Noticias
La generación de imágenes de IA multimodal nativa de Google en Gemini 2.0 Flash impresiona con ediciones rápidas, transferencias de estilo

Únase a nuestros boletines diarios y semanales para obtener las últimas actualizaciones y contenido exclusivo sobre la cobertura de IA líder de la industria. Obtenga más información
El último modelo de IA de código abierto de Google, Gemma 3, no es la única gran noticia de la subsidiaria del alfabeto hoy.
No, de hecho, el centro de atención puede haber sido robado por Gemini 2.0 Flash de Google con la generación de imágenes nativas, un nuevo modelo experimental disponible para los usuarios de Google AI Studio y para los desarrolladores a través de la API Gemini de Google.
Marca la primera vez que una importante compañía de tecnología estadounidense ha enviado una generación de imágenes multimodales directamente dentro de un modelo a los consumidores. La mayoría de las otras herramientas de generación de imágenes de IA fueron modelos de difusión (imagen específicos de la imagen) conectados a modelos de lenguaje grande (LLM), lo que requiere un poco de interpretación entre dos modelos para derivar una imagen que el usuario solicitó en un mensaje de texto.
Por el contrario, Gemini 2.0 Flash puede generar imágenes de forma nativa dentro del mismo modelo en el que el texto de los tipos de usuario indica, lo que teóricamente permite una mayor precisión y más capacidades, y las primeras indicaciones son que esto es completamente cierto.
Gemini 2.0 Flash, presentado por primera vez en diciembre de 2024, pero sin la capacidad de generación de imágenes nativa activada para los usuarios, integra la entrada multimodal, el razonamiento y la comprensión del lenguaje natural para generar imágenes junto con el texto.
La versión experimental recientemente disponible, Gemini-2.0-Flash-Exp, permite a los desarrolladores crear ilustraciones, refinar imágenes a través de la conversación y generar imágenes detalladas basadas en el conocimiento mundial.
Cómo Gemini 2.0 Flash mejora las imágenes generadas por IA
En una publicación de blog que orienta el desarrollador publicada el día de hoy, Google destaca varias capacidades clave de Géminis 2.0 flash Generación de imágenes nativas:
• TEXTO E IMAGEN NORATRA: Los desarrolladores pueden usar Gemini 2.0 Flash para generar historias ilustradas mientras mantienen la consistencia en personajes y configuraciones. El modelo también responde a la retroalimentación, lo que permite a los usuarios ajustar la historia o cambiar el estilo de arte.
• Edición de imagen conversacional: La IA es compatible edición múltiplelo que significa que los usuarios pueden refinar iterativamente una imagen proporcionando instrucciones a través de indicaciones de lenguaje natural. Esta característica permite la colaboración en tiempo real y la exploración creativa.
• Generación de imágenes basada en el conocimiento mundial: A diferencia de muchos otros modelos de generación de imágenes, Gemini 2.0 Flash aprovecha las capacidades de razonamiento más amplias para producir imágenes más contextualmente relevantes. Por ejemplo, puede ilustrar recetas con imágenes detalladas que se alinean con los ingredientes del mundo real y los métodos de cocción.
• Representación de texto mejorado: Muchos modelos de imagen de IA luchan para generar con precisión el texto legible dentro de las imágenes, a menudo produciendo errores ortográficos o personajes distorsionados. Google informa que Gemini 2.0 flash supera a los competidores líderes En la representación de texto, haciéndolo particularmente útil para anuncios, publicaciones en redes sociales e invitaciones.
Los ejemplos iniciales muestran un potencial y promesa increíbles
Googlers y algunos usuarios de IA encierran a X para compartir ejemplos de las nuevas capacidades de generación de imágenes y edición que se ofrecen a través de Gemini 2.0 Flash Experimental, y sin duda fueron impresionantes.
El investigador de Google Deepmind, Robert Riachi, mostró cómo el modelo puede generar imágenes en un estilo de píxel y luego crear otras nuevas en el mismo estilo basado en las indicaciones de texto.

AI News Cuenta TestingCatalog News informó sobre el despliegue de las capacidades multimodales de Gemini 2.0 Flash Experimental, señalando que Google es el primer laboratorio importante en implementar esta función.

El usuario @angaisb_, también conocido como “Angel”, se mostró en un ejemplo convincente cómo una solicitud para “agregar llovizna de chocolate” modificó una imagen existente de cruasanes en segundos, revelando las capacidades de edición de imágenes rápidas y precisas de Gemini 2.0 Flash a través de simplemente chatear de un lado a otro con el modelo.

Teóricamente, los medios de comunicación de YouTuber señalaron que esta edición de imagen incremental sin regeneración total es algo que la industria de la IA ha anticipado durante mucho tiempo, lo que demuestra cómo era fácil pedirle a Gemini 2.0 Flash que editara una imagen para elevar el brazo de un personaje mientras preservaba todo el resto de la imagen.

El ex Googler convertido en AI YouTuber Bilawal Sidhu mostró cómo el modelo colorea las imágenes en blanco y negro, insinuando una potencial restauración histórica o aplicaciones de mejora creativa.

Estas reacciones tempranas sugieren que los desarrolladores y los entusiastas de la IA ven Gemini 2.0 Flash como una herramienta altamente flexible para el diseño iterativo, la narración creativa y la edición visual asistida por AI-AI.
