Las pistas se acumulan, pero ninguna es un aviso de lanzamiento
El modelo de próxima generación de OpenAI, GPT-6.2, y su nombre en clave reportado, Betelgeuse (apodado "Bell"), han generado un debate significativo en línea, pero OpenAI no ha confirmado públicamente ni el modelo ni su lanzamiento. Las filtraciones, sin embargo, ofrecen una cronología convincente, aunque no verificada, que sugiere desarrollo y pruebas activos.
El nombre en clave Betelgeuse apareció por primera vez en un tracker interno de OpenAI el 30 de octubre, según informes de cuentas como Polify AI. Al día siguiente, los usuarios del agente de programación de OpenAI, Codex, observaron un identificador desconocido, "GPT-6.2 Astra", en sus estadísticas de uso, que a veces representaba casi el 20 % de su actividad, mientras la interfaz seguía indicando GPT-6 Astra. Esto sugería pruebas discretas en entorno real.
Surgieron más indicios el 3 de noviembre, cuando Tibo Sottiaux, quien lidera Codex en OpenAI, publicó en X mensajes crípticos como "Le GPT Fat" y "ChatBLT", interpretados ampliamente como referencias a un modelo de gran tamaño. Al día siguiente, dos nuevos identificadores de API, RC-Ada-Or-VM y RC-Ada-SH-VM, aparecieron brevemente en la lista oficial de modelos de OpenAI antes de desaparecer.
Se entiende comúnmente que estos prefijos "RC" indican el estado de "Release Candidate" (versión candidata), es decir, una versión de software lista para el despliegue final. Aunque estos artefactos sugieren con fuerza pruebas internas avanzadas, no constituyen un anuncio oficial ni confirman un lanzamiento público inminente de GPT-6.2.
La historia de los billones de parámetros de Bell necesita una dosis de realismo
Los rumores sobre la IA de próxima generación de OpenAI suelen confundir dos entidades distintas: GPT-6.2 Astra y Bell. GPT-6.2 Astra se describe como una actualización incremental, posiblemente una iteración optimizada de un modelo existente. Bell, por el contrario, se rumorea que sería un nuevo modelo base fundamental, que representaría un cambio arquitectónico más significativo.
Los modelos base se someten a un preentrenamiento, un proceso que consume muchos recursos y en el que la IA aprende patrones a partir de conjuntos de datos enormes. Los parámetros, los valores ajustables dentro del modelo, almacenan ese conocimiento aprendido. Un mayor número de parámetros suele implicar mayor capacidad de conocimiento, pero las estimaciones reportadas de entre 10 y 12 billones de parámetros para Bell, que circulan en informes de Wccftech y 36Kr, carecen de confirmación oficial.
Estas cifras colosales de parámetros, junto con supuestas puntuaciones de 72 en el Artificial Analysis Intelligence Index o precios de 20 $ por millón de tokens de entrada y 100 $ por millón de tokens de salida, proceden de publicaciones en redes sociales e informes no verificados. Sin documentación oficial que detalle la arquitectura, la metodología de entrenamiento o los procesos de inferencia, estas cifras siguen siendo especulativas. Un mayor número de parámetros por sí solo no garantiza un modelo más capaz; la eficiencia y el diseño son igualmente determinantes.
La pista del benchmark puede ser más convincente que las filtraciones
Aunque el número de parámetros y los nombres en clave suelen alimentar la especulación, un resultado de benchmark reportado ofrece una pista más concreta. La reciente entrada del blog de OpenAI, "Accelerating Engineering R&D in the Physical World", presentó BenchCAD 2.0, una evaluación especializada para la IA en diseño de ingeniería. No es una prueba de inteligencia general, sino una evaluación exigente de la capacidad de una IA para generar código para:
- Piezas y ensamblajes en 3D
- Conexiones de placas de circuitos
Este benchmark requiere una comprensión profunda del razonamiento espacial y de las restricciones físicas, lo que va más allá de las tareas de lenguaje habituales.
Un gráfico, ampliamente atribuido a los propios hallazgos de OpenAI, compara el rendimiento de GPT-6 Astra con el de un modelo interno sin nombre en BenchCAD 2.0. Según se informa, GPT-6 Astra alcanzó una puntuación máxima de 59,4 % incluso en su configuración de razonamiento más alta. El modelo interno, en cambio, obtuvo 75,8 % en su configuración más baja y llegó a un impresionante 87,5 % en la más alta.
Es importante señalar que el gráfico no identifica explícitamente a este modelo interno superior como Bell ni como GPT-6.2. Aunque la diferencia de rendimiento es significativa (16,4 puntos porcentuales en la configuración más baja), los resultados de un benchmark en una única tarea especializada no se traducen automáticamente en una superioridad general en el mundo real. Para más contexto sobre novedades relacionadas, consulte OpenAI Teases GPT-6.1 Astra Amid Relentless Hype Around The Mysterious GPT-6.2 Betelgeuse Model. El buen resultado en BenchCAD 2.0 sugiere un avance significativo en un ámbito específico y complejo, pero sus implicaciones más amplias aún están por verse.
¿Te está gustando? Recibe uno así en tu bandeja cada mañana.
un correo al día · date de baja en dos clics · sin rastreadores de terceros
La verdadera prueba es si un modelo puede hacer algo más que impresionar
Los comentarios atribuidos a Sam Altman sobre un próximo modelo GPT cobran contexto a partir del trabajo en curso de OpenAI hacia una demostración de Navier–Stokes formal. Aunque el modelo concreto implicado y la relevancia de la demostración son cuestiones distintas, un resultado espectacular en ingeniería o matemáticas podría señalar una nueva era de razonamiento fiable.
Lograr una demostración así evidenciaría capacidades avanzadas en uso de herramientas, coordinación multiagente y resolución de problemas complejos. Estos rasgos podrían traducirse en un trabajo realmente útil, más allá de demostraciones impresionantes pero no verificadas.
Las afirmaciones sobre las capacidades de un nuevo modelo requieren un escrutinio riguroso e independiente. Los lectores deben buscar:
- Documentación oficial del modelo
- System cards que detallen la arquitectura y el entrenamiento
- Métodos de benchmark transparentes
- Evaluaciones independientes
- Acceso público real al modelo
Juzgue cualquier lanzamiento por sus capacidades verificadas, no por el tamaño de los rumores. La verdadera prueba para Bell o para cualquier modelo de próxima generación será la evidencia reproducible de su utilidad en el mundo real, no meras filtraciones anecdóticas ni puntuaciones internas impresionantes pero opacas.
Preguntas frecuentes
¿Ha anunciado OpenAI oficialmente GPT-6.2 Bell?
No. El nombre del modelo y las especulaciones sobre su lanzamiento en los informes se basan en filtraciones y señales indirectas, no en un anuncio oficial de OpenAI.
¿Qué es GPT-6.2 Bell, según los informes?
Se rumorea que Bell, también asociado con el nombre Betelgeuse, es un nuevo modelo base de OpenAI. Su arquitectura y su tamaño reportado no han sido confirmados.
¿Qué muestran los resultados de benchmark reportados de GPT-6.2?
Un gráfico atribuido a la investigación de OpenAI muestra, según se informa, que un modelo interno sin nombre supera a GPT-6 Astra en BenchCAD 2.0. OpenAI no lo ha identificado como Bell.
¿Cuándo podría lanzarse GPT-6.2?
Algunos informes sugirieron un lanzamiento a corto plazo, pero los plazos de lanzamiento pueden cambiar. OpenAI no ha confirmado una fecha.