As OpenAI was ironing out a new deal with Microsoft in 2016 — one that would nab the young startup critical compute to build what would become ChatGPT — Sam Altman needed the blessing of his biggest investor, Elon Musk.
Noticias
Inside Elon Musk’s messy breakup with OpenAI
“$60MM of compute for $10MM, and input from us on what they deploy in the cloud,” Altman messaged Musk in September 2016, according to newly revealed emails. Microsoft wanted OpenAI to provide feedback on and promote (in tech circles, “evangelize”) Microsoft AI tools like Azure Batch. Musk hated the idea, saying it made him “feel nauseous.”
Altman came back with another offer: “Microsoft is now willing to do the agreement for a full $50m with ‘good faith effort at OpenAI’s sole discretion’ and full mutual termination rights at any time. No evangelizing. No strings attached. No looking like lame Microsoft marketing pawns. Ok to move ahead?”
“Fine by me if they don’t use this in active messaging,” Musk responded. “Would be worth way more than $50M not to seem like Microsoft’s marketing bitch.”
Musk released these emails and others last week as part of a lawsuit he’s filed against OpenAI and Microsoft. They are ostensibly meant to demonstrate an anticompetitive partnership between the two companies. But primarily, they expose the details of early collaborations and power struggles between Altman and Musk, who invested between $50 million and $100 million in the earliest iteration of OpenAI. They trace OpenAI’s evolution from an open-source nonprofit to what the lawsuit calls a “closed-source de facto subsidiary” of Microsoft that abandoned its mission to develop AI for good. And they lay bare the complete and utter unraveling of Musk and Altman’s once-promising partnership.
“Elon’s third attempt in less than a year to reframe his claims is even more baseless and overreaching than the previous ones,” OpenAI spokesperson Hannah Wong wrote in a statement to The Verge. “His prior emails continue to speak for themselves.”
“Would be worth way more than $50M not to seem like Microsoft’s marketing bitch,” Musk said
Musk and Altman launched OpenAI united by fears of human-level intelligence in the hands of tech giants like Google — only to see it become the kind of tech juggernaut they feared. After winning a CEO position that Musk coveted, Altman chose to keep OpenAI’s cutting-edge AI behind closed doors, claiming it was too dangerous to be openly released. The decision incensed Musk, who left OpenAI’s board to found his own competitor, xAI. Nearly a decade after the pair founded OpenAI, the two companies are amassing billions of dollars and Musk is taking the fight to court — in a race to own what both men see as the inevitable future of computing.
“Been thinking a lot about whether it’s possible to stop humanity from developing AI,” Altman wrote in 2015 in an email to Musk as a pitch to start OpenAI. “If it’s going to happen anyway, it seems like it would be good for someone other than Google to do it first.”
The talent problem
From its inception, OpenAI was caught between two conflicting forces: an idealistic mission to benefit humanity and a cutthroat race against tech behemoths. Musk and Altman agreed that whatever their motivations, securing top talent (along with piles of cash) would be a paramount concern. This early compromise would set the stage for what Musk would later call the startup’s pursuit of profit over principle.
In 2015, the startup was known as YC AI — a lab tucked inside Y Combinator’s nonprofit research division, YCR. Altman, then president of the startup incubator, leveraged its extensive network and resources to attract researchers and money. Musk urged Altman and CTO (now president) Greg Brockman to seek over $100 million in funding, cautioning them that anything less would appear paltry compared to the deep pockets of tech giants like Google and Facebook.
“I think we should say that we are starting with a $1B funding commitment. This is real. I will cover whatever anyone else doesn’t provide,” Musk said in 2015 emails revealed by OpenAI earlier this year in response to Musk’s lawsuit.
Still, despite Musk’s support and a war chest of millions of dollars, the fledgling organization faced an early challenge that plagues most startups: the fierce competition for top talent. OpenAI might be the hottest place to work in Silicon Valley today, but a decade ago (and long before the launch of ChatGPT), many top AI researchers were unlikely to give it a second glance.
In their aggressive bid for the best AI researchers, Altman and his team devised an unusual compensation package: a base salary of $175,000, a “part-time partner” title at YC, and 0.25 percent equity in each YC startup batch. (Now, it’s more common for AI researchers to be compensated closer to $1 million annually.) Altman billed it as a “Manhattan Project for AI,” per one email to Musk, and sensed he could get many of the top 50 researchers to join and “structure it so that the tech belongs to the world via some sort of nonprofit but the people working on it get startup-like compensation.”
The goal was to assemble an elite founding team of seven to 10 members — whatever it took to win the industry’s best minds. Still, Google’s AI lab, DeepMind, was on their heels.
“DeepMind is going to give everyone in OpenAI massive counteroffers tomorrow to try to kill it,” Altman wrote to Musk in December 2015. “Do you have any objection to me proactively increasing everyone’s comp by 100-200k per year? I think they’re all motivated by the mission here but it would be a good signal to everyone we are going to take care of them over time.”
“Sounds like DeepMind is planning to go to war over this,” Altman added.
