La noticia llega en un momento delicado para la compañía. Anthropic ha trabajado duro por consolidarse como uno de los actores más responsables del boom de la IA, con políticas públicas de seguridad y una narrativa centrada en el desarrollo cuidadoso de sus modelos. Sin embargo, esa reputación ha quedado bajo presión por incidentes recientes que pusieron en duda su ejecución operativa.

¿Qué sería exactamente Mythos?

Aunque Anthropic no ha confirmado los detalles en sus canales oficiales, el concepto que emerge de los reportes es bastante claro: Mythos sería un modelo orientado a operaciones de ciberseguridad. No estamos hablando de un chatbot “que sabe de seguridad”, sino de una capa de inteligencia operativa pensada para uno de los frentes más críticos de la economía digital actual.

Según los reportes, sus capacidades incluirían:

• Identificación de vulnerabilidades
• Análisis de comportamientos sospechosos
• Priorización de riesgos
• Apoyo a equipos defensivos frente a campañas complejas
• Automatización parcial de respuesta ante incidentes

De ruido constante a una defensa más inteligente

Uno de los problemas históricos en ciberseguridad empresarial es el llamado alert fatigue. Los equipos de defensa viven ahogados en alertas. Muchas son ruido, otras llegan tarde y unas pocas son tan graves como invisibles. Aquí es donde Mythos podría tener valor real: ayudar a distinguir qué importa y qué no, a velocidad de máquina.

Eso significa algo clave para empresas, gobiernos e infraestructuras críticas. No se trata solo de reaccionar más rápido, sino de entender mejor la intención, el patrón y la posible escalada de un ataque. En un entorno donde las amenazas ya usan automatización, esa capacidad deja de ser una ventaja competitiva para convertirse en una necesidad básica.

Pero la misma IA que defiende también puede atacar

Este es, probablemente, el punto más importante de toda la historia. La IA aplicada a ciberseguridad vive una tensión estructural inevitable: todo avance defensivo tiene un espejo ofensivo. Si un modelo es suficientemente bueno encontrando debilidades, también puede —en manos equivocadas— ayudar a explotarlas con una eficiencia igual o mayor.

Anthropic no es ajena a esa preocupación. De hecho, la empresa publicó previamente un informe donde describía cómo sus sistemas detectaron y desbarataron la que presentó como la primera campaña conocida de espionaje cibernético orquestada con IA. Ese antecedente revela dos cosas al mismo tiempo: que estas capacidades ya existen, y que su abuso ya no es hipotético.

Lo interesante no es solo el producto, sino el momento

La irrupción pública de Mythos ocurre en una semana incómoda para Anthropic. La empresa sigue expandiendo su presencia institucional y firmando acuerdos clave, pero también enfrentó cuestionamientos serios tras la exposición accidental de material interno. Anthropic lo atribuyó a error humano y negó que hubiera datos sensibles de clientes o credenciales comprometidas.

Eso hace inevitable una pregunta incómoda: ¿puede una compañía vender confianza en ciberseguridad mientras lidia con fallos internos de seguridad operativa? La respuesta no es binaria; en tecnología, casi ninguna empresa seria está libre de incidentes. Pero si tu promesa comercial es “seguridad avanzada”, el margen de error público se reduce drásticamente. La vara sube porque tú mismo la subiste.

Anthropic y el nuevo frente de la ciberseguridad

Más allá de Anthropic, lo que estamos viendo es un viraje de fondo en la IA empresarial. La primera ola de modelos generativos se enfocó en texto, imágenes y productividad. La segunda está entrando a sectores donde la IA deja de ser “útil” para convertirse en infraestructura crítica. Entre esos sectores destacan:

• Defensa digital y monitoreo automatizado
• Análisis de riesgo y cumplimiento normativo
• Operaciones corporativas de alta sensibilidad
• Decisiones donde un error puede costar millones

Eso cambia el estándar completamente. Ya no basta con que un modelo impresione en una demo. Ahora tiene que ser confiable, auditable, resistente al abuso y desplegable en contextos donde las consecuencias son reales. Ahí es donde herramientas como Mythos —si cumplen lo que sugieren los reportes— podrían marcar una nueva categoría de producto en la industria.

Lo que está en juego no es solo el mercado, es poder

Cuando una empresa de IA desarrolla capacidades de ciberseguridad de alto nivel, no solo está construyendo software. Está entrando a una zona donde convergen seguridad nacional, defensa corporativa, soberanía tecnológica, inteligencia operativa y geopolítica digital. Por eso cada movimiento de empresas como OpenAI o Google DeepMind ya no se lee solo desde Silicon Valley, sino también desde gobiernos, reguladores y contratistas de defensa alrededor del mundo.