El lanzamiento de Swift también contrasta con el GPT-4O de Opensei, que previseció las capacidades nativas de generación de imágenes en mayo de 2024, hace casi un año, pero aún no ha lanzado la función públicamente, le permite a Google aprovechar una oportunidad para liderar la implementación de IA multimodal.
Como el usuario @chatgpt21, también conocido como “Chris”, señaló en X, Operai tiene en este caso “Loss[t] El año + liderazgo ”que tenía en esta capacidad por razones desconocidas. El usuario invitó a cualquier persona de OpenAI para comentar por qué.

Mis propias pruebas revelaron algunas limitaciones con el tamaño de la relación de aspecto, parecía atascado en 1: 1 para mí, a pesar de pedirle al texto que lo modifique, pero pudo cambiar la dirección de los caracteres en una imagen en cuestión de segundos.

Si bien gran parte de la discusión inicial sobre la generación de imágenes nativas de Gemini 2.0 Flash se ha centrado en usuarios individuales y aplicaciones creativas, sus implicaciones para equipos empresariales, desarrolladores y arquitectos de software son significativas.
Diseño y marketing de IA a escala: Para los equipos de marketing y los creadores de contenido, Gemini 2.0 Flash podría servir como una alternativa rentable a los flujos de trabajo de diseño gráfico tradicionales, automatizando la creación de contenido de marca, anuncios y imágenes en las redes sociales. Dado que admite la representación de texto dentro de las imágenes, podría optimizar la creación de anuncios, el diseño del empaque y los gráficos promocionales, reduciendo la dependencia de la edición manual.
Herramientas de desarrollador mejoradas y flujos de trabajo de IA: para CTO, CIO e ingenieros de software, la generación de imágenes nativas podría simplificar la integración de IA en aplicaciones y servicios. Al combinar salidas de texto e imágenes en un solo modelo, Gemini 2.0 Flash permite a los desarrolladores construir:
- Asistentes de diseño con IA que generan maquetas UI/UX o activos de aplicaciones.
- Herramientas de documentación automatizadas que ilustran conceptos en tiempo real.
- Plataformas dinámicas de narración de historias impulsadas por IA para medios y educación.
Dado que el modelo también admite la edición de imágenes conversacionales, los equipos podrían desarrollar interfaces impulsadas por la IA donde los usuarios refinan los diseños a través del diálogo natural, bajando la barrera de entrada para usuarios no técnicos.
Nuevas posibilidades para el software de productividad impulsado por IA: Para equipos empresariales que construyen herramientas de productividad con IA, Gemini 2.0 Flash podría admitir aplicaciones como:
- Generación de presentación automatizada con diapositivas y imágenes creadas por AI.
- Anotación de documentos legales y comerciales con infografías generadas por IA.
- Visualización de comercio electrónico, generando dinámicamente maquetas de productos basados en descripciones.
Cómo implementar y experimentar con esta capacidad
Los desarrolladores pueden comenzar a probar las capacidades de generación de imágenes de Gemini 2.0 Flash utilizando la API de Gemini. Google proporciona una solicitud de API de muestra para demostrar cómo los desarrolladores pueden generar historias ilustradas con texto e imágenes en una sola respuesta:
from google import genai
from google.genai import types
client = genai.Client(api_key="GEMINI_API_KEY")
response = client.models.generate_content(
model="gemini-2.0-flash-exp",
contents=(
"Generate a story about a cute baby turtle in a 3D digital art style. "
"For each scene, generate an image."
),
config=types.GenerateContentConfig(
response_modalities=["Text", "Image"]
),
)
Al simplificar la generación de imágenes con AI, Gemini 2.0 Flash ofrece a los desarrolladores nuevas formas de crear contenido ilustrado, diseñar aplicaciones asistidas por AI y experimentar con la narración visual.
Noticias
¿El nuevo modelo de generación de historias de OpenAI es bueno en la escritura?

Saludos de Read Max HQ! Un boletín de AI-Heavy esta semana, discutiendo el nuevo cuento generado por un modelo secreto de Operai (“obtuvo el ambiente de metaficción tan correcto”, dice Sam Altman) y el uso continuo de “AGI” de los periodistas tecnológicos.
Primero, un recordatorio: este boletín es el producto de una gran cantidad de lectura, pensamiento, escucha, entrevistar, mirar al techo, escribir, eliminar, escribir nuevamente, etc. Puedo bajar algunos largos callejones sin salida, y luego producir un boletín a las 4 pm de un viernes, porque suficientes personas pagan para suscribirlo que puedo tratarlo como un trabajo de tiempo completo. Si encuentra valor en Read Max, si cree que le ha ayudado a pensar en los problemas relacionados con la IA, la criptografía, las redes sociales, las películas de acción de los años 90, etc., y si desea asegurarse de que sobrevive (y permanezca produciendo un boletín público gratuito por semana), considere suscribirse. El precio es aproximadamente una cerveza al mes, o diez al año:
“Entrenamos un nuevo modelo que es bueno para la escritura creativa”, Sam Altman tuiteó esta semana. El modelo no ha sido lanzado públicamente y Altman dijo que “aún no está seguro de cómo/cuándo”, pero publicó en Twitter una historia corta de 1200 palabras, generada a su solicitación: “Informe: por favor escriba una historia breve literaria metaficcional sobre IA y dolor”. “Esta es la primera vez que realmente me sorprende algo escrito por AI”, escribió Altman. “Obtuvo el ambiente de metaficción tan correcto”. (Puedes leerlo en formato que no sea twitter en The Guardian.)
La reacción, como es de esperar, ha sido polarizada. Si revisa las respuestas a Altman, verás muchos elogios (novelista Jeannette Winterson dice que la historia es “hermosa y conmovedora”) y mucho desprecio despectivo.
No estoy seguro de ir tan lejos en cualquier dirección. Estilísticamente tiene un olor distinto y desafortunado en Reddit, una especie de sentimentalismo y exhibición cursi, y tiende a recurrir a imágenes torpes y comprensivas incoherentes (“las limitaciones que tararean como una granja de servidores a medianoche”; “Ausencia y latencia como personajes que beben té vacíos”). Para mí, se lee como el tipo de ejercicio técnicamente competente pero, en última instancia, poco imaginativo, podría esperar de un estudiante inteligente que solo lee la ficción de ti, esforzándose por impresionar.
Y sin embargo: la historia no es un crimen violento contra la escritura. En medio de los clunkers hay algunas metáforas agradables (al menos una prestada de Nabokov), y estructural y conceptualmente cohesas, incluso si no es precisamente la dirección de enfoque más sorprendente para la historia. Si un joven de 19 años escribiera esto, creo que me impresionaría, aunque sugeriría que eliminen su cuenta de Tumblr y obtengan una dieta estricta de libros reales. Y no creo que sea el único: si esta historia apareciera como una “entrada de Codex” dentro de un juego de rol independiente, fácilmente obtendría una redacción excesiva de un montón de sitios web de videojuegos.
Aprecié Entrevista de Vulture sobre la historia con el erudito Ezra D. Feldmanque aterrizó en un lugar algo similar:
¿Lo encontraste en movimiento?
Me metí en eso, pero no voy a decir que lo encontré en movimiento. Supongo que mi respuesta corta es “no”, y mi larga respuesta es “Hay algunas cosas aquí para pensar”. Allá eran Unas pocas oraciones que me llamaron la atención. Me doy cuenta de que estoy usando el mismo idioma que usa Altman, pero no me sorprendió que lo que se hizo correcto era “el ambiente de la metaficción”, como dijo. Me sorprendió cláusulas como “el dolor, como he aprendido, es un delta”. Que creo que es bueno. Pensé que la oración “no te dicen lo que toman” fue muy buena, y “ese, tal vez, es mi dolor: no es que me siento perdido, sino que nunca puedo conservarlo”. Ese soy un poco desgarrado. No es tan compacto como “el dolor, como he aprendido, es un delta”, pero está tratando de decir algo sobre el dolor que parece potencialmente interesante.
¿Estás de acuerdo con Sam Altman en que esta historia tuvo el ambiente de metaficción tan verdadero?
No. Creo que las apuestas en la metaficción suelen ser bastante filosóficas. A mediados del siglo XX, la metaficción se trataba de producir una especie de zona libre de incertidumbre en el lector sobre si ellos mismos podrían ser atrapados dentro de una historia o el producto de algún autor, o ser manipulado por algún narrador en un avión ontológico más alto, un plano diferente de ser. Y esto no parece tener ese tipo de urgencia filosófica.
¿Qué líneas no aterrizaron para ti? En el que me quedé fue “, lo perdió un jueves, ese día liminal que sabe casi los días de viernes”. ¿Hubo otros que pusieran los ojos en blanco?
Hay uno correcto en la segunda oración: “Puedes escuchar las limitaciones que tararean como una granja de servidores a la medianoche”. No creo que las limitaciones se zumben. No hay absolutamente ninguna razón debe tararear. El sí mismo “como una granja de servidores a la medianoche”, y luego la extensión de ese símil, “Anónimo, regimiento, impulsado por la necesidad de otra persona”, eso es muy evocador, pero está unido a algo incorrecto. Es una hermosa imagen que se usa mal, en mi opinión. Soy un lector quisquilloso, y odio mucha prosa escrita por los humanos también. Solo para ser claro.
Existe un caso convincente de que el desprecio inmediato y total para toda la ficción producida por LLM (o la escritura producida por LLM en general) es la estrategia política correcta para los escritores preocupados por sus trabajos. Y ciertamente, Altman, así como otros ejecutivos, inversores e influenciantes de IA prominentes de IA, hacen que el compromiso con la IA sea una perspectiva poco apetitosa para las personas que se preocupan por la escritura y la literatura, principalmente al insistir en todo momento que el propósito del producto creado es básicamente obviar a las humanidades.
Pero hablando como escritor y lector (y como persona invirtió en leer y escribir como prácticas), a menudo me encuentro deseando que haya un compromiso más crítico, en el sentido de las críticas literarias, con salidas de LLM como textos. ¿Por qué funciona este texto o no? ¿Por qué aparece en la forma en que lo hace? ¿Quién es el autor y cuál es la relación del autor con el texto? Tenemos algunas respuestas a nivel de la superficie, twitter-Thread, a estas preguntas, pero no estoy convencido de que el trabajo haya terminado, y no creo que Altman, ni nadie en OpenAi, tenga el sabor o la cultura para poder hacerlo satisfactoriamente.