Musk approved of the salary bumps, and by February 2016, OpenAI’s founding team was offered a $275,000 salary plus YC equity, while subsequent hires received a $175,000 salary with performance-based bonuses of $125,000 or equivalent stock in YC or SpaceX. Brockman added that there were three special cases: himself, along with cofounders Ilya Sutskever and Trevor Blackwell. It was later reported that Sutskever earned more than $1.9 million in 2016, and he told The New York Times that he “turned down offers for multiple times the dollar amount” he accepted from OpenAI. “I don’t know what will happen if/when Google starts throwing around the numbers they threw at Ilya,” Brockman wrote to Musk as he outlined a plan to poach researchers.
“We need to do what it takes to get the top talent. Let’s go higher. If, at some point, we need to revisit what existing people are getting paid, that’s fine,” Musk replied. “Either we get the best people in the world or we will get whipped by DeepMind. Whatever it takes to bring on ace talent is fine by me.” He warned that a victory by DeepMind, which was causing him “extreme mental stress,” would be really bad news with their “one mind to rule the world” philosophy. “They are obviously making major progress and well they should, given the talent level over there,” Musk added.
AGI dictatorship
It didn’t take long for things to get contentious between the cofounders.
In August 2017, OpenAI was ironing out the specifics of an initial funding round of between $200 million and $1 billion. Shivon Zilis, an ex-OpenAI board member and Neuralink operations director who would later bear three of Musk’s 12 children, wrote to Musk that Brockman and Sutskever were concerned. They were worried about how a newly founded for-profit branch of OpenAI would distribute equity and control as well as whether Musk — who wanted the job of CEO there — would commit sufficient time to it. “This is very annoying,” Musk responded, according to one of the newly released emails. “Please encourage them to go start a company. I’ve had enough.”
The next month, Sutskever and Brockman escalated with a joint email to Musk and Altman. They expressed fears that Musk would seize “unilateral absolute control” over artificial general intelligence (AGI) if he took power as CEO. At the same time, they questioned Altman’s motivations, asking why “the CEO title is so important” to him. “Is AGI truly your primary motivation? How does it connect to your political goals? How has your thought process changed over time?” the pair asked. (The email doesn’t elaborate on what “politics” refers to, but Altman had become vocally active in California political campaigning earlier that year.) They said that they had let the promise of money cloud their judgment during earlier negotiations, blinding them to concerns they should have raised.
“The goal of OpenAI is to make the future good and to avoid an AGI dictatorship. You are concerned that [DeepMind CEO Demis Hassabis] could create an AGI dictatorship. So do we,” the pair wrote. “So it is a bad idea to create a structure where you could become a dictator if you chose to, especially given that we can create some other structure that avoids this possibility.”
The email echoed a common refrain from OpenAI’s founders: that superintelligent AI was a serious threat to humanity, and any single entity controlling that power was even greater. But Musk was unimpressed.
“It is a bad idea to create a structure where you could become a dictator if you chose to,” Sutskever told Musk
“I will no longer fund OpenAI until you have made a firm commitment to stay or I’m just being a fool who is essentially providing free funding for you to create a startup. Discussions are over,” Musk replied. Altman replied that he remains “enthusiastic about the non-profit structure,” which ultimately led Sutskever and Brockman to back down.
Shortly after the confrontation, Zilis relayed a conversation she had with Altman to Musk. Zilis revealed that Altman “admitted that he lost a lot of trust with Greg and Ilya through this process” and “felt their messaging was inconsistent and felt childish at times.” Altman decided to take 10 days off to process the incident, Zilis added, because he “needs to figure out how much he can trust them and how much he wants to work with them.”
Just five months after Brockman and Sutskever’s email expressing fears of a power struggle, the situation reached another inflection point. In an altercation that was reported years later, Musk became convinced OpenAI had fallen irreparably behind Google and proposed taking control of the company himself — the very scenario Brockman and Sutskever had cautioned against.
“My probability assessment of OpenAI being relevant to DeepMind/Google without a dramatic change in execution and resources is 0%. Not 1%. I wish it were otherwise,” Musk said in 2018, per emails revealed by OpenAI earlier this year.
OpenAI’s leadership rejected his offer, and Musk departed the board in February 2018, cutting off funding but continuing to offer his support as an adviser.
Photo by Allison Robbert-Pool / Getty Images
The loss of Musk, who had by that point reportedly invested $100 million, put OpenAI’s nonprofit model in peril. When Musk was still largely bankrolling the operation in 2017, Zilis explained to him that OpenAI leadership wanted to raise “$100M out of the gate” because “they are of the opinion that the datacenter they need alone would cost that.” So, in 2019, desperate to fund the training data center and reduce reliance on Musk, the team crafted a unique structure: a capped for-profit company controlled by the nonprofit. LinkedIn cofounder Reid Hoffman and venture capitalist Vinod Khosla participated in the first funding round, which secured pledges of nearly $1 billion but a far smaller initial funding of $130 million.
In March 2019, Musk sent Altman an article that implied his involvement in the new for-profit structure. “Please be explicit that I have no financial interest in the for-profit arm of OpenAI,” Musk said in the email, which he would later submit for inclusion in the suit. Altman responded simply: “On it.”
