Which Millennium Prize Problem will AI solve next?

Según los datos más recientes del mercado de predicción para la consulta “Which Millennium Prize Problem will AI solve next?”, los operadores han formado un fuerte consenso.

Actualmente, No solution by Dec 31, 2027 domina el mercado con una abrumadora probabilidad de victoria del 37,5%. Hodge Conjecture le sigue en segundo lugar con 24,5%, mientras que Yang-Mills se sitúa tercero con 21%. El volumen de apuestas de este mercado ya alcanza $311,1K, lo que refleja un enorme interés.

Para evaluar mejor la posición de cada resultado posible, el mercado puede segmentarse en tres niveles de negociación según la probabilidad implícita y el precio de los contratos:

🥇 Nivel 1: El líder dominante

• No solution by Dec 31, 2027 (37,5%): Con la probabilidad más alta, No solution by Dec 31, 2027 cuenta con un fuerte respaldo del libro de órdenes. Quienes quieran apostar por este resultado se enfrentan a un precio de contrato “Buy Yes” de 38¢, señal de una gran convicción del mercado. Solo este contrato ha generado $105.8K de volumen.

🥈 Nivel 2: Los principales aspirantes

• Hodge Conjecture (24,5%): Como la alternativa más viable, Hodge Conjecture mantiene una probabilidad del 24,5% de resolverse a favor. Sus acciones “Buy Yes” cotizan actualmente a 25¢.
• Yang-Mills (21%): En tercer lugar con una probabilidad del 21%, el mercado muestra un escepticismo prudente hacia Yang-Mills, tratándolo como un comodín externo salvo que cambie el impulso.

🥉 Nivel 3: Las opciones de cola larga (suman ~17%)

Más allá de las tres primeras opciones, se sigue un amplio campo de variables macro y resultados poco probables. Aunque sus probabilidades individuales son bajas, son coberturas clave para los operadores especulativos:

• Opciones alternativas: Esto incluye Birch and Swinnerton-Dyer (11,5%), Riemann Hypothesis (2,8%) y P versus NP (1,3%).
• Volumen especulativo: A pesar de su baja probabilidad estadística, ciertos contratos de cola larga como Birch and Swinnerton-Dyer siguen atrayendo un interés notable.

This market will resolve according to the first qualifying Millennium Prize Problem for which an eligible AI lab announces a solution by December 31, 2027, 11:59 PM ET.

If no eligible AI lab announces a solution to a qualifying problem by December 31, 2027, 11:59 PM ET, this market will resolve to "No solution by Dec 31, 2027". If solutions to two or more qualifying problems are announced on the same calendar day (ET), this market will resolve to the problem whose name, as listed below, comes first in alphabetical order.

The qualifying problems are, in alphabetical order, the Birch and Swinnerton-Dyer Conjecture, the Hodge Conjecture, P versus NP, the Riemann Hypothesis, and the Yang-Mills existence and mass gap problem (https://www.claymath.org/millennium-problems/). Announcements concerning the Navier-Stokes existence and smoothness problem will not qualify.

A qualifying announcement must be made by an eligible AI lab or an official representative of the lab, and must express that the problem has been solved; announcements of partial results or progress toward a solution will not qualify. The announcement must present the solution as the work of the lab, its researchers, or its models, alone or jointly with outside researchers. An announcement that only credits or congratulates outside researchers, including researchers who used the lab's models, compute, or research credits, will not qualify. No further confirmation from Clay Math Institute or any other organization is required.

The eligible AI labs are Anthropic, Google, SpaceXAI, Alibaba, OpenAI, Baidu, Z.ai, Xiaomi, Moonshot, Meta, Nvidia, DeepSeek, MiniMax, Meituan, Amazon, ByteDance, Mistral, Tencent, StepFun, Microsoft, Harmonic, Axiom Math, Math Inc, Safe Superintelligence, Thinking Machines Lab, Reflection AI, Periodic Labs, Apple, IBM, Huawei, Samsung, Oracle, Salesforce, Cohere, AI21 Labs, Reka, Sakana AI, Poolside, Magic, Perplexity, Anysphere, Kuaishou, SenseTime, iFlytek, Baichuan, and 01.AI, together with their subsidiaries and research divisions, and any other company with a model listed on the MMLU-pro leaderboard (https://huggingface.co/spaces/TIGER-Lab/MMLU-Pro) at the time of the announcement. Announcements by any other company, organization, or individual will not qualify.

The primary resolution source for this market will be official information from the eligible AI labs and/or their official representatives; however, a consensus of credible reporting may also be used.

Aunque el consenso humano y el volumen especulativo dan forma al mercado de predicción, nuestros algoritmos cuantitativos ofrecen una contraperspectiva basada en datos. Al analizar señales fundamentales, tendencias subyacentes y distribuciones históricas, nuestro modelo de Valoración por IA calcula una probabilidad de “Valor Justo” independiente para cada resultado.

Comparar este Valor Justo con el Valor de Mercado actual revela grandes discrepancias, conocidas como la Brecha de Valor Esperado (EV). Los contratos con una Brecha de EV positiva representan resultados infravalorados estadísticamente, mientras que una Brecha de EV negativa señala una posible sobrerreacción del mercado.

Principales Oportunidades de Alpha de IA y Arbitraje

Según la última ejecución del modelo de datos, varios contratos clave destacan con desviaciones significativas:

• El resultado más sobrevalorado: Yang-Mills cotiza actualmente a 21%, pero nuestra IA sitúa su Valor Justo en solo 10,2%. Esto crea una gran Brecha de EV negativa de -10,8%, lo que sugiere que la multitud podría estar sobrevalorando este resultado.
• La mejor jugada de valor (mayor EV): Nuestro modelo identifica a P versus NP como la mejor oportunidad de valor del tablero. Mientras el mercado solo le asigna una probabilidad del 1,3%, la evaluación de Valor Justo de nuestra IA se sitúa en 14,5%, generando una notable Brecha de EV de +13,2%.
• Caballos ganadores poco visibles: Otras discrepancias notables incluyen Birch and Swinnerton-Dyer (Brecha de EV: +4,4%) y Hodge Conjecture (Brecha de EV: +1,7%). Estas oportunidades de cola larga están muy infravaloradas por los libros de órdenes pese a un mayor respaldo estadístico de nuestro modelo.