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.
Una red de 2015 acierta más lesiones de piel que GPT-6 y Claude
Un dermatólogo de Londres enfrenta una red neuronal de hace una década a GPT-6 Astra y Claude Fable 5.1 con 200 lesiones biopsiadas, y la vieja gana. Además, por qué los precios de los modelos se han hundido desde junio, los ingenieros que China paga a precio de oro, la nueva ley de Pensilvania sobre anuncios hechos con IA, la Odisea de Grok y los centros de datos en campaña.
Guion
Una red neuronal de 2015, ajustada en veinte minutos con fotos públicas, ha reconocido lesiones de piel mejor que los modelos más caros de OpenAI y de Anthropic, y la prueba la ha hecho alguien que opera esos cánceres cada semana.
Magnus Lynch es dermatólogo y cirujano de Mohs en el hospital Guy's de Londres e investiga en el King's College. Ha publicado en su web un experimento sencillo y, por eso, incómodo. Tomó doscientas lesiones al azar de MILK10k, una colección pública de la comunidad internacional de imagen dermatológica, todas confirmadas por biopsia: la mitad, de las que no se pueden dejar ir a casa, con melanomas, carcinomas y queratosis actínicas; la otra mitad, lunares y queratosis seborreicas inofensivas. De cada una había dos imágenes, una foto clínica y otra con el dermatoscopio, la lupa iluminada del especialista. Se las dio a GPT-6 Astra y a Claude Fable 5.1, con las mismas instrucciones que usaría un médico: el diagnóstico más probable entre seis, una segunda opción y si el paciente puede irse sin más. Y se las dio también a Inception tres, una red convolucional que Google publicó en 2015, entrenada primero con fotos corrientes y reajustada entera, en una sola G.P.U., con unas sesenta y ocho mil imágenes del archivo público, del que antes retiró todas las fotos de esos doscientos pacientes. La red pequeña también empezó siendo generalista; lo que la cambió fue especializarse.
La vieja red acertó el diagnóstico en ciento veinticinco casos. Los dos modelos grandes, en ochenta y cuatro y ochenta y cinco: empatados entre sí y lejos de ella. La ventaja está sobre todo en reconocer lo benigno; en melanoma, los tres aciertan menos de la mitad. Lo más revelador es la forma de fallar. Cada modelo grande tenía una respuesta favorita. GPT-6 Astra vio carcinomas basocelulares en tres veces más lesiones de las que había, y metió entre ellas casi la mitad de los melanomas. Claude Fable 5.1 hizo lo mismo con las queratosis actínicas: más del doble de las reales.
Una red convolucional pasa pequeños filtros por la imagen, como quien recorre una pared con una linterna estrecha, y cada capa combina lo que encontró la anterior: bordes, luego retículas de pigmento, luego la forma de un vaso. Reajustada con decenas de miles de lesiones etiquetadas, esos filtros acaban afinados para una sola pregunta. En los modelos multimodales cuya arquitectura se conoce, la imagen se trocea en parches, un codificador entrenado con fotos y textos de todo tipo la traduce a vectores, y el modelo razona sobre esa traducción. Sabe describir casi cualquier cosa, pero la textura fina de un dermatoscopio es una parte mínima de lo que vio al entrenarse. Una explicación plausible de la respuesta favorita es esa: cuando la imagen no decide, decide la costumbre.
La parte clínica tiene un giro que el titular no recoge. Los modelos grandes fallan por exceso de prudencia: retuvieron casi todas las lesiones peligrosas, pero solo dejaron marchar a una de cada tres benignas, en el mejor caso. La red, con su umbral de fábrica, mandaba a casa a tres de cada cuatro benignas, y también a dieciocho de los treinta melanomas. Cuando Lynch ajustó su umbral para que fuera tan prudente como los modelos, solo se le escapaban uno o dos. La red diagnosticaba mejor; el umbral, que es una decisión médica, la hacía segura o peligrosa.
Lynch pone sus límites a la vista. Doscientas lesiones bastan para ver el patrón, no para ordenar resultados cercanos. Son casos difíciles, porque todo lo biopsiado preocupó antes a alguien. La red es una base de referencia, no lo mejor que existe. Y si los modelos grandes vieron esa colección al entrenarse, eso les habría ayudado a ellos. Añade un detalle con su ironía: el análisis y los primeros borradores los hizo con Claude Code, la herramienta de programación de Anthropic. Tampoco contradice lo que contamos el viernes de un sistema de Microsoft que, según su artículo en Science, resolvía casos clínicos difíciles mejor que los médicos: razonar sobre una historia clínica no es distinguir la textura de una lesión.
