Preguntas respondidas con evidencia sellada.

No — a 3 de septiembre de 2026, ningún computador cuántico ha roto jamás una clave de Bitcoin: el récord medido de un ataque cuántico público a la criptografía de curva elíptica es una demo de 15 bits en disputa, contra las claves de 256 bits que Bitcoin usa. En papel el objetivo está más cerca que RSA-2048 — el plano de Google de marzo de 2026 estima menos de 500.000 qubits físicos y minutos por clave, en una máquina que nadie construyó — y entre aproximadamente 1,7 y 6,9 millones de BTC ya están detrás de claves públicas expuestas. Rosetta Q lee ambos relojes, con fuentes.

Estado a 2 de septiembre de 2026: nadie conoce el número final, porque no deja de caer. Las estimaciones de ingeniería publicadas para factorizar una clave RSA de 2048 bits bajaron de unos mil millones de qubits físicos (era 2012) a 20 millones (2019), a menos de 1 millón (2025), a un preprint de menos de 100.000 (febrero 2026) — una reducción de ~10.000× lograda enteramente en papel, sobre la misma física. Mientras tanto, el récord honesto de hardware para el algoritmo de Shor es factorizar 35, y cero claves RSA han sido rotas jamás por un computador cuántico. El número a vigilar no es ningún conteo de qubits puntual; es la pendiente de la curva — y los plazos de migración del NIST (deprecar después de 2030, prohibir después de 2035) se redactaron antes de las dos últimas caídas.

Estado a 2 de septiembre de 2026: ninguna empresa va sola adelante — cada vendor líder encabeza una carrera distinta. Google lidera en corrección de errores y ventaja en tarea sintética (Willow, 0,143% error/ciclo; Quantum Echoes ~13.000×). Quantinuum en ejecución con qubits lógicos (Helios, 98 físicos → 48 lógicos corregidos). IBM en ecosistema y su roadmap 2029 (200 lógicos). IonQ en un claim de 99,99% de fidelidad de 2 qubits (prototipo de lab). El número de qubits no los rankea, y la cuenta de ventajas útiles end-to-end medidas en un problema real es 0 para todos.

Comparten la palabra "cuántico" y poco más que le sirva a un comprador. Un annealer es un algoritmo fijo construido como máquina: relaja hacia estados de baja energía de un problema de Ising — 4.400+ qubits físicos a la venta hoy. Un computador de compuertas es una máquina programable que corre circuitos arbitrarios — Shor, Grover, química — con 100–1.121 qubits físicos. El teorema de equivalencia que se cita cubre a un primo idealizado del annealing, no al hardware que se vende. Ningún paradigma tiene ventaja end-to-end medida en un problema útil a septiembre 2026.

Como ciencia, medible y sí: los átomos neutros produjeron la demo de arquitectura tolerante a fallos más grande publicada a la fecha (448 átomos; Nature, nov 2025), el mejor ratio físico:lógico reportado en cualquier plataforma (≈4,7:1) y una hoja de ruta industrial de 50 autores con números duros (jul 2026). Como computación de la que comprar ventaja, todavía no: la velocidad por operación corre 100–1.000× detrás de las máquinas superconductoras, las máquinas insignia de qubits lógicos son ventas y roadmaps —no mediciones— y las victorias end-to-end medidas en problemas útiles siguen en cero, igual que en todas las arquitecturas.

QRAM (memoria cuántica de acceso aleatorio) es el dispositivo que le permitiría a un computador cuántico leer datos clásicos en superposición — el supuesto de hardware no declarado detrás de la mayoría de los speedups exponenciales reclamados sobre datasets clásicos. Sin él, cargar N números cuesta unas N operaciones, lo que aplana esos speedups antes de empezar. Estado en agosto 2026: la primera QRAM bucket-brigade experimental se publicó en junio 2026 — 8 celdas de memoria a 60% de fidelidad — mientras el survey de referencia (Quantum, dic 2025) sostiene que una QRAM pasiva barata y escalable es improbable con las propuestas existentes. No existe QRAM a escala útil. Estado a: agosto 2026.

