Por Canuto  

Jensen Huang declaró que la AGI ya llegó tras el lanzamiento de GPT-6 Astra, mientras OpenAI evita usar esa etiqueta y su científico jefe pide moderar el ritmo de desarrollo. La discusión también pone el foco en la escala del entrenamiento y en las 400.000 GPUs que Nvidia dice que llegarán después.
***

  • Jensen Huang aseguró que GPT-6 Astra representa la llegada de la AGI y mencionó más de 100.000 chips Nvidia usados en su entrenamiento.
  • ARC Prize reportó una diferencia entre el 99,9% obtenido con el sistema de OpenAI y el 62,7% bajo su estándar independiente.
  • El científico jefe de OpenAI, Jakub Pachocki, advirtió que la industria aún no resuelve suficientemente la alineación y el monitoreo.

 

El director ejecutivo de Nvidia, Jensen Huang, afirmó que la inteligencia artificial general, conocida como AGI, ya llegó con GPT-6 Astra de OpenAI. La declaración apareció después del lanzamiento del modelo y alcanzó más de 10 millones de visualizaciones, pero también abrió una disputa sobre qué significa realmente ese hito, quién puede certificarlo y qué intereses comerciales rodean la afirmación.

Huang escribió que OpenAI entrenó Astra con más de 100.000 chips Nvidia Grace Blackwell instalados en racks NVLink72 y añadió que otras 400.000 GPUs están próximas a entrar en operación. El comentario respondió a Chase Lochmiller, director ejecutivo de Crusoe, quien había descrito a Abilene, Texas, como el lugar de nacimiento de la AGI, después de que su empresa construyera allí el campus de OpenAI.

Una afirmación que OpenAI no hizo de forma explícita

La expresión AGI apareció en la conversación pública alrededor del lanzamiento del 3 de septiembre, cuando Greg Brockman, presidente de OpenAI, dijo a periodistas que consideraba posible que la empresa ya hubiera alcanzado ese punto. Sin embargo, la cuenta oficial de OpenAI no presentó GPT-6 Astra con esa etiqueta y prefirió destacar resultados en FrontierMath Tier 4, ARC-AGI 3 y Terminal-Bench 4.0.

La cronología difundida por la empresa conecta el lanzamiento de ChatGPT en noviembre de 2022, el modelo de razonamiento o1 en septiembre de 2024 y Astra el 3 de septiembre de 2026. Ese recorrido suma aproximadamente cuatro años, aunque la diferencia central está en el lenguaje utilizado: los modelos anteriores llegaron acompañados de tablas de rendimiento, mientras Astra quedó asociado públicamente con la AGI por declaraciones externas a su anuncio oficial.

La intervención de Huang fue más directa que la de OpenAI y constituye una de las afirmaciones más contundentes de un ejecutivo de alto perfil sobre un modelo específico. El mensaje, además, provino de una empresa que suministró la infraestructura de cómputo, no del laboratorio que desarrolló el sistema, una distinción relevante cuando la misma tecnología sirve como demostración técnica y como referencia comercial para nuevos pedidos.

La AGI no tiene una definición universalmente aceptada, una prueba independiente única ni un organismo regulador encargado de certificarla. La formulación usada por Brockman, basada en sistemas generalmente más inteligentes que los seres humanos, tampoco fue adoptada como criterio formal por Huang, quien no ofreció una definición alternativa ni detalló qué umbral consideraba suficiente.

La diferencia entre los resultados de Astra

ARC Prize, la organización vinculada al benchmark ARC-AGI, publicó dos resultados para Astra el día del lanzamiento. El modelo obtuvo un 99,9% dentro del entorno de evaluación configurado por OpenAI, pero alcanzó un 62,7% cuando se midió bajo el estándar de la fundación, una diferencia suficientemente amplia para modificar la lectura pública del resultado.

Según ARC Prize, la brecha procede del scaffolding, es decir, de las herramientas, instrucciones y procesos externos que rodean al modelo durante la prueba, y no necesariamente de los pesos que componen su red neuronal. La organización aclaró que esos resultados no bastaban para afirmar la llegada de la AGI, mientras Mike Knoop, su cofundador, señaló que la evidencia disponible todavía no alcanzaba ese nivel.

La discusión importa porque una misma cifra puede sugerir conclusiones muy distintas según el sistema de evaluación utilizado. Un 99,9% puede presentarse como una señal de capacidades cercanas a la inteligencia general, mientras que un 62,7% bajo un estándar independiente apunta a un resultado notable, aunque más difícil de convertir en una declaración definitiva sobre el futuro de la inteligencia artificial.

ARC Prize comenzó a mostrar ambas puntuaciones lado a lado, una práctica que puede elevar el nivel de transparencia en futuros anuncios. Si otro laboratorio presenta un resultado cercano al 99,9% para respaldar una afirmación de AGI, la pregunta inmediata será si obtuvo esa cifra con su propio entorno de evaluación o bajo un procedimiento comparable al estándar externo.

El llamado a frenar también provino de OpenAI

El mismo día del lanzamiento, OpenAI publicó un ensayo firmado por su científico jefe, Jakub Pachocki, quien sostuvo que ningún laboratorio ha resuelto suficientemente los problemas de alineación y monitoreo como para continuar escalando a máxima velocidad durante mucho más tiempo. Pachocki describió el momento como uno de extrema precaución y dijo que esperaba que las desaceleraciones voluntarias se volvieran habituales.