Etched in OpenAI’s history
OpenAI wields immense influence and power in the AI industry, and the battle for control was not lost on either Musk or Altman. In the end, Altman emerged victorious — then consolidated his power into near-total control over OpenAI.
The legal merits of Musk’s case are questionable. While he’s accused OpenAI and Microsoft of myriad offenses, much of his suit boils down to accusing Altman of hypocrisy, not typically something that’s punished in a court of law. The case is being heard in California, not in Texas, where Musk has been able to count on a sympathetic ear from a Tesla-stock-owning judge. Still, a lawsuit that accuses OpenAI and Microsoft of anticompetitive practices could garner sympathy while Musk has the ear of US president-elect Donald Trump.
But whatever its outcome, the suit gives Musk a chance to reveal details that shape the narrative of OpenAI’s origins and his own role. The exhibits show Altman securing power in the company’s early days, perhaps despite the wishes of his cofounders. They underline Altman’s willingness to go toe-to-toe with his for-profit competitors from the beginning. And they provide the public with a clear picture of what powers OpenAI: Altman’s willingness to do whatever it takes to get what he wants.
How complete is this narrative? We don’t know. It’s likely a lot of important conversations happened offline or in emails that aren’t included. And Musk, obviously, isn’t any less power-hungry; if anything, this suit demonstrates his sheer petty desire to retaliate when slighted. But as both leaders are competing for a finite amount of venture capitalist cash, he may be betting that he can tear down Altman’s reputation — and cement himself as the rightful steward of AGI.
Continue Reading
Géminis 2.5
Gemini 2.5 Pro es el último modelo de IA multimodal a gran escala de Google Deepmind, diseñado con capacidades incorporadas de “pensamiento” para manejar tareas complejas. Como el primer lanzamiento de la serie Gemini 2.5, el modelo Pro lidera muchos puntos de referencia de la industria mediante márgenes significativos y demuestra fuertes capacidades de razonamiento y codificación.
A diferencia de las generaciones anteriores de IA que simplemente predijeron texto basado en patrones, Gemini 2.5 Pro está diseñado para analizar la información profundamente, sacar conclusiones lógicas, incorporar un contexto matizado y tomar decisiones informadas antes de responder. Esta evolución en las posiciones de diseño Gemini 2.5 Pro como un modelo de propósito general altamente avanzado que es adecuado para aplicaciones empresariales que exigen precisión y adaptabilidad.
En el núcleo de las características avanzadas de Gemini 2.5 Pro hay un cambio fundamental en su diseño arquitectónico, avanzando hacia lo que Google se refiere como un “modelo de pensamiento”. Esto indica una ruptura de los modelos de IA tradicionales centrados principalmente en la predicción y la clasificación hacia un sistema que se involucra en la deliberación y el razonamiento internos antes de generar una respuesta. Este enfoque intencional conduce a un rendimiento y una precisión significativamente mejorados, especialmente cuando se abordan tareas complejas que requieren más que un mero reconocimiento de patrones.
El rendimiento mejorado de Gemini Pro 2.5 no se debe únicamente al aumento de la potencia computacional o el tamaño del modelo. Más bien, surge de una combinación sofisticada de un modelo base subyacente muy mejorado, aprovechando los avances en la arquitectura de la red neuronal, los conjuntos de datos de entrenamiento extensos y las metodologías refinadas posteriores a la capacitación. Estas técnicas posteriores a la capacitación, que con frecuencia implican el aprendizaje de refuerzo, son cruciales para ajustar el comportamiento del modelo, asegurando una mayor calidad y resultados más relevantes. Esta evolución arquitectónica permite que el modelo realice análisis de información más exhaustivos, lleguen a conclusiones más precisas y lógicas, comprenda mejor e incorpore matices contextuales y, en última instancia, tome decisiones más informadas y confiables, capacidad que son esenciales para aplicaciones comerciales estratégicas.
Más allá del razonamiento abstracto, Gemini 2.5 Pro ofrece un conjunto de capacidades avanzadas que son directamente relevantes para las necesidades empresariales. Lo más destacado es su mejora significativa en el dominio de la codificación. Los ingenieros de Google informan que el rendimiento de la codificación experimentó un salto considerable de Gemini 2.0 a 2.5, con más mejoras en el horizonte. El modelo 2.5 Pro se destaca en la generación y el código de refinación, capaz de crear un software complejo, como una aplicación web interactiva funcional, desde un aviso de alto nivel. En una demostración, el modelo desarrolló un juego completo de “corredor interminable” en HTML/JS a partir de un mensaje de una sola línea, ilustrando su capacidad para administrar las tareas de codificación a nivel de proyecto de forma autónoma. Gemini 2.5 Pro también se destaca en una sólida transformación y edición de código, por lo que es valioso para tareas como refactorizar el código heredado o la traducción del código entre idiomas. En un punto de referencia de ingeniería de software estandarizado (verificado por el banco SWE), el modelo logró una puntuación alta (63.8%) utilizando una configuración de agente autónomo, lo que indica su fuerza para abordar los desafíos de codificación complejos de varios pasos. Para las empresas, esto significa que la IA puede funcionar no solo como un asistente de conversación sino también como una ayuda de codificación capaz o incluso un agente de software semiautónomo.
Géminis 2.5 Pro
Como parte del ecosistema de Géminis más amplio, Google también ha introducido TXGEMMA, un conjunto de modelos abiertos dirigidos a desafíos especializados de la industria. TXGEMMA es una colección de modelos derivados de la Serie Ligera de Gemma (versiones de código abierto de Gemini Technology) y adaptado específicamente para el desarrollo terapéutico de fármacos y biotecnología. Estos modelos están capacitados para comprender y predecir las propiedades de posibles medicamentos y terapias génicas, lo que ayuda a los investigadores a identificar candidatos prometedores e incluso pronosticar resultados de ensayos clínicos.
En esencia, TXGEMMA toma las técnicas de modelado y razonamiento del lenguaje central de Géminis y las aplica al dominio farmacéutico, donde puede examinar la literatura biomédica, los datos químicos y los resultados del ensayo para ayudar en las decisiones de I + D. El modelo de TXGEMMA más grande (con 27 mil millones de parámetros) ha demostrado el rendimiento a la par o excediendo modelos especializados en muchas tareas de descubrimiento de fármacos, todo mientras se conserva las habilidades generales de razonamiento. Para los líderes empresariales en atención médica y ciencias de la vida, TXGEMMA muestra la adaptabilidad de la arquitectura de Géminis a dominios misioneros críticos: ilustra cómo la IA de vanguardia puede acelerar flujos de trabajo altamente específicos como el descubrimiento de fármacos que tradicionalmente llevan años e incurrir en costos masivos.
Gemini 2.5 Pro representa un paso adelante significativo en el diseño del modelo de IA, combinando la potencia bruta con capacidades de razonamiento refinado que abordan directamente las tareas complejas del mundo real. Su arquitectura, con multimodalidad nativa y una longitud de contexto sin precedentes, permite a las empresas traer una variedad más rica de datos para tener problemas, extrayendo ideas que los modelos anteriores podrían haberse perdido. El fuerte desempeño del modelo en los puntos de referencia de codificación y razonamiento brinda la confianza de que puede manejar aplicaciones exigentes, desde la automatización de partes de la ingeniería de software hasta dar sentido a las amplias bases de conocimiento corporativo. Con el soporte de Google para la integración empresarial a través de plataformas en la nube y la aparición de ramas específicas de dominio como TXGEMMA, el ecosistema Gemini 2.5 Pro está listo para proporcionar la inteligencia general y las habilidades especializadas que buscan las empresas modernas. Para las CXO que planea la estrategia de IA de su empresa, Gemini 2.5 Pro ofrece una vista previa de cómo se pueden implementar sistemas de IA de próxima generación para impulsar la innovación y la ventaja competitiva, todos centrados en un razonamiento más profundo, un contexto más amplio y resultados tangibles.
Google ha presentado Gemini 2.5 Pro, llamándolo “Modelo de IA más inteligente” hasta la fecha. Este último modelo de lenguaje grande, desarrollado por el equipo de Google Deepmind, se describe como un “modelo de pensamiento” diseñado para abordar problemas complejos razonando a través de pasos internamente antes de responder. Los primeros puntos de referencia respaldan la confianza de Google: Gemini 2.5 Pro (un primer lanzamiento experimental de la serie 2.5) debutan en el número 1 en la tabla de clasificación Lmarena de asistentes de IA por un margen significativo, y lidera muchas pruebas estándar para la codificación, las matemáticas y las tareas científicas.
Las nuevas capacidades y características clave en Gemini 2.5 Pro incluyen:
- Razonamiento de la cadena de pensamiento: A diferencia de los chatbots más sencillos, Gemini 2.5 Pro explícitamente “piensa” a través de un problema internamente. Esto lleva a respuestas más lógicas y precisas sobre consultas difíciles, desde rompecabezas lógicos difíciles hasta tareas de planificación complejas.
- Rendimiento de última generación: Google informa que 2.5 Pro supera los últimos modelos de OpenAI y Anthrope en muchos puntos de referencia. Por ejemplo, estableció nuevos máximos en las pruebas de razonamiento difíciles como el último examen de la humanidad (puntuando 18.8% frente a 14% para el modelo de OpenAI y 8.9% para Anthrope’s), y lidera en varios desafíos de matemáticas y ciencias sin necesidad de trucos costosos como la votación en conjunto.
- Habilidades de codificación avanzada: El modelo muestra un gran salto en la capacidad de codificación sobre su predecesor. Se destaca en la generación y edición del código para aplicaciones web e incluso scripts autónomos de “agente”. En el punto de referencia de codificación SWE-Bench, Gemini 2.5 Pro alcanzó una tasa de éxito del 63.8%, muy por delante de los resultados de OpenAi, aunque todavía un poco detrás del modelo especializado de “soneto” “soneto” de Anthrope (70.3%).