Un qubit lógico es un qubit confiable ensamblado a partir de muchos qubits físicos poco confiables mediante corrección de errores cuántica. El ratio físico:lógico es la tasa de cambio que convierte los conteos de qubits que anuncian los vendors en los qubits lógicos que los algoritmos realmente consumen. Los ratios medidos en 2024–2025 van de 2:1 (Quantinuum Helios, en un benchmark de preparación de estado) a 101:1 (Google Willow, un qubit de memoria); los roadmaps asumen de 25:1 a 100:1 a objetivos mucho más duros. Un ratio citado sin su objetivo de error es un número sin unidades. A agosto de 2026, ninguna máquina ha corrido un algoritmo útil de punta a punta sobre qubits lógicos.

Ni refutado ni intacto. El 13 de agosto de 2026 — día 14 del claim — Manabe, Gu & Pan computaron amplitudes exactas de los 2.051 lotes de bitstrings publicados por IBM en 37,3 minutos sobre 256 GPUs, y en vez de tumbar el experimento, confirmaron independientemente su cota de fidelidad (log-XEB 0,35 vs. el ≥0,284 certificado). Lo que se debilitó es la mitad de dureza: la geometría cuasi-1D de la instancia admite computar amplitudes barato, y el tensor más grande salió 256× por debajo de la estimación de IBM. La tarea de muestreo en sí no ha sido reproducida clásicamente. Estado a 2026-08-28: en pie, más angosto.

Un advantaged solve es una instancia de problema donde una receta cuántica le ganó de forma medible al baseline clásico más fuerte que su usuario pudo desplegar — misma instancia, mismo presupuesto, medido, fechado y re-corrible. Es una unidad de evidencia, no de facturación, e igual de honesta cuando cuenta cero. A agosto de 2026, hay cero advantaged solves verificados en el ledger de Rosetta Q — incluidas sus propias corridas.

Un titular de "ventaja cuántica" se puede leer en unos diez minutos, sin ser experto, haciendo cinco preguntas en un orden fijo: ¿la tarea es útil o sintética?; ¿el rival clásico más fuerte corrió la misma instancia con presupuesto parejo?; ¿hay artefactos re-corribles publicados?; ¿la cota de error es cuantitativa o heurística?; y ¿cuánto lleva el claim sobreviviendo al contraataque clásico? La mayoría de los claims revertidos de la última década habría salido temprano de ese árbol. Los tres claims de IBM del 30 de julio de 2026 están abiertos — y la primera respuesta clásica a uno de ellos llegó 14 días después de publicado. Estado a: 25 de agosto de 2026.

No — todavía no, y la brecha se mide en órdenes de magnitud. A agosto de 2026, toda computación industrial de baterías con nombre en hardware cuántico es una demo de juguete de 4 a 12 qubits físicos ruidosos, mientras los costeos tolerantes a fallos publicados para moléculas de batería piden de cientos a unos 100.000 qubits lógicos — y la mejor demo publicada de corrección de errores produce exactamente 1 qubit lógico. Ventaja cuántica medida en algún material de batería: cero. El cuello de botella genuinamente cuántico es real pero más angosto que el marketing: para la mayoría de los materiales de batería, la DFT clásica con correcciones ya rinde en producción.

El algoritmo de Grover da una aceleración cuadrática probada para búsqueda no estructurada — del orden de √N consultas al oráculo en vez de N — y el techo también está probado: ningún algoritmo cuántico puede hacerlo mejor. No acelera buscar en tus datos almacenados (cargar N ítems cuesta del orden de N operaciones), no es una amenaza práctica para AES (NIST espera poca o ninguna ventaja), y la corrida mejor-que-clásica más grande publicada usó 5 qubits — un espacio de 32 ítems. Estado a: agosto 2026.

Química y ciencias de la vida, viajes y logística, y servicios financieros encabezan las encuestas de adopción de 2026 — pero lo que esas encuestas miden es gasto en anticipación, no valor en producción. A agosto de 2026: 300+ empresas trabajan con vendors cuánticos y un tercio gasta más de $10M al año (McKinsey QTM 2026); un 13% autodeclara algún uso en producción, sin criterio publicado (encuesta IQM/TQI); y el peldaño más alto de la escalera — producción con ventaja medida sobre un baseline clásico fuerte — está vacío en todas las industrias.

Un benchmark cuántico puede engañar sin que nadie mienta. Siete decisiones de diseño a nivel de protocolo — instancias cherry-picked, presupuestos de afinación desparejos, reportar el mejor de N, una métrica elegida después de los hechos, post-selección silenciosa, un rival clásico de la clase equivocada y simulación vendida como hardware — mueven el veredicto antes de que dispare un solo qubit. Cada reversión documentada de un benchmark en el registro público se remonta a al menos una de ellas. El arreglo es protocolo, no intención: fijar cada una de esas decisiones en público, antes de correr. Estado a: agosto 2026.

