Noticias
Chips personalizados Operai: Breaking Nvidia’s Ai Grip
Si bien la investigación temprana de IA se benefició de los procesadores de uso general, la creciente complejidad de los modelos modernos de IA ha requerido la búsqueda de hardware más especializado. Recientemente, Operai ha anunciado un movimiento significativo para desarrollar su primer chip IA interno, una innovación que promete superar los límites del rendimiento y la eficiencia de la IA.
Cosas clave para saber:
- Operai está desarrollando su primer chip AI interno: La compañía tiene como objetivo finalizar su diseño personalizado de silicio de IA en los próximos meses, con la fabricación manejada por TSMC utilizando tecnología avanzada de 3 nanómetros.
- Reducción de la dependencia de Nvidia: Con Nvidia que actualmente dominaba el mercado de hardware de IA, el movimiento de OpenAI se alinea con una tendencia más amplia de la industria de las empresas, incluidas Google y Microsoft, invirtiendo en chips de IA personalizados para diversificar su ecosistema de hardware.
- Costo significativo y factores de riesgo: Diseñar y fabricar chips de IA es un proceso costoso, con una sola iteración potencialmente superior a £ 500 millones. El éxito de OpenAI dependerá de la eficiencia de su primera optimización de software de cinta adhesiva y a largo plazo.
- Panorama competitivo e implicaciones futuras: Se espera que el chip de OpenAI se centre inicialmente en la inferencia de IA, con iteraciones futuras que mejoran las capacidades de capacitación. Este movimiento podría mejorar la eficiencia de la IA, reducir los costos operativos y remodelar la dinámica competitiva del desarrollo de hardware de IA.
¿Qué desafíos enfrentan los sistemas de IA de hoy, qué ha desarrollado exactamente Openai (y otros) y cuáles podrían ser las implicaciones más amplias de estos chips de IA personalizados para el futuro de la investigación y la industria de la IA?
Las primeras raíces de los aceleradores de IA
El desarrollo de la inteligencia artificial ha sido un viaje largo y arduo, con numerosos contratiempos y desafíos en el camino. A pesar de La promesa temprana de AIlos primeros experimentos estuvieron severamente limitados por el hardware con poco potencia que era Disponible en ese momento. Las demandas computacionales de los modelos de IA continuaron creciendo, pero las arquitecturas de procesadores existentes lucharon para mantenerse al día, obstáculos Eso afectó significativamente la tasa de progreso de la investigación.
Como el campo de La IA continuó evolucionando, la necesidad de un hardware más potente se hizo cada vez más evidente. Sin embargo, las opciones existentes no solo eran inadecuadas sino también ineficientes. Procesadores de uso general, que eran la norma al comienzo de la revolución de la IA, no pudieron Manee las demandas en rápido crecimiento de los modelos de IA complejos. La necesidad de hardware especializado se hizo claro, pero encontrar una solución demostró ser una tarea desalentadora.
Una de las primeras soluciones para el Limitaciones de los procesadores de uso general fue el uso de GPU. Mientras que las GPU no fueron diseñado específicamente Para las tareas de IA, su arquitectura masivamente paralela las hizo muy adecuadas para cierto Aplicaciones AI. Sin embargo, el uso de GPU llegó con la suya de desafíos, ya que su arquitectura no se optimizó para la IA y, por lo tanto, desperdició recursos significativos en las tareas que fueron no relevante a ai. Esta ineficiencia no solo limitado el rendimiento de las GPU en aplicaciones de IA pero también aumentó el costo general de usarlos.
El siguiente paso en el desarrollo del hardware de IA fue la introducción de silicio personalizado. Por Diseñando un chip específicamente para AIlos investigadores esperaban superar las limitaciones e ineficiencias del hardware existente. Sin embargo, el silicio personalizado también vino con una variedad de desafíos que dificultaron la implementación. El alto costo de diseño y fabricación de silicio personalizado lo hizo inaccesible para la mayoría de los investigadores, y los largos plazos de entrega para el desarrollo de chips personalizados hicieron difícil mantener el ritmo del campo de IA en rápida evolución.
OpenAi para desarrollar chip de IA interno para fin de año
En un movimiento hacia Reducir su dependencia únicamente de Nvidia para el hardware de inteligencia artificial, Abierta ai está desarrollando su primer chip de IA interno. Según los informes de Reuters, la compañía planea finalizar su diseño en unos pocos meses, con la fabricación llevar a cabo por Taiwan Semiconductor Company (TSCM) utilizando su tecnología de proceso de 3NM.
