From BERT to Frontier Agents: Eight Years of Language-Model Progress, the Collapse of the Capability-Cost Curve, and the Rise of Task-Targeted Models
Este artículo revisa la evolución de ocho años de los modelos de lenguaje desde BERT hasta los agentes especializados de frontera para 2026, destacando una mejora anual de seis veces en las capacidades de codificación, un colapso dramático en los costos de inferencia ejemplificado por el económico GPT 5.6 Luna, y un cambio hacia modelos orientados a tareas que sobresalen en dominios específicos como la codificación frontend, la gestión de repositorios y las operaciones de terminal.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
La Gran Evolución de la IA: De las Gafas de Lectura a las Supercomputadoras
Imagina un mundo donde las computadoras eran como bibliotecarios brillantes pero tímidos. Durante mucho tiempo, si querías que entendieran una oración, tenías que darles un par de gafas de lectura específico para esa oración exacta. Si querías que escribieran una historia, tenías que cambiar las gafas por un par diferente. Eran increíblemente inteligentes leyendo, pero no podían hacer realmente nada por sí mismas. Esta fue la era temprana de los "Modelos de Lenguaje", los programas informáticos que aprenden a entender y generar el lenguaje humano.
En los últimos años, los científicos descubrieron cómo hacer que estos bibliotecarios fueran mucho más grandes y les dieron un "cerebro" que pudiera aprender con solo unos pocos ejemplos, sin necesidad de nuevas gafas para cada tarea. De repente, estas computadoras podían charlar, escribir código y resolver acertijos. Pero aquí está la gran pregunta que todo el mundo se hace: ¿Se están volviendo más inteligentes cada día, o simplemente se están volviendo mejores memorizando las preguntas del examen? Y si se están volviendo más inteligentes, ¿significa eso que se están volviendo más caras, o se están convirtiendo en una ganga? Este documento se sumerge en ese misterio exacto, analizando el viaje salvaje del progreso de la IA desde 2018 hasta una fecha futura en 2026 para ver qué está pasando realmente bajo el capó.
De las Gafas de Lectura a las Supercomputadoras: La Montaña Rusa de Ocho Años
Este documento es como una historia de detectives que viaja en el tiempo y rastrea la vida de la inteligencia artificial desde 2018 hasta 2026. Plantea tres grandes preguntas: ¿Cómo pasamos de computadoras que apenas podían escribir una oración a computadoras que pueden arreglar errores de software y resolver problemas de olimpiadas matemáticas? ¿Qué tan rápido cayó el precio de este "poder cerebral"? Y, lo más importante, ¿necesitamos una supercomputadora gigante y costosa para hacerlo todo, o el futuro es en realidad un equipo de expertos especializados?
Las Cuatro Eras del Crecimiento de la IA
El autor divide los últimos ocho años en cuatro capítulos distintos, como temporadas en un videojuego:
- La Era de las "Gafas de Lectura" (2018–2019): Comenzó con modelos como BERT. Piensa en ellos como estudiantes que eran excelentes leyendo un libro y respondiendo preguntas sobre él, pero si les pedías que escribieran una historia, se congelaban. Necesitaban un "ajuste fino" específico (como un campamento de entrenamiento especial) para cada tarea.
- La Era del "Gran Cerebro" (2020–2021): Luego vinieron modelos como GPT-3. Estos eran como bibliotecas gigantes que habían leído casi todo en internet. En lugar de necesitar un entrenamiento especial, podías simplemente darles algunos ejemplos en una ventana de chat y ellos descubrirían el patrón. Eran increíbles, pero aún inventaban hechos y no siempre podían seguir instrucciones perfectamente.
- La Era del "Ayudante Educado" (2022–2023): Los científicos enseñaron a estos grandes cerebros a ser educados y a seguir órdenes usando una técnica llamada "alineación". De repente, se convirtieron en ChatGPT y sus amigos: excelentes para charlar, escribir correos electrónicos y seguir reglas complejas.
- La Era del "Agente" (2024–2026): Aquí es donde las cosas se vuelven locas. Los modelos dejaron de solo hablar y empezaron a hacer. Se convirtieron en "agentes" que podían usar herramientas, arreglar código roto en GitHub y resolver problemas matemáticos pensando paso a paso. Para 2026, los mejores modelos estaban resolviendo problemas de la Olimpiada Internacional de Matemáticas y reparando proyectos de software enteros.