En Hacker News la discusión se partió en dos. Un ingeniero de aprendizaje automático lo despachó como una comparación injusta, un especialista contra un generalista con una muestra pequeña. Otros contestaron que esa es la comparación que importa, porque cada vez más gente, también investigadores, responde a cualquier problema con un «pregúntale al modelo». La réplica más útil del hilo fue otra: usar el modelo grande para construir el clasificador pequeño, no para sustituirlo.
Como filtro casero, los modelos mandan al médico a casi todo el mundo. Lynch lo probó con otra tanda de cien melanomas y una sola foto de móvil, preguntando como un paciente, y casi nunca dejaron pasar uno; pero tampoco tranquilizan a quien no lo necesita, y no avisan de su sesgo. Para los sistemas sanitarios, el resultado pesa en sentido contrario al del entusiasmo de este año. Un clasificador pequeño, barato, que cabe en el navegador de un teléfono y se puede auditar caso por caso, sigue ganando en tareas estrechas con buenos datos etiquetados, y lo que hay que vigilar es quién fija el umbral. Y en la ciencia aplicada, el reparto razonable pone al modelo grande de ayudante que monta, prueba y documenta la red pequeña, que es exactamente lo que hizo el propio Lynch.
De la precisión de un diagnóstico a la de una factura: lo que cuesta usar estos modelos se ha desplomado en cuatro meses, y Max Woolf, científico de datos que lleva años midiendo los modelos en su blog, ha intentado explicar por qué.
Su cronología es la de una guerra de precios a dos bandas. OpenAI rebajó en julio un ochenta por ciento su modelo pequeño. Anthropic dejó permanente el descuento de lanzamiento de Sonnet cinco, sacó Opus cinco punto cinco más barato que su antecesor con el argumento de que necesita menos cómputo para servirse, y recortó tres cuartas partes el precio de releer la caché en Fable cinco punto uno. OpenAI respondió con GPT seis Sol a mitad de precio y, una semana después, con GPT seis punto uno Sol, que partía por la mitad esa relectura. El punto técnico de Woolf es el que casi nadie mira: en un agente de programación, casi todos los tokens son relecturas de la caché, la conversación entera que el modelo vuelve a leer en cada turno. Abaratar esa relectura apenas se nota en la tarifa anunciada y, sin embargo, recorta la factura real de una tarea larga casi en la misma proporción. Por eso el precio por millón de tokens engaña: lo que cuenta es cuánto cuesta terminar el trabajo.
Su explicación tiene dos piezas. Los modelos se han vuelto intercambiables para el que programa: cambiar de uno a otro es mover un selector en la herramienta, así que no hay foso. Y los modelos abiertos ponen un suelo que no controla nadie. Woolf contó en OpenRouter veintinueve proveedores distintos sirviendo el último DeepSeek Flash, frente a trece en mayo para la versión anterior, y varios con costes casi idénticos. Cuando cualquiera puede servir el mismo modelo, el precio tiende al coste de servirlo. Según Artificial Analysis, Kimi K3.1 Pro, que contamos el sábado, queda a dos puntos y medio de Opus cinco punto cinco en su índice con media tarifa; pero Sonnet cinco punto cinco, cerrado, cobra lo mismo que Kimi y puntúa algo más. El suelo lo ponen los abiertos y también la pelea entre los cerrados.
De ahí sale su objeción a una tesis muy repetida entre los escépticos: que los tokens están subvencionados para enganchar, como los viajes baratos de Uber en su día, y que el precio subirá cuando acabe la fiesta. Uber y Lyft podían hacerlo porque eran casi un duopolio con barreras de entrada. Aquí hay decenas de servidores de modelos, y ninguno sirve uno con pérdidas mucho tiempo: lo apaga y usa sus G.P.U. para otro. Woolf recuerda además que hay informes de márgenes de inferencia muy altos, de hasta el ochenta por ciento: si un token se vende con ese margen, bajar el precio no es regalarlo. Y las dos empresas preparan su salida a bolsa con pérdidas, mal momento para regalar nada.
