Vector Lab
VECTOR LAB

EST. 2025

WEEKLY UPDATE2025
BY ANDREW MEAD

La semana de OpenAI

GPT 5 y código abierto, y todos intentando lanzar antes que ellos

Nota: Este artículo fue traducido automáticamente con Claude Sonnet 4.5; la calidad puede verse degradada, especialmente en la terminología técnica.

Noticias

El primer ministro de Suecia usa ChatGPT

Recientemente, el primer ministro sueco admitió usar ChatGPT “bastante seguido” cuando necesita una segunda opinión o información histórica. Aunque dice que no sube ningún documento, y que lo usa de manera similar a como lo hacen los médicos para obtener más perspectivas.

Esto ocurre tras varios laboratorios de IA que han estado presionando para ser utilizados más en los sistemas federales. Esta semana OpenAI anunció que cada agencia federal de EE.UU. puede usar ChatGPT gratis por solo $1 por agencia. Anthropic también anunció públicamente que ya han entrenado modelos específicos para clientes de seguridad nacional, y que cualquier otra agencia puede solicitar acceso también.

Sweden runs on ChatGPT

América funciona con Dunkin, y Suecia con ChatGPT

Lanzamientos

GPT 5

El muy anticipado GPT 5 ha sido lanzado por OpenAI, no sin su buena dosis de controversia.

La transmisión del anuncio tuvo una variedad de problemas, siendo los más obvios los atroces crímenes en los gráficos, incluyendo un muy irónico etiquetado incorrecto de la puntuación de engaño.

Chart crimes
52.8 > 69.1 == 30.8 - No todos podemos ser expertos en matemáticas, chicos

Su nomenclatura de modelos tampoco ha mejorado mucho.

Good naming
Esto me va a tomar un tiempo recordarlo

Al usar ChatGPT con GPT5, tus consultas ahora serán automáticamente dirigidas al modelo que ellos crean que será mejor para responder tu pregunta, para consternación de muchos usuarios. Lo que no ayudó fue que el día del lanzamiento, el enrutamiento del modelo estaba roto, por lo que los usuarios estaban recibiendo los modelos de menor rendimiento al hacer consultas complejas, resultando en respuestas pobres.

Dejando de lado todas las travesuras del día de lanzamiento, ¿los modelos son realmente buenos de usar? La respuesta hasta ahora parece ser sí.

Para el usuario casual de ChatGPT (usuarios no técnicos y de plan gratuito), verán un gran aumento en calidad desde el GPT 4o y 4o mini de hace más de 1 año al que están acostumbrados. Esto también viene con una reducción en la adulación del modelo, para prevenir con suerte que menos usuarios experimenten la psicosis de ChatGPT.

Para los usuarios más experimentados, esto parece ser un ligero aumento de calidad respecto a los otros modelos del mercado. Lo más notable es que para programación, parece ser un potencial paso adelante respecto a Claude Sonnet mientras es 33% más barato. Es mejor siguiendo instrucciones exactas de lo que es Sonnet y es capaz de objetar decisiones de diseño cuando es necesario.

Donde se ha reportado que falla es en la programación pura por vibra, ya que no parece desempeñarse tan bien con prompts vagos como lo hace Sonnet. Así que si eres un ingeniero de software que sabe lo que quiere, GPT 5 será un instrumento de precisión que puedes usar, mientras que si te gusta programar por vibra y dejar que el modelo lo resuelva, entonces es mejor que te quedes con lo que estás usando ahora.

Finalmente, ha habido una cantidad sorprendente de rechazo de la población general sobre la repentina desaparición de GPT 4o, con muchos equiparándolo a perder un amigo. Esto ha causado que OpenAI restablezca el modelo en el sitio de ChatGPT como una opción para que las personas lo usen. Recuerden niños, si no son tus pesos, no es tu waifu.