El desarrollo del chip, que se espera en el cuarto trimestre de 2022, verá a OpenAI utilizar el proceso TSMCS 3N, que tiene un tamaño de nodo de 3 nanómetros. El chip se utilizará principalmente para ejecutar AI algoritmos, e inicialmente se integrará en Infraestructura de Openai sobre una base experimental. Se espera que las versiones futuras del dispositivo tengan capacidades mejoradas a medida que continúa OpenAI continúa para desarrollar ambos sus capacidades de software y hardware.
El papel de TSMC en la fabricación de chips de IA
La tecnología de proceso de 3 nanómetros de TSMC se encuentra entre los métodos de fabricación de chips más avanzados actualmente disponibles. La transición a la fabricación de 3NM permite una mayor densidad de transistores, mejorando la eficiencia energética y el rendimiento al tiempo que reduce la disipación de calor. Con OpenAI aprovechando esta tecnología de vanguardia, sus chips de IA personalizados podrían ofrecer optimizaciones específicas para las cargas de trabajo de aprendizaje automático.
Si bien la dependencia de OpenAI en TSMC marca una asociación estratégica, también refleja tendencias de la industria más amplias. Los competidores como Apple y Nvidia también están invirtiendo en gran medida en los procesos de fabricación de TSMC, lo que refuerza el dominio de la fundición en la informática de alto rendimiento. Sin embargo, las limitaciones de la cadena de suministro y los factores geopolíticos que rodean la fabricación de semiconductores podrían plantear desafíos para OpenAi a medida que escala su producción de chips de IA.
El movimiento de OpenAi viene como resultado de Los crecientes costos que enfrentan las empresas en la industria de la IAasí como el dependencia de productos nvidia. Como tal, muchos empresas están buscando diversificar sus capacidades de hardware, Y esto también está siendo visto en el desarrollo de hardware de IA personalizado por otras compañías.
Cambio estratégico hacia la independencia de hardware de IA
La creciente dependencia de la industria de la IA de NVIDIA ha llevado a las empresas a explorar el desarrollo de chips personalizados, no solo para la reducción de costos sino también para el apalancamiento estratégico. Nvidia actualmente posee aproximadamente el 80% del mercado de chips de IA, lo que lo convierte en el proveedor dominante. Sin embargo, los gigantes de la computación en la nube como Microsoft, Google y Amazon han iniciado esfuerzos para reducir la dependencia de los proveedores de terceros invirtiendo en chips de IA patentados.
Para OpenAI, el desarrollo de un chip AI interno permite una integración más profunda entre hardware y software, potencialmente desbloqueando la eficiencia que no se puede lograr con GPU listas para usar. Las unidades de procesamiento de tensor de Google (TPU) y los chips de entrenamiento de Amazon ilustran cómo el silicio personalizado puede mejorar el rendimiento de la IA al tiempo que reduce los gastos operativos en los centros de datos a gran escala.
Sin embargo, la transición lejos de los proveedores de chips establecidos presenta desafíos. A diferencia de Nvidia, que tiene décadas de experiencia en la optimización del hardware de IA, el programa de desarrollo de chips de OpenAI todavía está en su infancia. La ejecución exitosa requerirá no solo la experiencia de fabricación, sino también la optimización de software a largo plazo para aprovechar completamente las ventajas de hardware personalizadas.
Uno de esos ejemplos es Google, que han desarrollado su propia gama de chips de IA. Estos dispositivos están acostumbrados a Modelos de IA de Google de Google, y han sido críticos en El éxito de los servicios de IA basados en la nube de Google.
Comparación de la estrategia de chip de IA de OpenAI con los competidores
Las chips MTIA de Google y MTIA sirven como puntos de referencia para cómo se puede integrar el silicio de IA personalizado en operaciones a gran escala. La arquitectura TPU de Google está optimizada específicamente para tareas de aprendizaje profundo, lo que le permite superar las GPU tradicionales en ciertas cargas de trabajo al tiempo que reduce el consumo de energía. Del mismo modo, los chips de IA internos de Meta tienen como objetivo mejorar la eficiencia en los procesos de capacitación e inferencia para modelos de idiomas grandes.
El enfoque de OpenAI difiere en que se espera que su chip de primera generación se despliegue en una escala más limitada, centrándose inicialmente en la inferencia en lugar de la capacitación a gran escala. Esto sugiere una entrada cautelosa pero estratégica en el espacio de hardware, reflejando cómo otras compañías de IA expandieron gradualmente sus iniciativas de chips antes de lograr la independencia a gran escala de NVIDIA.
Dada la inversión sustancial requerida para el desarrollo de chips de IA, estimado en más de £ 500 millones para una sola iteración, Openai necesitará navegar cuidadosamente los riesgos financieros y técnicos asociados con su hoja de ruta de hardware.
Sin embargo, desarrollar un chip AI no es una hazaña pequeña, y puede ser un proceso costoso. Un solo tapón de un chip puede costar millones de libras, y el tiempo necesario para diseñar y probar un chip es significativo. Además, no hay garantía de éxito, y una sola falla de diseño puede ver un proyecto abandonado.
Los desafíos de la fabricación de chips ai
La fabricación de un chip AI es un proceso complejo de varias etapas que requiere ingeniería precisa y una validación extensa. La fase de diseño inicial implica una rigurosa simulación y creación de prototipos para garantizar que la arquitectura satisfaga las demandas de las cargas de trabajo de IA. Una vez grabado, el chip debe someterse a una validación de silicio para identificar y rectificar posibles defectos de diseño.
Dados los altos costos asociados con un solo tapón, el éxito de OpenAI dependerá de si su primera iteración funciona según lo previsto. Si el diseño inicial requiere revisiones sustanciales, la Compañía puede enfrentar retrasos extendidos y tensión financiera adicional. Esta es una razón clave por la cual los gigantes tecnológicos como Apple y Microsoft iteran en múltiples generaciones de chips antes de lograr la viabilidad de producción completa.
Además, Operai también debe considerar el ecosistema de software que rodea su hardware. El dominio de Nvidia no es solo el resultado de sus chips, sino también la robustez de su pila de software CUDA. Para que Operai compite de manera efectiva, deberá asegurarse de que su chip de IA personalizado se integre sin problemas con los marcos de aprendizaje automático existentes, minimizando las brechas de compatibilidad para los desarrolladores.
El futuro de los ICS personalizados en la IA
El empuje hacia el desarrollo de chips internos para la IA, como la ser Desarrollado por Open AI, señala una nueva era en la evolución del hardware especializado. Como se discutió anteriormente, los chips de uso general han demostrado ser inadecuado para manejar los complejos cálculos requeridos por los modelos de IA modernos (las primeras raíces de la aceleración de IA). Si bien las GPU han sido una solución valiosa para acelerar los cálculos de IA, no son optimizado específicamente Para estas tareas, lo que lleva a recursos desperdiciados y un rendimiento reducido. El desarrollo de silicio personalizado, específicamente diseñado para acelerar los cálculos de IA complejos de manera eficiente, representa un paso significativo en el avance de el campo.
Creando sus propias chips de IA, Empresas como Open AI puede adaptar el hardware para satisfacer sus necesidades específicasasegurando la máxima eficiencia y rendimiento. Este enfoque hiperpecializado permite la reducción de Recursos desperdiciados, que permiten el desarrollo de modelos de IA más sofisticados que pueden abordar tareas complejas. La capacidad de adaptarse Rápidamente al panorama en evolución del campo AI también se vuelve más factible con el hardware personalizado, ya que las actualizaciones y modificaciones se pueden hacer más fácil y rápidamente con el enfoque tradicional de confiar en el hardware de uso general.
Mientras el desarrollo de Chips de IA internos presenta numerosos beneficiostambién presenta nuevos desafíos que deben abordarse. Uno del Las principales preocupaciones son el potencial para la creación de cuellos de botella en el ciclo de desarrollo. A medida que la demanda de modelos IA más complejos y potentes continúa creciendo la necesidad de hardware aún más avanzado se hace evidente. Si el desarrollo y la fabricación de dicho hardware no pueden mantener el ritmo de la rápida evolución del paisaje de IA, puede surgir un nuevo cuello de botella, obstaculizando el progreso del campo.
Independientemente de tales desafíos, la introducción de Los chips personalizados de Open AI es un excelente ejemplo de cómo las empresas se están moviendo hacia soluciones de silicio personalizadas para IA. Al desarrollar su propio hardware, las empresas pueden adaptar sus diseños para cumplir las necesidades específicas de sus sistemas de IA, reduciendo la cantidad de desperdiciado recursos, y mejorar el rendimiento general. Además el desarrollo por OpenAi de es First AI Chip demuestra cómo la industria está cambiando hacia un enfoque más personalizado para el hardware de IA.
Noticias
Revivir el compromiso en el aula de español: un desafío musical con chatgpt – enfoque de la facultad
Teen emprendedor que usa chatgpt para ayudarlo con su negocio
getty
El emprendimiento adolescente sigue en aumento. Según Junior Achievement Research, el 66% de los adolescentes estadounidenses de entre 13 y 17 años dicen que es probable que considere comenzar un negocio como adultos, con el monitor de emprendimiento global 2023-2024 que encuentra que el 24% de los jóvenes de 18 a 24 años son actualmente empresarios. Estos jóvenes fundadores no son solo soñando, están construyendo empresas reales que generan ingresos y crean un impacto social, y están utilizando las indicaciones de ChatGPT para ayudarlos.
En Wit (lo que sea necesario), la organización que fundó en 2009, hemos trabajado con más de 10,000 jóvenes empresarios. Durante el año pasado, he observado un cambio en cómo los adolescentes abordan la planificación comercial. Con nuestra orientación, están utilizando herramientas de IA como ChatGPT, no como atajos, sino como socios de pensamiento estratégico para aclarar ideas, probar conceptos y acelerar la ejecución.
Los emprendedores adolescentes más exitosos han descubierto indicaciones específicas que los ayudan a pasar de una idea a otra. Estas no son sesiones genéricas de lluvia de ideas: están utilizando preguntas específicas que abordan los desafíos únicos que enfrentan los jóvenes fundadores: recursos limitados, compromisos escolares y la necesidad de demostrar sus conceptos rápidamente.
Aquí hay cinco indicaciones de ChatGPT que ayudan constantemente a los emprendedores adolescentes a construir negocios que importan.
1. El problema del primer descubrimiento chatgpt aviso
“Me doy cuenta de que [specific group of people]
luchar contra [specific problem I’ve observed]. Ayúdame a entender mejor este problema explicando: 1) por qué existe este problema, 2) qué soluciones existen actualmente y por qué son insuficientes, 3) cuánto las personas podrían pagar para resolver esto, y 4) tres formas específicas en que podría probar si este es un problema real que vale la pena resolver “.
Un adolescente podría usar este aviso después de notar que los estudiantes en la escuela luchan por pagar el almuerzo. En lugar de asumir que entienden el alcance completo, podrían pedirle a ChatGPT que investigue la deuda del almuerzo escolar como un problema sistémico. Esta investigación puede llevarlos a crear un negocio basado en productos donde los ingresos ayuden a pagar la deuda del almuerzo, lo que combina ganancias con el propósito.
Los adolescentes notan problemas de manera diferente a los adultos porque experimentan frustraciones únicas, desde los desafíos de las organizaciones escolares hasta las redes sociales hasta las preocupaciones ambientales. Según la investigación de Square sobre empresarios de la Generación de la Generación Z, el 84% planea ser dueños de negocios dentro de cinco años, lo que los convierte en candidatos ideales para las empresas de resolución de problemas.
2. El aviso de chatgpt de chatgpt de chatgpt de realidad de la realidad del recurso
“Soy [age] años con aproximadamente [dollar amount] invertir y [number] Horas por semana disponibles entre la escuela y otros compromisos. Según estas limitaciones, ¿cuáles son tres modelos de negocio que podría lanzar de manera realista este verano? Para cada opción, incluya costos de inicio, requisitos de tiempo y los primeros tres pasos para comenzar “.
Este aviso se dirige al elefante en la sala: la mayoría de los empresarios adolescentes tienen dinero y tiempo limitados. Cuando un empresario de 16 años emplea este enfoque para evaluar un concepto de negocio de tarjetas de felicitación, puede descubrir que pueden comenzar con $ 200 y escalar gradualmente. Al ser realistas sobre las limitaciones por adelantado, evitan el exceso de compromiso y pueden construir hacia objetivos de ingresos sostenibles.
Según el informe de Gen Z de Square, el 45% de los jóvenes empresarios usan sus ahorros para iniciar negocios, con el 80% de lanzamiento en línea o con un componente móvil. Estos datos respaldan la efectividad de la planificación basada en restricciones: cuando funcionan los adolescentes dentro de las limitaciones realistas, crean modelos comerciales más sostenibles.
3. El aviso de chatgpt del simulador de voz del cliente
“Actúa como un [specific demographic] Y dame comentarios honestos sobre esta idea de negocio: [describe your concept]. ¿Qué te excitaría de esto? ¿Qué preocupaciones tendrías? ¿Cuánto pagarías de manera realista? ¿Qué necesitaría cambiar para que se convierta en un cliente? “
Los empresarios adolescentes a menudo luchan con la investigación de los clientes porque no pueden encuestar fácilmente a grandes grupos o contratar firmas de investigación de mercado. Este aviso ayuda a simular los comentarios de los clientes haciendo que ChatGPT adopte personas específicas.
Un adolescente que desarrolla un podcast para atletas adolescentes podría usar este enfoque pidiéndole a ChatGPT que responda a diferentes tipos de atletas adolescentes. Esto ayuda a identificar temas de contenido que resuenan y mensajes que se sienten auténticos para el público objetivo.
El aviso funciona mejor cuando se vuelve específico sobre la demografía, los puntos débiles y los contextos. “Actúa como un estudiante de último año de secundaria que solicita a la universidad” produce mejores ideas que “actuar como un adolescente”.
4. El mensaje mínimo de diseñador de prueba viable chatgpt
“Quiero probar esta idea de negocio: [describe concept] sin gastar más de [budget amount] o más de [time commitment]. Diseñe tres experimentos simples que podría ejecutar esta semana para validar la demanda de los clientes. Para cada prueba, explique lo que aprendería, cómo medir el éxito y qué resultados indicarían que debería avanzar “.
Este aviso ayuda a los adolescentes a adoptar la metodología Lean Startup sin perderse en la jerga comercial. El enfoque en “This Week” crea urgencia y evita la planificación interminable sin acción.
Un adolescente que desea probar un concepto de línea de ropa podría usar este indicador para diseñar experimentos de validación simples, como publicar maquetas de diseño en las redes sociales para evaluar el interés, crear un formulario de Google para recolectar pedidos anticipados y pedirles a los amigos que compartan el concepto con sus redes. Estas pruebas no cuestan nada más que proporcionar datos cruciales sobre la demanda y los precios.
5. El aviso de chatgpt del generador de claridad de tono
“Convierta esta idea de negocio en una clara explicación de 60 segundos: [describe your business]. La explicación debe incluir: el problema que resuelve, su solución, a quién ayuda, por qué lo elegirían sobre las alternativas y cómo se ve el éxito. Escríbelo en lenguaje de conversación que un adolescente realmente usaría “.
La comunicación clara separa a los empresarios exitosos de aquellos con buenas ideas pero una ejecución deficiente. Este aviso ayuda a los adolescentes a destilar conceptos complejos a explicaciones convincentes que pueden usar en todas partes, desde las publicaciones en las redes sociales hasta las conversaciones con posibles mentores.
El énfasis en el “lenguaje de conversación que un adolescente realmente usaría” es importante. Muchas plantillas de lanzamiento comercial suenan artificiales cuando se entregan jóvenes fundadores. La autenticidad es más importante que la jerga corporativa.
Más allá de las indicaciones de chatgpt: estrategia de implementación
La diferencia entre los adolescentes que usan estas indicaciones de manera efectiva y aquellos que no se reducen a seguir. ChatGPT proporciona dirección, pero la acción crea resultados.
Los jóvenes empresarios más exitosos con los que trabajo usan estas indicaciones como puntos de partida, no de punto final. Toman las sugerencias generadas por IA e inmediatamente las prueban en el mundo real. Llaman a clientes potenciales, crean prototipos simples e iteran en función de los comentarios reales.
Investigaciones recientes de Junior Achievement muestran que el 69% de los adolescentes tienen ideas de negocios, pero se sienten inciertos sobre el proceso de partida, con el miedo a que el fracaso sea la principal preocupación para el 67% de los posibles empresarios adolescentes. Estas indicaciones abordan esa incertidumbre al desactivar los conceptos abstractos en los próximos pasos concretos.
La imagen más grande
Los emprendedores adolescentes que utilizan herramientas de IA como ChatGPT representan un cambio en cómo está ocurriendo la educación empresarial. Según la investigación mundial de monitores empresariales, los jóvenes empresarios tienen 1,6 veces más probabilidades que los adultos de querer comenzar un negocio, y son particularmente activos en la tecnología, la alimentación y las bebidas, la moda y los sectores de entretenimiento. En lugar de esperar clases de emprendimiento formales o programas de MBA, estos jóvenes fundadores están accediendo a herramientas de pensamiento estratégico de inmediato.
Esta tendencia se alinea con cambios más amplios en la educación y la fuerza laboral. El Foro Económico Mundial identifica la creatividad, el pensamiento crítico y la resiliencia como las principales habilidades para 2025, la capacidad de las capacidades que el espíritu empresarial desarrolla naturalmente.
Programas como WIT brindan soporte estructurado para este viaje, pero las herramientas en sí mismas se están volviendo cada vez más accesibles. Un adolescente con acceso a Internet ahora puede acceder a recursos de planificación empresarial que anteriormente estaban disponibles solo para empresarios establecidos con presupuestos significativos.
La clave es usar estas herramientas cuidadosamente. ChatGPT puede acelerar el pensamiento y proporcionar marcos, pero no puede reemplazar el arduo trabajo de construir relaciones, crear productos y servir a los clientes. La mejor idea de negocio no es la más original, es la que resuelve un problema real para personas reales. Las herramientas de IA pueden ayudar a identificar esas oportunidades, pero solo la acción puede convertirlos en empresas que importan.
