Noticias
Comparing Google Veo 2 And OpenAI Sora in 2025
Google Veo 2 vs OpenAI Sora – which AI video tool comes out top?
getty
It’s impossible to scroll through social media or attend any technology conference without encountering the dramatic shift happening in video production. Text-to-video AI has arrived, and the titans of tech are racing to bring their versions to market. At the forefront of this revolution are two powerhouse tools–OpenAI’s Sora (released in the UK and EU just this Friday) and Google’s Veo 2—each representing vastly different visions for the future of digital content creation. The implications for industries from fashion to gaming, advertising to independent filmmaking are profound and immediate.
Sora vs Veo 2: Two Visions for AI-Generated Video
Since both tools are relatively new to the market, certainly with UK and EU audiences, I spoke to three different expert users who have had early access to these tools for a number of months to tell me about their experiences with them and to compare and contrast their relative merits and features. My key takeaway is that the battle between Sora and Veo 2 isn’t just about technical specs—it’s a clash of philosophies. One aims to replicate reality, the other to transcend it. These tools represent a pivotal moment where the barriers between imagination and execution are dissolving at an unprecedented rate.
The contrast between Sora and Veo 2 represents more than just competing products—it embodies divergent philosophies about what matters most in creative tools. OpenAI has prioritized user interface and control, while Google has focused on output quality and physics simulation.
“Sora has a huge advantage, because they put a lot of work into the interface and the user interface,” explains David Sheldrick, founder at PS Productions and Sheldrick.ai, who is an early tester of both platforms. “Veo 2, even though the rendering output quality is obviously incredible…Sora itself, when you go on the website, feels way more like a real, sort of refined product.”
This distinction becomes immediately apparent to users encountering both platforms. Sora offers a comprehensive suite of creator-friendly features—timelines, keyframing, and editing capabilities that feel familiar to anyone with video production experience. It prioritizes creative control and workflow integration over raw technical performance.
OpenAI’s Sora video model launch caused a lot of excitement
Future Publishing via Getty Images
Leo Kadieff, Gen AI Lead Artist at Wolf Games, a studio pioneering AI-driven gaming experiences, has also had early access to both platforms and describes Veo 2 as “phenomenal, with web access, and API access which enables much more experimental stuff. It’s really the number one tool”. His enthusiasm for Veo 2’s capabilities stems from its exceptional output quality and physics modeling, even if the interface isn’t as polished as Sora’s.
This reflects a key question for creative tools: is it better to provide a familiar, robust interface or to focus on generating the highest quality outputs possible? The answer, as is often the case with emerging technologies, depends entirely on what you’re trying to create.
Technical Strengths: Physics, Consistency and Hallucinations
The real-world performance of these tools reveals their distinct technical approaches. Sora impresses with its cinematic quality and extended duration capabilities, while Veo 2 excels at physics simulation and consistency.
“The image quality is pretty damn good,” notes Sheldrick about Veo 2, while adding that “Sora already has nailed photo realism. It’s got this image fidelity, which is super, super high.” Both platforms are clearly pushing the boundaries of what’s possible, but they handle technical challenges differently.
One particularly revealing area is how each platform deals with the “hallucinations” inherent to AI generation—those moments when the physics or continuity breaks down in unexpected ways.
Kadieff explains the difference vividly: “When Veo 2 hallucinates, it just clips to kind of like a similar set that it has in its memory, but you might lose, like, consistency, or you might get a whole different, weird angle. So, for example, if you make a drone shot flying over a location, and it’s like 10 seconds, it will do five seconds perfectly, and then it’s going to clip to some rainforest”.
Bilawal Sidhu, a creative technologist and AI/VFX creator on YouTube and other platforms, with over a decade of experience, doesn’t mince words about Sora’s limitations: “the physics are completely borked, like, absolutely horrendous”. He explains that while Sora offers longer duration videos (10-15 seconds), its physical simulation often falls short, particularly with human movement and interactions.
Speaking on his YouTube channel, Sidhu declares, “Nothing comes close to what Google Deep Mind has dropped… Veo 2 now speaks cinematographer. You can ask for a low angle tracking shot 18 mm lens and put a bunch of detail in there and it will understand what you mean. You just ask it with terms you already know… I feel like Sora doesn’t really follow your instructions. Sora definitely does pretty well at times, but in general it tends to be really bad at physics.”
Behind every AI video generator lies mountains of training data that shapes what each tool excels at creating. Hypothesising why the physics outputs of Veo 2 are superior in the video outputs, he states, “Google owns YouTube, and so even if you pull out a bunch of the copyrighted stuff, that still leaves a massive corpus compared to what anyone else has to train on.”
The battle for training data supremacy extends beyond quantity to quality and diversity. OpenAI has remained relatively secretive about Sora’s full training dataset, raising questions about potential biases and limitations.
For commercial applications where physical accuracy is non-negotiable, this distinction matters enormously. Video quality and physical realism are essential for products that need to be represented accurately, highlighting why industries with strict visual requirements might lean toward Veo 2 despite its more limited interface.
Sora vs Veo 2: Prompt Control and Generation Quality
By coming out first, Sora had a first-mover advantage of sorts, but it also set the bar for other models to work towards—and then transcend. Sidhu was very impressed when he first saw the outputs: “watching the first Sora video, the underwater diver discovering like a crashed spaceship underwater, if you remember that video, that blew my mind, because I feel like Sora showed us that you could cross this chasm of quality with video content that we just hadn’t seen.”
Explaining more of the positives for Sora, Sidhu adds, “Sora is very powerful. Their user experience is far better than their actual quality. They’ve got this like storyboard editor view, where you can basically lay out prompts on a timeline—you can outline, hey, I want a character to enter, the scene from the left, walk down and sit down on this table over here, and then at this point in time, I want somebody else to walk up and suddenly get their attention.”
The ability to translate text prompts into intended visuals varies significantly between platforms. Veo 2 appears to be winning the battle for prompt adherence—the ability to faithfully translate textual descriptions into corresponding visuals.
“Veo 2 is very good at prompt adherence, you can give very long prompts, and it’ll kind of condition the generation to encapsulate all the things that you asked for,” Sidhu explains, expressing genuine surprise at Veo 2’s capabilities. “Like Runway and Luma, and pretty much anything that you’ve used out there, the hit rate is very bad… for Veo 2, it is by far the best. It’s like, kind of insane, how good it is”.
This predictability and control fundamentally changes the user experience. Rather than treating AI video generation as a slot machine where creators must roll repeatedly hoping for a usable result, Veo 2 provides more consistent, controlled outputs—particularly valuable for commercial applications with specific requirements.
Consistency extends beyond single clips as well. Sidhu notes that “the four clips you get [as an output from Veo 2], you put in a text prompts, as long as you want them to be, and with a very detailed text prompt, you get very close to character consistency too”, allowing for multi-clip productions featuring the same characters and settings without dramatic variations.
Kadieff is also a huge fan of Veo 2’s generation quality: “”Veo 2 has generally been trained on very good, cinematic content. So almost like all the shots you do with it feel super cinematic, and the animation quality is phenomenal.”
Beyond this, the resolution quality of Veo 2’s outputs is also a cause for celebration, as Sidhu states, “this model can natively output 4K. If you used any other video generation tool, Sora, Luma, whatever it is, you end up exporting your clips into some other upscaling tool whether that’s Krea or Topaz, what have you — this model can do 4K natively, that’s amazing.”
Industry Applications: From Fashion to Gaming
Different industries are discovering unique applications for these tools, with their specific requirements guiding platform selection. Fashion brands prize consistency and physical accuracy, while gaming and entertainment often value creative flexibility and surrealism.
“What I’m really excited about is not just the ability, indies are going to be able to rival the outputs of studios, but studios are going to set whole new standards,” says Sidhu. “But then also, these tools are changing the nature of content itself, like we’re moving into this era of just-in-time disposable content.”
For fashion and retail, the ability to quickly generate variations of a single concept represents enormous value. Creating multiple versions of product videos tailored to different markets is now possible without the expense of multiple production shoots.
Meanwhile, gaming and entertainment applications embrace different capabilities. Kadieff describes how AI is transforming creative approaches: “The intersection of art, games and films, is not just about games and films anymore – it’s about hybrid experiences”. This represents a fundamental shift in how interactive media can be conceived and produced.
Sheldrick predicts significant industry adoption this year: “I think this is the year that AI video and AI imagery in general will kind of break into the advertising market and a bit more into commercial space.” He warns that “the companies that have got on board with it, will start to reap the rewards, and the companies that have neglected to take this seriously, will suffer in this year.”
The Human-AI Collaboration Model
Despite these tools’ remarkable capabilities, the most successful implementations combine AI generation with human creativity and oversight. The emerging workflow models suggest letting AI handle repetitive elements while humans focus on the aspects requiring artistic judgment.
As these platforms continue to develop, creative teams are adapting how they work, with new hybrid roles emerging at the intersection of traditional creativity and technical AI expertise.
The learning curve remains steep, but the productivity gains can be substantial once teams develop effective workflows. Kadieff notes how transformative these tools have been: “when I saw transformer-based art, like three, four years ago, I mean, it changed my life. I knew instantly that this is the biggest media transformation of my lifetime”.
Looking Forward: AI Video in 2026 and Beyond
As these platforms continue evolving at breakneck speed, our experts envision transformative developments over the next few years. Specialized models tailored to specific industries, greater customization capabilities, and integration with spatial computing all feature prominently in their predictions.
With Sidhu’s earlier visions of independent creators rivalling the outputs of studios, this democratization of high-quality content creation tools doesn’t mean the end of major studios, but rather a raising of the bar across the entire creative landscape.
Sheldrick remains enthusiastic about the competitive landscape driving innovation: “I’m just most excited to watch these massive, sort of frontier labs just going at it. I’ve enjoyed watching this sort of AI arms race for years now, and it hasn’t got old. It’s still super exciting.”
David Sheldrick has used OpenAI’s Sora tool to create fashion videos
Perhaps the most transformative potential lies in how these tools will reshape our understanding of content itself. As Sidhu explains, “I think content authoring will look almost like a world model, one of the characteristics or attributes of it is like, here’s a scene graph, here are the three scenes that I have. Here are the characters that are within it. Here are the props. Here’s the time of day”. This structured approach would allow content to be personalized and localized at unprecedented scales.
The Democratization of Visual Storytelling
As we look toward the future of AI-generated video, it’s clear that neither Sora nor Veo 2 represents a definitive solution for all creative needs. The choice depends on specific requirements, risk tolerance, and creative objectives.
What’s undeniable is the democratizing effect these tools are having on visual storytelling. “Now we’re coming to a place where everybody, anybody with an incredible imagination, whether they’re in India, China, Pakistan or South Africa, or anywhere else, and access to these tools can tell incredible stories,” Kadieff observes.
Sidhu agrees, noting that “YouTube creators are punching way above their weight class already. And so I think that trend is going to continue, where we’ll see like the Netflix’s of the world look a lot more like YouTube, where more content is going to get greenlit”.
These tools are enabling a new generation of creators to produce content that would have been prohibitively expensive just a few years ago. The traditional barriers to high-quality video production are falling rapidly.
As AI video tools like Sora and Veo 2 continue to evolve and become increasingly accessible, we stand at the beginning of a fundamental shift in how visual stories are told, who gets to tell them, and how they reach their audiences. The tools may be artificial, but the imagination they unlock is profoundly human.
