Margaret Hamilton murió esta semana. Tenía 89 años. En 1969, cuando el Apolo 11 estaba por descender en el Mar de la Tranquilidad, el sistema de guiado se sobrecargó de alarmas y su código —el que ella había insistido en escribir con rutinas de recuperación— decidió ignorar el radar roto, darle prioridad al aterrizaje y salvar la misión. La frase "software engineering" la acuñó ella, medio en broma, para que los ingenieros de hardware le dieran el mismo respeto a su disciplina que a la suya. Sesenta años después, en el mismo día en que la lloramos, dos modelos de lenguaje lanzados el mismo jueves pidieron a los matemáticos que les creyeran, OpenAI retiró tres papers con errores y un blog de Stanford decretó la "Mathocalypse". Hay algo incómodo en esa coincidencia. Hamilton construyó software a prueba de fallos; hoy la industria construye modelos que no sabemos si fallan o alucinan, y le pedimos a la matemática que nos diga cuál de las dos cosas está pasando.
🧠 Claude Haiku 5.5 y GPT-6 salen el mismo día — la carrera de los modelos chicos se volvió una carrera de fondo
Anthropic lanzó Claude Haiku 5.5, 498 puntos en HN sin florituras: un modelo chico, rápido, barato, con la elegancia de siempre. OpenAI hizo lo suyo con GPT-6 y su "Intelligent UI for everyone", 677 puntos, con la ambición de turno: la interfaz ya no es un chat, es el sistema operativo entero. Los dos apuntan al mismo lugar desde ángulos opuestos —Haiku quiere ser el motor invisible de tu producto, GPT-6 quiere ser el producto— pero lo verdaderamente interesante es el timing. Es la primera vez en meses que ambos lanzan el mismo día, sin PR cruzado, sin filtraciones, como si se hubieran puesto de acuerdo para que el lunes no fuera de nadie.
Lo que no dice ningún titular es la parte incómoda: los modelos chicos son la última trinchera de la economía de la IA. El mercado no necesita otro GPT-4 con 10.000 GPUs de entrenamiento. Necesita algo que funcione en un celular, que cueste centavos por millón de tokens, que no le queme el presupuesto a una startup que todavía no tiene ingresos. Haiku 5.5 y GPT-6 son la apuesta de que la inteligencia se va a distribuir, no a concentrar. Y la apuesta tiene una letra chica: quién controla la infraestructura sigue siendo el dueño del juego, aunque el modelo sea gratis.
🔬 La matemática se cansó — Terence Tao, el "Mathocalypse" y los papers retirados
Dos eventos la misma semana. Terence Tao propuso en Mastodon que "Math 2.0" tiene que empezar a valorar el progreso matemático de forma más holística, no por papers publicados sino por comprensión acumulada, por desbloqueos de otros campos, por la salud de la comunidad. Casi al mismo tiempo, Scott Aaronson le puso nombre a lo que ya estaba pasando: la Mathocalypse. Y OpenAI, en el gesto más raro de la semana, retiró tres papers de matemática porque no resistían el escrutinio. No fue un escándalo. Fue un registro público, casi un mea culpa.
El dato no obvio: la matemática, que durante siglos funcionó como el sistema inmune de la ciencia —si algo no resiste la prueba, no es verdad—, hoy es el frente donde se está librando la batalla de credibilidad de la IA. Cuando un modelo genera teoremas que un humano tarda meses en verificar, ¿quién valida? ¿El promedio de la comunidad? ¿El benchmark? ¿El journal que acepta el paper con revision "de IA"? Tao y Aaronson están avisando que la infraestructura de verificación heredada del siglo XX no aguanta el volumen. Y si no aguanta para la matemática, mucho menos para el resto.
🗺️ Rosalind Franklin no falló — el chivo expiatorio perfecto
Un paper de Science esta semana corrige el mito que se enseña en secundaria: Rosalind Franklin no "no vio" la doble hélice en su famosa Foto 51. La vio, la describió, la anotó, y la comunidad decidió contarlo al revés durante setenta años. El detalle es irrelevante para la biología y central para la historia de la ciencia: cuando la contribución de una mujer no cabe en la narrativa oficial, se reescribe su biografía antes que su hallazgo.
Vale la pena leerlo junto a los dos artículos anteriores. Hay un patrón: los sistemas de crédito colectivo —el de la matemática, el de la historia de la ciencia— tienen sesgos estructurales que se acumulan silenciosamente hasta que alguien con autoridad los desarma. La diferencia entre el mito de Franklin y la Mathocalypse es la velocidad: uno tardó 70 años en corregirse, la otra está pidiendo corrección en tiempo real. No sabemos si la segunda es mejor por eso, o solo más ruidosa.
🔧 Herramientas nuevas — jeroglíficos en la pantalla, demoscene en el navegador, matemáticas del paleolítico
Tres cosas del radar de hoy que merecen la pena. Bigwords.page (561 pts) hace lo que dice el título: escribís una URL y convertís cualquier pantalla en un cartel. La gracia es que la URL es la app — no hay backend, no hay cuenta, no hay build. Es la web como debía haber sido sin el modelo SaaS de las últimas dos décadas. Casi al mismo tiempo, Trey lors demoscene-recomp corre producciones clásicas de demoscene de PC en el navegador, nativo, sin emulador. La web moderna, por un rato, se acuerda de que puede ser una plataforma de ejecución y no solo un carrusel de suscripciones.
Y después está el hallazgo más lindo: Cleo, matemática griega del siglo I a.C., que aparece en HN con 181 puntos por razones que nadie explica. La entrada de Wikipedia no es nueva. La gente la votó porque el artículo, en su brevedad, hace un trabajo arqueológico que la Mathocalypse no puede: cuenta que hubo una matemática mujer, famosa en su tiempo, casi borrada por los copistas, y que su trabajo llegó hasta nosotros en fragmentos citados por otros. Los sistemas de crédito colectivo fallan siempre. La pregunta es si esta vez los vamos a arreglar antes de perder otra cosa.
📺 Cierre — Jonathan, la tortuga, y el tiempo del software
En algún lugar del Atlántico Sur vive Jonathan, una tortuga de 192 años que el otro día apareció en HN con 187 puntos porque un medio australiano la fotografió comiendo pasto. Es el animal terrestre más viejo del planeta. Nació en 1834, cuando la computación se hacía con reglas de cálculo y la palabra "software" no existía. Margaret Hamilton murió esta semana, y Jonathan sigue comiendo pasto, y la industria tech, mientras tanto, produce y deja obsoletos modelos de lenguaje cada tres meses como si fueran servilletas.
Pienso en la escena de "El nombre de la rosa", cuando Jorge de Burgos, el monje ciego, defiende con uñas y dientes la biblioteca cerrada, convencido de que ciertos libros no merecen ser leídos, y sin embargo pasa la vida custodiando el mismo saber que dice proteger. Esa es la tentación de la industria hoy: custodiar los modelos, marcar los benchmarks, controlar quién puede verificar, y llamar a eso "seguridad". La diferencia es que Jorge por lo menos había leído lo que se negaba a dejar leer. La gran pregunta de esta semana no es si los modelos son buenos en matemáticas —lo son, a veces— sino quién va a verificar cuando se equivoquen. Hamilton escribió software que se negaba a fallar. Lo mínimo que podemos pedir a los que vienen es que sepan decir, honestamente, cuándo no saben. El resto es humo.