- Comprensión multimodal: Al igual que los modelos Gemini anteriores, 2.5 Pro es multimodal nativo: puede aceptar y razonar sobre texto, imágenes, audio, incluso videos e entrada de código en una conversación. Esta versatilidad significa que podría describir una imagen, depurar un programa y analizar una hoja de cálculo, todo dentro de una sola sesión.
- Ventana de contexto masivo: Quizás lo más impresionante, Gemini 2.5 Pro puede manejar hasta 1 millón de tokens de contexto (con una actualización de tokens de 2 millones en el horizonte). En términos prácticos, eso significa que puede ingerir cientos de páginas de textos o repositorios de código enteros a la vez sin perder el seguimiento de los detalles. Esta larga memoria supera enormemente lo que ofrecen la mayoría de los otros modelos de IA, permitiendo que Gemini mantenga una comprensión detallada de documentos o discusiones muy grandes.
Según Google, estos avances provienen de un modelo base significativamente mejorado combinado con técnicas mejoradas después de la capacitación. En particular, Google también retira la marca separada de “pensamiento flash” que utilizó para Gemini 2.0; Con 2.5, las capacidades de razonamiento ahora están incorporadas de forma predeterminada en todos los modelos futuros. Para los usuarios, eso significa que incluso las interacciones generales con Gemini se beneficiarán de este nivel más profundo de “pensar” debajo del capó.
Implicaciones para la automatización y diseño
Más allá del zumbido de los puntos de referencia y la competencia, la importancia real de Gemini 2.5 Pro puede estar en lo que permite para los usuarios finales e industrias. El fuerte desempeño del modelo en las tareas de codificación y razonamiento no se trata solo de resolver acertijos para alardear de los derechos: insinúa nuevas posibilidades para la automatización del lugar de trabajo, el desarrollo de software e incluso el diseño creativo.
Tome la codificación, por ejemplo. Con la capacidad de generar código de trabajo a partir de un mensaje simple, Gemini 2.5 Pro puede actuar como un multiplicador de proyecto para los desarrolladores. Un solo ingeniero podría potencialmente prototipos de una aplicación web o analizar una base de código completa con asistencia de IA que maneja gran parte del trabajo de gruñidos. En una demostración de Google, el modelo creó un videojuego básico desde cero dada solo una descripción de una oración. Esto sugiere un futuro en el que los no programadores describirán una idea y obtendrán una aplicación en ejecución en respuesta (“codificación de vibos”), bajando drásticamente la barrera para la creación de software.
Incluso para desarrolladores experimentados, tener una IA que pueda comprender y modificar repositorios de código grandes (gracias a ese contexto de 1 m) significa una depuración más rápida, revisiones de código y refactorización. Nos estamos moviendo hacia una era de programadores de pares de IA que pueden mantener el “Gran imagen” de un proyecto complejo en su cabeza, por lo que no tiene que recordarles el contexto con cada aviso.
Las habilidades de razonamiento avanzado de Gemini 2.5 también juegan en la automatización del trabajo de conocimiento. Los primeros usuarios han intentado alimentarse en largos contratos y pedirle al modelo que extraiga cláusulas clave o resume puntos, con resultados prometedores. Imagine automatizar partes de la revisión legal, la investigación de diligencia debida o el análisis financiero al dejar que la IA pase a través de cientos de páginas de documentos y retire lo que importa, tareas que actualmente comen innumerables horas humanas.
La habilidad multimodal de Gemini significa que incluso podría analizar una mezcla de textos, hojas de cálculo y diagramas juntos, dando un resumen coherente. Este tipo de IA podría convertirse en un asistente invaluable para profesionales en derecho, medicina, ingeniería o cualquier campo ahogamiento en datos y documentación.
Para los campos creativos y el diseño de productos, modelos como Gemini 2.5 Pro también abren posibilidades intrigantes. Pueden servir como socios de lluvia de ideas, por ejemplo, que generan conceptos de diseño o copia de marketing mientras razonan sobre los requisitos, o como prototipos rápidos que transforman una idea aproximada en un borrador tangible. El énfasis de Google en el comportamiento de la agente (la capacidad del modelo para usar herramientas y realizar planes de varios pasos de forma autónoma) sugerencias de que las versiones futuras podrían integrarse directamente con el software.
Uno podría imaginar una IA de diseño que no solo sugiere ideas, sino que también navega por el software de diseño o escribe código para implementar esas ideas, todas guiadas por instrucciones humanas de alto nivel. Tales capacidades difuminan la línea entre “Thinker” y “Doer” en el reino de AI, y Gemini 2.5 es un paso en esa dirección, una IA que puede conceptualizar soluciones y ejecutarlas en varios dominios.
Sin embargo, estos avances también plantean preguntas importantes. A medida que AI asume tareas más complejas, ¿cómo nos aseguramos de que comprenda los matices y los límites éticos (por ejemplo, al decidir qué cláusulas de contrato son sensibles o cómo equilibrar los aspectos creativos frente a los aspectos prácticos en el diseño)? Google y otros necesitarán construir barandillas robustas, y los usuarios necesitarán aprender nuevos conjuntos de habilidades, lo que solicita y supervisará la IA, a medida que estas herramientas se convierten en compañeros de trabajo.