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
El otoño pasado, mi artista madre y yo fuimos invitados a dar una presentación en el Festival de Ciencias de Cambridge sobre la intersección de la IA y el arte. Fue una oportunidad emocionante. Pero tampoco había hecho un taller práctico en persona como este antes. Necesitaba a alguien, o algo, para ayudarme a hablar de mis ideas.
Eso resultó ser la función de voz avanzada de Chatgpt. Esta característica salió en el verano de 2024, pero a menudo no es el primer caso de uso que viene a la mente.
Como creador de tiempo completo de más de 10 años, estoy constantemente examinando nuevas herramientas para ver cuáles son realmente útiles, en comparación con las características son solo más aire caliente. Y con lo rápido que ChatGPT ha estado lanzando nuevas características y actualizaciones, OpenAi me ha mantenido ocupado. También me ha hecho darme cuenta de que muchas personas que usan chatgpt no son conscientes de todas las diferentes cosas que el chatbot puede hacer actualmente.
(Divulgación: Ziff Davis, la empresa matriz de CNET, en abril presentó una demanda contra OpenAi, alegando que infringió los derechos de autor de Ziff Davis en la capacitación y la operación de sus sistemas de IA).
Conozca a los creadores de la industria, colaboradores y líderes de pensamiento emergentes que se han combinado con el galardonado equipo editorial de CNET para proporcionarle contenido único desde diferentes perspectivas.
La diferencia entre los modos de voz estándar y avanzados de Chatgpt
La principal diferencia entre la voz estándar de ChatGPT y la voz avanzada es que la voz estándar utiliza motores de texto a voz, mientras que Advanced Voice usa un modelo unificado.
En el modo estándar, el IA crea su respuesta en el texto primero y luego una herramienta de voz separada lee el texto en voz alta. Si bien la voz puede sonar decente, puede sentirse antinatural y a menudo retrasada. Un modelo unificado como Advanced Voice no separa la escritura y el habla. Según el sitio web de OpenAI, el modelo multimodal del modo de voz avanzado (GPT-4O) funciona más como un humano y ajusta su tono en un flujo suave.
En la interfaz de voz de la aplicación móvil de chatgpt, el modo estándar está representado por un círculo negro en el centro de la pantalla de conversación; Para modo avanzado, es un orbe azul. El modo avanzado es una característica pagada, pero los usuarios en el plan gratuito de ChatGPT pueden obtener un uso limitado de TI cada día.
El orbe azul está escuchando.
¿Para qué podría usar una herramienta como la voz avanzada de chatgpt? Aquí hay dos formas en que lo estoy incorporando a mi vida cotidiana.
Deja que AI actúe como un tablero de resonancia
Estoy entusiasmado por usar la voz avanzada como un socio de pensamiento estratégico para ayudarme a trabajar en problemas importantes y desafiantes.
Una limitación de ChatGPT es que sus datos de capacitación base solo suben a cierto mes y año. Si bien se basa en una amplia gama de libros, artículos y contenido web, puede carecer de conocimiento actualizado o información sobre temas de nicho y altamente especializados. Esto cambia cuando ciertas características están habilitadas, y puede habilitar estas funciones mientras usa una voz avanzada.
Mis características de solicitud de chatgpt favoritas son:
- Buscar. Alterne esta función para que ChatGPT explique Internet y acceda a la información en línea.
- Investigación profunda. Haga que ChatGPT busque en la web y devuelva ideas más detalladas. (Me parece útil al explorar temas menos convencionales).
- Subir. Compartir archivos, informes de proyectos u otros documentos desde su dispositivo o almacenamiento en la nube. (Haga clic en el icono “+” para acceder a esto).
Para acceder a una de estas características en una computadora, haga clic en la función apropiada para habilitarla, luego haga clic en el botón de voz a la derecha.
En el escritorio, las características especiales se pueden alternar antes de enviar un mensaje.