El contraste coloca dos mensajes de OpenAI y su ecosistema en extremos opuestos. Por un lado, el proveedor de hardware celebró que la industria hubiera alcanzado un destino histórico y anunció otras 400.000 GPUs; por otro, el responsable científico del laboratorio productor de Astra advirtió que nadie está preparado para gestionar plenamente las capacidades que ya están disponibles.

Pachocki no es un crítico externo de OpenAI, sino el investigador que dirige la labor científica detrás del modelo celebrado por Huang. También firmó una carta abierta publicada en julio que pidió al Gobierno de Estados Unidos regular el ritmo de desarrollo de la inteligencia artificial, por lo que su llamado a la prudencia representa una advertencia desde el interior de la organización.

Sam Altman republicó el ensayo de Pachocki y lo calificó de importante, una reacción que refuerza la relevancia interna de la advertencia. La empresa tuvo la oportunidad de declarar formalmente la AGI en su propio lanzamiento, pero eligió presentar benchmarks y capacidades concretas, una cautela que contrasta con la seguridad utilizada por Huang en su mensaje público.

El interés comercial detrás de las 400.000 GPUs

Nvidia tiene una posición financiera directa en la historia de Astra. La compañía invirtió USD $30.000 millones en OpenAI en febrero, en lo que se describió como su mayor compromiso individual, y ahora posee USD $99.000 millones en acciones de sus propios clientes, de acuerdo con la información citada sobre la relación entre ambas empresas.

El entrenamiento de Astra también funciona como una demostración de referencia para la plataforma Grace Blackwell. Las 400.000 GPUs anunciadas por Huang todavía no representan ingresos registrados por Nvidia, pero sí constituyen una expectativa comercial relevante, especialmente porque la empresa mantiene un acuerdo de suministro con OpenAI por 10 gigavatios de capacidad.

Crusoe comparte parte de ese incentivo, aunque desde el negocio de infraestructura para centros de datos. La compañía ha recaudado cerca de USD $3.000 millones con una valoración próxima a USD $30.000 millones y firmó la semana anterior un contrato de cinco años por USD $13.000 millones con Jane Street, según la información disponible.

Para una empresa de centros de datos, presentar su campus insignia como el lugar de nacimiento de la AGI puede resultar más atractivo ante prestamistas e inversionistas que describirlo simplemente como el sitio donde funciona un modelo de lenguaje grande. Esto no demuestra que la afirmación de Huang sea falsa, pero sí ayuda a entender por qué la versión más contundente surgió fuera de OpenAI, mientras Brockman mantuvo una postura más prudente.

Una cifra ambigua sobre la escala del entrenamiento

La publicación de Huang combinó las expresiones 100K+ y NVLink72, una formulación que puede interpretarse de dos maneras. Un rack NVL72 contiene 72 GPUs Blackwell, por lo que entender que se utilizaron 100.000 racks implicaría unos 7,2 millones de GPUs, una escala muy superior a cualquier clúster de entrenamiento descrito públicamente.

La lectura más plausible es que Huang se refería a más de 100.000 GPUs distribuidas en racks NVLink72. Ese cálculo equivale aproximadamente a 1.400 racks, una infraestructura enorme, pero técnicamente más verosímil que 100.000 racks completos, y Nvidia no había aclarado la ambigüedad al momento de la publicación.

La diferencia no es un detalle menor, porque el número comenzó a circular como una referencia sobre la escala necesaria para entrenar la primera AGI. Cuando una cifra puede variar por un factor de 72 según la forma en que se interprete, cualquier reproducción del anuncio necesita explicar la unidad de medida y separar las GPUs de los racks que las contienen.

También queda abierta la fecha exacta de la llegada de las nuevas unidades. La frase “entrando en línea a continuación” no especifica cuándo se desplegarán, dónde funcionarán ni quién financiará la infraestructura, preguntas que determinarán si se trata principalmente de un nuevo clúster de entrenamiento o de una campaña de comunicación alrededor de la expansión computacional.

Qué señales deberían seguir los mercados

La primera señal será observar si OpenAI adopta el lenguaje de Huang en sus próximos comunicados. Hasta ahora, el laboratorio ha preferido hablar de resultados comparativos y capacidades observables, de modo que una declaración formal sobre la AGI exigiría explicar qué definición utiliza y qué evidencias considera suficientes para sostenerla.

La segunda será el calendario del despliegue anunciado por Nvidia. Las 400.000 GPUs representan solo una fracción del acuerdo de suministro por 10 gigavatios entre Nvidia y OpenAI, pero el impacto industrial dependerá de la velocidad de instalación, la disponibilidad energética, la ubicación de los centros de datos y la estructura de pagos entre las compañías involucradas.

La tercera señal será la metodología de los benchmarks. ARC Prize ya expone sus resultados con el entorno de OpenAI y con su estándar independiente, por lo que los próximos anuncios tendrán que indicar con claridad qué procedimiento produjo cada puntuación, especialmente cuando una cifra cercana al 100% pueda influir en valoraciones, contratos y expectativas sobre Nvidia.

Por ahora, la declaración de que la AGI llegó permanece como una afirmación empresarial y no como un hallazgo técnico certificado. El entusiasmo de Huang, la cautela de OpenAI y las advertencias de Pachocki describen una industria que acelera su inversión en cómputo mientras todavía debate cómo medir sus avances y cómo controlar las consecuencias de los sistemas más capaces.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados