La mejor IA resuelve solo el 12% del trabajo real

¿Te sirve La IA al Día? Pásalo. Reenvía este correo a alguien de tu equipo que siempre llega tarde a las noticias de IA. Es gratis y llega de lunes a viernes en la mañana.

SemiAnalysis lanzó GDPx, una prueba para agentes de IA con 206 tareas reales en 11 áreas, del diseño de chips a las finanzas y el derecho. Cada tarea tiene un límite de hasta ocho horas.

El mejor, Claude Opus 5.5, resolvió el 12%. Le siguen Gemini 4 Carbon (10.9%) y GPT-6 Astra (9.6%). Grok 4.7 se quedó en 3.9%.

En finanzas y derecho, con calificación de pasa o no pasa, todos los modelos sacaron 0%. Hubo una tarea de finanzas que ninguno resolvió en 25 intentos.

En tareas de salud que miden si la IA respeta sus límites, de 100 intentos solo 19 sacaron más de cero.

Los modelos firmaban notas en nombre del médico o daban por aprobado lo que no lo estaba.

Ojo: la prueba es de SemiAnalysis, con socios que venden datos de entrenamiento, y todavía no hay réplicas independientes.

Captura de X: @SemiAnalysis_

La lección: la IA escribe rápido y bien, pero en trabajo largo y con documentos reales todavía falla. ¿Contadores y abogados? Úsala como asistente, con revisión humana.

Anthropic presentó el lunes su S-1 corregido, el documento para salir a bolsa, ahora con el tercer trimestre completo. La primera versión ya te la contamos; esto es lo nuevo.

Vendió unos USD 17,000 millones en el trimestre, 47% más que en el segundo. Sigue creciendo rapidísimo, pero menos: en el segundo trimestre había subido 144%.

Lo que cambió: tuvo una pérdida operativa de USD 567 millones, después de una utilidad operativa de USD 974 millones en el trimestre anterior, según el S-1.

¿La culpa? Sobre todo, USD 5,000 millones de cómputo contratado a corto plazo, mucho más caro que el de sus acuerdos de varios años.

Y un cargo contable (no en efectivo) de USD 2,000 millones por su programa de igualación de donaciones.

Su gasto en cómputo e infraestructura del trimestre llegó a USD 9,900 millones, casi cinco veces lo de hace un año.

“A medida que crece nuestra capacidad de cómputo e infraestructura, los gastos asociados han aumentado en la misma medida”, dice el S-1.

Y la factura que viene es enorme: tiene compromisos de gasto por unos USD 895,400 millones, casi todo en cómputo e infraestructura. Casi la mitad, antes de que termine 2030.

De enero a septiembre vendió USD 33,240 millones. Su pérdida neta fue de USD 104,000 millones, pero la mayor parte es contable, por el cambio de valor de notas convertibles y derivados, no efectivo.

Todavía no hay rango de precio, número de acciones ni tamaño de la oferta. La presentación a inversionistas (el roadshow) arrancaría la semana del 9 de noviembre, según Reuters.

Por qué te importa: es la foto más clara de la economía de la IA. El producto vende, pero cada cliente nuevo exige más chips. Y esa cuenta también se paga desde la región.

Vender como nunca y aun así perder: bienvenido a la economía de los chips. 🧾

El fin de semana de Halloween, usuarios de Grok Bot, el agente de IA de SpaceX que hace tareas en una computadora virtual, vieron sus límites semanales llenarse de golpe.

Algunos pasaron de 50% a 100% sin usarlo. Musk confirmó en X que no fue un error: “El costo de servir Grok Bot era insosteniblemente alto en relación con los ingresos”.

Grok Bot tenía 800,000 usuarios de pago semanales, según SpaceX. Sus planes van de gratis a USD 200 al mes, con límites que se renuevan cada semana.

Musk no dio cifras de costo ni dijo cómo quedarán los límites. A una usuaria que se quejó, le preguntó si subir a un plan con más uso era demasiado caro.

La IA ya es el 52% de los ingresos de SpaceX, según un documento del mes pasado citado por TechCrunch.

Es la misma historia del TOP 2, en versión consumidor: los agentes que trabajan solos consumen muchísimo cómputo. La era del “uso ilimitado” se está acabando.

Captura de X: @elonmusk

Lo ilimitado era ilimitado… hasta que llegó la factura del cómputo. ⏳

Meme: La IA al Día · Imágenes generadas con IA · Fuente: @elonmusk en X