Para habilitar las funciones de ChatGPT en dispositivos móviles utilizando una voz avanzada:
- Toque el icono del control deslizante.
- Elija la función que desea habilitar. (Sabrá que está habilitado porque su icono aparecerá debajo de la burbuja rápida).
- Toque el botón de voz avanzado.
- Permita que la voz avanzada responda.
- Salga de la ventana de voz una vez que la respuesta esté completa para ver la respuesta por escrito.
Cualquier fuente web utilizada para informar la respuesta aparecerá en el panel de control.
Las características indicadas se pueden activar en el móvil antes de usar la voz avanzada. Si realiza una búsqueda en la web o una investigación profunda, CHATGPT incluirá algunas de sus fuentes.
De vuelta al festival que mencioné al principio. Xiang Li es mi madre y la artista detrás de una colección masiva de emperatriz chinas pintadas de seda con acuarelas de piedras preciosas. Cuando usé la voz avanzada de ChatGPT y pregunté qué sabía sobre Xiang Li Art, rápidamente hizo referencia a la información que solo habíamos actualizado recientemente.
Desde la exploración artística interactiva de IA hasta demostraciones de IA en vivo, panel de discusión y actividades de participación juvenil, pudimos implementar varias ideas prácticas durante nuestro evento en vivo en Cambridge, y fueron muy bien recibidos.
Puede ser muy específico con sus preguntas y puede hacer que los seguimientos sean aún más profundos. A menudo me gusta tratar la voz avanzada como un amigo o un compañero de escucha en lugar de un motor de búsqueda mientras trabajo a través de ideas.
Traducción más matizada
Gracias a la voz avanzada, cuando mi pareja (que habla principalmente inglés) se comunica con mi madre (que solo habla chino mandarín), las traducciones se sienten más naturales.
La voz avanzada de Chatgpt puede hablar más de 50 idiomas. Este modelo se siente mucho más natural, como puede pensar, hablar, detener y reaccionar. Este puede ser un experimento un poco complicado si está utilizando una voz avanzada para este propósito por primera vez. Mi aviso generalmente es algo como esto:
“Hola chatgpt, tengo dos altavoces en la habitación: Adam y mi madre Xiang. Adam habla inglés, y Xiang habla mandarín chino. Quiero que actúes como traductor entre ellos. Después de que Adam ha terminado de hablar, traducirlo al chino mandarín para mamá, y viceversa”.
El único problema que experimentamos a veces es el momento. Chatgpt puede saltar un poco temprano mientras alguien todavía está hablando. Para mejorar esto, le dijimos a ChatGPT que escuchara la palabra “ir” antes de proporcionar la traducción. Encuentro que este tipo de ajuste fino puede ser útil porque nuestros patrones de habla y la entonación difieren de persona a persona, lo que hace que sea difícil para ChatGPT descifrar cómo reaccionar.
Después de usar la función regularmente, noto que está recogiendo contexto en situaciones más complejas. Puede recordar información en conversaciones más largas, comprender los matices sutiles y responder a mis emociones con mayor precisión. Espero que la voz avanzada se vuelva más inteligente e intuitiva con el tiempo.
Empiece a explorar la voz avanzada de chatgpt para usted
Advanced Voice puede responder una amplia gama de preguntas, por lo que es una herramienta versátil para la creatividad, la creación de contenido, la resolución de problemas e incluso la asociación estratégica. Actualmente, Advanced Voice está disponible para todos los usuarios de ChatGPT; Los usuarios gratuitos reciben un límite diario en el uso avanzado de voz, mientras que el límite es mucho más alto para los usuarios de Plus, Pro y Team.
Mira mi demostración de voz avanzada en tiempo real aquí en mi canal de YouTube. Y si tiene alguna pregunta o idea sobre cómo crecer con una voz avanzada, conéctese conmigo en YouTube y LinkedIn para saludar.
Las opiniones expresadas por los contribuyentes de CNET Perspectives son propias.
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