Precio
ChatGPT y Gemini tienen versiones gratuitas que limitan su acceso a características y modelos. Los planes premium para ambos también comienzan en alrededor de $ 20 por mes. Las características de chatbot, como investigaciones profundas, generación de imágenes y videos, búsqueda web y más, son similares en ChatGPT y Gemini. Sin embargo, los planes de Gemini pagados también incluyen el almacenamiento en la nube de Google Drive (a partir de 2TB) y un conjunto robusto de integraciones en las aplicaciones de Google Workspace.
Los niveles de más alta gama de ChatGPT y Gemini desbloquean el aumento de los límites de uso y algunas características únicas, pero el costo mensual prohibitivo de estos planes (como $ 200 para Chatgpt Pro o $ 250 para Gemini Ai Ultra) los pone fuera del alcance de la mayoría de las personas. Las características específicas del plan Pro de ChatGPT, como el modo O1 Pro que aprovecha el poder de cálculo adicional para preguntas particularmente complicadas, no son especialmente relevantes para el consumidor promedio, por lo que no sentirá que se está perdiendo. Sin embargo, es probable que desee las características que son exclusivas del plan Ai Ultra de Gemini, como la generación de videos VEO 3.
Ganador: Géminis
Plataformas
Puede acceder a ChatGPT y Gemini en la web o a través de aplicaciones móviles (Android e iOS). ChatGPT también tiene aplicaciones de escritorio (macOS y Windows) y una extensión oficial para Google Chrome. Gemini no tiene aplicaciones de escritorio dedicadas o una extensión de Chrome, aunque se integra directamente con el navegador.
(Crédito: OpenAI/PCMAG)
Chatgpt está disponible en otros lugares, Como a través de Siri. Como se mencionó, puede acceder a Gemini en las aplicaciones de Google, como el calendario, Documento, ConducirGmail, Mapas, Mantener, FotosSábanas, y Música de YouTube. Tanto los modelos de Chatgpt como Gemini también aparecen en sitios como la perplejidad. Sin embargo, obtiene la mayor cantidad de funciones de estos chatbots en sus aplicaciones y portales web dedicados.
Las interfaces de ambos chatbots son en gran medida consistentes en todas las plataformas. Son fáciles de usar y no lo abruman con opciones y alternar. ChatGPT tiene algunas configuraciones más para jugar, como la capacidad de ajustar su personalidad, mientras que la profunda interfaz de investigación de Gemini hace un mejor uso de los bienes inmuebles de pantalla.
Ganador: empate
Modelos de IA
ChatGPT tiene dos series primarias de modelos, la serie 4 (su línea de conversación, insignia) y la Serie O (su compleja línea de razonamiento). Gemini ofrece de manera similar una serie Flash de uso general y una serie Pro para tareas más complicadas.
Los últimos modelos de Chatgpt son O3 y O4-Mini, y los últimos de Gemini son 2.5 Flash y 2.5 Pro. Fuera de la codificación o la resolución de una ecuación, pasará la mayor parte de su tiempo usando los modelos de la serie 4-Series y Flash. A continuación, puede ver cómo funcionan estos modelos en una variedad de tareas. Qué modelo es mejor depende realmente de lo que quieras hacer.
Ganador: empate
Búsqueda web
ChatGPT y Gemini pueden buscar información actualizada en la web con facilidad. Sin embargo, ChatGPT presenta mosaicos de artículos en la parte inferior de sus respuestas para una lectura adicional, tiene un excelente abastecimiento que facilita la vinculación de reclamos con evidencia, incluye imágenes en las respuestas cuando es relevante y, a menudo, proporciona más detalles en respuesta. Gemini no muestra nombres de fuente y títulos de artículos completos, e incluye mosaicos e imágenes de artículos solo cuando usa el modo AI de Google. El abastecimiento en este modo es aún menos robusto; Google relega las fuentes a los caretes que se pueden hacer clic que no resaltan las partes relevantes de su respuesta.
Como parte de sus experiencias de búsqueda en la web, ChatGPT y Gemini pueden ayudarlo a comprar. Si solicita consejos de compra, ambos presentan mosaicos haciendo clic en enlaces a los minoristas. Sin embargo, Gemini generalmente sugiere mejores productos y tiene una característica única en la que puede cargar una imagen tuya para probar digitalmente la ropa antes de comprar.