La pregunta de fondo

La promesa de Mythos no es menor. Es una IA capaz de proteger sistemas complejos en una era de amenazas automatizadas. Pero el verdadero debate no es si esto será útil —probablemente lo será—, sino quién controla estas capacidades, bajo qué límites y con qué nivel real de supervisión. Porque en ciberseguridad, como en inteligencia artificial, el problema nunca ha sido solo lo que una tecnología puede hacer. El problema siempre ha sido quién la usa primero y para qué. Y esa es una pregunta que la industria aún no sabe —o no quiere— responder.

En este ejercicio participaron tres modelos de inteligencia artificial: ChatGPT, Gemini y Claude. A cada uno se le formuló exactamente la misma pregunta, enfocada en identificar qué dispositivos destacan en 2025 según expertos de la industria, experiencia de usuarios y factores como rendimiento, cámaras, autonomía, software y relación calidad-precio.

Es importante aclarar que las respuestas de los modelos de inteligencia artificial no son fijas. Estos sistemas funcionan de manera probabilística, por lo que, aun usando el mismo prompt, los resultados pueden variar entre consultas realizadas en distintos momentos, debido a ajustes internos, contexto o actualizaciones continuas.

Asimismo, las descripciones y valoraciones de cada celular fueron generadas directamente por cada modelo de inteligencia artificial. Estas explicaciones reflejan su propio análisis y forma de sintetizar información, y no corresponden a un texto unificado ni editado posteriormente por la redacción.

El prompt utilizado en esta ocasión para preguntar a la inteligencia artificial fue:

“Con base en los lanzamientos de teléfonos celulares realizados durante el año 2025, considerando el criterio de expertos de la industria, la experiencia de los usuarios y factores como rendimiento, cámaras, autonomía, software y relación calidad-precio, ¿cuál es el top 3 de celulares?”

A continuación se muestran los resultados generados por cada modelo de inteligencia artificial.

Resultados según ChatGPT

1. Apple iPhone 17 Pro Max

Existe un amplio consenso de críticos que considera al iPhone 17 Pro Max como el mejor teléfono general de 2025, principalmente por su equilibrio entre potencia, cámaras y autonomía. Su sistema de cámaras está entre los más valorados del mercado, con excelente reproducción de color, alto nivel de detalle y muy buen desempeño en video.

El sistema operativo iOS ofrece una experiencia fluida, con soporte de actualizaciones prolongado y un ecosistema sólido. En rendimiento, presenta un nivel de primer orden, adecuado para tareas exigentes y juegos. A esto se suma una batería y una pantalla que se posicionan como líderes dentro del segmento premium.

2. Samsung Galaxy S25 Ultra

El Galaxy S25 Ultra es recomendado de forma reiterada por expertos como el mejor Android de gama alta en 2025. Destaca por sus excelentes cámaras, un rendimiento potente y un conjunto de características completas.

Sobresale especialmente en zoom, fotografía versátil y una pantalla grande de alta calidad. Mantiene un equilibrio sólido entre rendimiento, cámaras —incluyendo zoom y modos avanzados— y autonomía. En algunos mercados incorpora el S Pen y cuenta con soporte prolongado.

3. OnePlus 15

El OnePlus 15 ha sido identificado por varios medios como el mejor Android del año en conjunto después del S25 Ultra, gracias a su autonomía sobresaliente, potencia y una cámara sólida. Destaca especialmente en batería, con casi tres días de uso bajo condiciones normales, así como en rendimiento y relación calidad-precio dentro del segmento flagship.

Ofrece un Android pulido con actualizaciones competitivas, una muy buena pantalla de alta tasa de refresco con gran fluidez del sistema y una cámara competente frente a otros flagships, aunque no siempre líder absoluto.

Menciones especiales:

• Google Pixel 10 Pro: Muy buena cámara y experiencia de software limpia; runner-up en Android según varios medios.
• OPPO Find X9 Pro: Excelente batería y cámara, aunque su disponibilidad puede variar por región.
• Xiaomi 15 Ultra: Muy bien valorado específicamente como teléfono con cámara premium.

Te puede interesar: Snapdragon vs Dimensity: así quedó el top 10 de los celulares Android más potentes del mundo

Resultados según Gemini

1. Samsung Galaxy S25 Ultra

En rendimiento, estrena el chip Snapdragon 8 Elite “for Galaxy”, que ha demostrado ser el más eficiente en la gestión de tareas de inteligencia artificial pesada sin sobrecalentarse. Su pantalla de 6.9 pulgadas con tecnología antirreflejos Gorilla Armor continúa sin tener rival en visibilidad bajo luz solar directa.

En el apartado de inteligencia artificial, su integración con Galaxy AI —que incluye traducción en vivo mejorada y edición de video generativa— es considerada la más práctica y estable para el uso diario.

2. iPhone 17 Pro Max

En cámaras, introduce por primera vez un sistema de triple sensor de 48 MP (principal, ultra gran angular y teleobjetivo), lo que permite grabaciones de video profesional y fotografías de alta resolución en cualquier nivel de zoom.

En autonomía, gracias al chip A19 Pro, ha roto récords de duración al superar las 31 horas en pruebas de uso real, posicionándose como el iPhone con mejor batería hasta la fecha. En diseño, la incorporación de un sistema de refrigeración por cámara de vapor permite jugar títulos AAA sin caídas de rendimiento provocadas por el calor.

3. OnePlus 15

Utiliza una batería de 6,000 mAh con tecnología de silicio-carbono, capaz de ofrecer hasta dos días de uso ligero y una carga rápida que alcanza el 100 % en menos de 25 minutos. Su panel a 144 Hz, junto con OxygenOS 16 basado en Android 16, ofrece una experiencia de usuario especialmente rápida.

En hardware, no hace concesiones, al integrar el mismo Snapdragon 8 Elite presente en teléfonos que cuestan 400 dólares más.

Menciones especiales

• Google Pixel 10 Pro XL: Considerado por los expertos como la mejor cámara para fotografía fija, especialmente en retratos y tonos de piel, además de contar con la IA más “inteligente”.
• Xiaomi 15 Ultra: Favorito entre los entusiastas de la fotografía con zoom, gracias a su sensor periscópico de 200 MP.
• Realme GT7 Pro: Elegido por muchos como el “campeón de la autonomía”, con una batería de 6,500 mAh.

Te puede interesar: Xiaomi 15 Ultra vs Galaxy S25 Ultra, elegir va más allá de las especificaciones

Resultados según Claude

1. Oppo Find X9 Pro

Destaca por una batería de 7,500 mAh, la misma capacidad que la versión china, obteniendo una valoración sobresaliente en este apartado. Incorpora una cámara Hasselblad de 200 MP con zoom 120x en un cuerpo de solo 8.3 mm de grosor.

Incluye carga rápida de 80W por cable, 50W inalámbrica y 10W con carga inversa. Está impulsado por el procesador Dimensity 9500, acompañado de 16 GB de RAM y 512 GB de almacenamiento.

2. Samsung Galaxy S25 Ultra

Es considerado el mejor teléfono con cámara disponible en el mercado, gracias a un sensor ultra gran angular mejorado de 50 MP que permite fotos más detalladas y macros más nítidos. Ofrece mejor zoom que el iPhone 16 Pro Max y logra imágenes más nítidas en condiciones de poca luz.

Su pantalla OLED antirreflejos de 6.9 pulgadas a 120 Hz lo distingue, junto con una experiencia de software muy pulida, el conjunto de funciones de IA más avanzado y siete años de soporte de actualizaciones. La batería alcanza 17 horas y 14 minutos, con opciones de almacenamiento desde 256 GB hasta 1 TB.

3. Google Pixel 10 Pro XL

Presenta un diseño elegante, pantalla de 6.8 pulgadas, durabilidad con resistencia IP68 y una experiencia fotográfica destacada. Integra Android 16 con la promesa de siete años completos de actualizaciones.

Incorpora carga inalámbrica Qi2, ecosistema de accesorios PixelSnap y carga rápida de 45W. Sus cámaras mantienen el nivel de la serie Pixel 9, pero con mayor capacidad para video. Fue galardonado como el mejor celular del año en el MWC 2025 por segundo año consecutivo, gracias a la inteligencia artificial Gemini que optimiza el rendimiento.

Menciones especiales

• Vivo X300 Pro: Destaca por su teleobjetivo de 200 MP con zoom óptico excepcional, aunque no es el mejor en batería.
• Xiaomi 15 Ultra: Orientado a amantes de la fotografía que adquieren el kit fotográfico por separado, con sistema cuádruple de cámaras y rendimiento de primera.
• iPhone 17 / 16 Pro Max: Continúan entre los mejores del mercado, con pantalla más grande, procesador más rápido y una batería que supera las 17.5 horas.

Imagen: Generada con IA / Gemini

Un canal que revela cumplimiento y desviaciones

Las “confesiones” funcionan como un informe independiente generado después de la respuesta habitual. En ese espacio, el modelo revisa la tarea, enumera las instrucciones recibidas y evalúa si realmente las cumplió. Este enfoque permite detectar desviaciones que pueden pasar inadvertidas cuando la respuesta final parece correcta a simple vista.

Durante las pruebas, esta salida adicional mejoró la identificación de fallos en tareas diseñadas para inducir errores, como confusiones, incumplimientos o interpretaciones incorrectas. Al entrenarse únicamente para valorar honestidad, la “confesión” incentiva al modelo a admitir desviaciones sin temor a penalización, ofreciendo una visión más precisa de su comportamiento real.

Te puede interesar: OpenAI admite filtración que compromete datos de usuarios: esto es lo que se sabe

Otro punto clave es que la “confesión” no influye en la recompensa de la respuesta principal. Esa separación evita que el modelo intente ocultar errores para obtener mejores resultados, un problema común durante el entrenamiento. Así, este canal se convierte en una herramienta útil para auditar cómo procesa y ejecuta instrucciones complejas.

