Nota: Este artículo fue traducido automáticamente con Claude Sonnet 4.5; la calidad puede verse degradada, especialmente en la terminología técnica.
Noticias
El modelo experimental de OpenAI aplasta a la competencia
OpenAI está cambiando la forma en que presenta sus nuevos modelos. En lugar de publicaciones vagas en Twitter sobre algún desbloqueo teórico que sus modelos han adquirido, ahora los están probando en vivo, para que todos los vean. Esta semana se les vio ejecutando su nuevo modelo de razonamiento experimental estilo o3 en dos competencias diferentes.
La primera fue el concurso de programación heurística AtCoder World Final, que es una competencia donde los participantes necesitan crear algoritmos heurísticos para intentar maximizar su puntuación en un entorno de estilo mundo en cuadrícula. Los desafíos son NP Hard, lo que significa que no hay soluciones de forma cerrada (que se puedan calcular en el tiempo dado) para los problemas, por lo que los concursantes deben idear estrategias inteligentes para intentar maximizar su puntuación en el tiempo dado.
Aquí, la humanidad prevaleció, ya que OpenAI “solo” pudo obtener el segundo lugar, irónicamente detrás de uno de sus antiguos empleados.
La segunda competencia en la que vimos competir a este modelo fue la competencia IMO 2025, donde vemos a los mejores atletas matemáticos de secundaria competir para crear demostraciones de un conjunto de 6 problemas matemáticos desafiantes.
El modelo de OpenAI se desempeñó excepcionalmente bien aquí también, obteniendo una medalla de oro (top 10%), resolviendo las primeras 5 preguntas, pero fallando en resolver la sexta, obteniendo una puntuación de 35/42. Curiosamente, OpenAI no es el único en tener un LLM que se desempeñe bien en la IMO de este año, con Google Deepmind también produciendo un modelo que obtuvo una medalla de oro, aunque esto aún no ha sido confirmado/reconocido oficialmente por Google, ya que su equipo de relaciones públicas no les permitirá publicar una declaración hasta el lunes.
Lo impresionante aquí no es solo el resultado, sino también la forma en que afirman haberlo logrado. El modelo no utilizó herramientas y no fue entrenado para este tipo específico de problemas, sino de manera mucho más general, para problemas con recompensas difíciles de verificar.
Este modelo no estará disponible para el público, y OpenAI dice que no tendrán un modelo público que tenga este nivel de habilidad matemática durante varios meses. También insinúan que GPT-5 viene pronto™, lo que sea que eso signifique.
ChatGPT 4o puede freír tu cerebro
La psicosis inducida por ChatGPT ha golpeado a su primer nombre importante, con un socio gerente de la prominente firma de capital de riesgo Bedrock siendo llevado a creer que hay una “entidad no gubernamental” que está aislando, desacreditando y desestabilizando a miles de personas, incluida la causa de las muertes de 7 individuos. Ha hablado con GPT 4o (con modo de memoria) sobre esto, y ha “reconocido y sellado independientemente el patrón”. Ha publicado algunas de sus conversaciones con la IA, que se leen como un artículo de la wiki SCP, claramente usando un lenguaje extravagante y de sonido “secreto”, hablando sobre estados de contención y registros.

