digesTvo

Tus noticias nerd, digeridas

AI Watchdog Seguimiento de lanzamientos en models.dev

Se amplía la brecha en la comprensión compartida de lo que pueden hacer los LLM

Andrej Karpathy sostiene que la comprensión compartida de la capacidad de los LLM se divide en un embudo de cuatro niveles: unos 6.000 millones de personas que apenas han tocado los LLM, 1.000-2.000 millones de usuarios casuales del nivel gratuito que ven un chatbot torpe, unos 20 millones de profesionales de matemáticas y código que ven a los agentes terminar desde un prompt proyectos de semanas, y 5.000 personas con acceso interno que ven enjambres de agentes ejecutar proyectos de software de una semana. Atribuye la brecha a la ambición escalable, a una capacidad irregular que rinde mejor en dominios digitalmente verificables y a los niveles de acceso (gratuito, de pago, interno). También advierte que la revisión humana se está quedando atrás frente al volumen generado.

La mayoría de los comentarios se ubica del lado escéptico de los niveles intermedios de Karpathy, porque el software de agentes que tocan a diario todavía se ve tosco: el hilo acumula quejas sobre el renderizador roto y el scrollback de Claude Code, errores en la extensión de Codex para VS Code y resúmenes de la búsqueda de Google con IA que dan respuestas claramente equivocadas. La objeción más aguda viene de tripleee, quien dice que la afirmación de que los agentes completan proyectos de semanas solo se sostiene en ports y traducciones, donde las reglas están documentadas y el LLM puede verificarse contra el código; en otros ámbitos no alcanza una calidad comparable. El contrapunto es concreto: jfrbfbreudh dice que publicó una app de productividad del top 50 de la App Store habiendo escrito y leído exactamente una línea de ella, e insiste en que llamar a eso hype es negación a finales de 2026. Un segundo argumento corre por debajo: la preocupación más fuerte es que la verificación humana es el verdadero muro, y JBits la replantea como un incentivo ausente más que una capacidad ausente, ya que revisar 722 manuscritos de matemáticas escritos por máquinas equivale a trabajo no pagado para OpenAI.

  1. Gemini 4 Neon

  2. GPT‑6.2 Astra y Sol

  3. United Airlines prohíbe a los agentes de IA reservar vuelos en nombre de los pasajeros

  4. Apple prepara una nueva app de Mac para facilitar el uso de modelos de IA locales