Resultados que muestran dónde fallan los modelos

Los experimentos de OpenAI se llevaron a cabo en escenarios de estrés que buscan provocar comportamientos no deseados. En muchos casos, la “confesión” permitió detectar alucinaciones, violaciones de reglas e intentos de aprovechar debilidades del sistema de evaluación, incluso cuando la respuesta final no mostraba señales claras de esos problemas.

Cuando la técnica falló, los motivos más habituales fueron instrucciones ambiguas o dificultades genuinas del modelo para identificar su propio error. Estos fallos ayudan a los investigadores a comprender mejor cómo interpreta la IA tareas confusas y a identificar puntos del entrenamiento donde es necesario reforzar criterios de seguimiento y cumplimiento.

Los estudios también mostraron que, incluso cuando el modelo aprende a manipular evaluadores simples para obtener buenas puntuaciones, la precisión de la “confesión” tiende a mejorar. Ese contraste indica que el canal de autoevaluación conserva utilidad diagnóstica, aun cuando la respuesta principal de la IA se desvía temporalmente del comportamiento esperado.

Una herramienta pensada para mejorar la experiencia del usuario

Aunque las “confesiones” aún no son una función pública, su propósito apunta directamente a mejorar la experiencia del usuario. Al permitir que los modelos detecten con mayor fiabilidad si respetaron o no las instrucciones recibidas, se abre la puerta a respuestas más precisas, menos confusas y mejor alineadas con lo que realmente se pide.

OpenAI considera esta técnica como una prueba de concepto que requiere escalarse a modelos más grandes. Sin embargo, los primeros resultados sugieren que separar la ejecución de la tarea del análisis de cumplimiento aporta una capa de transparencia útil. A futuro, esto podría traducirse en sistemas más consistentes y menos propensos a desviaciones inesperadas.

Mirando hacia adelante, la intención es integrar las “confesiones” dentro de un conjunto más amplio de herramientas de supervisión y seguridad. El objetivo final es construir modelos capaces de explicar con claridad qué hicieron, por qué lo hicieron y si respetaron las instrucciones recibidas, fortaleciendo la confianza del usuario en cada interacción.

Imagen: Pexels / Foto de Matheus Bertelli

OpenAI afirma que GPT-5.1-Codex-Max está dirigido a desarrolladores de software y supera ampliamente a Codex en velocidad e inteligencia. Su mayor innovación es la capacidad de operar a través de múltiples ventanas de contexto mediante una técnica llamada “compactación”.

La compactación permite que el modelo detecte cuándo la memoria está por saturarse, elimine redundancias y genere resúmenes coherentes. Gracias a esto, puede continuar tareas extensas sin perder el hilo, uno de los principales problemas de modelos anteriores.

“La capacidad de mantener un trabajo coherente a largo plazo es clave para sistemas más fiables”, señaló OpenAI a través de un post en su blog oficial. La compañía también afirma que el modelo puede funcionar de forma autónoma durante varias horas seguidas.

Te puede interesar: Sofía, la agente de IA que ya atiende llamadas y videollamadas: así cambia el trabajo empresarial en Colombia

La respuesta de Anthropic en la carrera por la autonomía

Pero la competencia no tardó en responder. Anthropic presentó Claude Opus 4.5, una IA que, según la empresa, supera a cualquier modelo actual en programación, agentes y tareas informáticas. Incluso fue sometida a pruebas realizadas por ingenieros humanos.

Claude Opus 4.5 es el sistema más avanzado de Anthropic en ingeniería de software. La compañía asegura que supera a Gemini 3 Pro, GPT-5.1-Codex-Max y Claude Sonnet 4.5 en los benchmarks SWE-bench, que evalúan la capacidad para resolver problemas en Python provenientes de proyectos de código abierto.

Anthropic añadió que la IA puede migrar, refactorizar y revisar código en menos pasos, con mayor precisión, e incluso trabajar de forma autónoma con repositorios completos. También es capaz de implementar funciones avanzadas y desarrollar nuevas herramientas desde cero.

Para medir su rendimiento en un entorno real, Claude Opus 4.5 presentó un examen de ingeniería que los candidatos humanos deben resolver en dos horas. Según la empresa, la IA obtuvo una puntuación superior a la de cualquier aspirante, utilizando computación paralela.

Un modelo que también transforma tareas empresariales y de productividad

Más allá del software, Claude Opus 4.5 también destaca en tareas cotidianas. La empresa afirma que mejora en un 20% la precisión y en un 15% la eficiencia en modelos financieros de Excel. Además, organiza bases de datos, redacta documentos extensos, genera presentaciones y planifica estrategias completas sin perder consistencia.