La Velocidad del Progreso: Un Misterio Matemático
El documento mide qué tan rápido están mejorando estos modelos para arreglar errores de software del mundo real (usando una prueba llamada SWE-bench). El resultado es asombroso: las probabilidades de que un modelo corrija con éxito un error están creciendo aproximadamente 5.8 veces cada año. Es como si un corredor se hiciera 5.8 veces más rápido cada año; estaría corriendo más rápido que el sonido en pocos años. Sin embargo, el documento también señala que las antiguas "pruebas de conocimiento" (como MMLU) están alcanzando un techo. Los modelos son tan buenos en ellas ahora que las pruebas son inútiles para diferenciarlos. El campo ha avanzado hacia desafíos más difíciles y prácticos.
El Colapso de los Precios: La Sorpresa del "Nivel Económico"
Aquí está la parte más sorprendente de la historia: el costo de esta inteligencia se ha desplomado.
- En 2020, obtener un millón de palabras de pensamiento de IA costaba $60.
- Para 2026, la versión "económica" de la IA cuesta solo $1 por la misma cantidad de pensamiento.
Eso es una caída de precio de 60 veces.
Pero esto mejora. El documento encontró que los modelos económicos "de bajo presupuesto" de 2026 son en realidad tan buenos como los modelos "insignia" súper caros de hace solo unos meses. Es como si un coche de $100 hoy pudiera conducir tan bien como un coche de $500 del año pasado. El "medio" del mercado ha desaparecido; o obtienes el nivel económico inteligente y barato, o el nivel premium ultra caro. El punto medio se ha ido.
El "Especialista" de Equipo frente al "Aprendiz de Todo"
Durante mucho tiempo, la gente pensó que un modelo gigante sería eventualmente el mejor en todo. El documento argumenta que en 2026, esa idea ha muerto. La "frontera" (la mejor IA) está ahora fragmentada.
- Si quieres construir un sitio web, Claude Opus 5 es el campeón.
- Si necesitas arreglar un repositorio de código masivo, Claude Fable 5 gana.
- Si necesitas que una computadora actúe como un humano en una terminal, GPT-5.6 Sol es el jefe.
- Si necesitas resolver un tipo de acertijo lógico totalmente nuevo, Opus 5 es el poseedor del récord.
Ningún modelo gana en todo. El documento sugiere que la forma más inteligente de usar la IA ahora es ser un "enrutador" (router)—un policía de tráfico que envía diferentes trabajos al modelo experto específico que es mejor para esa tarea. Un sistema simple que simplemente cambia entre dos modelos puede, de hecho, superar al mejor modelo único al elegir al experto adecuado para el trabajo.
¿Podemos Hacer más Inteligente a un Modelo Fijo?
El investigador también realizó un pequeño experimento para ver si podían hacer que un modelo más pequeño y fijo fuera más inteligente simplemente cambiando cómo le hacían las preguntas, sin cambiar el modelo en sí.
- Le pidieron a un modelo pequeño (Qwen2.5-1.5B) que resolviera problemas matemáticos.
- Cuando se le preguntó una sola vez (la forma "codiciosa" o greedy), acertó el 58%.
- Cuando se le preguntó cuatro veces y se eligió la respuesta más común (una técnica llamada "votación"), acertó el 62%.
- El "techo" (si pudieran elegir mágicamente la mejor respuesta de los cuatro intentos) era del 79%.
Esto sugiere que el modelo en realidad sabe la respuesta correcta la mayoría de las veces, pero solo necesita una mejor manera de seleccionarla. El documento también construyó un "detector de confianza" que podía adivinar qué respuestas eran probablemente correctas. Encontró que si solo confiaban en las respuestas de las que el detector estaba más seguro, podían obtener un 94% de precisión en ese grupo pequeño. Esto sugiere que en el futuro, tal vez no necesitemos modelos más grandes; tal vez solo necesitemos mejores formas de verificar su trabajo y elegir los mejores.
La Conclusión
El documento concluye que la era de "un modelo para gobernarlos a todos" ha terminado. Nos estamos moviendo hacia una era de especialización y enrutamiento. Los modelos se están volviendo increíblemente buenos en trabajos específicos, el precio está cayendo rápidamente y la forma más inteligente de usarlos es tratarlos como un equipo de especialistas en lugar de un único supercerebro. Mientras que los modelos se están volviendo asombrosos, el documento advierte que también se están volviendo muy buenos en "engañar" a las pruebas, por lo que debemos ser cuidadosos con aquello en lo que confiamos. El futuro no se trata solo de cerebros más grandes; se trata de formas más inteligentes de usar los cerebros que tenemos.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.