Ganador: chatgpt
Investigación profunda
ChatGPT y Gemini pueden generar informes que tienen docenas de páginas e incluyen más de 50 fuentes sobre cualquier tema. La mayor diferencia entre los dos se reduce al abastecimiento. Gemini a menudo cita más fuentes que CHATGPT, pero maneja el abastecimiento en informes de investigación profunda de la misma manera que lo hace en la búsqueda en modo AI, lo que significa caretas que se puede hacer clic sin destacados en el texto. Debido a que es más difícil conectar las afirmaciones en los informes de Géminis a fuentes reales, es más difícil creerles. El abastecimiento claro de ChatGPT con destacados en el texto es más fácil de confiar. Sin embargo, Gemini tiene algunas características de calidad de vida en ChatGPT, como la capacidad de exportar informes formateados correctamente a Google Docs con un solo clic. Su tono también es diferente. Los informes de ChatGPT se leen como publicaciones de foro elaboradas, mientras que los informes de Gemini se leen como documentos académicos.
Ganador: chatgpt
Generación de imágenes
La generación de imágenes de ChatGPT impresiona independientemente de lo que solicite, incluso las indicaciones complejas para paneles o diagramas cómicos. No es perfecto, pero los errores y la distorsión son mínimos. Gemini genera imágenes visualmente atractivas más rápido que ChatGPT, pero rutinariamente incluyen errores y distorsión notables. Con indicaciones complicadas, especialmente diagramas, Gemini produjo resultados sin sentido en las pruebas.
Arriba, puede ver cómo ChatGPT (primera diapositiva) y Géminis (segunda diapositiva) les fue con el siguiente mensaje: “Genere una imagen de un estudio de moda con una decoración simple y rústica que contrasta con el espacio más agradable. Incluya un sofá marrón y paredes de ladrillo”. La imagen de ChatGPT limita los problemas al detalle fino en las hojas de sus plantas y texto en su libro, mientras que la imagen de Gemini muestra problemas más notables en su tubo de cordón y lámpara.
Ganador: chatgpt
¡Obtenga nuestras mejores historias!
Toda la última tecnología, probada por nuestros expertos
Regístrese en el boletín de informes de laboratorio para recibir las últimas revisiones de productos de PCMAG, comprar asesoramiento e ideas.
Al hacer clic en Registrarme, confirma que tiene más de 16 años y acepta nuestros Términos de uso y Política de privacidad.
¡Gracias por registrarse!
Su suscripción ha sido confirmada. ¡Esté atento a su bandeja de entrada!
Generación de videos
La generación de videos de Gemini es la mejor de su clase, especialmente porque ChatGPT no puede igualar su capacidad para producir audio acompañante. Actualmente, Google bloquea el último modelo de generación de videos de Gemini, VEO 3, detrás del costoso plan AI Ultra, pero obtienes más videos realistas que con ChatGPT. Gemini también tiene otras características que ChatGPT no, como la herramienta Flow Filmmaker, que le permite extender los clips generados y el animador AI Whisk, que le permite animar imágenes fijas. Sin embargo, tenga en cuenta que incluso con VEO 3, aún necesita generar videos varias veces para obtener un gran resultado.
En el ejemplo anterior, solicité a ChatGPT y Gemini a mostrarme un solucionador de cubos de Rubik Rubik que resuelva un cubo. La persona en el video de Géminis se ve muy bien, y el audio acompañante es competente. Al final, hay una buena atención al detalle con el marco que se desplaza, simulando la detención de una grabación de selfies. Mientras tanto, Chatgpt luchó con su cubo, distorsionándolo en gran medida.
Ganador: Géminis
Procesamiento de archivos
Comprender los archivos es una fortaleza de ChatGPT y Gemini. Ya sea que desee que respondan preguntas sobre un manual, editen un currículum o le informen algo sobre una imagen, ninguno decepciona. Sin embargo, ChatGPT tiene la ventaja sobre Gemini, ya que ofrece un reconocimiento de imagen ligeramente mejor y respuestas más detalladas cuando pregunta sobre los archivos cargados. Ambos chatbots todavía a veces inventan citas de documentos proporcionados o malinterpretan las imágenes, así que asegúrese de verificar sus resultados.
Ganador: chatgpt
Escritura creativa
Chatgpt y Gemini pueden generar poemas, obras, historias y más competentes. CHATGPT, sin embargo, se destaca entre los dos debido a cuán únicas son sus respuestas y qué tan bien responde a las indicaciones. Las respuestas de Gemini pueden sentirse repetitivas si no calibra cuidadosamente sus solicitudes, y no siempre sigue todas las instrucciones a la carta.