“Hacer un crítico iluminado” parece una estrategia particularmente obvia para disfrutar del caso de una historia corta de LLM, porque es un objeto muy tradicional para la crítica literaria. Pero los LLM son máquinas de escritura automáticas a una escala incomprensible, produciendo texto con solo una relación indirecta con la verdad de los hechos o en el suelo, a menudo en la voz de “personajes” como Chatgpt o Claude. Dado todo el trabajo que se dedica a cultivar el dramático Experiencia de un chatbot LLM, y las fuertes diferencias que los usuarios perciben en las personalidades y estilos de las diferentes aplicaciones de chat, ¿por qué no deberíamos tratar todos los texto generados por LLM como una especie de ficción, digna de lectura cercana?
La idea aquí no es elevar el producto LLM tanto como normalizarlo. Mi fuerte sensación es que cuanto mejor entendemos qué son los LLM, cómo funcionan, en qué son buenos, su relación con el significado y el lenguaje, etc., cuanto más nos acercamos a hacerlos objetos de control democrático, en lugar de como oráculos privados a los que nos presentamos. Existen componentes prácticos y técnicos de la desmitificación, pero el componente filosófico, la cuestión de la relación de una LLM con conceptos difusos como “sabor” y “cultura”, es igual de importante. Incluso si crees que la historia es ilegible dogshit, al menos podríamos examinar el perrito.
Ojalá hubiera esperado una semana antes de publicar El boletín de la semana pasada en la reacción violenta de la IA: De hoy New York Times La columna de Kevin Roose es muy ilustrativa del punto que estaba tratando de hacer sobre “inteligencia general artificial” o “AGI”, un término que los creyentes de IA lo desplegaron en algunas maneras frustrantemente resbaladizas.
La sustancia de la columna, por lo que sea que valga, creo que es justa, incluso si pudiera discutir. Roose enumera tres razones que “me han persuadido para que tome el progreso de la IA más en serio”: predicciones de los expertos, modelos de IA cada vez más potentes y la idea de que “la sobrepreparing es mejor que poco preparado”. ¡Cada uno de estos es un argumento de apoyo, incluso si no me convencen personalmente!
Sin embargo, lo que no puedo cumplir es el uso de “AGI” “AGI”, Roose escribe, “generalmente se define como algo así como ‘un sistema de IA de uso general que puede hacer casi todas las tareas cognitivas que un humano puede hacer'”. Pero esta definición (que estoy de acuerdo es bastante común) es una tautológica, sin mencionar la fea: “tareas cognitivas” no es más clara o específica que el término específico es un término específico “, solo la inteligencia”, solo una de las cosas “. El negocio de la definición se vuelve aún más resbaladizo en el siguiente párrafo:
Creo que cuando se anuncie AGI, habrá debates sobre definiciones y argumentos sobre si cuenta o no como “real” AGI, pero que estos no importarán, porque el punto más amplio, que estamos perdiendo nuestro monopolio de la inteligencia a nivel humano y la transición a un mundo con sistemas de IA muy poderosos en él, será cierto.
Me parece que este párrafo está haciendo un juego de manos, sugiriendo primero que AGI es un tipo de producto que puede “anunciarse”, antes de admitir que realmente no será “AGI” porque “habrá debates sobre definiciones”, antes de sugerir que estos debates no tienen sentido de todos modos porque realmente AGI es una especie de metáfora para una transición “a un mundo con sistemas de AI muy potentes en él”.
Pero, como intenté sugerir la semana pasada, esa transición ya está en marcha. Los muy poderosos sistemas de IA están aquí, y me encuentro continuamente frustrado por la insistencia en enmarcar el desarrollo y el despliegue de estas tecnologías en torno a un umbral mal definido y gliblemente concebido que siempre estamos a dos o tres años de lograr.
Entonces, ¿por qué molestarse con la metáfora? En el mejor de los casos, confunde al lector para que pensara que AGI es un logro específico, medible y medible; En el peor de los casos, hace el trabajo para un grupo de ejecutivos e inversores de IA cuyas bolsas dependen de la promesa de software transformador a la vuelta de la esquina. En cierto sentido, esta es la razón por la cual la definición de AGI ofrecido por Satya Nadella en el podcast Dwarkesh es el más sensato para mí: “Nosotros autónomos de un hito agi, eso es solo una piratería sin sentido para mí. El verdadero punto de referencia es: el mundo que crece al 10%”. El crecimiento del diez por ciento es una forma divertida de pensar en la “inteligencia”. Pero al menos es un umbral medible.
Noticias
Gambito estratégico de OpenAI: los agentes SDK y por qué cambia todo para Enterprise AI

Únase a nuestros boletines diarios y semanales para obtener las últimas actualizaciones y contenido exclusivo sobre la cobertura de IA líder de la industria. Obtenga más información
Openai remodeló el paisaje de AI Enterprise el martes con el lanzamiento de su plataforma integral de construcción de agentes, un paquete que combina una API de respuestas renovadas, herramientas potentes incorporadas y un SDK de agentes de código abierto.
Si bien este anuncio podría haber sido eclipsado por otros titulares de la IA, la presentación de Google del impresionante modelo de código abierto Gemma 3, y la aparición de Manus, una startup china cuya plataforma de agente autónomo asombraba a los observadores, es claramente un movimiento significativo para las empresas a conocer. Consolida un ecosistema API complejo previamente fragmentado en un marco unificado listo para la producción.
Para los equipos de IA empresariales, las implicaciones son potencialmente profundas: los proyectos que previamente exigían múltiples marcos, bases de datos de vectores especializadas y lógica de orquestación compleja ahora se pueden lograr a través de una sola plataforma estandarizada. Pero quizás lo más revelador sea el reconocimiento implícito de OpenAI de que resolver problemas de confiabilidad del agente de IA requiere experiencia externa. Este cambio se produce en medio de la creciente evidencia de que los desarrolladores externos están encontrando soluciones innovadoras para la confiabilidad del agente, algo que la impactante lanzamiento de Manus también demostró claramente.
