¡La última batalla de Altman! Entrega de AGI en 4 meses
Informe de Nueva Inteligencia
Informe de Nueva Inteligencia
Ya hay quienes afirman haber logrado la AGI.
Justo este miércoles, en la llamada de resultados financieros, Huang largó una frase demoledora:
Para muchas tareas, podemos decir que ya logramos la AGI.
Ese mismo día, se publicó una extensa entrevista de dos horas con Altman. Su predicción: finales del 2026.
Para Altman, estos 4 meses no son solo una carrera técnica. Antes de salir a bolsa el año que viene, primero tiene que jugar la carta de la AGI.
Si no lo logra, cuando suene la campana, ya tendrá por delante a otro competidor que salió antes, que vale el doble y que además está generando ganancias.
Esta batalla, OpenAI no tiene margen de retroceso.
En esa llamada le preguntaron qué opinión tenía sobre cómo empresas como OpenAI persiguen la AGI con tanto empeño.
La respuesta de Huang fue que ya no hay nada que debatir ahí. Toda la industria ni siquiera se puso de acuerdo en qué es realmente "inteligencia", mucho menos cómo medir la AGI.
Él tiene otra carta guardada.
La arquitectura AVO de Nvidia logró 100% de puntaje en el test ARC-AGI-3, específicamente diseñado para evaluar si los agentes inteligentes pueden trabajar de manera autónoma durante largos periodos.
Basado en ese éxito, lanzó una proyección ambiciosísima:
En un futuro cercano, Nvidia podría operar con apenas 40.000 personas, pero con 400.000 o incluso 4 millones de empleados digitales.
Como todos saben, la metodología de ARC-AGI-3 es bastante "poco ortodoxa".
El agente inteligente es arrojado a un juego desconocido, sin reglas ni objetivos claros. Solo debe experimentar, observar e inferir por su cuenta, limitado a una rejilla de 64×64 y algunos botones. Cada entorno tiene al menos seis niveles: el primero se resuelve en cinco pasos, el sexto requiere cincuenta.
A los humanos les cuesta; el modelo tampoco lo tuvo fácil.
La clave es esta: el modelo detrás de AVO es Claude Opus 5.
Y Nvidia solo le puso una envoltura. No tocó ni un solo parámetro, pero el puntaje saltó de 30,16% al 100%.
Dos elementos fueron realmente los decisivos:
Primero, la memoria persistente. Cuando se supera el límite del contexto, los recuerdos no se borran, así que el agente sigue desde donde quedó, sin tropezar dos veces con la misma piedra.
Segundo, el supervisor. No trabaja directamente, solo observa todo el recorrido; si detecta un estancamiento, redirige al agente principal a una nueva estrategia.
Pero estrictamente hablando, ese puntaje perfecto no cuenta del todo.
Tres horas después del anuncio de Nvidia, François Chollet, padre de ARC-AGI, tuiteó:
Sacar 100% en el set público de pruebas no es lo mismo que lograrlo en el benchmark real de ARC-AGI-3. Es como completar el tutorial en un videojuego y decir que ya lo terminaste.
Según las reglas de ARC Prize, el set público no está pensado para calificar oficialmente; lo que importa son los conjuntos semiprivados y privados, y esos datos no figuran en el informe de AVO.
Aún más curioso es que ya es el tercer resultado perfecto en seis semanas.
Tycho lo logró a fines de julio, VISTA el 5 de agosto y ahora AVO. Las tres soluciones son distintas, pero todos usan Claude Opus 5 como base.
Cada vez más gente proclama haber alcanzado la AGI, pero al final parece que solo dos empresas realmente tienen la capacidad de construirla.
Y esa carta aún no la ha jugado nadie realmente.
En la entrevista, Altman se mostró sumamente confiado:
Para fin de año, dentro de OpenAI veremos surgir un sistema que él mismo llamaría AGI.
El jefe de investigación Mark Chen es algo más cauteloso. Según él, OpenAI aún está a un 20% de lograr la AGI.
Parece una afirmación osada, pero tienen con qué respaldarse.
Este año, OpenAI se puso un objetivo clarísimo: crear un practicante de investigación AI totalmente autónomo y funcional.
Ese "practicante automatizado de IA" es Astra.
Le das a Astra una idea de experimento y puede programar, ejecutar pruebas y devolver resultados usando el propio repositorio de código de OpenAI.
Si le das un paper, Astra puede completar el equivalente a una semana de trabajo de un investigador humano top.
En una reciente demo interna, altos cargos de varios grandes clientes lo vieron en vivo.
En pantalla, 16 agentes AI desglosaron un complejo problema matemático en múltiples subproblemas.
Cada uno tomó una parte, se cruzaron resultados y, al final, armaron una demostración completa.
Era como ver a un equipo humano ultra coordinado resolviendo un problema a puertas cerradas.
La segunda demo fue aún más impactante.
Astra navegó ágilmente entre múltiples aplicaciones de escritorio, creando archivos, modificando información y gestionando tareas, a una velocidad que ni parece humana tecleando.
Todos los presentes coincidieron: Astra por fin logró la "agencia persistente".
Y Altman fue aún más lejos: "Espero que este sea el primer modelo que realmente invente algo nuevo e importante. Eso sí es ser AGI".
Atención al uso de "inventar algo nuevo": se refiere a crear algo inédito, hasta ahora desconocido por la humanidad.
Recientemente, el primer chip propio de OpenAI, el "Jalapeño" (Jalapeño), superó ampliamente a la GPU insignia de Huang.
El principal artífice detrás fue GPT-Astra.
Se encargó de todo, desde el diseño del circuito hasta el software.
En hardware, optimizó la circuitería base. En software, escribió y mejoró el kernel central, ajustando además los tres principales modelos open-source.
El resultado: el multiplicador BF16 mejoró en un 56% y la unidad matricial disminuyó su tamaño en un 10%.
Los módulos "mecanismo de atención" y "MoE" funcionan entre 1,5 y 1,8 veces más rápido que los códigos escritos a mano por expertos humanos.
Estamos hablando de una IA optimizando directamente circuitos físicos.
Curiosamente, Nvidia está haciendo lo mismo.
AVO nunca se pensó para jugar; su función principal es escribir el código de bajo nivel para GPUs.
En marzo de este año, Nvidia publicó un paper donde la innovación es delegar por completo la tarea de "mejorar el código" a un agente autónomo.
En pruebas, funcionó 7 días seguidos sin intervención humana, explorando más de 500 optimizaciones y entregando 40 kernels efectivos.
El código generado fue 3,5% más veloz que el software propietario de Nvidia, y 10,5% más rápido que la mejor alternativa open-source del mercado.
Ahora, mirando ambas tendencias juntas, la frase de Altman cobra sentido.
Cada nueva versión de modelo consume ingentes horas de investigación humana. Pero si Astra empieza a automatizar ese ciclo, la velocidad de desarrollo cambiará radicalmente.
Una vez que se activa ese círculo virtuoso, lo único que importa es la velocidad.
En realidad, lo que podemos usar hoy, GPT-5.6 y Fable 5, son de la generación anterior.
Pero según filtraciones, ambos ya terminaron de entrenar a la próxima generación.
Spud (Sol): Preentrenado en marzo, corresponde a los actuales GPT-5.5 y 5.6 públicos;
Doug: Finalizado entre abril y mayo; sobre él se aplicó entrenamiento por refuerzo, dando origen a Astra, conocido externamente como GPT-6;
Bel: Terminó su preentrenamiento recién en agosto, con más de 10 billones de parámetros, similar al tamaño del antiguo GPT-4.5.
Según las filtraciones, internamente OpenAI considera a Bel como el "modelo base post-GPT-6", e incluso podría sentar la base para el primer modelo que supere el umbral de la AGI.
En Anthropic, el 18 de agosto, algunos notaron que cuentas seleccionadas en el sitio de Claude usando Fable 5 fueron cambiadas subrepticiamente a un nuevo modelo.
Es el protocolo habitual previo a lanzar: Fable 5 se empezó a liberar así.
Poco después se filtró el nombre en clave.
claude-melon-eap, supuestamente Fable 5.1;
claude-marshmallow-eap, supuestamente Opus 5.1.
Y según reportes, ambos ya están operativos a pequeña escala y listos para lanzarse universalmente.
¿Por qué nadie los publica? Según la opinión de los usuarios, quien lo saque primero será superado días después por el rival.
Especialmente considerando los rumores de que Anthropic tomaría la delantera para principios del 2027.
Eso delimita con precisión la ventana crítica de la batalla actual.
Quedan 4 meses del 2026.
Unos cálculos de analistas señalaron que Anthropic tiene un 88% de chances de salir a la bolsa antes que OpenAI, probablemente el 26 de octubre de este año; para OpenAI la fecha estimada es el 15 de julio del año siguiente.
Las previsiones de capitalización bursátil para el debut: Anthropic: 1,82 billones de dólares; OpenAI: 1,06 billones.
El CFO de OpenAI dijo en agosto que planean cotizar en 2027 o antes, siempre que el negocio "siga creciendo".
Así que el AGI de fin de año no es solo un hito técnico.
Será la página más crucial de su prospecto de salida a bolsa.
Si cumplen, el relato de OpenAI pasará de "gastamos para crear modelos" a "ya llegamos a la meta", cambiando por completo la lógica de valuación. Si no cumplen, cuando suene la campana en julio, seguirán vendiendo la misma historia de inversión a pérdida.
Y esta batalla es ineludible por una razón clave: la mejora recursiva autónoma.
La frase de Huang —"40.000 personas dirigiendo 4 millones de AI Agents"— y la de OpenAI —"la IA ya crea la siguiente IA"— apuntan a lo mismo: en cuanto la IA tome control de la próxima generación de IA, el progreso será exponencial.
Por eso todos apuestan a que, en la carrera de la superinteligencia (ASI), el ganador se quedará con todo.
El primero que encienda ese círculo se llevará el resto. El segundo, quizás ni llegue a competir.
Altman ya no tiene a dónde volver atrás.
Edición: Moisés Durazno
Descargo de responsabilidad: El contenido de este artículo refleja únicamente la opinión del autor y no representa en modo alguno a la plataforma. Este artículo no se pretende servir de referencia para tomar decisiones de inversión.
También te puede gustar
¿Por qué un anillo de IA puede valer 16 mil millones de dólares?
¿Qué hará la Reserva Federal? ¡Walsh tiene la respuesta!
¿GTA 6 trae oportunidades de inversión!?
Precios de las criptos
Más