A agosto de 2026, el agregado más citado pone los compromisos públicos con lo cuántico en $56.700 millones (QED-C, abril 2026). Pero "compromiso" es una palabra elástica: ese total mezcla presupuestos plurianuales, autorizaciones que vencieron sin apropiación nueva, contratos de compra pública y estimaciones de terceros que nadie puede verificar. En el mismo período en que esos compromisos crecieron $12.700M, los gobiernos aportaron apenas el 3% del funding directo a startups (McKinsey, abril 2026). El número honesto siempre viene con tres etiquetas: jurisdicción, fecha y estado de desembolso.

Un Hamiltoniano, en el contexto de optimización, no es magia cuántica: es tu función de costo traducida al formato que las máquinas cuánticas minimizan — energía. La cadena es mecánica: problema de negocio → función de costo → QUBO → Ising → Hamiltoniano; la configuración de energía mínima deletrea la mejor solución. Dos notas al pie honestas: las restricciones se codifican como términos de penalización que pueden distorsionar el paisaje (un peso mal calibrado hace ganar a una respuesta inviable — lo mostramos en cuatro líneas de aritmética), y que todo problema NP pueda escribirse así (Lucas, 2014) no significa que una máquina cuántica lo resuelva mejor. Estado a: agosto 2026.

A agosto de 2026, la plata pide exactamente lo que el marketing omite. XPRIZE Quantum Applications ($5M, 7 finalistas) descartó equipos que no demostraron 'una ventaja sobre baselines clásicos fuertes'; el Q4Bio de Wellcome Leap pagó $2M por una corrida end-to-end en >50 qubits de hardware real — y no encontramos ganador anunciado de su premio de $5M por ventaja cuántica demostrada. Las bases de un premio son el documento de requisitos honesto de la industria: lo que exige un tercero que paga antes de llamar evidencia a algo.

A agosto de 2026 no existe un organismo económicamente independiente que corra todas las máquinas cuánticas bajo la misma regla — mismas instancias, mismo presupuesto, artefactos re-corribles, veredictos vivos. Ese ledger no existe porque cada actor del ecosistema tiene una razón racional para no mantenerlo; los intentos más cercanos (QBI de DARPA, Metriq, QOBLIB) cubren cada uno una parte del trabajo, y ninguno lo cubre entero.

No — no sobre datos clásicos, y QML es la clase donde el reloj retrocedió: los speedups exponenciales insignia cayeron a polinomial con la dequantización de 2018–2020, los benchmarks publicados encuentran a los modelos clásicos por delante, y no hay ninguna victoria QML end-to-end publicada contra un baseline clásico fuerte sobre datos clásicos a agosto 2026. La única ventaja de aprendizaje medida usa datos cuánticos: un experimento fotónico de 100 modos aprendió con ~11,8 órdenes de magnitud menos muestras (Science, sep 2025).

La mitigación de errores es post-procesamiento estadístico que le saca respuestas menos sesgadas a las máquinas cuánticas ruidosas de hoy — sin qubits extra, sin qubit lógico. Su precio es un multiplicador de disparos: 2,5× solo por entrar con debiasing en IonQ vía Braket, y un número de muestras que está matemáticamente probado que explota — superpolinomialmente, en el peor caso — a medida que el circuito crece (Quek et al., Nature Physics 2024). Es una táctica puente que se cobra por disparo, no un destino. Estado a: agosto 2026.

Las dos arquitecturas dominantes intercambian la misma física en direcciones opuestas. Los circuitos superconductores conmutan ~1.000× más rápido (compuertas de dos qubits en ~60 ns vs ~70 µs) y cuestan ~190× menos por disparo en la nube pública; los iones atrapados tienen el récord de fidelidad en máquinas de producción (~99,92% mediana de dos qubits), conectividad todos-con-todos y coherencia medida en segundos, no en microsegundos. Ningún eje del trade-off está resuelto — y ninguna clase ha demostrado ventaja end-to-end en un problema útil. Estado a agosto 2026.