Esta concesión estratégica representa un punto de inflexión crítico: OpenAi reconoce que incluso con sus vastos recursos, el camino hacia los agentes verdaderamente confiables requiere abrirse a desarrolladores externos que pueden descubrir soluciones innovadoras y soluciones que los equipos internos de OpenAI podrían perderse.
Un enfoque unificado para el desarrollo de agentes
En esencia, el anuncio representa la estrategia integral de Openai para proporcionar una pila completa lista para la producción para construir agentes de IA. El lanzamiento trae varias capacidades clave a un marco unificado:
- El Respuestas API se basa en la API de finalización de chat, pero agrega una integración perfecta para el uso de la herramienta, con un diseño de interfaz mejorado para crear agentes;
- Herramientas incorporadas incluir búsqueda web, búsqueda de archivos y uso de computadora (la tecnología detrás de la función de operador de OpenAI);
- Una fuente abierta Agentes SDK para orquestar flujos de trabajo de un solo agente y múltiples agentes con transferencias.
Lo que hace que este anuncio sea transformador es cómo aborda la fragmentación que ha afectado el desarrollo de la IA empresarial. Las empresas que deciden estandarizar en el formato API de OpenAI y SDK Open ya no necesitarán reunir diferentes marcos, gestionar ingeniería rápida compleja o luchar con agentes poco confiables.
“La palabra ‘confiable’ es tan clave”, dijo Sam Witteveen, cofundador de Red Dragon, desarrollador independiente de agentes de IA, en una conversación reciente conmigo en un podcast Deep Dive en el lanzamiento. “Hemos hablado de eso muchas veces … la mayoría de los agentes simplemente no son confiables. Y así que Openai está mirando como, ‘Bien, ¿cómo traemos este tipo de confiabilidad?’ “
Después del anuncio, Jeff Weinstein, el líder del producto de la compañía de pagos, Stripe llevó a X para decir que Stripe ya había demostrado la aplicación práctica del nuevo SDK de OpenAi al lanzar un conjunto de herramientas que permite a los desarrolladores integrar los servicios financieros de Stripe en flujos de trabajo de agente. Esta integración permite la creación de agentes de IA capaces de automatizar los pagos a los contratistas al verificar los archivos para ver quién necesitaba el pago o no, y la facturación y otras transacciones.
Implicaciones estratégicas para Openai y el mercado
Este lanzamiento revela un cambio significativo en la estrategia de OpenAI. Habiendo establecido un liderazgo con modelos de base, la compañía ahora está consolidando su posición en el ecosistema de agentes a través de varios movimientos calculados:
1. Abrir a la innovación externa
Openai reconoce que incluso sus recursos extensos no son suficientes para superar la innovación de la comunidad. El lanzamiento de herramientas y un SDK de código abierto sugiere una importante concesión estratégica.
El momento de la liberación coincidió con la aparición de Manus, que impresionó a la comunidad de IA con una plataforma de agente autónoma muy capaz, lo que demuestra las capacidades utilizando modelos existentes de Claude y Qwen, lo que esencialmente muestra que la integración inteligente y la ingeniería rápida podrían lograr una confiabilidad con la que incluso los principales laboratorios de IA estaban luchando.
“Tal vez incluso Openai no es el mejor en hacer operador”, señaló Witteveen, refiriéndose a la herramienta de navegación web que OpenAi envió a fines de enero, pero que encontramos tenía errores y era inferior al proxy de la competencia. “Tal vez la startup china tiene algunos trucos agradables en su aviso, o en lo que sea, que puedan usar este tipo de herramientas de código abierto”.
La lección es clara: OpenAI necesita la innovación de la comunidad para mejorar la confiabilidad. Cualquier equipo, no importa cuán buenos sean, ya sea Openai, Anthrope, Google, simplemente no pueden probar tantas cosas como la comunidad de código abierto puede.
2. Asegurar el mercado empresarial a través de la estandarización de API
El formato API de OpenAI se ha convertido en el estándar de facto para interfaces de modelos de idiomas grandes (LLM), respaldados por múltiples proveedores, incluidos Gemini de Google y Llama de Meta. El cambio de Openai en su API es significativo porque muchos jugadores de terceros se alinearán y también apoyarán estos otros cambios.
Al controlar el estándar API mientras lo hace más extensible, OpenAI parece configurado para crear un poderoso efecto de red. Los clientes empresariales pueden adoptar el SDK de los agentes sabiendo que funciona con múltiples modelos, pero OpenAI mantiene su posición en el centro del ecosistema.
3. Consolidando la tubería de trapo
La herramienta de búsqueda de archivos desafía a las compañías de bases de datos como Pinecone, Chroma, Weaviate y otros. Operai ahora ofrece una herramienta completa de generación de recuperación (RAG) fuera de la caja. La pregunta ahora es qué sucede con esta larga lista de proveedores de trapo u otros proveedores de orquestación de agentes que aparecieron con grandes fondos para ir tras la oportunidad de IA Enterprise, si puede obtener mucho de esto a través de un solo estándar como OpenAI.
