Los Nuevos Reyes de la IA: Google Derrocado, los Modelos Secretos de Amazon

El desarrollo de la IA acaba de alcanzar un nuevo nivel. Los modelos de frontera ahora se envían en meses, no en años, y las métricas que antes representaban todo un ciclo de investigación se desmoronan en una actualización de clasificaciones de fin de semana. Lo que parecía ser una carrera a dos bandas entre OpenAI y Google ahora se asemeja a una competencia global sin restricciones.

Un laboratorio chino, DeepSeek, acaba de hacer un regreso que sacudió la complacencia occidental. Su último modelo, anticipado en un hilo viral en X, obtiene puntuaciones de clase GPT-4 en programación y razonamiento, al mismo tiempo que afirma tener costos de entrenamiento dramáticamente más bajos, lo que recuerda las afirmaciones de eficiencia del antiguo DeepSeek-V3. Para los reguladores y planificadores de defensa ya preocupados por los “momentos Sputnik” de la IA, un stack chino que itera rápidamente ya no es hipotético.

Mientras todos discutían sobre el conteo de parámetros, Amazon incorporó silenciosamente modelos generativos en la infraestructura económica de la web. Nuevos sistemas bajo las marcas Nova y Bedrock se dirigen a empresas que se preocupan menos por el carisma del modelo y más por la disponibilidad, el cumplimiento y el costo total de propiedad. En lugar de perseguir la viralidad, Amazon optimiza para contratos, integrando la inteligencia artificial en flujos de trabajo de comercio minorista, logística y AWS que impactan a millones de negocios.

En otro frente, los modelos de video han dado un giro inesperado en quién lidera la IA generativa visual. Un nuevo contendiente, mencionado en clips que comparan resultados con el Veo 3 de Google, renderiza escenas complejas, movimientos de cámara y tomas de nivel VFX que se asemejan más a previsualizaciones de cine que a demostraciones de juguetes. Los feeds sociales se llenaron de pruebas comparativas donde el modelo de Google de repente parece de última generación.

Lo que surge es un desafío multifacético a la idea de que OpenAI y Google definen el techo de lo que la IA puede hacer. Los laboratorios chinos impulsan curvas de costo-rendimiento agresivas, Amazon acapara la pila empresarial, y jugadores especializados atacan nichos como el video, la robótica y los modelos "nano" en el dispositivo. El poder en la IA ya no reside en un solo gráfico de referencia o en una única presentación magistral de una compañía.

Esta nueva fase se asemeja menos a una carrera y más a una serie de guerras superpuestas: por talento, por GPUs, por datos y por distribución. Quien gane no solo tendrá el modelo más inteligente, sino la integración más profunda en cómo las personas trabajan, crean y computan cada día.

DeepSeek acaba de lograr un regreso que apunta directamente al territorio de clase GPT‑4: una nueva ola de modelos ajustados para código, matemáticas y razonamiento a largo plazo. Los primeros benchmarks de la comunidad muestran que el último modelo insignia de DeepSeek compite de tú a tú con GPT‑4 y Claude 3.5 en tareas de codificación, mientras que variantes más pequeñas igualan o superan a los modelos de estilo GPT‑4‑mini en matemáticas y razonamiento algorítmico al una fracción del costo.

Posicionado como el contendiente "semi-abierto" más agresivo de China, DeepSeek ocupa un extraño terreno intermedio entre la cultura de código abierto y la estrategia de IA alineada con el estado. Los pesos del modelo, las notas de arquitectura detalladas y las especificaciones del tokenizador filtrándose en el ecosistema de investigación, pero el despliegue aún se canaliza a través de APIs estrictamente controladas que imponen reglas de contenido chinas.

Esa postura híbrida tiene un gran peso geopolítico. Pekín quiere modelos de vanguardia que puedan competir con OpenAI y Anthropic, pero también desea un control determinista sobre lo que esos sistemas pueden decir sobre política, historia y seguridad. El enfoque de DeepSeek efectivamente exporta la capacidad de IA china sin exportar completamente la gobernanza de la IA china.

