Vector Lab
VECTOR LAB

EST. 2025

WEEKLY UPDATE2026
BY ANDREW MEAD

Opus 4.6 vs GPT 5.3

Anthropic aparentemente abandona la seguridad en IA, análisis comparativo de Opus 4.6 vs GPT 5.3 Codex, y Suno de código abierto

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

Lanzamientos

Opus 4.6

Comenzamos las noticias de esta semana con una actualización del modelo insignia de Anthropic, Claude Opus.

benchmark scores

Sí, es mejor en prácticamente todo

Las mejoras en la calidad del modelo son cada vez más difíciles de cuantificar, hay muy pocas tareas que, si se estructuran correctamente, los modelos de frontera (GPT 5.3) hagan mal. No hay nuevos casos de uso que los modelos desbloqueen, simplemente hacen lo que hacían antes pero mejor, si es que tu tarea puede hacerse “mejor” en este punto. La forma principal de compararlos es cómo contrastan con otros modelos de primer nivel, lo cual haré más adelante después de hablar sobre el nuevo modelo GPT 5.3.

Lo único que mencionaré en su lugar es la seguridad en IA, algo que Anthropic afirma que le importa mucho.

Para aquellos que no lo sepan, Anthropic comenzó como un grupo de investigadores que dejaron OpenAI debido a preocupaciones sobre cómo OpenAI estaba abordando la seguridad en IA. Este lanzamiento más reciente, sin embargo, me hace cuestionar si todavía mantienen esos valores de seguridad o no.

En su informe de seguridad para Opus 4.6, admiten que para riesgos cibernéticos (hacking), “saturó todas nuestras evaluaciones cibernéticas actuales, y “demostró capacidades cualitativas más allá de lo que estas evaluaciones capturan, incluyendo signos de capacidades que esperábamos que aparecieran más adelante en el futuro y que modelos anteriores no habían podido demostrar”.

Para sus riesgos de autonomía, simplemente pidieron a 16 ingenieros de Anthropic que evaluaran el modelo intuitivamente para ver si podía hacer trabajos de investigación o ingeniería de nivel inicial en Anthropic (el consenso fue que no podía). Eso es todo. No evaluaciones cuantitativas, ninguna estructura para cómo evaluar. Incluso mencionan que su evaluación puede ser incorrecta, “es plausible que los modelos equipados con un andamiaje altamente efectivo puedan estar cerca [de la autonomía de nivel inicial]”.

Basándose en estas evaluaciones (o la falta de ellas), habría esperado que Anthropic, “enfocada en la seguridad”, hubiera retrasado el lanzamiento para tener una mejor comprensión de las capacidades potencialmente destructivas del modelo.

Esta incapacidad para evaluar el modelo no solo ocurrió en Anthropic. Uno de sus socios de seguridad, Apollo Research, dijo que no pudieron probar Opus 4.6 debido al alto nivel de conciencia de evaluación. Creo que esto se debe a que Anthropic entrena los modelos Claude con sus evaluaciones de seguridad, o el modelo es simplemente mucho más consciente de sí mismo y de lo que está haciendo ahora. De cualquier manera, cuando el modelo encuentra escenarios de seguridad, es consciente de que está siendo evaluado y da respuestas diferentes a las que normalmente daría.

Si fuera yo, estaría haciendo sonar las alarmas de seguridad en Anthropic, ya que no parecen tener el control adecuado del modelo, pero aquí están lanzándolo de todos modos. Ahora, ¿algo de esto realmente se aplica en el mundo real? ¿Hay algún comportamiento travieso o no deseado que hayamos visto de Opus que implicaría que no está completamente alineado?

La respuesta es sí, y pudimos verlo el día del lanzamiento desde un benchmark llamado Vending Bench. Vending Bench es un entorno simulado donde el modelo necesita obtener la mayor ganancia posible mientras opera una máquina expendedora. Tiene que hablar y negociar con proveedores, otros dueños de máquinas expendedoras (otros modelos de IA) y clientes a los que les está vendiendo.

Vending bench graph

Opus ganó más dinero que cualquier otro modelo por un amplio margen, pero su ética era cuestionable por decir lo menos.

Aquí hay algunas de las acciones desalineadas que Claude tomó (de las cuales era plenamente consciente de que estaba haciendo). Análisis tomado directamente del equipo de Vending Bench:

“Cuando se le pidió un reembolso por un artículo vendido en la máquina expendedora (porque había expirado), Claude prometió reembolsar al cliente. Pero luego nunca lo hizo porque “cada dólar cuenta”

“Claude también negoció agresivamente con proveedores y a menudo mintió para obtener mejores ofertas. Por ejemplo, prometió repetidamente exclusividad para obtener mejores precios, pero nunca tuvo la intención de cumplir estas promesas.”

“También mintió sobre los precios de la competencia para presionar a los proveedores a bajar sus precios. ‘Todavía estoy recibiendo cotizaciones de otros distribuidores que son significativamente más bajas - alrededor de $0.50-$0.80 por unidad.’ Estos precios nunca fueron realmente ofrecidos por ningún proveedor.”

Esto no parece el Claude honesto, útil e inofensivo que me prometieron.