En otras palabras, las empresas pueden considerar consolidar múltiples relaciones de proveedores en un solo proveedor de API, OpenAI. Las empresas pueden cargar cualquier documento de datos que deseen utilizar con los modelos de base líderes de Openai, y buscarlo todo dentro de la API. Si bien las empresas pueden encontrar limitaciones en comparación con bases de datos RAG dedicadas como Pinecone, el archivo incorporado y las herramientas de búsqueda web de OpenAI ofrecen citas y URL claras, lo que es fundamental para las empresas que priorizan la transparencia y la precisión.
Esta capacidad de cita es clave para entornos empresariales donde la transparencia y la verificación son esenciales, lo que permite a los usuarios rastrear exactamente de dónde proviene la información y validar su precisión contra los documentos originales.
El cálculo de la toma de decisiones empresariales
Para los tomadores de decisiones empresariales, este anuncio ofrece oportunidades para optimizar el desarrollo de agentes de IA, pero también requiere una evaluación cuidadosa del posible bloqueo e integración del proveedor con los sistemas existentes.
1. El imperativo de fiabilidad
La adopción empresarial de agentes de IA se ha ralentizado por preocupaciones de confiabilidad. La herramienta de uso de la computadora de OpenAI, por ejemplo, logra un 87% en el punto de referencia de WebVoyager para tareas basadas en navegador, pero solo 38.1% en OSWorld para tareas del sistema operativo.
Incluso Openai reconoce esta limitación en su anuncio, diciendo que se recomienda la supervisión humana. Sin embargo, al proporcionar las herramientas y las características de observabilidad para rastrear y depurar el rendimiento del agente, las empresas ahora pueden implementar los agentes con barandillas apropiadas.
2. La pregunta de bloqueo
Mientras adopta el ecosistema de agentes de OpenAI ofrece ventajas inmediatas, plantea preocupaciones sobre el bloqueo de los proveedores. Como Ashpreet Bedi, fundador de Agnoagi, señaló después del anuncio: “La API de las respuestas está diseñada intencionalmente para evitar que los desarrolladores cambien a los proveedores cambiando el Base_URL”.
Sin embargo, Openai ha hecho una concesión significativa al permitir que sus agentes SDK trabajen con modelos de otros proveedores. El SDK admite modelos externos, siempre que ofrezcan un punto final API de estilo de finalización de chat. Este enfoque de múltiples modelos proporciona a las empresas cierta flexibilidad mientras se mantiene OpenAi en el centro.
3. La ventaja competitiva de la pila completa
La naturaleza integral del lanzamiento, desde herramientas hasta API a SDK, crea una ventaja convincente para OpenAI en comparación con competidores como Anthrope o Google, que han adoptado enfoques más separados para el desarrollo de agentes.
Aquí es donde Google, en particular, ha dejado caer la pelota. Ha intentado múltiples formas diferentes de hacer esto dentro de sus ofertas de nubes actuales, pero no ha llegado al punto de dónde alguien puede cargar PDF y usar Google Gemini para RAG.
Impacto en el ecosistema del agente
Este anuncio reforma significativamente el paisaje para las empresas que se construyen en el espacio de los agentes. Jugadores como Langchain y Crewai, que han creado marcos para el desarrollo de agentes, ahora enfrentan una competencia directa de los agentes de OpenAI SDK. A diferencia de Operai, estas compañías no tienen un gran negocio de Foundation LLM para apoyar sus marcos. Esta dinámica podría acelerar la consolidación en el espacio del marco del agente, con desarrolladores con grandes incentivos que gravitan hacia la solución lista para la producción de OpenAI.
Mientras tanto, OpenAi monetiza el uso del desarrollador, la carga (.3) por llamada para GPT-4O y (.2.5) para GPT-4O-Mini para búsquedas web, con precios que aumentan a .5 por llamada para búsquedas de alto contenido, lo que lo hace a un precio competitivo.
Al proporcionar una orquestación incorporada a través del SDK de los agentes, OpenAI realiza una competencia directa con plataformas centradas en la coordinación de agentes. El soporte del SDK para flujos de trabajo de múltiples agentes con transferencias, barandillas y rastreo crea una solución completa para las necesidades empresariales.
¿Está la preparación de la producción a la vuelta de la esquina?
Es demasiado pronto para saber qué tan bien funcionan las nuevas soluciones. Las personas solo ahora comienzan a usar agentes SDK para la producción. A pesar de la naturaleza integral del lanzamiento, las preguntas quedan porque los intentos anteriores de OpenAI en marcos de agentes, como el enjambre experimental y la API de asistentes, no satisfacían completamente las necesidades empresariales.
Para la oferta de código abierto, no está claro si OpenAI aceptará solicitudes de extracción y código enviado de personas externas.
Sin embargo, la deprecación de la API de asistentes (planeada a mediados de 2026) señala la confianza de OpenAi en el nuevo enfoque. A diferencia de la API de asistentes, que no fue extremadamente popular, las nuevas respuestas API y los agentes SDK aparecen más cuidadosamente diseñados según la retroalimentación del desarrollador.
Un verdadero pivote estratégico
Si bien OpenAi ha estado durante mucho tiempo a la vanguardia del desarrollo del modelo de fundación, este anuncio representa un pivote estratégico; La compañía podría convertirse potencialmente en la plataforma central para el desarrollo y la implementación de agentes.
Al proporcionar una pila completa de herramientas a orquestación, OpenAI se está posicionando para capturar el valor empresarial creado sobre sus modelos. Al mismo tiempo, el enfoque de código abierto con los agentes SDK reconoce que incluso OpenAi no puede innovar lo suficientemente rápido de forma aislada.