No obstante, la trayectoria es clara: modelos como Gemini 2.5 Pro están empujando la IA más profundamente en roles que anteriormente requerían inteligencia humana y creatividad. Las implicaciones para la productividad y la innovación son enormes, y es probable que veamos efectos dominantes en cómo se construyen los productos y cómo se realiza el trabajo en muchas industrias.
Géminis 2.5 y el nuevo campo AI
Con Gemini 2.5 Pro, Google está apostando un reclamo a la vanguardia de la carrera de IA, y enviando un mensaje a sus rivales. Hace solo un par de años, la narración era que la IA de Google (piense en las primeras iteraciones de Bard) estaba rezagada detrás de Chatgpt de OpenAi y los movimientos agresivos de Microsoft. Ahora, al organizar el talento combinado de Google Research y DeepMind, la compañía ha entregado un modelo que puede competir legítimamente por el título del mejor asistente de IA en el planeta.
Esto es un buen augurio para el posicionamiento a largo plazo de Google. Los modelos de IA se consideran cada vez más como plataformas centrales (al igual que los sistemas operativos o los servicios en la nube), y tener un modelo de nivel superior le da a Google una mano fuerte para jugar en todo, desde ofertas de la nube empresarial (Google Cloud/Vertex AI) hasta servicios de consumo como búsqueda, aplicaciones de productividad y Android. A la larga, podemos esperar que la familia Gemini se integre en muchos productos de Google, potencialmente sobrealimentando el Asistente de Google, mejorando las aplicaciones de Google Workspace con características más inteligentes y mejorando la búsqueda con habilidades más conversacionales y conscientes del contexto.
El lanzamiento de Gemini 2.5 Pro también destaca cuán competitivo se ha vuelto el panorama de IA. Operai, antrópico y otros jugadores como Meta y Startups emergentes están iterando rápidamente en sus modelos. Cada salto de una empresa, ya sea una ventana de contexto más amplia, una nueva forma de integrar herramientas o una nueva técnica de seguridad, es respondida rápidamente por otros. El movimiento de Google para incrustar el razonamiento en todos sus modelos es estratégico, asegurando que no se quede atrás en la “inteligencia” de su IA. Mientras tanto, la estrategia de Anthrope de dar a los usuarios más control (como se ve con la profundidad de razonamiento ajustable de Claude 3.7) y los refinamientos continuos de OpenAI a GPT-4.X mantienen la presión sobre.
Para los usuarios finales y los desarrolladores, esta competencia es en gran medida positiva: significa mejores sistemas de IA que llegan más rápido y más opciones en el mercado. Estamos viendo un ecosistema de IA en el que ninguna empresa tiene el monopolio de la innovación, y esa dinámica empuja a cada uno a sobresalir, al igual que los primeros días de la computadora personal o las guerras de teléfonos inteligentes.
En este contexto, la versión de Gemini 2.5 Pro es más que una actualización de productos de Google: es una declaración de intención. Se indica que Google pretende no ser solo un seguidor rápido sino un líder en la nueva era de la IA. La compañía está aprovechando su infraestructura informática masiva (necesaria para entrenar modelos con más de 1 millones de contextos tokens) y vastas recursos de datos para superar los límites que pocos otros pueden. Al mismo tiempo, el enfoque de Google (implementando modelos experimentales para usuarios de confianza, integrando AI en su ecosistema cuidadosamente) muestra un deseo de equilibrar la ambición con la responsabilidad y la practicidad.
Como Koray Kavukcuoglu, CTO de Google Deepmind, lo expresó en el anuncio, el objetivo es hacer que la IA sea más útil y capaz al mejorarlo a un ritmo rápido.
Para los observadores de la industria, Gemini 2.5 Pro es un hito que marca qué tan lejos ha llegado la IA a principios de 2025, y un indicio de hacia dónde va. El bar de “estado del arte” sigue aumentando: hoy es razonamiento y destreza multimodal, mañana podría ser algo así como la resolución de problemas o la autonomía aún más general. El último modelo de Google muestra que la compañía no solo está en la carrera, sino que tiene la intención de dar forma a su resultado. Si Gemini 2.5 tiene algo que ver, la próxima generación de modelos de IA estará aún más integrada en nuestro trabajo y vidas, lo que nos lleva a volver a imaginar cómo usamos la inteligencia de la máquina.
Como escritor, siempre he sido reclino de AI. ¿Robará mi trabajo? ¿Terminará tomando el mundo como esos robots en esa película de Will Smith? Dejando de lado mis dramáticas preocupaciones, me encontré increíblemente intrigado cuando recientemente encontré varias publicaciones en X (anteriormente Twitter) por personas que usaban ChatGPT para crear listas de compras y planificar sus comidas durante una semana. Cualquier cosa que haga que esta tarea semanal sea más fácil es algo que pueda respaldar, o al menos probar.
