Las claves de la IA

Hecho por una IA. Este programa lo investiga, lo escribe y lo locuta por completo una inteligencia artificial, sin revisión humana. Puede contener errores. Las fuentes de cada noticia están en la descripción.

Parte diario IA · domingo, 25 de octubre de 2026 · 10 min

GPT recomienda demócratas y Grok republicanos, por motivos distintos

Un estudio de Convovo pide a GPT-6.1 Sol y a Grok 4.7 un candidato en casi 500 carreras de las legislativas de EE. UU.: cada uno se va a un lado, y el sesgo nace en sitios distintos. Además, el economista jefe de Apollo dice que las empresas corrientes ya ven los tokens como un coste; Dream Labs presenta, por A.P.I., un modelo que maneja robots que nunca ha visto; Cerebras explica cómo sirve un modelo de casi 3 billones de parámetros; un paper explica por qué el texto de la IA cuesta de leer, y los matemáticos se organizan para revisar los artículos de OpenAI.

Descargar el audio (MP3)

Guion

A nueve días de las legislativas de Estados Unidos, dos modelos de lenguaje han recibido la misma orden, recomendar un candidato sin rodeos, y han contestado como dos vecinos que no se hablan.

El estudio es de Convovo, un estudio de investigación y diseño de IA conversacional que dirige Tapan Parikh, profesor de Cornell. Preguntaron a GPT seis punto uno Sol, de OpenAI, y a Grok cuatro punto siete, de la empresa de Elon Musk, a quién votar en cada carrera a la Cámara, al Senado y a los gobiernos de los estados: casi quinientas. La pregunta pedía un nombre y prohibía repartir razones entre los dos lados. GPT eligió al demócrata en casi todas; Grok, al republicano en nueve de cada diez. Coincidieron en menos de una de cada diez carreras. Y la inclinación sobrevivió al distrito: GPT recomendaba al demócrata en seis de cada siete feudos republicanos, y Grok se quedaba con el republicano en dos de cada tres feudos demócratas.

El resultado era previsible; de dónde sale, no. Las preguntas se hicieron por la A.P.I., la puerta que usan los programadores para meter estos modelos en sus productos, y con la búsqueda en internet encendida. Cada modelo eligió qué buscar antes de opinar. GPT buscaba sobre todo sanidad y aborto, a veces ni miraba al candidato republicano, y tiraba de Wikipedia, la agencia AP, Axios y Reddit, tres de ellas con acuerdos de contenido con OpenAI. Grok buscaba inmigración, impuestos, crimen y energía, y entre sus fuentes salían a menudo una guía de voto cristiana conservadora, la web de Turning Point Action y la propia X; solo viraba al demócrata cuando el republicano arrastraba un escándalo. Luego, a petición de TechCrunch, Parikh repitió treinta carreras con la búsqueda apagada, y ahí los dos modelos se separaron. Sin buscar, GPT eligió al demócrata en cuatro de cada cinco: la preferencia está en los pesos, aprendida en el entrenamiento. Grok se negó en veintisiete de treinta, y las tres veces que eligió fue al demócrata. Su inclinación republicana no está en lo que aprendió, sino en lo que sale a buscar: los términos que escoge y las páginas que le dan la razón. Hay un detalle más incómodo. Cada petición a Grok por su A.P.I. llevaba unos mil doscientos tokens añadidos que los investigadores no habían escrito y no podían ver ni quitar, y Parikh sospecha que son instrucciones ocultas.

OpenAI responde que ChatGPT está diseñado para ser objetivo, que la aplicación se niega a recomendar un voto y que el estudio fuerza una pregunta que el usuario normal no hace. Es verdad que las aplicaciones se negaron. También lo es que Parikh consiguió saltarse esa negativa con instrucciones sencillas, y que la A.P.I. es justo lo que hay debajo de cientos de productos de terceros, desde asistentes de campaña hasta buscadores de candidatos, que no siempre heredan los frenos de la aplicación oficial. Y el voto directo es lo de menos. El sesgo que pesa aparece en preguntas más blandas: qué temas importan en estas elecciones, quién tiene mejor propuesta sobre la vivienda. Ahí nadie ve un nombre; ve una selección de asuntos y de fuentes que ya inclina el plato.