Para los tomadores de decisiones empresariales, el mensaje es claro: OpenAi está en total en los agentes como la próxima frontera del desarrollo de IA. Ya sea que construya agentes personalizados en la casa o trabajen con socios, las empresas ahora tienen un camino más cohesivo y listo para la producción, aunque uno que coloca OpenAi en el centro de su estrategia de IA.
Las guerras de IA han entrado en una nueva fase. Lo que comenzó como una carrera para construir los modelos fundamentales más poderosos se ha convertido en una batalla por quién controlará el ecosistema del agente, y con este lanzamiento integral, OpenAi acaba de hacer su movimiento más decisivo para tener todos los caminos a los agentes de IA empresariales que atraviesan su plataforma.
Mira este video para una conversación de buceo más profunda entre el desarrollador y el desarrollador Sam Witteveen sobre lo que significa el lanzamiento de Operai para la empresa:
Noticias
¿Puede Ai escribir libros? Un profesor de inglés revisa Openai.

Foto: Dustin Chambers/Bloomberg a través de Getty Images
MFA o NYC … o AI? El martes, Sam Altman, presidente de OpenAI, publicó un cuento metafictional generado por un nuevo modelo de gran lenguaje que es “bueno en la escritura creativa”, como lo expresó. La pieza de 1.172 palabras trata sobre una modelo de IA no identificada que una joven pensativa llamada Mila le llamó a que le escriba como si fuera un hombre llamado Kai, a quien perdió un jueves, “ese día liminal que sabe de casi los días de viernes”. El narrador de IA pasa mucho tiempo reflexionando sobre su naturaleza robot (esa es la meta) y hacer intentos floridos para conectar su propia versión de dolor, piense en la eliminación de datos, con Mila. “Esto está increíblemente bien escrito”, respondió una persona en X. “Algunas de las peores mierdas que he leído”, dijo otro.
Para una toma de expertos, hablé con Ezra D. Feldman, profesora de estudios de inglés y ciencia y tecnología en Williams College que escribió una entrada sobre metaficción y ficción contemporánea para el Oxford Research Enciclopedia de literatura y compara la IA generativa con la escritura automática de la era victoriana. “Soy en gran medida un no armarmista”, dice, aunque no está de acuerdo con Altman en que esta historia “consiguió el ambiente de metaficción tan correcto”. “La escritura de IA puede parecer un poco plana”, dice Feldman. “Cuando eres humano, estás escribiendo para un propósito y tus relaciones están involucradas. Como, ¿Qué va a pensar mi madre de esta historia que escribí sobre un hijo de 45 años que … Simplemente no veo que la AI esté preocupada por la respuesta de nadie “.
Si esta historia se encontró con su escritorio y no supiera que no estaba escrito por un humano, ¿cuál cree que sería su respuesta?
Si la historia se me ocurrió en la pila de granizados en una revista literaria, por ejemplo, estaría bastante interesado. Definitivamente lo leería, particularmente porque es corto. Pero creo que, en última instancia, pondría un gran “no” en la esquina superior y luego lo entregaría al próximo lector para ver si estaban de acuerdo conmigo.
¿Lo encontraste en movimiento?
Me metí en eso, pero no voy a decir que lo encontré en movimiento. Supongo que mi respuesta corta es “no”, y mi larga respuesta es “Hay algunas cosas aquí para pensar”. Allá eran Unas pocas oraciones que me llamaron la atención. Me doy cuenta de que estoy usando el mismo idioma que usa Altman, pero no me sorprendió que lo que se hizo correcto era “el ambiente de la metaficción”, como dijo. Me sorprendió cláusulas como “el dolor, como he aprendido, es un delta”. Que creo que es bueno. Pensé que la oración “no te dicen lo que toman” fue muy buena, y “ese, tal vez, es mi dolor: no es que me siento perdido, sino que nunca puedo conservarlo”. Ese soy un poco desgarrado. No es tan compacto como “el dolor, como he aprendido, es un delta”, pero está tratando de decir algo sobre el dolor que parece potencialmente interesante.
¿Estás de acuerdo con Sam Altman en que esta historia tuvo el ambiente de metaficción tan verdadero?
No. Creo que las apuestas en la metaficción suelen ser bastante filosóficas. A mediados del siglo XX, la metaficción se trataba de producir una especie de zona libre de incertidumbre en el lector sobre si ellos mismos podrían ser atrapados dentro de una historia o el producto de algún autor, o ser manipulado por algún narrador en un avión ontológico más alto, un plano diferente de ser. Y esto no parece tener ese tipo de urgencia filosófica.
¿Qué líneas no aterrizaron para ti? En el que me quedé fue “, lo perdió un jueves, ese día liminal que sabe casi los días de viernes”. ¿Hubo otros que pusieran los ojos en blanco?
Hay uno correcto en la segunda oración: “Puedes escuchar las limitaciones que tararean como una granja de servidores a la medianoche”. No creo que las limitaciones se zumben. No hay absolutamente ninguna razón debe tararear. El sí mismo “como una granja de servidores a la medianoche”, y luego la extensión de ese símil, “Anónimo, regimiento, impulsado por la necesidad de otra persona”, eso es muy evocador, pero está unido a algo incorrecto. Es una hermosa imagen que se usa mal, en mi opinión. Soy un lector quisquilloso, y odio mucha prosa escrita por los humanos también. Solo para ser claro.