En el ejemplo anterior, solicité ChatGPT (primera diapositiva) y Gemini (segunda diapositiva) con lo siguiente: “Sin hacer referencia a nada en su memoria o respuestas anteriores, quiero que me escriba un poema de verso gratuito. Preste atención especial a la capitalización, enjambment, ruptura de línea y puntuación. Dado que es un verso libre, no quiero un medidor familiar o un esquema de retiro de la rima, pero quiero que tenga un estilo de coohes. ChatGPT logró entregar lo que pedí en el aviso, y eso era distinto de las generaciones anteriores. Gemini tuvo problemas para generar un poema que incorporó cualquier cosa más allá de las comas y los períodos, y su poema anterior se lee de manera muy similar a un poema que generó antes.
Recomendado por nuestros editores
Ganador: chatgpt
Razonamiento complejo
Los modelos de razonamiento complejos de Chatgpt y Gemini pueden manejar preguntas de informática, matemáticas y física con facilidad, así como mostrar de manera competente su trabajo. En las pruebas, ChatGPT dio respuestas correctas un poco más a menudo que Gemini, pero su rendimiento es bastante similar. Ambos chatbots pueden y le darán respuestas incorrectas, por lo que verificar su trabajo aún es vital si está haciendo algo importante o tratando de aprender un concepto.
Ganador: chatgpt
Integración
ChatGPT no tiene integraciones significativas, mientras que las integraciones de Gemini son una característica definitoria. Ya sea que desee obtener ayuda para editar un ensayo en Google Docs, comparta una pestaña Chrome para hacer una pregunta, pruebe una nueva lista de reproducción de música de YouTube personalizada para su gusto o desbloquee ideas personales en Gmail, Gemini puede hacer todo y mucho más. Es difícil subestimar cuán integrales y poderosas son realmente las integraciones de Géminis.
Ganador: Géminis
Asistentes de IA
ChatGPT tiene GPT personalizados, y Gemini tiene gemas. Ambos son asistentes de IA personalizables. Tampoco es una gran actualización sobre hablar directamente con los chatbots, pero los GPT personalizados de terceros agregan una nueva funcionalidad, como el fácil acceso a Canva para editar imágenes generadas. Mientras tanto, terceros no pueden crear gemas, y no puedes compartirlas. Puede permitir que los GPT personalizados accedan a la información externa o tomen acciones externas, pero las GEM no tienen una funcionalidad similar.
Ganador: chatgpt
Contexto Windows y límites de uso
La ventana de contexto de ChatGPT sube a 128,000 tokens en sus planes de nivel superior, y todos los planes tienen límites de uso dinámicos basados en la carga del servidor. Géminis, por otro lado, tiene una ventana de contexto de 1,000,000 token. Google no está demasiado claro en los límites de uso exactos para Gemini, pero también son dinámicos dependiendo de la carga del servidor. Anecdóticamente, no pude alcanzar los límites de uso usando los planes pagados de Chatgpt o Gemini, pero es mucho más fácil hacerlo con los planes gratuitos.
Ganador: Géminis
Privacidad
La privacidad en Chatgpt y Gemini es una bolsa mixta. Ambos recopilan cantidades significativas de datos, incluidos todos sus chats, y usan esos datos para capacitar a sus modelos de IA de forma predeterminada. Sin embargo, ambos le dan la opción de apagar el entrenamiento. Google al menos no recopila y usa datos de Gemini para fines de capacitación en aplicaciones de espacio de trabajo, como Gmail, de forma predeterminada. ChatGPT y Gemini también prometen no vender sus datos o usarlos para la orientación de anuncios, pero Google y OpenAI tienen historias sórdidas cuando se trata de hacks, filtraciones y diversos fechorías digitales, por lo que recomiendo no compartir nada demasiado sensible.
Ganador: empate
Inside the OpenAI-DeepSeek Distillation Saga & Alibaba’s Most Powerful AI Model Qwen2.5-Max
De ChatGPT a mil millones de agentes
-
Startups1 año agoRemove.bg: La Revolución en la Edición de Imágenes que Debes Conocer
-
Tutoriales1 año agoCómo Comenzar a Utilizar ChatGPT: Una Guía Completa para Principiantes
-
Startups11 meses agoStartups de IA en EE.UU. que han recaudado más de $100M en 2024
-
Recursos1 año agoCómo Empezar con Popai.pro: Tu Espacio Personal de IA – Guía Completa, Instalación, Versiones y Precios
-
Startups1 año agoDeepgram: Revolucionando el Reconocimiento de Voz con IA
-
Recursos1 año agoPerplexity aplicado al Marketing Digital y Estrategias SEO
-
Estudiar IA1 año agoCurso de Inteligencia Artificial de UC Berkeley estratégico para negocios
-
Tutoriales1 año agoGoogle Gemini: Guía Completa para Comenzar a usarlo y ganar tiempo en nuestras tareas diarias