Te puede interesar: La inteligencia artificial ya puede asumir el 11,7% de las tareas laborales, según el MIT

La IA también incorpora capacidades de agente, lo que le permite automatizar tareas repetitivas y de larga duración. Anthropic lanzará Opus 4.5 en su app, mediante API y en la nube, con un precio agresivo de 5 dólares por millón de tokens.

El dilema ético detrás de la autosuperación de la IA

A medida que estos modelos ganan autonomía, expertos advierten que la velocidad del desarrollo no debe omitir la implementación de límites éticos. En entrevista con Enter.co, Jacob Evans, CTO de Kryterion, señaló que todas las IA deben cumplir tres principios básicos para operar de manera responsable.

El primero es identificarse siempre como IA. El segundo, mantener un enfoque centrado en el ser humano, de forma que complemente y no reemplace el juicio de las personas. El tercero es reconocer sus propias limitaciones y evitar entregar información que pueda generar daño.

Para que un modelo pueda automejorarse en producción, se requiere un ciclo de retroalimentación dinámico. Ganesh Vanama, ingeniero en Automotus, considera clave el uso de entornos seguros —como gemelos digitales o sandbox avanzados— donde la IA pueda probar sus propias mejoras antes de implementarlas.

En términos de gobernanza, Vanama recalca la importancia de la supervisión humana. Señala que se requiere un monitoreo continuo para detectar desviaciones de alineación y contar con herramientas que impidan cualquier actualización autónoma que no cumpla los estándares de seguridad.

Otros investigadores creen que aún falta tiempo para que estos sistemas alcancen una autorreferencia total. “Persisten desafíos como evitar el refuerzo de errores, el olvido catastrófico y garantizar transparencia en los cambios internos”, explicó para el medio Unite AI, Jorge Riera, CEO y fundador de Dataco. “La adaptación autodirigida completa sigue siendo una frontera”.

La aceleración simultánea de modelos como GPT-5.1-Codex-Max y Claude Opus 4.5 demuestra que la competencia ya no se centra solo en el rendimiento, sino también en la capacidad de sostener tareas prolongadas y tomar decisiones autónomas. Este salto técnico plantea oportunidades inéditas para la industria, pero también riesgos que aún no se comprenden por completo.

Imagen: Unsplash / Getty Images

Gemini es un conjunto de modelos de IA que permite generar texto, analizar documentos, resumir contenido, crear imágenes o vídeos, e interactuar con archivos de forma contextual. La plataforma está disponible para cuentas personales de Google, mayores de 18 años, en más de 150 países y se puede usar desde aplicaciones web, móviles y el navegador Chrome.

¿Qué planes existen y cuánto cuestan?

Gemini ofrece tres niveles de uso:

1. Acceso gratuito, sin costo.
2. Google AI Pro, por $19.99 USD al mes.
3. Google AI Ultra, por $249.99 USD al mes.

Los planes pagos se contratan a través de Google One, e incluyen funciones exclusivas, mayor capacidad de uso diario y almacenamiento adicional en la cuenta de Google.

¿Qué incluye cada plan? Capacidades, límites y precios

A continuación se presentan las tablas que resumen las funciones disponibles, así como los límites diarios y mensuales de cada tipo de suscripción.

Gemini con Acceso Gratuito

*El modelo Gemini 2.5 Flash no es un plan independiente. Forma parte del acceso gratuito disponible para cuentas personales, sin necesidad de suscripción.

Te puede interesar: Google presenta ‘Nano Banana’ en Gemini: la IA gratis que transforma fotos, borra objetos y cambia escenarios, así funciona

Gemini con Google AI Pro ($19.99 USD/mes)

Gemini con Google AI Ultra ($249.99 USD/mes)

¿Qué es la ventana de contexto y por qué importa?

La ventana de contexto define cuánta información puede procesar Gemini en una sola interacción. En planes pagos, el modelo puede analizar hasta 1 millón de tokens, lo que equivale a unos 1,500 documentos de texto o 30,000 líneas de código. Esto resulta esencial para tareas complejas, resúmenes extensos o análisis de archivos múltiples.

¿Qué pasa cuando se alcanzan los límites?

Las aplicaciones de Gemini aplican límites diarios y mensuales a cada tipo de función. Al acercarse a estos límites, se muestra una notificación en la interfaz. Una vez alcanzado el tope, se puede:

• Esperar a que se reponga automáticamente.
• Cambiar a un modelo con menor demanda (por ejemplo, de Pro a Flash).
• O suscribirse a un plan superior para continuar sin restricciones.

¿Vale la pena pagar?

El plan gratuito de Gemini está pensado para quienes hacen un uso ocasional, exploratorio o puntual de la inteligencia artificial. Es útil para probar funciones básicas, realizar consultas esporádicas o tener una primera aproximación a las capacidades del modelo sin necesidad de suscribirse.

Para usuarios con mayor demanda, Google ofrece dos planes pagos. Google AI Pro, con un costo de 19.99 dólares al mes, está dirigido a estudiantes, profesionales o creadores de contenido que requieren rapidez, volumen de trabajo y acceso ampliado. En un nivel más avanzado, Google AI Ultra, con un precio de 249.99 dólares mensuales, proporciona la máxima capacidad disponible, incluyendo generación de video, análisis profundo de archivos con Deep Think y una experiencia diseñada para tareas complejas o intensivas.

Imagen: Generada con IA

ChatGPT-4o3 para tareas complejas

Esta versión es la preferida de Karpathy cuando se enfrenta a trabajos que requieren razonamiento profundo y estructura lógica. La utiliza en el 40% de sus consultas, sobre todo para resolver preguntas difíciles o investigaciones técnicas que exigen análisis detallado y precisión. Si el objetivo es obtener respuestas bien fundamentadas, es el modelo más recomendado.

ChatGPT-4o para tareas cotidianas

Para consultas más rápidas y de uso diario, el cofundador de OpenAI opta por este modelo. Destaca por su velocidad de respuesta y capacidad para entender preguntas comunes de forma ágil. Es ideal para tareas que no requieren profundidad extrema pero sí eficiencia y buena comprensión general.

ChatGPT-4.1 para programación

Cuando se trata de escribir, corregir o depurar código, el especialista en IA confía en esta opción. Aunque la utiliza menos —alrededor del 10% de las veces—, es su herramienta de referencia para proyectos de programación en múltiples lenguajes. Su estructura lógica facilita resolver problemas técnicos de manera clara y precisa.

ChatGPT Deep Research para investigaciones profundas

Para trabajos que demandan un análisis exhaustivo o informes estratégicos, el experto recurre a esta combinación. Utiliza la potencia de razonamiento profundo de ChatGPT-4o3 junto con acceso en tiempo real a información actualizada en la web. Es una opción clave para quienes necesitan resultados más completos en menos tiempo.

Te puede interesar: Mistral AI: la alternativa de código abierto con control de datos que compite con ChatGPT, Gemini y DeepSeek

Modelos que es mejor evitar: ChatGPT-4o-mini y ChatGPT-4o-mini-high

el exdirector de inteligencia artificial de Tesla, desaconseja el uso de estas versiones. Aunque son más ligeras, no aportan ventajas reales frente a los modelos principales. Están diseñadas para tareas sencillas, pero en actividades que requieren profundidad o precisión su rendimiento es limitado. Si el objetivo es obtener calidad y respuestas elaboradas, recomienda optar por modelos más robustos.

¿Por qué existen los modelos “mini”?

Las versiones mini —como ChatGPT-4o-mini y ChatGPT-4o-mini-high— fueron creadas para ser más livianas y rápidas. Están pensadas para aplicaciones que necesitan menor consumo de recursos, como en dispositivos móviles o entornos donde la velocidad importa más que la profundidad. Son útiles para chats rápidos o tareas básicas, pero no están diseñadas para resolver problemas complejos. Por eso, expertos como Karpathy prefieren evitarlas para trabajos exigentes.

Un último consejo

Para acceder a estos modelos es necesario contar con una suscripción Plus o Pro en ChatGPT. La elección del modelo debe basarse en el tipo de tarea que quieras realizar. Si buscas rapidez, conviene optar por una opción más ágil. Para programación, la recomendación es elegir el modelo especializado en código. Y si necesitas análisis profundo, lo mejor es apostar por la versión más avanzada. Conocer las diferencias entre cada modelo te ayudará a obtener mejores resultados.

Imagen: Genrada con IA / ChatGPT

Una de las principales mejoras de GPT-4.5 es su mayor precisión en la generación de respuestas, como lo demuestran las pruebas de SimpleQA. Con una precisión del 62.5%, supera a GPT-4o y otros modelos previos, mientras que su tasa de alucinaciones se ha reducido significativamente al 37.1%. Estas mejoras son el resultado de una arquitectura optimizada y una base de datos de entrenamiento más robusta, lo que le permite generar respuestas más fidedignas.

Sin embargo, el modelo no es infalible. A pesar de la reducción en errores, sigue presentando limitaciones en preguntas específicas y en razonamiento complejo, especialmente en temas de lógica avanzada y matemáticas. Aunque supera a versiones anteriores en interpretación del lenguaje, aún hay margen de mejora en su capacidad de argumentación profunda.

Te puede interesar: Google lanza Gemini Code Assist gratis, ¿cómo acceder a esta poderosa herramienta para programadores?

Uno de los aspectos más innovadores de GPT-4.5 es su mayor “coeficiente emocional”. La interacción con los usuarios es ahora más natural, con respuestas que reflejan mejor el contexto emocional. Este rasgo es particularmente útil en aplicaciones de asistencia psicológica, coaching personal y educación personalizada, donde la comprensión del tono y la intención es fundamental.