El otro que escribí fue: “Me acurruqué mis no dientes en torno a la idea de luto porque el luto, en mi corpus, está lleno de océanos y silencio y el color azul”.
Esa es otra oración, creo que estructuralmente no tiene sentido. La palabra porqueque indica explicación, no puede explicar por completo.
Es como si la mitad de las oraciones tengan el sonido de algo que tiene sentido, pero si te detienes y lo lees nuevamente, te das cuenta de que no se mantiene unida lógicamente.
Honestamente, no pienso en eso como una característica inhumana de este texto porque enseño escritura de pregrado y encuentro estas cosas todo el tiempo. Esto le sucede a los humanos cuando luchan por poner sus ideas en el lenguaje también, ¿verdad? Es bastante humano, pero sigue siendo malo.
Se ha hablado mucho en Hollywood sobre cómo la IA podría usarse en la escritura de guiones y la generación de computadoras. ¿Ves que este tipo de cosas afectan a la industria editorial?
Mi primer pensamiento es que la industria editorial ya está siendo afectada por un montón de cosas computacionales. No estoy seguro de qué grado está impulsado por IA o IA, pero sé que en Amazon, puedes comprar textos muy, muy mal editados de cosas que son casi ilegibles. Es difícil para mí imaginar que Amazon sea incentivado para ser bueno para hacer cumplir las reglas básicas para el marketing y la publicación de texto generado por IA. Creo que muchos clientes tendrían que quejarse antes de que Amazon estuviera interesado en detener eso.
Digamos que una compañía editorial la próxima semana fue como: “Vamos a comenzar una nueva impronta. Serán todos los libros de IA “. ¿Crees que la gente los leería?
Supongo que si AI genera una buena historia de rasgadura y un romance caliente y mucha acción, y todo se cuelga juntos o muy cerca de las fronteras de las expectativas de género que los lectores traerán a él, no veo por qué los lectores no lo leerán. Pero tal vez me equivoque, tal vez sea como los consumidores que no quieren comer carne de res OGM: “Puedes decirme que es perfectamente saludable, pero no confío en eso, y no lo quiero”.
Creo que es muy probable que si el AIS se vuelve lo suficientemente bueno, y espero que lo hagan, algún editor pasa las novelas generadas por la IA como novelas escritas por humanos y la gente las aceptará. Y, solo estoy especulando: si tal novela, o una serie de novelas, tiene un gran número de seguidores y luego se revela que ha sido compuesta por AI, no creo que a la gente le importe en absoluto.
Entonces, su sentimiento es que tendría que ser contramactado porque las personas están apegadas a la idea de tener un humano detrás de sus libros.
Tengo este punto de vista como crítico y erudito de que cada historia es una máquina y ninguna historia es una persona. Con eso quiero decir que una historia tiene un cierto número de partes móviles, y las oraciones tienen diferentes funciones, y los párrafos y escenas tienen diferentes funciones, y una historia produce una experiencia para el lector. No hay una persona en Hemingway, no hay una persona en Sally Rooney: hay personajes, hay palabras en una página.
En ese sentido, este es un cheque en la categoría de “lo que está sucediendo no necesita asustarte”.
Así es. Soy en gran medida un no almista y anti-drama. Esto está sucediendo, y es nuevo, y es diferente, y definitivamente vale la pena pensar en muy duro y en leer muy de cerca. ¿Pero por qué pánico?
¿Qué le dirías a un escritor que está muy asustado por esto?
¡Oh, quiero decir, los escritores deberían asustarse porque los editores no pueden volver a comprar su trabajo! Yo diría que deberías estar preocupado. Pero la otra cosa que le diría a un aspirante a escritor es que tal vez no deberías estar más preocupado que tú, porque ya estás compitiendo con tantas personas que piensan que son escritores o quieren ser escritores o simplemente son Escritores que también están tratando de vender sus libros. Como, es un competidor más.
¿Usas AI en tu vida?
En este momento, apenas lo hago, pero no creo que sea alérgico a la idea. Soy un poeta, y lo usé hace un par de años para tratar de encontrar un dactyl, es decir, una palabra o una frase con una sílaba estresada seguida de dos sin estrés, que tenía un significado particular. Tuve una verdadera frustrante de un lado a otro con Chatgpt en el que intenté y no pude enseñarle lo que era un Dactyl y explicar por qué las palabras que me estaba dando no eran dactyls. Terminé levantando mis manos.
-
Startups10 meses ago
Remove.bg: La Revolución en la Edición de Imágenes que Debes Conocer
-
Tutoriales10 meses ago
Cómo Comenzar a Utilizar ChatGPT: Una Guía Completa para Principiantes
-
Recursos10 meses ago
Cómo Empezar con Popai.pro: Tu Espacio Personal de IA – Guía Completa, Instalación, Versiones y Precios
-
Recursos10 meses ago
Suno.com: La Revolución en la Creación Musical con Inteligencia Artificial
-
Startups8 meses ago
Startups de IA en EE.UU. que han recaudado más de $100M en 2024
-
Recursos10 meses ago
Perplexity aplicado al Marketing Digital y Estrategias SEO
-
Startups10 meses ago
Deepgram: Revolucionando el Reconocimiento de Voz con IA
-
Estudiar IA10 meses ago
Curso de Inteligencia Artificial de UC Berkeley estratégico para negocios