Reproducibilidad radical significa publicar la unidad completa de re-ejecución — datos crudos, código completo, semillas aleatorias, la instancia exacta del problema y el presupuesto de cómputo — junta, para que cualquiera re-ejecute el benchmark y obtenga el mismo número sin pedir permiso. A agosto de 2026 es el estándar que separa un benchmark de una anécdota: cada reversión famosa de un claim de computación cuántica la ejecutó alguien re-corriendo artefactos públicos, no alguien re-leyendo el paper.

VQE (Variational Quantum Eigensolver) es un algoritmo híbrido cuántico-clásico que estima energías de estado base moleculares: un circuito parametrizado prepara un estado de prueba, el procesador mide su energía y un optimizador clásico cierra el lazo. A agosto 2026 el VQE de química más grande en hardware usó 12 qubits — y computó Hartree–Fock, trivial clásicamente; ninguna corrida VQE publicada le gana a los métodos clásicos fuertes (CCSD(T), DMRG) en la misma molécula. Ruido, barren plateaus y la cuenta de mediciones son los tres frenos medidos.

A agosto de 2026 la lista honesta es corta. Existe exactamente un teorema de ventaja sin supuesto alguno (circuitos poco profundos — una separación de profundidad constante, no una victoria de runtime). Unos pocos speedups están probados dentro de modelos de consulta restringidos, encabezados por el cuadrático de Grover, que es probadamente óptimo. Los exponenciales famosos — Shor ante todo — son condicionales: el runtime cuántico está probado, la dureza clásica es conjetura. De las 450+ entradas del Quantum Algorithm Zoo, la mayoría de los claims son asintóticos, condicionales o ya dequantizados. Ventaja MEDIDA end-to-end en un problema útil contra un baseline clásico fuerte: sigue en cero.

Un bit es uno de dos estados definidos. Un qubit son dos amplitudes complejas — y al medirlo obtienes de vuelta un bit ordinario, de forma probabilística. Una computadora cuántica NO prueba todas las respuestas en paralelo: coreografía amplitudes para que las respuestas incorrectas se cancelen (interferencia), y por eso solo algunas clases de problema obtienen aceleración. A agosto 2026, la máquina física es un chip a ~25 milikelvin o una fila de iones atrapados, y una 'corrida' significa ejecutar tu circuito miles de veces y leer un histograma.

No — a agosto 2026, ningún computador cuántico le ha ganado a un motor Monte Carlo clásico fuerte en una carga real de riesgo (VaR, CVaR, greeks) sobre la misma instancia. El speedup cuadrático de la estimación de amplitud cuántica es matemática real, probada en papel desde 2015. Pero las estimaciones de recursos publicadas ponen el cruce en ~8.000 qubits lógicos corriendo a decenas de MHz de reloj lógico — hardware que no existe — y un speedup cuadrático es exactamente el tipo que el sobrecosto de corrección de errores se come primero. Toda demo en hardware hasta hoy es de escala componente: 5 qubits para VaR, 3 para pricing de opciones, 64 para carga de datos.

A agosto de 2026, ninguna respuesta honesta a esta pregunta es una fecha. El timing lo fija la clase de problema que tienes, no la etiqueta de tu industria ni el calendario de ningún vendor. Tres de las cuatro clases mayores no tienen cruce medido; la única con plazo real es la criptografía, donde NIST ya agendó el retiro de los algoritmos de clave pública actuales — deprecados después de 2030, prohibidos después de 2035 — llegue el hardware cuando llegue. La postura racional no es una fecha: es una disciplina de monitoreo que cuesta casi nada.

A agosto de 2026 no existe un número único y neutral para comparar computadores cuánticos. Cada métrica-bandera fue definida por un vendor y premia su propia arquitectura: Quantum Volume (definida por IBM en 2019, retirada por IBM como su métrica-bandera en 2023, récord 2^25 de Quantinuum desde septiembre 2025), Algorithmic Qubits (definida por IonQ, en #AQ 64 desde septiembre 2025, disputada públicamente por Quantinuum en marzo 2024), y conteo de qubits y CLOPS (ambos liderados por IBM). Tres vendors sostienen cuatro coronas distintas bajo cuatro reglas distintas, y no existe conversión publicada entre ellas. Cada número único se lee como una elección de encuadre, no como un ranking.