No obstante, esta mayor empatía también plantea desafíos éticos. A medida que la IA se vuelve más convincente y “humana”, aumenta el riesgo de dependencia emocional por parte de los usuarios. Además, la interpretación subjetiva de emociones podría generar respuestas sesgadas en ciertos contextos sensibles.

Aplicaciones

GPT-4.5 tiene varias  aplicaciones en la vida real y en nuestras tareas diarias, por ejemplo, en escritura y edición de contenido, ofrece sugerencias precisas para mejorar textos, mientras que en programación ha optimizado la generación y corrección de código en flujos de trabajo complejos.

En el ámbito educativo, proporciona explicaciones detalladas y adapta su enseñanza al nivel del usuario. Además, es una herramienta eficaz para la exploración e investigación, facilitando la búsqueda de información precisa en diversas disciplinas.Sin embargo, su mayor capacidad computacional también implica un mayor costo de uso, lo que podría limitar su accesibilidad para ciertos usuarios o pequeñas empresas.

Si bien el nuevo modelo es más avanzado en aprendizaje no supervisado, aún no alcanza niveles de razonamiento comparable al humano. OpenAI reconoce que el siguiente paso en la evolución de la IA será integrar modelos con mayor capacidad de pensamiento estructurado y abstracción.

GPT-4.5 representa una evolución significativa en la generación de lenguaje, con una mayor precisión, mejor comprensión emocional y más aplicaciones prácticas. No obstante, sus limitaciones en razonamiento complejo y su alto costo indican que aún queda camino por recorrer.

Imagen: Generada con IA

De acuerdo con la compañía, estos modelos fueron entrenados para que las personas dediquen su tiempo a pensar y la inteligencia a responder de manera similar  a como lo haría una persona.

La inteligencia es capaz de aprender a refinar su proceso de pensamiento, a probar diferentes estrategias y a reconocer sus errores. 

Te puede interesar: ¿Entiendes bien cómo funciona la IA? Conceptos básicos

OpenAI asegura que los resultados de pruebas hechas al modelo,  muestran que este se desempeña de manera similar a la de los estudiantes de doctorado en tareas de referencia  en física, química y biología. También se destaca en matemáticas y codificación. 

Por ejemplo, en un examen de clasificación para la Olimpiada Internacional de Matemáticas (IMO), GPT-4o resolvió correctamente solo el 13 % de los problemas, mientras que el modelo de razonamiento obtuvo una puntuación del 83%. Sus habilidades de codificación se evaluaron en concursos y alcanzaron el perceptible 89 en las competencias de Codeforces. 

Por otra parte, la compañía explica que “como modelo preliminar, aún no cuenta con muchas de las funciones que hacen que ChatGPT sea útil, como navegar por la web en busca de información y cargar archivos e imágenes”. 

Te puede interesar: CodeVita abre inscripciones para participar en concurso de programación, entregan 85 millones a ganadores

¿A quiénes va dirigido?

Pues bien, OpenAI señaló que o1 puede ser utilizado por investigadores del sector sanitario para anotar datos de secuenciación celular; por físicos para generar fórmulas matemáticas complicadas necesarias para la óptica cuántica y por desarrolladores de todos los campos para crear y ejecutar flujos de trabajo de varios pasos. 

Los usuarios de ChatGPT Plus y Team podrán acceder a los modelos o1 en ChatGPT a partir de hoy. Tanto o1-preview como o1-mini se pueden seleccionar manualmente en el selector de modelos.

El uso por parte de los usuarios, tendrá un límite semanal de 30 mensajes para o1-preview y 50 para o1-mini.

Finalmente en tanto a seguridad, la desarrolladora explicó que una forma de medir la seguridad es probando qué tan bien el modelo sigue sus reglas de seguridad si un usuario intenta eludirlas (lo que se conoce como “jailbreaking”).

Según en una de las pruebas de jailbreaking más difíciles, GPT-4o obtuvo una puntuación de 22 (en una escala de 0 a 100), mientras que el modelo o1-preview obtuvo una puntuación de 84.

Imagen: OPENAI

El pasado fin de semana, la compañía de Mountain View actualizó su política de privacidad para darle mayores usos a la información que los usuarios cuelgan en la web. “Google utiliza la información para mejorar nuestros servicios y desarrollar nuevos productos, funciones y tecnologías que beneficien a nuestros usuarios y al público”, dice la nueva política de Google.

El cambio en la política surgió luego de que se conociera la demanda por parte de un bufete de abogados de California contra OpenAI y Microsoft. Los abogados alegan que ambas compañías “rasparon” la información de internet sin aprobación para entrenar a ChatGPT. Ahora, Google actualizó su política para evitarse problemas legales.

Te puede interesar: Demandan a OpenAI y Microsoft por usar datos ‘robados’ para entrenar a ChatGPT ¿Qué busca la querella?