La relación costo‑rendimiento es donde DeepSeek se convierte de la curiosidad en una verdadera amenaza económica. Las estimaciones de costos de entrenamiento previas de DeepSeek‑V3 se situaron en pocos decenas de millones de dólares, un orden de magnitud por debajo de lo que los expertos estiman para el GPT‑4 original, mientras que aún lograban puntuaciones de razonamiento comparables en las tablas de clasificación públicas. La eficiencia de inferencia se ve similar: la cuantización agresiva y los trucos de denso‑esparcido permiten que los modelos de tamaño mediano de DeepSeek funcionen en GPUs más económicas e incluso en tarjetas de consumo de gama alta.

Para los laboratorios occidentales, esto socava un obstáculo clave. Si un modelo DeepSeek de 30 a 70 mil millones de parámetros puede igualar el rendimiento en codificación de nivel GPT-4 mientras es 2 a 3 veces más barato por millón de tokens, el argumento de “solo nosotros podemos permitirnos esta escala” de los gigantes estadounidenses comienza a desvanecerse. Los proveedores de nube y las startups en el sudeste asiático, el Medio Oriente y América Latina de repente tienen una opción no estadounidense creíble que no está sujeta a la política de exportación estadounidense.

DeepSeek todavía camina por una cuerda floja regulatoria. Las reglas chinas sobre IA generativa exigen revisiones de seguridad, restricciones en los conjuntos de datos y eliminación rápida de contenido políticamente sensible, lo que obliga a DeepSeek a incorporar capas de alineación estrictas sobre pesos que, de otro modo, serían amigables para la investigación. El resultado es un nuevo tipo de modelo de doble uso: técnicamente lo suficientemente abierto como para acelerar la investigación global en IA, pero políticamente restringido lo suficiente como para satisfacer a los censores en casa.

Amazon ha estado desarrollando en silencio su propia respuesta a los sistemas de estilo GPT, y ahora tiene un nombre: Nova. En lugar de perseguir chatbots virales, Amazon está integrando estos modelos fundamentales directamente en la infraestructura de AWS, donde ya hay 2.5 millones de clientes activos.

Nova se encuentra en el corazón de Amazon Bedrock, impulsando cargas de trabajo de texto, código y multimodal para empresas que valoran más el tiempo de actividad y el cumplimiento que las demostraciones de IA. Las primeras variantes de Nova se centran en casos de uso como soporte al cliente, análisis de documentos y búsqueda de conocimientos internos, todo envuelto en autenticación, registro y cifrado nativo de AWS.

El as de Amazon es una apilación vertical que pocos rivales pueden igualar. Los chips personalizados Trainium e Inferentia se encargan del entrenamiento y la inferencia, las regiones de AWS proporcionan la capacidad elástica de clase GPU, Nova ofrece la capa de inteligencia, y Amazon Q junto con las Q Apps convierten eso en algo en lo que los usuarios empresariales pueden hacer clic.

Q es el asistente de trabajo de Amazon, pero la verdadera jugada son las Q Apps, que permiten a quienes no son desarrolladores ensamblar herramientas internas describiendo flujos de trabajo en lenguaje sencillo. Los equipos de recursos humanos pueden crear bots de incorporación, el departamento de finanzas puede configurar generadores de informes y los equipos de soporte pueden poner en marcha copilotos de triaje, todo respaldado por Nova y los existentes lagos de datos corporativos en S3 y Redshift.

Mientras OpenAI, Google y DeepSeek persiguen la atención de los consumidores, Amazon se dirige a los departamentos de adquisiciones y a los CIO. El gasto en inteligencia artificial empresarial está en camino de superar los 400 mil millones de dólares anuales para 2030, y Amazon quiere que Nova sea la opción predeterminada que aparezca junto a EC2, S3 y Lambda en cada RFP.

Esta estrategia centrada en B2B refleja cómo AWS ganó el mercado de la nube: comenzar con desarrolladores y TI, y luego ir incorporando al resto de la organización. Una vez que una empresa estandariza Q respaldado por Nova para la búsqueda interna, asistencia de código y analíticas, eliminarlo significa reestructurar los flujos de trabajo fundamentales, no solo cambiar un chatbot.

El propio impulso de DeepSeek hacia modelos de alta eficiencia, documentado en actualizaciones como el Lanzamiento de DeepSeek-V3.2, subraya lo abarrotado que se ha vuelto el espacio de modelos para consumidores y de código abierto. Amazon está apostando a que el verdadero margen se oculta en problemas aburridos: informes de cumplimiento, integraciones de SAP, guiones de centros de llamadas, donde Nova puede operar en silencio, cobrar por hora y nunca ser tendencia en X.

Google puede que ya tenga un sucesor de Gemini funcionando silenciosamente tras bambalinas. Investigadores y filtradores en X siguen señalando a una pila interna "Gen 4.5" que impulsa experimentos de contexto largo, uso de herramientas ultra-estable y nuevos sistemas de memoria que Google comenzó a insinuar alrededor del momento de “Google replantea la memoria” en los resúmenes de noticias de IA.

La evidencia llega en fragmentos: capturas de pantalla de referencia, fragmentos de registro e informes de modelos que manejan contextos de 1 millón de tokens sin colapsar en tonterías. Algunos evaluadores describen un razonamiento al nivel de GPT‑4.1 con flujos de trabajo de recuperación aumentada muy superiores, además de transiciones más fluidas entre herramientas de lenguaje, código y datos estructurados.

Esperen que la Generación 4.5 presione más fuerte en tres ejes: - Razonamiento de largo contexto a través de cientos de páginas o horas de transcripciones - Fusión multimodal que abarca texto, imágenes, video y datos de sensores en tiempo real - Uso avanzado de herramientas que encadena APIs, búsqueda y ejecución de código de manera autónoma

Google ya está prototipando este stack en Workspace, Android y Búsqueda. Imagina un panel lateral de Gemini que lea un informe legal de 300 páginas, cruce referencias de hilos de Gmail y redacte documentos estratégicos mientras consulta bases de datos internas, todo bajo un modelo de orquestador en lugar de una cadena frágil de servicios separados.

La ventaja del asesino silencioso se encuentra en el banco de investigación de Google. Proyectos como GenCast ya han demostrado que los modelos de mundo estilo difusión pueden superar a la predicción numérica del clima tradicional, ofreciendo pronósticos de 10 días de mayor resolución más rápido y a un costo menor que los sistemas basados en física que se ejecutan en supercomputadoras.

GenCast no es una demostración de juguete: ingiere petabytes de datos históricos de satélites y radares, y luego genera trayectorias meteorológicas probabilísticas que superan a los principales modelos operativos en métricas clave como el error cuadrático medio y la detección de eventos extremos. Esa misma arquitectura se adapta perfectamente a la planificación de tráfico, logística e incluso robótica.

Así que Google claramente sabe cómo convertir grandes volúmenes de datos y arquitecturas personalizadas en sistemas de última generación. La pregunta abierta es la velocidad. ¿Podrá Mountain View lanzar productos alimentados por Gen 4.5 a miles de millones de usuarios antes de que OpenAI, Amazon y DeepSeek aseguren la atención de empresas y consumidores, o dejará otro año de lanzamientos cautelosos las mejores ideas de Google enterradas en documentos de arXiv y demostraciones internas?

El rey del video de IA apenas duró una temporada. El Veo 3 de Google, que recientemente estableció el estándar para el texto a video, ahora enfrenta un competidor serio de China: Kling de Kuaishou, un gigante del video corto con más de 600 millones de usuarios y una sólida infraestructura en video en tiempo real.

Las demostraciones de Kling hacen más que lucir bien en X. Los clips uno al lado del otro muestran una consistencia temporal más ajustada: los atuendos, la iluminación y los accesorios se mantienen fijos en tomas de 10 a 20 segundos, mientras que Veo 3 se desplaza sutilmente, transformando rostros o deformando fondos entre fotogramas.

La estabilidad del personaje podría ser el punto fuerte más obvio de Kling. Los disparos múltiples con el mismo protagonista—por ejemplo, una chica con una chaqueta roja caminando, luego montando en bicicleta y luego sentada en un café—mantienen la identidad facial y los accesorios a través de los ángulos, mientras que Veo 3 a menudo "reemplaza" al protagonista o muta el cabello, la ropa e incluso la edad a mitad de la secuencia.

La física es donde el despojo del trono se siente innegable. Kling maneja: - Salpicaduras de líquido que obedecen la gravedad y el volumen - Tela que se pliega y ondea de manera coherente a lo largo del tiempo - Movimientos de cámara que no distorsionan la geometría en panorámicas rápidas

Veo 3 sigue brillando en color y composición cinematográfica, pero las escenas de alta velocidad revelan objetos que vibran y colisiones gomosas que Kling ahora evita en gran medida.

Este momento es importante porque la generación de video se encuentra en la vanguardia de la IA: modelos enormes, razonamiento en mundos 3D y costos de cómputo extremadamente altos. Ver a un jugador chino enfocado superar a Google aquí indica que ninguna frontera—visión, robótica o "modelos del mundo"—pertenece exclusivamente a los mega laboratorios de EE. UU. ya.

Para la economía creadora, las implicaciones llegan rápido. Herramientas al nivel de Kling permiten a los YouTubers y TikTokers solitarios previsualizar o sintetizar tomas que antes requerían equipos de efectos visuales, rigs de captura de movimiento y presupuestos de cinco cifras, colapsando la brecha entre el guion y la pantalla.

Las casas de VFX ahora se enfrentan a un dilema. Los estudios utilizarán modelos como Kling y Veo 3 para pasadas de concepto y planos de fondo, mientras que los clientes comienzan a preguntar por qué una secuencia de CG de 6 semanas cuesta más que un fin de semana de ingeniería de prompts más limpieza.

El aumento del realismo también potencia el riesgo de los medios sintéticos. Un modelo que logra una consistencia temporal y física hace que los deepfakes sean mucho más difíciles de detectar, especialmente en clips sociales de cortes rápidos, lo que impulsa a las plataformas y a los reguladores hacia la implementación de marcas de agua, estándares de procedencia y una carrera armamentista en detección más agresiva.

Mistral sigue atacando por los flancos. Mientras OpenAI, Google y Amazon libran batallas en los titulares, la startup de París lanza silenciosamente modelos de peso abierto que se encuentran justo detrás de los sistemas de vanguardia, funcionando con una fracción del hardware.

Su último lanzamiento, Mistral 3, amplía ese repertorio: una familia de modelos de aproximadamente 12B a 40B de parámetros que se acercan al rendimiento de clase GPT-4 en tareas de código, matemáticas y multilingües, mientras se ajustan cómodamente a una sola GPU de alta gama. La compañía afirma tener puntuaciones competitivas en benchmarks como MMLU, GSM8K y HumanEval, pero con un costo de inferencia significativamente menor.

Mientras que los gigantes de EE. UU. fomentan el acceso únicamente a través de API, Mistral refuerza su enfoque en los modelos que se pueden descargar, ajustar y alojar de forma local. Las empresas pueden implementar variantes de Mistral 3 de peso abierto dentro de sus propias VPCs, cumplir con las normas de residencia de datos y evitar transmitir solicitudes sensibles a través de estructuras opacas controladas por EE. UU.

Esa estrategia apunta directamente al bloqueo de API. En lugar de alquilar inteligencia por token de un único hyperscaler, las empresas pueden estandarizarse en un punto de control de Mistral, y luego moverse entre: - Clústeres locales - Proveedores de nube en la UE - Implementaciones en el borde y en dispositivos

La eficiencia es otra arma. La mezcla de expertos y los núcleos CUDA optimizados de Mistral significan que un modelo de 12 mil millones puede rivalizar con LLMs mucho más grandes en cargas de trabajo reales, desde la resumición de atención al cliente hasta la revisión de código. Para muchos equipos, "lo suficientemente bueno, más barato y controlable" supera a "algo más inteligente pero 10 veces más caro".

Como resultado, Mistral se está convirtiendo silenciosamente en la opción predeterminada para bancos europeos, empresas industriales y gobiernos que necesitan un alto rendimiento pero no pueden enviar datos a nubes de EE. UU. o China. Las pequeñas startups estadounidenses, excluidas del acceso a APIs de clase GPT-4, están siguiendo el mismo camino.

Mistral también ancla un "tercer poder" emergente en IA: una coalición flexible de laboratorios de modelos abiertos, reguladores de la UE y proveedores de nube que desean una infraestructura más descentralizada. En lugar de un mundo dividido entre plataformas cerradas de EE. UU. y China, Mistral ofrece un centro de gravedad europeo, inclinándose hacia lo abierto.

Para cualquier persona que esté siguiendo este cambio, el propio informe de Mistral sobre Mistral 3 suena como un manifiesto: rendimiento casi propietario, pesos completamente inspeccionables y una hoja de ruta que asume que los modelos abiertos estarán en el corazón de una infraestructura de IA seria.

