En la conferencia «Recent advances in LLMs for mathematics», Sébastien Bubeck expone el salto desde la lógica básica de GPT-3.5 hasta el razonamiento de nivel de investigación en GPT-5. Los modelos han pasado de resolver problemas escolares de competición al 100% a abordar cuestiones abiertas, evolucionando desde respuestas directas hacia una compleja «cadena de pensamiento» interna.

El progreso se evidencia en áreas como la optimización convexa y la combinatoria. Los LLMs actuales son capaces de detectar vacíos en artículos científicos, mejorar límites matemáticos y hallar demostraciones inéditas más elegantes que las humanas. Tareas que requerirían meses de trabajo investigador se resuelven ahora en una tarde, empleando herramientas de aproximación avanzadas.

Pese al avance, el nivel actual equivale al de un estudiante de postgrado inicial y aún no alcanza la excelencia de las publicaciones más prestigiosas. Bubeck advierte sobre fallos en problemas de extrema complejidad y enfatiza que la pericia humana es hoy más crucial que nunca para validar resultados, orientar los modelos y profundizar en nuestra comprensión conceptual de la realidad.