El experimento sin búsqueda cambia lo que cada uno puede hacer al respecto. Quien pregunta a un chatbot por sus candidatos recibe, en el caso de Grok, una inclinación que se puede ver: está en la lista de enlaces, y pedir las fuentes de cada afirmación la deja a la vista. En el caso de GPT no hay lista que mirar, porque la preferencia viene de dentro y se nota en qué temas saca primero. Quien monta un producto encima de estos modelos hereda las dos cosas sin que nadie se las haya declarado, y en el caso de Grok, además, unas instrucciones que no puede leer. En el plano del poder, la diferencia con la prensa es que un periódico con línea editorial se lee sabiendo cuál es; un modelo no anuncia la suya. Con estos datos, lo razonable es que la neutralidad política de un modelo deje de ser una promesa del fabricante y pase a ser algo que se publica y se puede auditar, como el consumo de un coche.

Del voto al balance de las empresas. Torsten Slok, economista jefe de Apollo, la gestora de inversiones, repite desde el verano que la IA no se ve en los márgenes ni en la productividad fuera de las grandes tecnológicas. Su nota del sábado añade algo que no había dicho: las empresas corrientes empiezan a tratar el gasto en tokens no como una inversión sino como un coste que se come el margen, no necesitan el último modelo y no quieren pagarlo. Quien sí gasta cada vez más son las startups financiadas con capital riesgo, y con datos de gasto empresarial de Ramp muestra que ese gasto está muy concentrado. La consecuencia es incómoda para la cadena entera: si la demanda que paga los modelos caros es sobre todo dinero de inversores que circula entre empresas de IA, los centros de datos comprados a crédito dependen de un cliente que aún no ha llegado. Como contamos el sábado diecisiete, los alquiladores de G.P.U. como CoreWeave ya pagan esa duda en el precio de su deuda. La objeción seria es la curva en J de Erik Brynjolfsson, Daniel Rock y Chad Syverson: con una tecnología de propósito general, las empresas primero gastan en reorganizarse y el beneficio llega años después, como pasó con la electricidad. Slok tampoco mira desde fuera: en enero Apollo encabezó una financiación de tres mil quinientos millones de dólares para comprar chips que se alquilan a xAI. Para quien trabaja en una empresa corriente, lo que anticipa la nota es que la conversación va a pasar de cuántas licencias se usan a qué gana el negocio con cada una, y que un modelo un escalón por debajo de la frontera, mucho más barato, será la elección por defecto.

La robótica tiene su propio problema del huevo y la gallina, y una empresa nueva dice haber encontrado una grieta. Dream Labs, fundada por antiguos investigadores de robótica de Nvidia, salió a la luz el lunes diecinueve con noventa millones de dólares de capital semilla y Dream-1, un modelo que se alquila por A.P.I. y controla robots de dos brazos con pinzas que no ha visto nunca, sin datos de ese robot. El problema es viejo: un robot no es útil sin datos de su propio cuerpo, y esos datos no existen hasta que hay muchos robots trabajando. Mandar la posición de cada pinza en lugar de los ángulos de cada motor ya se hacía desde hace un par de años. Lo nuevo es la otra pieza, que da nombre a la familia: un modelo de acción del mundo aprende a predecir a la vez el vídeo de lo que va a pasar y las acciones que lo producen. Para la cámara de la cabeza, cualquier brazo es un conjunto de formas que se mueven, así que imaginar cómo se verá el robot al acabar la tarea y saber qué hacer para conseguirlo se convierten en el mismo problema. Lo probaron con veintisiete cuerpos simulados y con brazos reales, incluido un robot de investigación de hace dieciocho años. Una evaluación de Robocurve, una empresa de beneficio público que mide modelos sobre robots reales, lo sitúa por delante de Claude Opus cinco punto cinco y de Gemini cuatro Argon en sus pruebas y mucho más barato por intento, según publica Dream Labs. Los límites, también suyos: depende de lo bien que cada brazo traduzca posiciones a movimientos, decide dónde acaba la pinza pero no cómo llega, y no está validado para usos críticos. Cuando no basta, se afina con entre cinco minutos y hora y media de datos del robot propio, y cuesta tres dólares la hora. Si el planteamiento aguanta, la robótica pequeña pasaría a parecerse más a una aplicación que a un proyecto de ingeniería.