En Hacker News hubo quien prefirió una explicación más prosaica, cachés más eficientes y modelos más pequeños de lo que dice su nombre, que no contradice a Woolf sino que dice de dónde sale el margen para bajar. Y hubo quien recordó el reverso: el coste de servir crece con el uso, porque cada token gasta electricidad.
Los datos le dan la razón a Woolf en lo esencial: con varios modelos, abiertos y cerrados, a pocos puntos de la cima, el poder de fijar precios de los dos grandes es menor de lo que suponen sus valoraciones. Pero su propia anécdota apunta a dónde se va a librar la siguiente batalla. Cuando el modelo de OpenAI se abarató, él redujo a la quinta parte la cuota de su plan de Codex y siguió haciendo el mismo trabajo; y OpenAI, por su lado, recortó a la mitad el uso incluido en su plan más caro «para reflejar modelos más eficientes». Quien paga por uso, en la A.P.I., ve la rebaja entera; quien paga una suscripción puede no verla nunca, porque se la comen los recortes de cuota, que es por donde las empresas recuperan margen sin tocar la tarifa. Y según los datos de la pasarela de IA de Vercel, el coste por token ha bajado a menos de la mitad desde abril y aun así el gasto total sube: los modelos se usan para tareas más largas a medida que se abaratan.
Mientras el modelo se abarata, sube el precio de quien sabe meterlo en una empresa. ByteDance, Tencent y Alibaba ofrecen sueldos anuales cercanos al millón de yuanes, unos ciento cincuenta mil dólares, a los llamados ingenieros desplegados en el cliente: gente que se sienta con la empresa que compra la IA y la encaja en sus procesos. Según la red profesional china Maimai, las ofertas de ese puesto son las que más han crecido este año entre los perfiles técnicos de IA. El oficio lo popularizó Palantir hace años, y su vuelta explica bien el momento: si el modelo es intercambiable, el valor está en saber qué hace de verdad un almacén, una aseguradora o una fábrica, y traducirlo a algo que el modelo pueda ejecutar. Para quien estudia o cambia de carrera, la señal es clara: lo escaso es juntar las dos cosas, el oficio técnico y el conocimiento de un negocio concreto.
Pensilvania ya tiene ley para los anuncios hechos con IA. El gobernador Josh Shapiro firmó el jueves la que el Parlamento estatal aprobó a primeros de mes, impulsada por el senador demócrata Nick Pisciottano con apoyo de los dos partidos. Obliga a etiquetar los anuncios con imagen, vídeo o audio generados o modificados de forma significativa con IA cuando creen una impresión falsa sobre la naturaleza, el origen o la autenticidad de lo que se vende. La etiqueta va en el mismo formato que el anuncio: audible si es una cuña, el tiempo suficiente en pantalla si es vídeo. Quedan fuera la parodia, la sátira, lo evidentemente ficticio y los anuncios que son solo texto. Las multas llegan a tres mil dólares y la ley entra en vigor en sesenta días. El disparador no es usar IA sino engañar con ella, así que en la práctica es una ley contra la publicidad engañosa con una etiqueta añadida; eso es lo que alegó el lobby tecnológico NetChoice, que ya existen leyes contra el engaño. Y se aplica a todo anuncio que se emita en Pensilvania, se haya hecho donde se haya hecho, cuando una campaña nacional no suele hacer versiones por estado. Con California, que firmó en septiembre otra ley para avisar de los actores sintéticos, las normas estatales van haciendo de ley federal sin que el Congreso vote nada.
En julio, Elon Musk anunció que Grok haría una Odisea de largometraje «históricamente fiel», en respuesta a la de Christopher Nolan. Tres meses después, Grok Imagine ha publicado siete minutos, rebautizados como primer episodio de una serie, hechos con el estudio Wonder Studios y el director Dev Walker. Mientras tanto, la de Nolan, rodada en seis países con miles de personas, lleva desde el verano llenando salas. El crítico de TechCrunch concede que algunos planos pasarían por reales y concluye que el conjunto no respira. Es el punto exacto donde están hoy estas herramientas: el plano suelto ya convence, y lo que falta es lo que pasa entre planos, el ritmo y que a alguien le importe lo que ocurre. Para quien vive de hacer imágenes, el dato es menos amenazante de lo que vende el anuncio. Y para quien promete largometrajes, siete minutos en tres meses es un ritmo de rodaje que ni el cine mudo.