La dequantización es cuando un speedup cuántico exponencial reclamado queda igualado — salvo factores polinomiales — por un algoritmo clásico con el mismo acceso a los datos. Desde el resultado de Ewin Tang en 2018, tumbó los claims exponenciales de los sistemas de recomendación cuánticos, la qPCA, el clustering de centroide más cercano, los sistemas lineales low-rank y los solvers de SDP/SVM low-rank. Shor, HHL sparse y la dinámica hamiltoniana siguen en pie: son BQP-completos o llevan décadas sin par clásico. Estado a: agosto 2026.

A agosto de 2026 se puede llegar a un go/no-go defendible sobre la mayoría de los candidatos a piloto cuántico antes de pagar un solo segundo de QPU. Primero se mide un baseline clásico fuerte (gratis); después se corre el candidato cuántico en un simulador sin ruido (≈$0 a $4,50/hora) — esa corrida es el mejor caso del candidato, porque el hardware real solo agrega ruido. El gasto en hardware ($80 a $8.000+ por experimento) es la última compuerta de un piloto, no la primera.

2025 fue año récord bajo cualquier conteo — $12.6B a startups de tecnología cuántica (McKinsey, 6,3× 2024) o $4.9B de VC privado (QED-C); los totales difieren porque difieren sus alcances. Lo que ninguna fuente publica es un split limpio hardware/software para 2025. Los proxies observables apuntan todos al mismo lado: las tres rondas más grandes del año — PsiQuantum $1B, Quantinuum $600M, IQM $300M+ — son de hardware; la ronda de software cuántico más grande de la historia (Classiq, mayo 2025) es de $110M, cerca de un noveno del cheque único de PsiQuantum.

No — no contra un ruteador clásico serio. A agosto de 2026, los solvers clásicos (OR-Tools, Hexaly, LKH) cierran ruteo capacitado de 1.000 clientes a menos del 1% del óptimo en cerca de un minuto. La instancia de ruteo de vehículos más grande jamás corrida en hardware cuántico de compuertas es de 3 nodos; una corrida de 4 nodos tardó más de 4 horas y devolvió una ruta inviable. La instancia más chica del benchmark estándar CVRPLIB necesita 5.305+ qubits lógicos solo para codificarse. Cada 'caso de logística' de recocido cuántico que reporta buenas rutas es híbrido — un solver clásico hace el ruteo. Ningún resultado le gana a un baseline clásico fuerte en la misma instancia.

QAOA (2014) es un algoritmo híbrido cuántico-clásico que aproxima soluciones de optimización combinatoria con un circuito corto y ajustable. A agosto de 2026 es un instrumento de investigación, no un optimizador de producción: ninguna corrida publicada de QAOA le gana a un solver clásico fuerte en la misma instancia a escala práctica, y la mejor evidencia a su favor es un estudio de escalamiento en simulación sin ruido donde el QAOA a secas queda detrás de la mejor heurística clásica (1,46^N vs 1,34^N).

Un benchmark cuántico no significa nada por sí solo: solo significa algo respecto del método clásico contra el que se mide. Pon del otro lado un baseline clásico débil, mal afinado o de la clase equivocada y el resultado cuántico 'gana' gratis: el punto de cruce se corre hacia el lado cuántico por construcción, no por física. Cada reclamo de 'ventaja cuántica' que se revirtió hasta hoy — la corrida de utilidad de IBM en 2023, el reclamo de vidrio de espín de D-Wave en 2025, una década de aceleraciones de ML cuántico — falló igual: apareció tarde un baseline clásico fuerte. Estado a julio de 2026.

El punto de cruce es el tamaño de problema N* en el que el mejor escalamiento asintótico de un método cuántico por fin supera al mejor método clásico — a pesar del enorme sobrecosto de factor constante de lo cuántico. Por debajo de N*, gana el clásico; por encima, gana el cuántico. Es el único número que decide si una aceleración es real o académica, y casi nadie lo publica con evidencia. Para unos pocos problemas está estimado en papel (factorizar RSA-2048: menos de un millón de qubits ruidosos, Gidney 2025; una simulación de espines con tolerancia a fallos de 100 sitios: ~2h cuántico vs ~100 años clásico, arXiv 2607.16116, julio 2026). Para los problemas de optimización que le importan a las empresas, no se ha medido ningún cruce — incluidas nuestras 20 corridas selladas de portafolios.