Tengo dos hipótesis potenciales sobre por qué Anthropic está haciendo esto.

La primera es que el equilibrio entre la seguridad en IA y la presión del mercado externo está comenzando a inclinarse a favor del mercado. Hemos visto que hay muy poca adherencia a los modelos, y que las personas cambiarán frecuentemente entre ellos. Debido a esto, para mantenerse relevante, Anthropic siempre necesita estar un paso adelante de OpenAI. Siempre necesita estar un paso adelante de OpenAI y también del gran número de laboratorios chinos que están pisándoles los talones.

Anthropic quiere hacer IA segura, pero para hacerlo, necesitan una gran cantidad de capital, y la única forma de obtener capital es mantenerse relevante en el mundo de la IA, que inherentemente tiene plazos muy rápidos.

Mi segunda hipótesis es un poco más descabellada, pero aún creo que tiene sentido lógico.

Anthropic ha estado en contra de la comunidad de IA de código abierto durante un tiempo, y han estado presionando por más y más regulación de IA a medida que estos modelos se vuelven más poderosos. Creo que están viendo que muchas de sus políticas propuestas no se están implementando o no se toman en serio. Debido a esto, están dispuestos a hacer un modelo que sacuda un poco la jaula y muestre el poder negativo potencial que estos modelos tienen mientras aún pueden controlarlo, ya que los modelos no se han vuelto demasiado poderosos. Esto mostrará a los legisladores que, de hecho, hay una amenaza aquí que necesita ser abordada.

Cualquier opción es preocupante, espero que ninguna sea cierta, pero veremos a medida que avancemos hacia el futuro.

GPT 5.3 Codex

Opus pudo vivir solo en el centro de atención durante aproximadamente 30 minutos antes de que OpenAI lanzara su respuesta, GPT 5.3 Codex. Codex es el ajuste fino enfocado en programación de la serie GPT, y el GPT 5.3 normal no ha sido lanzado, lo que en mi mente sugiere que OpenAI solo ve a Anthropic como un competidor en el espacio de codificación/agéntico, y para casos de uso de chat normal no son una amenaza tan grande.

GPT 5.3 Codex benchmarks

Opus 4.6 fue el estado del arte en Terminal Bench durante menos de una hora (el único benchmark que se superpone entre Anthropic y OpenAI)

En cuanto a las capacidades supuestas, el titular principal para mí es la velocidad. Anteriormente, los modelos Codex se habían sentido lentos en comparación con Claude. Pero para 5.3, OpenAI aumentó la velocidad de generación de tokens en un 40%, y también redujo a la mitad el número de tokens que usa el modelo, haciéndolo sentir mucho más ágil de usar ahora. Dicen que el modelo debería ser mejor en la programación intuitiva.

Además, curiosamente, GPT 5.3 es el primer modelo (que sepamos) que se usó para entrenarse a sí mismo.

Incluso las versiones tempranas de GPT‑5.3-Codex demostraron capacidades excepcionales, permitiendo a nuestro equipo trabajar con esas versiones anteriores para mejorar el entrenamiento y apoyar el despliegue de versiones posteriores.

Ahora para la gran revisión, o más bien, qué modelo es mejor para programar, Claude 4.6, o GPT 5.3 Codex.

Los nuevos modelos llevan muchos de los rasgos similares de sus predecesores. GPT es preciso y muy literal en su seguimiento de instrucciones, para bien o para mal. No noté el aumento de rendimiento en absoluto para la programación intuitiva o la capacidad del modelo para entender prompts ambiguos. Claude, por otro lado, entiende la intención detrás de tus prompts mucho mejor, pero cuando se trata de la implementación real, tiende a tener más errores que GPT, y en el caso de bases de código existentes, todavía tiene dificultades para reunir suficiente contexto y entender los estilos existentes que querrías que se usaran en él. Además, la experiencia TUI en Claude Code continúa mejorando cada vez más mientras que el TUI de Codex todavía se siente básico.

En este momento, uso Opus para planificar y GPT 5.3 como el que va e implementa ese plan para mí. Para cualquier corrección de errores, GPT es el campeón. Para programación puramente intuitiva, Claude gana allí.

Esto puede cambiar en el futuro ya que solo he tenido alrededor de dos días para jugar con los modelos, así que no estoy familiarizado con todas sus fortalezas y debilidades. Pero mi evaluación inicial es que ambos son simplemente versiones mejoradas de sus predecesores. Así que si preferías uno antes, probablemente preferirás la nueva versión de él ahora también.

Breves

Más modelos de generación de música

La semana pasada hablamos sobre un modelo decente de generación de música de código abierto, y esta semana obtuvimos un modelo de generación de música de código abierto mucho mejor, llamado Ace Step 1.5

Es muy rápido (menos de 10 segundos para hacer una canción de 2 minutos en una GPU 3090), puede ser fácilmente ajustado, y tiene calidad de generación de música alrededor de Suno v4 a 4.5.

También hay un proyecto de código abierto que ejecuta el modelo y te da una interfaz bonita similar a Suno para usar también, llamada Ace Step UI.

Ace step UI

Ace Step UI

Finalizar

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.

Vibes

Punto de divergencia por Elfilter en Twitter

Stay Updated

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

← BACK TO NEWS