Los modelos nano están reescribiendo en silencio dónde vive la IA. En lugar de enviar solicitudes a un centro de datos distante, los modelos en el dispositivo funcionan directamente en el NPU, GPU o incluso CPU de tu teléfono, comprimiendo miles de millones de parámetros en algo que cabe en unos pocos cientos de megabytes o menos.

El Gemini Nano de Google marcó el tono: un modelo compacto que potencia la función Resumir en Recorder, respuestas inteligentes y detección de spam en el dispositivo en los teléfonos Pixel. Apple siguió con funciones de Apple Intelligence en el dispositivo, utilizando una combinación de modelos pequeños localmente y modelos más grandes en su infraestructura de Private Cloud Compute para tareas más pesadas.

El hardware finalmente ha alcanzado su punto. El Snapdragon X Elite de Qualcomm y los chips M de Apple ofrecen más de 40 TOPS de rendimiento de NPU, suficiente para ejecutar modelos de 1 a 3 mil millones de parámetros a velocidades interactivas. Este cambio hace que las respuestas de baja latencia, por debajo de 50 ms, sean realistas para asistentes de voz, traducción y tareas de visión sin necesidad de tocar la red.

La privacidad se convierte en una característica, no en una nota al pie. Cuando tus ediciones de fotos, comandos de voz y predicciones de teclado nunca salen del dispositivo, la superficie de ataque se reduce y los reguladores tienen menos razones para intervenir. Las empresas pueden imaginar teléfonos que resumirán correos electrónicos o contratos confidenciales de forma local sin enrutar datos a través de una nube de EE. UU. o la UE.

Las guerras de ecosistemas ahora se extienden directamente a tu bolsillo. Google integra Gemini Nano en los servicios del sistema Android; Apple incorpora sus modelos en Siri, Fotos y Notas; Microsoft impulsa pequeños modelos en Windows, Copilot y dispositivos Surface, a menudo a través de NPUs y ONNX Runtime.

Las aplicaciones diarias están a punto de mutar rápidamente. Los clientes de mensajería pueden funcionar con: - Reescritura de tono en tiempo real - Traducción automática - Generación de respuestas inteligentes

Todo eso puede suceder completamente sin conexión durante un vuelo.

Las aplicaciones de cámara y foto son las siguientes en la lista. Espera teléfonos que ofrezcan eliminación generativa de objetos, sustitución de fondos y transferencia de estilo en la vista previa, no después de un trayecto por la nube. La captura de video podrá contar con subtítulos en vivo, detección de escenas e incluso sugerencias de toma mientras grabas.

Los asistentes también cambian de carácter cuando la latencia desaparece. Un agente de voz que responde en menos de 100 ms, sigue el contexto en pantalla y funciona en el metro, se sentirá menos como un chatbot y más como un órgano sensorial a nivel del sistema.

Los robots siguen arruinando la fiesta de la IA, y siguen siendo los invitados más caóticos en la sala. Tratados de presentación pulidos muestran humanoides corriendo por almacenes y doblando ropa; el material en crudo, sin editar, los muestra dudando en los umbrales de las puertas, agarrando tazas de manera incorrecta y congelándose cuando un humano atraviesa el encuadre.

Las plataformas humanoides como Figure 01, Tesla Optimus y Digit de Agility Robotics ahora ejecutan modelos de lenguaje grandes a bordo o a través de 5G. Combinadas con pilas de visión multimodal, pueden interpretar comandos como “recoge el destornillador azul de la segunda estantería y entrégaselo a Sam” y planificar acciones de varios pasos sin guiones programados de manera rígida.

La demostración de Figure con los modelos de OpenAI mostró a un trabajador haciendo preguntas naturales sobre una estación de trabajo, mientras el robot identificaba herramientas y explicaba lo que veía. Phoenix de Sanctuary AI y Apollo de Apptronik presentan un comportamiento similar de "propósito general": un cuerpo, muchos trabajos, impulsados por LLMs, mapeo semántico y aprendizaje por refuerzo.

La realidad se impone cuando esos modelos se encuentran con la física. Los robots todavía dejan caer objetos si cambia la iluminación, malinterpretan la fricción en suelos brillantes o confunden una escena desordenada donde una "taza azul" se esconde detrás de una caja de cereales. Incluso el famoso Atlas de Boston Dynamics, conocido por su acrobacia, ocasionalmente se cae de cara fuera de cámara cuando una sola estimación de apoyo falla.