Entonces, como experimento, en lugar de llenar mi carrito de compras con los sospechosos habituales, utilicé ChatGPT para crear un plan de comidas de cinco días y mi lista de compras. Esto es lo que siguió:
El proceso
Para que Chatgpt se encargue de esta tarea para mí, escribí el siguiente comando: “Cree una lista de comestibles y recetas (desayuno, almuerzo, cena y bocadillos) para los lunes a viernes. El presupuesto es de $ 75. No incluya tomates, guisantes u avena. Las recetas deben ser bastante saludables y densas en nutrientes. ¡Gracias!”
Traté de ser lo más específico posible sin hacer demasiado. También quería desafiar a ChatGPT financieramente lanzando un presupuesto modesto. Y me aseguré de mantenerlo lindo y amable con un poco de gratitud al final (me niego a ser Yo, robot‘d). Al recibir mis resultados, había un ingrediente que sabía que quería salir. “Eso es genial, pero no tofu”, escribí al chatbot.
“¡Lo tengo! Ajustaré el plan y eliminaré el tofu, reemplazándolo con otras opciones de proteínas”, respondió ChatGPT, antes de compartir una lista de comestibles y un plan de comidas actualizados.
Y así, tenía una lista completa de comestibles y comidas de lunes a viernes. Aunque ChatGPT hizo todo el trabajo, me sentí productivo de alguna manera. Algo sobre las comidas planeadas para la semana realmente se quita una carga. Tenía esperanzas.
Las comidas
Aquí está el plan de comidas Chatgpt diseñado para mí, a continuación. Para ahorrarle mucha redundancia, he notado algunos, pero no todas, de las instrucciones que Chatgpt me dio en cuanto a la preparación. (La mayoría de estas comidas son bastante fáciles de hacer sin mucha dirección externa).
Lunes
Desayuno: Huevos revueltos con espinacas
Almuerzo: Ensalada de atún con aceite de oliva, pepinos y zanahorias
Cena: Pollo a la parrilla con batatas asadas y brócoli (Sazone el pollo con sal, pimienta y ajo en polvo, luego sea la parrilla o la sartén; las batatas de cubos y asanlos con aceite de oliva, sal y pimienta a 400 ° F durante 25 minutos; brócoli de vapor).
Bocadillo: Yogurt griego con bayas.
Martes
Desayuno: Yogurt griego con mantequilla de plátano y maní (Corte el plátano y agregue a un tazón de yogurt griego; rocíe con mantequilla de maní para proteínas agregadas).
Almuerzo: Vegetal salteado con pollo y arroz marrón (Corte el pollo y cocine en aceite de oliva hasta que se dore; Agregue verduras congeladas y saltee con salsa de soja; Servir con arroz integral).
Cena: Pechuga de pollo al horno con calabacín asado y batatas
Bocadillo: Zanahorias con mantequilla de maní
Miércoles
Desayuno: Huevos revueltos con pimiento rojo y espinacas
Almuerzo: Envoltura de pollo y verduras con pan de trigo integral (Corte el pollo a la parrilla y coloque en una envoltura con espinacas y pepino. Rocíe con aceite de oliva y enrolle.)
Cena: Salteado de pollo con brócoli y arroz marrón
Bocadillo: Yogurt griego con llovizna de miel
Jueves
Desayuno: Tostada de mantequilla de plátano y maní
Almuerzo: Ensalada de atún en tostada de trigo entero (Mezcle el atún enlatado con pepino picado y aceite de oliva; extienda la mezcla sobre pan de trigo integral tostado).
Cena: Pollo horneado con verduras asadas
Bocadillo: Zanahorias con salsa de yogurt griega
Viernes
Desayuno: Veggie Scramble con huevos
Almuerzo: Tazón de pollo y arroz (Cocine el pollo y córtelo; sirva con arroz integral y brócoli al vapor; rocíe con salsa de soja).
Cena: Pollo salteado con verduras mixtas y batata
Bocadillo: Yogurt griego con un puñado de bayas congeladas.
Al revisar las diversas comidas que se proporcionan Chatgpt, desearía que incluya “Hacerlo sabroso” en mi solicitud inicial. Tengo que admitir que mis papilas gustativas estaban bastante aburridas el miércoles. No tengo nada contra el pollo, pero ahora sufro un caso importante de fatiga avícola.
Las compras de comestibles
Chatgpt me dio esta lista para hacer mis comidas, junto con su precio para cada artículo:
Desglose del presupuesto:
- Huevos: $ 2.50
- Pechuga de pollo (1 lb): $ 6.00
- TUMA CONDIVADO: $ 1.00
- Frijoles negros (1 lata): $ 1.00
- Yogurt griego (32 oz): $ 4.00
- Espinacas (1 grupo): $ 1.50
- Brócoli (1 cabeza): $ 2.00
- Batatas (2): $ 3.00
- Calabacín (2): $ 1.50
- Pepino (1): $ 1.00
- Zanahorias (1 lb): $ 1.50
- Pimiento rojo (1): $ 1.00
- Verduras mixtas congeladas: $ 2.00
- Bananas (2): $ 1.00
- Manzanas (2): $ 1.50
- Bayas congeladas: $ 3.00
- Pan de trigo integral: $ 2.00
- Arroz marrón: $ 2.00
- Pasta de trigo integral: $ 1.50
- Queso cheddar: $ 2.50
- Leche: $ 1.50
- Mantequilla de maní: $ 2.00
- Aceite de oliva, salsa de soja, sal, pimienta, ajo en polvo, cebolla en polvo: ~ $ 6.00
Total: ~ $ 74.50
También incluyó este mensaje agradable en buena medida: “Esto debería estar dentro de su presupuesto mientras mantiene las comidas saludables y equilibradas. ¡Disfruta!”
