana retweeted
> AI can’t do any mathematics
> (makes some simple symbolic calculations)
> but can’t solve problems
> (solves IMO problems)
> but can’t prove any original results
> (improves some bounds in optimization problems)
> but can’t prove real preexisting conjectures
> (solves Erdös conjectures and other combinatorial long-standing problems)
> Combinatorics doesn’t count. Brute force etc.
> (solves Millennium prize)
> but the proofs are ugly and unintelligible
> (finds short, simple proofs)
In the future, expect “AI explainers”, “AI theory simplifiers”, “AI theory builders”, “AI theory appliers to real world”, etc. All of it, with a paper output >100x the current one.
It’s a vast world out there. At any horizon, there is more work than ever for creative human mathematicians. Just not most *current* mathematicians.
Don’t try to solve for the new equilibrium in a week, or to steer to one you like. There’s no equilibrium for now, and when it comes, it will find itself.
Solution to Komlós conjecture was announced recently:
arxiv.org/pdf/2609.11189
I have not read the proof yet, but will do so when I have some time. Meanwhile, I want to briefly mention an implication for neural networks that does not seem to be discussed in the paper.
Neural networks repeatedly perform matrix multiplications, in particular products Wx, where W can be an astronomically large matrix of weights w_ij and x is a vector of activations.
Storing and moving high-precision weights and performing these multiplications require memory, time and energy. One therefore wants to round the weights to a grid hℤ, where h is a super small positive number, while keeping the outputs approximately unchanged.
This is called quantization. Its connection with discrepancy theory and the Komlós conjecture was already discussed by Lybrand and Saab:
arxiv.org/abs/2010.15979
For each weight w = w_ij, consider the two neighboring grid points:
h⌊w/h⌋ and h⌈w/h⌉ (floor and ceiling).
Can we coordinate these choices so that the outputs Wx remain almost unchanged across many inputs x simultaneously?
More precisely, fix inputs x⁽¹⁾, …, x⁽ᵐ⁾, and define
L = maxⱼ √(∑ₛ |xⱼ⁽ˢ⁾|²),
We seek a rounded weight matrix H such that
maxₛ ‖Hx⁽ˢ⁾ − Wx⁽ˢ⁾‖_∞ ≤ C h L,
where C is an absolute constant, independent of the dimensions, weights and inputs.
There are two questions:
1. Does such a rounding exist?
2. what is the reasonable in time algorithm doing this?
If the announced proof is correct, the answer to the first question is yes, with C = 3√(2π).
The paper does not provide a polynomial-time algorithm achieving this guarantee.
P.S. This controls computations Wx on specified inputs x. It does not by itself guarantee accuracy on unseen prompts or control accumulated errors throughout a transformer. It establishes that simultaneous output preservation at lower precision is possible under the stated bound.



