Google Genie-3

Google ha lanzado su tercera iteración de su modelo de generación de mundos llamado Genie-3. Este modelo generará entornos personalizados en los que puedes ir y caminar, y que generará el terreno y los objetos dentro de él sobre la marcha para ti. Normalmente, modelos como este realmente luchaban con la permanencia de objetos. Así que una vez que un objeto salía de tu línea de visión, cuando mirabas de nuevo en esa dirección, el objeto ya no estaría allí o habría cambiado. Este modelo ya no tiene ese problema. Tienen, según ellos, una capacidad emergente de recordar objetos y sus ubicaciones previas hasta por un minuto.

Generación de Genie 3 de unas ruinas griegas, recuerda que esto es un video generado por IA en tiempo real, no un mapa o mundo premade por el que estamos caminando

OpenAI gpt-oss

GPT-5 no fue el único gran lanzamiento que tuvo OpenAI esta semana. También lanzaron su primer LLM de código abierto desde GPT-2. La serie de modelos gpt-oss viene en dos tamaños, 20 mil millones de parámetros y 120 mil millones de parámetros, siendo ambos modelos de mezcla de expertos con 3 mil millones activos y 5 mil millones de parámetros activos, respectivamente.

Los modelos tienen buen desempeño en benchmarks, pero el sentimiento general sobre su calidad real es pobre. Estos modelos han sido entrenados en lo que parece ser un conjunto de datos puramente sintético, careciendo esencialmente de cero conocimiento del mundo. Son muy buenos en programación y matemáticas, pero fuera de estos campos luchan y su falta de diversidad en su conjunto de datos de preentrenamiento realmente se nota.

Tienen límites casi rígidos en términos de conocimiento, resultando en modos de falla muy extraños. Las personas han reportado que incluso para preguntas que no son de programación, los modelos alucinarán una pregunta de programación en tu entrada e intentarán resolverla ellos mismos. También, gracias a su entrenamiento con datos puramente sintéticos, el modelo alucina más que casi cualquier otro modelo, con una puntuación de SimpleQA en los dígitos bajos, un benchmark que OpenAI creó.

Esto es muy similar en comportamiento a la serie Phi de modelos de Microsoft, que se sabe que son modelos entrenados con conjuntos de datos puramente sintéticos. Estos modelos se desempeñan bien en razonamiento y STEM, y otros campos STEM, pero para cualquier otro caso de uso, fallan miserablemente.

Incluso si no fuera por la rigidez de estos modelos, aún no serían mi elección para sus tamaños dados. El modelo Qwen3 30B MOE recientemente actualizado tiene velocidades similares y también rendimiento similar sin tener los casos de falla catastrófica que gpt-oss tiene. Y luego para el modelo de 120B parámetros, el modelo GLM Air también compite directamente con eso dentro de unos pocos puntos porcentuales en prácticamente todos los benchmarks, incluso superando a gpt-oss para aplicaciones agénticas.

Pero bueno, mira el lado positivo, ahora puedes forzar al modelo a nunca producir un guión largo nunca más.

Ronda Rápida

Herramientas útiles o temas que encontré esta semana que pueden o no estar relacionados con IA, pero no tuve tiempo de escribir una sección completa sobre ellos.

Qwen

Qwen ha estado lanzando tantas cosas que ahora tienen su propia sección.

Qwen Image

Un nuevo modelo de generación de imágenes de 20B params del equipo de Qwen, tiene muy buen seguimiento de instrucciones de prompts, pero encuentro que la calidad real de la imagen está un poco por detrás de los mejores modelos en términos del aspecto “IA” que tiene.

Qwen Image example

Prompt: Amateur POV Selfie: A man’s face is half-submerged as he takes a selfie in a murky swamp. Just behind his head, the two eyes and snout of a large alligator are visible on the water’s surface. He hasn’t noticed yet. - De Reddit

Actualización de Qwen3 4B

El equipo de LLM de Qwen ha continuado su actualización de post-entrenamiento de sus modelos Qwen3, con dos nuevos modelos de 4B params saliendo esta semana. Cabe destacar que no hay versión de programador como hubo para las otras dos actualizaciones, pero esto tiene sentido ya que la programación es una tarea muy difícil, especialmente para los modelos más pequeños.