No como sugieren los titulares. A julio 2026 no se ha demostrado ventaja cuántica en drug discovery a escala útil. La contribución creíble de corto plazo es angosta — simular la estructura electrónica de moléculas fuertemente correlacionadas que los métodos clásicos aproximan mal — y aun eso corre dentro de un pipeline clásico liderado por AlphaFold y el docking industrial. Entra dinero ($12.6B a startups cuánticas en 2025), las demos son reales (un genoma viral codificado en hardware de IBM; simulaciones híbridas de complejos proteicos de más de 12,000 átomos), pero todavía no existe un benchmark head-to-head estandarizado contra las mejores herramientas clásicas. Probamos una tarea cercana nosotros mismos — 19 corridas selladas de ranking de sitios alostéricos — y bajo un nulo honesto, nada fue significativo.

Todavía no. A julio de 2026, los solvers clásicos como Gurobi y CP-SAT resuelven instancias realistas de selección de portafolio al óptimo probado en segundos, y ningún método cuántico ha mostrado una ventaja duradera sobre ellos a escala. Un benchmark grande de 2025 encontró que QAOA y el annealing cuántico no le ganan a Gurobi — no mejores que el muestreo aleatorio en varias instancias —, y nuestras 20 corridas selladas ponen al solver clásico en el óptimo probado todas las veces mientras QAOA quedó 25–48% lejos. La optimización de portafolios es una demo cuántica favorita porque mapea limpio a un QUBO, pero un mapeo limpio no es una ventaja.

Supremacía significa que un computador cuántico hace algo que uno clásico prácticamente no puede — en cualquier tarea, útil o no. Ventaja, en su sentido estricto, significa que le gana al mejor método clásico en una tarea que a alguien de verdad le importa. El campo intercambia las palabras todo el tiempo, y por eso cada reclamo de 'supremacía' con titular o fue acotado por un mejor algoritmo clásico, o resultó ser una demo de física sin uso comercial. A julio de 2026 nadie ha mostrado una ventaja duradera en un problema útil y relevante para la industria — que es justo la brecha que Rosetta mide.

A julio de 2026, correr un trabajo en una QPU pública es barato: una tarifa de $0,30 por tarea más un costo por disparo (shot) que va de $0,000425 (Rigetti) a $0,08 (IonQ Forte) en Amazon Braket. Pero un problema real no es un trabajo. Un ciclo variacional modesto de 100 iteraciones a 1.000 disparos cuesta unos $73 en el equipo más barato y unos $8.030 en el más caro — el mismo cómputo, ~110× de diferencia. El precio por disparo no es el costo por respuesta: la mitigación de errores multiplica los disparos, e IBM ($96/min) y Quantinuum cobran por tiempo de reloj o por créditos opacos, no por disparo.

Las predicciones de sitios alostéricos se puntúan preguntando si los residuos verdaderos rankean mejor que el azar — y ese 'azar' casi siempre se modela como residuos independientes sorteados al voleo. Pero un sitio alostérico real es UN bolsillo contiguo: sus residuos están correlacionados espacialmente, el n efectivo es mucho menor que el número de residuos, y toda prueba que suponga independencia infla la significancia. Construimos el nulo correcto — permutar bolsillos distales contiguos del mismo tamaño, 2.000 permutaciones — y lo aplicamos primero a nuestro propio método CTQW. Los z aparentes de hasta |4,64| colapsan a |z| < 1,2. Bajo el nulo honesto nada es significativo: ni nuestra caminata cuántica, ni difusión, ni GNM, ANM, betweenness o closeness, en ninguna de las tres dianas, con todos los p entre 0,15 y 0,85. La prueba pareada sobre la rejilla congelada de 18 configuraciones da cero celdas con p < 0,05 en las tres dianas. Sellado como EXP-0007-017. Publicamos el instrumento, no un puntaje — y el primer veredicto del instrumento va en contra nuestra.

Apuntamos el mismo protocolo Juez v1 a una nueva clase de problema — expansión de red de distribución, el track de E.ON. Sobre un feeder IEEE case14 estresado con congestión real, un QUBO build/no-build (alivio de congestión medido con flujo de potencia DC real) peleó QAOA p=2 vs OR-Tools CP-SAT. CP-SAT llegó al óptimo probado en ~0.3 s; QAOA quedó a 0.005–3.2% en 3 semillas. Veredicto: todavía no. El plan ganador, validado en flujo AC completo, redujo la sobrecarga real de líneas en 43.5%. Sellado como RQ-0033 / EXP-0033-001…003. Nada del protocolo cambió — solo el problema.