Los investigadores siguen publicando compilaciones de fracasos por una razón. Los modelos de lenguaje alucinan cajones inexistentes; los adaptadores de agarre recogen cuchillos por la hoja; los sistemas de navegación envían robots hacia paredes de vidrio que los modelos de visión clasifican como "espacio abierto". Cada error expone cuán frágiles siguen siendo las actuales tuberías de percepción y planificación fuera de entornos de laboratorio.

Los defensores de la IA encarnada argumentan que estos tropiezos son necesarios. La tesis: la verdadera AGI requiere un cuerpo que pueda chocar contra mesas, sentir el par en las articulaciones y anclar tokens abstractos como “empujar suavemente” o “demasiado caliente” en datos sensoriales, no solo en texto web.

Los escépticos contraatacan diciendo que los mundos simulados más corpora multimodales masivos podrían ser suficientes. Señalan los “modelos de mundo” entrenados en miles de millones de fotogramas de video y motores de juego ricos en física que permiten a los agentes experimentar vidas casi infinitas sin romper un solo agarre del mundo real.

La mayoría de los laboratorios ahora se protegen y hacen ambas cosas. Las flotas humanoides recopilan datos de interacciones reales, mientras que agentes paralelos se entrenan en simulaciones fotorrealistas, utilizando técnicas como la transferencia de simulación a realidad y la destilación de políticas para intentar cerrar la brecha entre un rendimiento virtual impecable y robots muy humanos que son torpes y lentos.

La geopolítica ahora se encuentra dentro de los pesos del modelo. El resurgimiento de DeepSeek, el impulso Nova de Amazon, el trabajo de Google en Gen 4.5 y el asalto de pesos abiertos de Mistral forman una única historia: estados y bloques compitiendo para fortalecer sus pilas de IA antes de que alguien más posea el futuro.

La estrategia de China parece casi un ejemplo de política industrial clásica. DeepSeek, Zhipu, Baidu y Alibaba entrenan modelos de clase GPT-4 en computación subsidiada, respaldados por controles de exportación sobre GPUs y una ofensiva doméstica de chips de la línea Ascend de Huawei. Proyectos como DeepSeek-V3.2 en Hugging Face demuestran qué tan rápido pueden iterar los laboratorios chinos incluso bajo sanciones de EE. UU.

Europa juega un juego diferente: regulación más modelos abiertos como palanca. La Ley de IA de la UE, con estrictas reglas sobre modelos de "riesgo sistémico" y transparencia, ralentiza los lanzamientos avanzados pero canaliza la energía hacia sistemas de peso abierto como Mistral 3 y bifurcaciones de clase Llama. Bruselas está apostando a que la interoperabilidad, la estandarización y las garantías de privacidad se conviertan en productos de exportación tan valiosos como los propios modelos.

El poder estadounidense sigue concentrándose en pilas privadas. OpenAI, Google, Amazon, Meta y Anthropic controlan la mayor parte de la capacidad de TPU, GPU y redes de alta gama, a menudo a través de nubes verticalmente integradas. Esa concentración les permite realizar experimentos a escala Gen 4.5, modelos empresariales de clase Nova y sucesores de Veo 3 en clústeres medidos en cientos de miles de H100 y TPUs.

La "soberanía de la IA" se ha convertido en la nueva "independencia energética". Los gobiernos ahora se apresuran a asegurar tres cosas: - Fábricas nacionales o aliadas para nodos avanzados (TSMC, Samsung, Intel) - Asignaciones a largo plazo de GPU y aceleradores - Canales de inmigración para los mejores investigadores en aprendizaje automático y robotistas

La regulación moldea el ritmo. Las normas de IA generativa en China exigen controles estrictos de contenido y revisiones de seguridad, lo que ralentiza algunos lanzamientos, pero alinea los modelos con las prioridades estatales como la censura y la automatización industrial. Los reguladores en EE. UU. se apoyan en el antimonopolio, controles de exportación y marcos de seguridad de derecho blando, lo que permite un despliegue rápido pero concentra el poder en unas pocas empresas.