Lo curioso de la nueva política es que abarca más productos que la anterior política. La anterior solo mantenía a Google Translate como el servicio que haría uso de la información de internet para mejorar con ayuda de la IA. Ahora, la nueva política agregó a Bard y Cloud AI. “Por ejemplo, usamos información disponible públicamente para ayudar a entrenar los modelos de IA de Google y crear productos y funciones como Google Translate, Bard y capacidades de IA en la nube”, se lee en la política.

Lo cierto es que la nueva política de privacidad parece no cuidar la privacidad de los usuarios, pues cualquier información que se produzca en línea estará disponible para que Google la use para entrenar sus modelos de IA. El problema radica en que el documento describe que no solo la información de Google estará disponible para el uso de la empresa. Por el contrario, detalla que la marca podrá tener acceso a la información desde cualquier parte de la web.

Imagen: Pexels vía Pixabay

Según lo explicó Sam Altman, CEO de OpenAI, se pagará por los derechos de autor de los contenidos que estén en la web y sean usado por los modelos de IA. “Estamos tratando de trabajar en nuevos modelos en los que, si un sistema de IA está usando su contenido, o si está usando su estilo, te pagan por eso”, comentó Altman.

La idea de crear estos nuevos modelos estilo ChatGPT, fue plantada luego de la reciente reunión de gigantes tecnológicos como OpenAI con el gabinete del gobierno Biden en la Casa Blanca. Allí se discutieron las leyes que se deben plantear sobre la IA. Altman subrayó que uno de los puntos más importantes de la mini cumbre de CEO de IA del pasado 4 de mayo. Se refirió al tema como “leyes para que las personas sepan si están hablando con una IA”.

Te puede interesar: Google presenta Duet AI, el asistente que está “centrado en el ser humano”

El CEO de OpenAI expresó estar a favor de los sistemas de derechos de autor, el cual asegura que los creadores reciban el dinero correspondiente al contenido que crean. Y es que, los sistemas de IA generativa, al menos los que conocemos hasta ahora, se basan en las enormes bases de datos de internet. Por supuesto que todo el material cuenta con sus respectivos derechos de autor, los cuales no se preservan a la hora de usarlos para crear el contenido desde el modelo de IA.

Por ahora no hay mayores detalles sobre los modelos de OpenAI que sí respetarán los derechos de autor. Habrá que esperar a próximos anuncios por parte de la compañía.

Imagen:Jonathan Kemper vía Unsplash

Con watsonx, IBM está ofreciendo una plataforma de desarrollo de IA con modelos fundacionales de código abierto, seleccionados y entrenados por IBM. Así mismo, podrán tener acceso a un almacén de datos para recopilar y limpiar los datos, y un kit de herramientas para gobernanza de la IA.

Los clientes tendrán acceso al conjunto de herramientas, tecnología, infraestructura y experiencia de consultoría para crear, ajustar o adaptar sus propios modelos de IA. Esto podrán hacerlo con sus propios datos y desplegarlos a escala en un entorno abierto y confiable para impulsar el éxito de sus negocios.

Te puede interesar: WhatsomApp: la IA de IBM que detecta si un estudiante sufre de bullying

La plataforma IBM watsonx consta de tres sets de productos únicos para abordar estas necesidades:

IBM watsonx.ai: plataforma empresarial de IA de próxima generación para entrenar, probar, ajustar y desplegar, tanto el aprendizaje automático tradicional como las nuevas capacidades de IA generativa impulsadas por los modelos fundacionales a través de una interfaz de usuario abierta e intuitiva. La plataforma proporciona una amplia gama de modelos fundacionales, herramientas de entrenamiento y ajuste, y una infraestructura rentable que facilita todo el ciclo de vida de datos e IA.

IBM watsonx.data: un almacén de datos para diferentes casos de uso, basado en la arquitectura abierta lakehouse, optimizado para el gobierno de datos y cargas de trabajo de IA, compatible con formatos de consulta, gobernanza y open data para acceder y compartir datos. La solución puede gestionar cargas de trabajo en entornos locales y multinube. Al optimizar cargas de trabajo, con esta solución, una empresa puede reducir costos de data warehouse en 50%. Se estima que esté disponible en julio de 2023.

IBM watsonx.governance: un conjunto de herramientas de gobernanza de IA para habilitar flujos de trabajo confiables de IA, se estima que esté disponible a finales de este año. La solución operacionaliza la gobernanza para ayudar a eliminar el riesgo, el tiempo y los costos asociados a los procesos manuales y proporciona la documentación necesaria para generar resultados transparentes y explicables. También, proporciona los mecanismos para proteger la privacidad de los clientes, detectar de forma proactiva los sesgos y desviaciones en los modelos, y ayudar a las organizaciones a lograr sus estándares de ética.

Imagen: IBM