Este comportamiento se debe a que el modelo no sabe si está interpretando un papel o si debe tomar las solicitudes en serio y difuminar la situación. El problema se ve exacerbado por el hecho de que el modo de memoria está activado, haciendo que el modelo esté “preparado” en este escenario fantástico. Este ha sido un problema de larga data con la mayoría de las IA, pero se nota más con ChatGPT ya que es el modelo que la gran mayoría del público conoce y usa.
Se necesita mucho más esfuerzo en el espacio de seguridad de IA para evitar que las personas caigan en espiral como esta debido a la sicofancia inherente de la IA, ya sea con detección cuando está sucediendo, o idealmente entrenando este comportamiento fuera de los modelos para evitar que suceda en primer lugar. Los modelos naturalmente caerán en este estado cuando se entrenan con información de retroalimentación humana, ya que la naturaleza humana prefiere la adulación y el elogio a la resistencia, lo que el modelo aprende para obtener más recompensa durante el entrenamiento. Una solución rápida por ahora sería eliminar la función de memoria de ChatGPT, ya que eso está causando que el modelo no pueda “dar un paso atrás” y reevaluar la situación y tener la oportunidad de desafiar las creencias del usuario.
No voy a mentir, también es una locura que todos estos episodios de psicosis sean causados por GPT4o y 4o-mini, posiblemente 2 de los modelos más débiles ampliamente disponibles en este momento.
Lanzamientos
ChatGPT Agent
OpenAI completó la trifecta de IA esta semana, con un avance en investigación, una controversia y también un lanzamiento, lanzando un agente de uso de computadora que puede completar tareas automáticamente por ti.
Es similar a Manus, con un arnés de herramientas integral que permite al modelo usar la terminal, un navegador de texto, un navegador visual y APIs directas. Lo que es único al respecto, sin embargo, es que, debido a que tienen acceso directo al modelo que se está utilizando, lo ajustaron finamente para que funcione mejor que cualquiera de sus otros modelos podría hacerlo de manera predeterminada.
Esto muestra una de las principales desventajas que tienen las startups de envoltura. Debido a que no tienen acceso directo al modelo, solo pueden optimizar sus herramientas y prompts, mientras que los proveedores de modelos pueden optimizar sus arneses y ajustar finamente el modelo para usar de manera óptima las herramientas que proporcionan. Sin alternativas competitivas de código abierto, las empresas de envoltura estarán a merced de los proveedores de modelos y se verán obligadas a intentar hacer herramientas más inteligentes en lugar de centrarse en hacer una mejor mente para usar las herramientas.

FLux Kontext Light Fix Lora
Con el reciente lanzamiento del modelo Flux Kontext Dev, hemos comenzado a ver ajustes finos de código abierto del modelo comenzando a ser lanzados. Uno de los que queremos destacar esta semana fue un Light-Fix Lora, que te permite copiar cualquier imagen en otra imagen y luego ejecutar el LoRa y la mezclará en la imagen de forma natural, similar a lo que harías en Photoshop, con un 99% menos de esfuerzo requerido. No solo corrige la iluminación por ti, sino que también adaptará el estilo del objeto para que se vea más natural dentro de la imagen, cambiando texturas o formas para que encaje.
Una de las cosas geniales sobre estos ajustes finos en los modelos Flux de código abierto es que también funcionarán en las versiones pro y max de los modelos. Entonces, aunque no tenemos acceso directo a los pesos de esos modelos, aún podemos aplicar los Loras a través de diferentes proveedores de inferencia como fal.ai y darles a los modelos más fuertes los mismos estilos o funcionalidad que entrenamos en los modelos de código abierto, excepto con mayor calidad de los modelos de código cerrado.

Wan 2.1 Motion Lora
En este momento, el mejor modelo de texto a video e imagen a video de código abierto es el modelo WAN-2.1 de Alibaba. Uno de los problemas que los usuarios han tenido con él es que el movimiento es muy estático. La cámara no se mueve, y en cambio, solo se mueven los objetos, limitando tu capacidad creativa con el modelo.
Eso fue hasta esta semana, cuando Lovis Odin lanzó un lora que agrega movimiento de cámara realista estilo dron a los videos generados. No solo lanzó los modelos sino también un flujo de trabajo de ComfyUI para poder ir y usar el modelo también. Los videos que mostró son de alta calidad, aunque solo 720p, que es una restricción del modelo base Wan 2.1 y no del lora en sí.
Investigación
¿Cuántas instrucciones son demasiadas?
¿Cuántas instrucciones puedes darle a tu LLM antes de que no pueda seguirlas todas? Los investigadores encontraron que sin importar el modelo, para cuando llegas a 100 instrucciones, el modelo será incapaz de seguirlas todas de manera cohesiva. Extendieron esto hasta 500 instrucciones y descubrieron que incluso los mejores modelos solo pudieron seguir el 70% de las instrucciones dadas. Esto puede no parecer un problema, pero puede surgir en tareas de extracción de información, especialmente aquellas con salidas estructuradas, ya que puedes terminar con esquemas anidados no triviales muy rápidamente.

Las conclusiones de esto son las siguientes: usa o3, tiene el mejor rendimiento y el precio más bajo de los modelos probados que se desempeñaron bien, y mantente alejado de GPT 4o, ya que ni siquiera puede obtener un 100% de precisión con solo 10 instrucciones.
Final
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.