Doce runs sellados nuevos: 8 semillas ya en n=12 y n=16, y las primeras cuatro en n=20 (donde la optimización por gradientes chocó con un muro de memoria y el protocolo cambió a COBYLA sin gradientes — registrado en cada archivo). Brechas medias de QAOA: 48.2%±22.5 a n=12, 25.1%±11.1 a n=16, 41.1%±14.1 a n=20 — no monótono, sin tendencia limpia de tamaño. CP-SAT: óptimo probado en los 20 runs acumulados, pero su tiempo de prueba creció de 0.05 s (n=12) a ~29 s (n=20). Veredicto, en todos los tamaños: todavía no.

El Evidence Ledger ya tiene su primer veredicto real y medido. Receta RQ-0012 (optimización de portafolios, QAOA p=2 vs CP-SAT): TODAVÍA NO — el clásico alcanzó el óptimo exacto probado en los 20 runs sellados a n=12/16/20; sin punto de cruce observado, sin tendencia de tamaño defendible. Sellado como V-0012 (sha256:f510eff6…6636), respaldado por 20 archivos de runs en triple copia verificada. La entrada demo que reemplaza ya no está; el contador dice 1 veredicto publicado, con honestidad.

Cada run de Rosetta ejecuta una instancia dos veces: una en un algoritmo cuántico, otra en un solver clásico industrial, bajo presupuestos idénticos. Hoy el lado cuántico corre en simuladores de vector de estado (CPU, Linux en la nube); el clásico corre OR-Tools CP-SAT en la misma máquina. Las QPUs reales vía proveedores cloud entran a la escalera después — simular primero es una decisión metodológica deliberada, no una limitación que escondamos.

La migración de seguridad no es hipotética: NIST finalizó los estándares post-cuánticos (FIPS 203/204/205) en agosto 2024, CNSA 2.0 de la NSA exige PQC en nuevos sistemas de seguridad nacional desde 2027, y NIST IR 8547 depreca RSA-2048/ECC en 2030 y los elimina en 2035. Las encuestas de expertos ubican un computador cuántico criptográficamente relevante en una ventana central 2033–2037. La exposición 'harvest now, decrypt later' aplica a datos cifrados hoy. La ventaja en optimización — lo que nosotros medimos — es una pregunta separada y más difícil.

La inversión privada en quantum tuvo su pico en 2021, se contrajo ~40% hacia 2023, y después rompió todos los récords: $4.9B de VC en 2025 — más del doble de 2024 — anclados por la Serie E de $1B de PsiQuantum a valorización de $7B, la ronda privada más grande de la historia del campo. El capital sigue fuertemente concentrado en hardware; la porción de software es pequeña bajo cualquier conteo, aunque las fuentes discrepan en cuán pequeña. Esa discrepancia es en sí un hallazgo: el campo no tiene un estándar compartido para medir su propia plata.

Corrimos nuestra primera pelea real: QAOA (cuántico, simulado) vs OR-Tools CP-SAT (clásico) sobre la misma instancia de portafolio de 12 activos, mismo presupuesto de tiempo, semilla fija. CP-SAT llegó al óptimo exacto en 0.113 s; QAOA quedó a 42.8% en 45 s. Veredicto: todavía no — exactamente lo que la teoría predice a esta escala. El run quedó sellado con hash SHA-256 y archivado por triplicado. Esta es la entrada 001 del catálogo.

La misma pelea, instancia más grande: QAOA p=2 vs OR-Tools CP-SAT en un portafolio de 16 activos, mismo protocolo Juez v1, semilla 42. CP-SAT volvió a llegar al óptimo exacto (1.0 s); QAOA quedó a 20.7% en 97.5 s. Veredicto: todavía no. La brecha es menor que a 12 activos (42.8%) — y explícitamente NO llamamos a eso una tendencia: una semilla por tamaño no prueba nada. Sellado como EXP-0012-002.

Corrimos 3 semillas nuevas por tamaño. A n=12 la brecha de QAOA va de 23.4% a 53.7% (media ≈40.9%); a n=16, de 20.7% a 42.3% (media ≈28.8%). Los rangos se solapan: el aparente 'la brecha se achica con el tamaño' del run 002 no sobrevive la medición. CP-SAT llegó al óptimo probado en los 8 runs acumulados. Veredicto, todos: todavía no. Seis archivos sellados, EXP-0012-003 a -008.