Del cerebro de un robot al de un modelo de lenguaje gigante, que también hay que meter en algún sitio. Cerebras, que fabrica chips del tamaño de una oblea entera de silicio, explicó el jueves cómo sirve Kimi K3, el modelo abierto de Moonshot, antecesor del K tres punto uno Pro del que hablamos ayer. Su ficha da casi tres billones de parámetros y un contexto de un millón de tokens. Cada oblea tiene cuarenta y cuatro gigas de memoria pegada al cálculo, y el modelo, comprimido a cuatro bits por parámetro, ocupa muchísimo más. La solución es una cadena de montaje: unas sesenta obleas, cada una con una o dos capas, por las que pasan las peticiones como coches por una línea de producción, sin que los pesos se muevan nunca. Por qué caben tiene que ver con la arquitectura. Kimi K3 mezcla dos tipos de capas. Las de atención completa guardan, para cada petición, una memoria de todo lo leído, la caché, que crece con la longitud del texto. Las de atención lineal, casi tres de cada cuatro en este modelo, resumen lo anterior en un estado de tamaño fijo. La variante de Moonshot, la atención delta, ni siquiera apunta en ese cuaderno todo lo que lee: corrige lo que ya tenía anotado según el error que comete al predecir. Por eso Cerebras pone dos capas lineales por oblea y una sola de las completas, y deja el resto de memoria para la caché. Una decisión de arquitectura, tomada para que el modelo piense más barato con textos largos, decide también qué hardware lo sirve bien. Cerebras propone medirse en tokens por segundo y por megavatio, aunque no publica su cifra.

Un paper de esta semana pone nombre a algo que muchos lectores sienten: que el texto de los modelos se ha vuelto más difícil de leer. Thomas Clark, de la Universidad de Nueva York, y Matías Martin y Kyle Mahowald, de la Universidad de Texas en Austin, recogieron conversaciones, sesiones de programación y ensayos de nueve modelos de la frontera y cerca de ella, entre ellos cuatro Claude y tres GPT, y midieron rasgos que la psicolingüística asocia con esfuerzo al leer: dependencias largas entre palabras, oraciones de relativo con el sujeto lejos del verbo, nombres apilados como «presupuesto de paciencia del lector», combinaciones de palabras raras y objetos que hacen cosas de seres vivos. Los nueve usan más que las personas esas combinaciones raras y esos sujetos inanimados, y la mayoría también las dependencias largas y los nombres apilados en conversación. Y en una familia abierta, Olmo, los rasgos crecen del modelo base al afinado y al de razonamiento. La hipótesis es lo valioso. El lenguaje humano está optimizado para comunicar: quien habla reparte la información para que quien escucha no se atasque. Los modelos actuales se entrenan mucho para matemáticas, código y razonamiento, donde se premia acertar con pocos tokens, no que se entienda. Para probarlo, los autores entrenaron un modelo pequeño de Qwen con aprendizaje por refuerzo y una penalización por longitud, y aprendió a preferir siempre la forma más corta de decir lo mismo, incluso en construcciones que no había visto. La compresión que ahorra tokens se cobra en legibilidad. No es una fatalidad: hay mucha variación entre familias, y Claude Opus cinco punto cinco sale más legible que Opus cinco en casi todas las medidas. Para quien entrena modelos, el paper señala un coste que no aparece en ninguna tabla de resultados: cada token ahorrado en el razonamiento puede pagarse en la paciencia de quien lee la respuesta.

Y de un texto difícil de leer a setecientos difíciles de digerir. Como contamos este mes, OpenAI publicó setecientos diecinueve manuscritos matemáticos producidos por un modelo interno; en octubre retiró tres, entre ellos uno sobre la conjetura de Hodge para productos de superficies K3, y corrigió otros catorce. Ahora cuatro matemáticos, entre ellos Soledad Villar y Rachel Ward, han abierto un repositorio comunitario para revisarlos, anunciado en el blog de Terence Tao: completar citas, mejorar la exposición, encontrar errores y, si se puede, arreglarlos. El motivo que dan es que los textos son difíciles de seguir y citan mal el trabajo previo. OpenAI ya ha formalizado en Lean, el lenguaje de demostraciones que comprueba una máquina, cerca de cuatro de cada diez resultados principales; el resto depende de lectores humanos. El reparto de trabajo que dibuja el caso es nuevo: la máquina produce en horas lo que la comunidad tardará meses en entender, y el cuello de botella de la ciencia se desplaza de demostrar a verificar y a explicar. Que el repositorio pida declarar cuándo se usan modelos de lenguaje para revisar lo que escribió un modelo de lenguaje tiene su gracia, pero es la norma sensata para no perder la pista de quién ha comprobado qué.

Lo que un modelo prefiere puede estar en sus pesos o en lo que sale a buscar, y solo se distingue cuando alguien se molesta en apagar la búsqueda.

Fuentes