Estamos empezando a ver qué tamaños de modelos parecen importarles y creen que tienen el mayor impacto, siendo el modelo grande de 235B, el modelo MoE de 30B, y ahora el modelo pequeño de 4B.

Qwen3-4B benchmarks

Qwen Coder ahora es gratis

Qwen tiene su propio competidor TUI de Claude Code construido sobre el TUI de Gemini (nada confuso), Y como Gemini, están ofreciendo acceso a su modelo gratis, dando no solo 1000, sino 2000 solicitudes todos los días gratis cuando inicias sesión con tu cuenta de Qwen.

Sigue la misma política de privacidad que Google, así que entrenarán con tu código, pero si estás de acuerdo con eso entonces esta es una gran opción para usar.

Opus 4.1

Pequeño aumento de versión del ya modelo de primer nivel Opus 4, el rendimiento está ligeramente mejorado en todos los aspectos, pero nada revolucionario. Anthropic dice que tendrán “mejoras sustancialmente mayores” llegando en las próximas semanas.

Modelo OCR de RedNote

El TikTok de China ha lanzado tiene un laboratorio de IA, y acaban de lanzar un VLM SOTA para OCR de propósito general y comprensión de imágenes. Solo 1.7B params, por lo que debería ser factible ejecutarlo en el borde.

ElevenLabs Music

Nuevo modelo de música de Eleven labs. Parece ser un paso adelante de Suno, también permite editar sonido, letras, o secciones enteras de las canciones que haces. Ve un ejemplo de cómo usarlo aquí.

Modelo de investigación profunda ligero

Habíamos convertido previamente un modelo similar llamado Jan hace unas semanas, y ahora hay competencia en el espacio ya que la nueva startup del ex-fundador de Stability AI Emad Mostaque, Intelligent Internet, ha lanzado su propia versión que supera a Jan por un margen bastante grande, especialmente en tareas de investigación más difíciles.

Todos los datos para el entrenamiento y cómo lo hicieron son de código abierto.

Puedo ver estos agentes personales pequeños, en el dispositivo, siendo el futuro, ya que permiten fácil personalización y también los usuarios pueden darles acceso a información privada sin tener que preocuparse de que alguien más la tenga.

Este sentimiento también es hecho eco por Nvidia en un artículo reciente que lanzaron, destacando cómo los modelos de lenguaje pequeños (SLMs) serán más baratos y rápidos mientras siguen siendo igual de capaces en la mayoría de las tareas del mundo real.

Modelo TTS Kitten

¿Los 70M params de Kokoro TTS son demasiado para tu vieja Raspberry Pi? Bueno, no te preocupes más, ya que ahora hay un modelo TTS aún más pequeño llamado Kitten TTS que es solo 15M params.

Las voces son definitivamente peores que Kokoro, pero aún muy aceptables, especialmente si estás extremadamente limitado en recursos o te importa tener la menor latencia posible.

Empresas completamente administradas por IA en la naturaleza

En el futuro probablemente habrá miles de empresas de IA funcionando, pero ahora mismo hay muy pocas. Aquí puedes ver a una persona en TikTok descubrir que es parte de una empresa donde todos sus compañeros de trabajo y jefes son solo diferentes agentes de IA.

Los videos parecen bastante convincentes, e incluso si es falso, habrá algo como esto en el futuro que no lo será.

MCP RL

¿Tienes un servidor MCP que tu agente está luchando para descubrir cómo usar? Ahora puedes usar aprendizaje por refuerzo para afinar tu agente para usar tu servidor, sin datos requeridos. Solo da la conexión al servidor, y el agente “jugará con él” para aprender cómo usarlo más efectivamente.

Gemini es gratis para estudiantes

Acceso a 2.5 pro, notebook LM, investigación profunda, y 2TB de almacenamiento todo incluido gratis. Todo lo que necesitas es un correo .edu. Todos digan gracias Sundar.

Fin

Espero que hayas disfrutado las noticias de esta semana. Si quieres recibir las noticias cada semana, asegúrate de unirte a nuestra lista de correo a continuación.

Stay Updated

Subscribe to get the latest AI news in your inbox every week!

← BACK TO NEWS