A ocho días de las legislativas, los centros de datos se han convertido en tema de campaña en los dos partidos, y el presidente Trump ha despachado la protesta contra ellos como «una conspiración enfermiza». Dieciséis estados han propuesto leyes para prohibirlos o congelarlos. El argumento principal de quien los defiende es el empleo, y ahí hay una medición seria que conviene tener a mano. Dany Bahar y Greg Wright, en un estudio de Brookings actualizado en agosto, compararon condados que recibieron su primer gran centro con otros donde el proyecto se anunció y se canceló, para no confundir causa con un crecimiento que ya venía. Hay empleo, del orden de cien a doscientos puestos por condado, menos de lo que prometen los informes de la industria; los sueldos no se mueven y la vivienda sube un poco. El hallazgo más útil es otro. En los grandes campus de Amazon, Google o Microsoft, las ayudas públicas son una parte mínima de la inversión, porque eligen sitio por la electricidad, el suelo y la fibra. En los centros de alquiler, que dan menos empleo local, las ayudas llegan a ser más de la mitad. Es decir, el dinero público se concentra justo donde menos rinde. Brookings declara entre sus donantes a esas mismas tecnológicas, y los autores dicen que no influyó. Para el votante de un condado con un proyecto encima, lo que decide el voto es quién paga la red eléctrica y la exención fiscal.
Una red pequeña que gana donde tiene buenos datos, y unos gigantes que bajan precios porque cualquiera puede servir a sus rivales: lo caro ya no es el modelo, sino lo que se pone a su alrededor.
Fuentes
- Magnus Lynch, «A 10-year-old CNN outperforms frontier LLMs for skin cancer diagnosis» — https://lynchlab.net/llm-skin-cancer
- King's College London, perfil de Magnus Lynch — https://www.kcl.ac.uk/people/magnus-lynch
- MILK10k, conjunto de datos del ISIC (DOI) — https://doi.org/10.34970/648456
- Tschandl et al., MILK10k, Journal of Investigative Dermatology (DOI) — https://doi.org/10.1016/j.jid.2025.06.1594
- Science, sistema de diagnóstico de Microsoft (DOI) — https://doi.org/10.1126/science.aeh7930
- Hacker News, hilo sobre el estudio de Lynch — https://news.ycombinator.com/item?id=50233779
- Max Woolf, «OpenAI and Anthropic cut their LLM prices by up to 80% within a few months. Why?» — https://minimaxir.com/2026/10/cheap-llms/
- Anthropic, presentación de Claude Opus 5.5 (coste de servirlo y precio) — https://www.anthropic.com/claude-opus-5-5
- Hugging Face, DeepSeek V4.1 Flash 1017 — https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017
- Artificial Analysis, API de modelos de lenguaje (índice y precios de Kimi K3.1 Pro, Claude Opus 5.5 y Sonnet 5.5) — https://artificialanalysis.ai/api/v2/data/llms/models
- Hacker News, hilo sobre el artículo de Woolf — https://news.ycombinator.com/item?id=50236102
- South China Morning Post, ingenieros desplegados en el cliente en China — https://www.scmp.com/tech/tech-trends/article/3371925/chinas-tech-giants-are-paying-1-million-yuan-new-kind-ai-engineer
- Asamblea General de Pensilvania, Senate Bill 806 (Act 99 de 2026) — https://www.palegis.us/legislation/bills/2025/sb806
- Asamblea General de Pensilvania, texto de la ley SB 806 — https://www.palegis.us/legislation/bills/text/HTM/2025/0/SB0806/PN1808
- MediaPost, aprobación de la ley, carta de NetChoice y ley de California — https://www.mediapost.com/publications/article/418601/pennsylvania-passes-bill-requiring-disclosure-of-m.html
- TechCrunch, los siete minutos de la Odisea de Grok — https://techcrunch.com/2026/10/25/grok-releases-the-first-seven-minutes-of-its-ai-generated-odyssey/
- BBC, los centros de datos ante las legislativas — https://www.bbc.co.uk/news/articles/cq2e9we7w2ejo
- Brookings, Bahar y Wright, «New evidence on data center employment effects» — https://www.brookings.edu/articles/new-evidence-on-data-center-employment-effects/