Las guardrails de Europa funcionan en ambas direcciones. Mistral puede enviar modelos abiertos fuertes, pero los costos de cumplimiento empujan a las startups más pequeñas a trasladarse a Londres, Dubái o San Francisco. El resultado: un mundo a tres velocidades donde China se optimiza para el control, Europa se optimiza para la gobernanza y EE. UU. se optimiza para la escala, y cada nuevo modelo se convierte en una ficha de negociación.

Los trabajos rara vez desaparecen de la noche a la mañana; se dividen en tareas y se reconfiguran en silencio. La nueva ola de IA—los motores de código de DeepSeek, los modelos Nova de Amazon, el rumoreado Gen 4.5 de Google, el sucesor en video de Veo 3 y esos modelos virales nano—apunta a tareas específicas con precisión quirúrgica en lugar de profesiones enteras.

Contadores, abogados y analistas descargarán la monotonía—reconciliaciones, revisión de contratos, redacción de informes—en copilotos que funcionan con sistemas de clase Nova o Gemini. Editores y creadores de YouTube confiarán en rivales de Veo 3 y herramientas de Runway o Freepik para cortes iniciales, VFX y B-roll, dedicando más tiempo al gusto, la historia y la distribución.

En los teléfonos, los modelos "nano" que funcionan localmente con menos de 3 a 8 mil millones de parámetros estarán integrados en teclados, cámaras y aplicaciones de notas. Resumirán reuniones en tiempo real, reescribirán correos electrónicos antes de que presiones enviar y generarán automáticamente documentación a partir de una grabación de pantalla de 30 segundos, sin tocar la nube.

Las pilas empresariales se verán menos como un gigantesco cerebro al estilo GPT y más como una caja de herramientas de especialistas. Un único flujo de trabajo podría encadenar: - Un modelo Nova ajustado al dominio para recuperación y razonamiento - Un modelo al estilo DeepSeek para generación y refactorización de código - Un modelo de video que supere a Veo 3 para clips de entrenamiento o anuncios - Un modelo nano en el dispositivo para personalización segura y fuera de línea

Ese cambio transforma “La IA reemplazará mi trabajo” en “La IA estará en cada pestaña que uso para hacer mi trabajo.” McKinsey estima que entre el 60 y el 70% de las tareas actuales contienen algún nivel de potencial de automatización, pero solo una fracción de los roles puede ser completamente automatizada con la tecnología actual. La brecha entre la tarea y el trabajo es donde el juicio humano, el gusto y la responsabilidad siguen dominando.

La estrategia de supervivencia parece brutalmente simple: toca estas herramientas directamente. Configura una instancia gratuita de Nova o Gemini, prueba DeepSeek para revisar código, instala un modelo en el dispositivo a través de Ollama o LM Studio, y crea un guion gráfico de un clip con Runway o Kling.

Los trabajadores que traten a la IA como a Excel en la década de 1990—molesto al principio, pero luego indispensable—marcarán el ritmo. Todos los demás terminarán recibiendo instrucciones de alguien que hizo el trabajo aburrido de aprender a comunicarse con las máquinas.

¿Cuál es el nuevo modelo de IA de DeepSeek?

DeepSeek ha lanzado modelos altamente eficientes y poderosos como DeepSeek-V3. Son conocidos por su rendimiento excepcional en codificación y matemáticas, desafiando a modelos establecidos como GPT-4 a una fracción del coste de entrenamiento.

¿Cuáles son los 'modelos secretos' de Nova AI de Amazon?

La familia Nova son los modelos de base propiedad de Amazon disponibles a través de AWS Bedrock. Están diseñados para uso empresarial, enfocándose en la seguridad, personalización e integración con sistemas de datos corporativos, representando la estrategia de inteligencia artificial B2B de Amazon.

¿Qué modelo de IA superó al Veo 3 de Google?

Recientes demostraciones de Kling, un modelo de video de IA de la empresa tecnológica china Kuaishou, han mostrado una superior coherencia temporal y realismo físico en escenas complejas, lo que ha llevado a muchos expertos a afirmar que ha superado al Veo 3 de Google.

¿Por qué son importantes los modelos de IA 'nano'?

Los modelos nano son IA pequeñas y eficientes diseñadas para funcionar directamente en dispositivos como teléfonos y laptops. Ofrecen ventajas significativas en privacidad, velocidad y funcionalidad fuera de línea, impulsando funciones como la traducción en tiempo real y la edición inteligente de fotos sin necesidad de la nube.