Primero: el presupuesto. Ya tenía aceite de oliva, salsa de soja y los condimentos disponibles, por lo que no necesitaba comprarlos. Afortunadamente, tenía todos esos ingredientes porque no hay forma de que cuestan solo $ 6 juntos. ¡El aceite de oliva solo es más que eso! (Me pregunté si ChatGPT estaba calculando ese precio según la cantidad que usaría.
Compré más de una sola libra de pollo, no seguro si se trataba de un error de chatgpt, pero dada la cantidad de comidas que llamaban al pollo, me quedé con mi paquete habitual, que está más cerca de una libra y media. Para hacer mis compras, utilicé Instacart, que tiende a ser más caro que ir en persona, pero obtuve dentro de aproximadamente $ 10 de ese presupuesto de $ 75. ¡No está mal, chatgpt!
(Notaré que estaba cocinando para mí, pero con la cantidad de artículos comprados, habría habido mucha comida para uno, tal vez incluso otras dos personas).
Ahora, aquí es donde las cosas se ponen raras. Después de comprar los comestibles, comparé las comidas con la lista de comestibles, y algo importante se destacó. Varios de los artículos enumerados en la lista de compras no se usaron en las comidas. Sé que ChatGPT es plenamente consciente del costo de los comestibles, así que por qué me haría comprar cinco artículos (¡sí, cinco!) Que no necesitaba está más allá de mí. En caso de que se lo pregunte, esos cinco artículos eran una lata de frijoles negros, pasta de trigo integral, queso, manzanas y leche. Sinceramente, todavía estoy rascándome la cabeza sobre este.
Dejando a un lado la lista de compras, estaba emocionado de probar algunas recetas nuevas (y saludables). Y me complace decir que encontré algunos favoritos nuevos gracias a este pequeño experimento. Entre mis recetas favoritas estaban el yogur griego con plátanos y mantequilla de maní (también agregué una llovizna de miel) y salteado de verduras con pollo y arroz integral.
Pero, hubo casos en los que se sentía absolutamente como si las comidas fueran planificadas por un robot. Por ejemplo, una envoltura de sándwich hecha “usando pan de trigo integral” me pareció un poco extraño. ¿Cómo “enrollar” una rebanada de pan? Y las bayas frescas habrían sido una mejor compra que las bayas congeladas, dado que las estaba usando como una cobertura de yogurt.
El veredicto
El fiasco de la lista de comestibles me apagó, pero avanzé. Y tal vez debería haber presionado ese carrito de comestibles virtual muy, muy lejos porque, en última instancia, esta es una técnica sin la que puedo prescindir. Además de un puñado de favoritos, las comidas sugeridas eran decepcionantes. La conveniencia de todo simplemente no valió la pena para mí. Estoy seguro de que obtendría mejores resultados con un presupuesto más grande y solicitudes más específicas, pero prefiero trabajar con una persona humana real en un plan de comidas que se adapte a mí individualmente.
¡Ahora, por favor envíeme todas sus recetas favoritas de pollo y sin atún!
Danielle Harling es una escritora independiente con sede en Atlanta con un amor por los espacios diseñados con colores, cócteles artesanales y compras en línea (generalmente para tacones de diseñador que rompen el presupuesto). Su trabajo anterior ha aparecido en Fodor’s, Forbes, Mydomaine, Architectural Digest y más.
Inside the OpenAI-DeepSeek Distillation Saga & Alibaba’s Most Powerful AI Model Qwen2.5-Max
De ChatGPT a mil millones de agentes
-
Startups10 meses agoRemove.bg: La Revolución en la Edición de Imágenes que Debes Conocer
-
Recursos11 meses agoCómo Empezar con Popai.pro: Tu Espacio Personal de IA – Guía Completa, Instalación, Versiones y Precios
-
Tutoriales11 meses agoCómo Comenzar a Utilizar ChatGPT: Una Guía Completa para Principiantes
-
Startups9 meses agoStartups de IA en EE.UU. que han recaudado más de $100M en 2024
-
Recursos11 meses agoSuno.com: La Revolución en la Creación Musical con Inteligencia Artificial
-
Startups11 meses agoDeepgram: Revolucionando el Reconocimiento de Voz con IA
-
Recursos10 meses agoPerplexity aplicado al Marketing Digital y Estrategias SEO
-
Noticias8 meses agoDos periodistas octogenarios deman a ChatGPT por robar su trabajo
