El titular del 90% tiene un asterisco crucial
Boris Power, jefe de investigación aplicada de OpenAI, encendió una ola de especulaciones cuando estimó que entre el 80% y el 90% del esfuerzo de investigación de la compañía se centra en lo que viene después de GPT-8. Este comentario sorprendente, realizado en la Fellows Forum AI Summit del 23 de septiembre, describe la asignación de investigación hacia futuros modelos como GPT-7, GPT-8 y más allá, no un presupuesto o desglose de personal verificado de forma independiente. Surgió justo cuando GPT-6 Astra de OpenAI, su modelo desplegado más capaz, apenas estaba llegando a los usuarios.
La declaración de Power es un indicador crucial del horizonte de planificación, pero no establece que GPT-8 esté casi completo, en proceso de entrenamiento o programado para su lanzamiento. La investigación en este contexto abarca un amplio espectro de actividades muy alejadas de un producto terminado. Incluye:
- Probar nuevos métodos de entrenamiento
- Construir sistemas de evaluación
- Mejorar los pipelines de datos
- Diseñar controles de seguridad
- Mejorar la fiabilidad de chips y redes
- Realizar experimentos exploratorios más pequeños
El nombre de un modelo futuro a menudo significa una dirección de viaje para la investigación a largo plazo, en lugar de un plan para un lanzamiento inminente. El porcentaje destaca la estrategia de futuro de OpenAI: la mayor parte del esfuerzo de investigación a largo plazo apunta más allá de la generación actual de productos, no significa que miles de personas estén terminando secretamente GPT-8 en este momento. Esta distinción es vital para interpretar con precisión la ambiciosa hoja de ruta de la empresa.
La "investigación" no es una gran ejecución de entrenamiento de GPT-8
La estimación de Power se centra en el esfuerzo de investigación, no en una única ejecución de entrenamiento en curso para un modelo futuro. Cuando Power sugiere que el 80-90% de la investigación apunta hacia GPT-7, GPT-8 y más allá, describe un amplio espectro de trabajo preparatorio. Esto incluye experimentos fundamentales e ingeniería que preceden a cualquier preentrenamiento a gran escala.
La investigación puede abarcar muchas actividades. Los equipos podrían estar:
- Probando nuevos métodos de entrenamiento
- Construyendo sistemas de evaluación robustos
- Mejorando los pipelines de datos
- Diseñando controles de seguridad integrales
- Mejorando la fiabilidad de chips y redes
Estos esfuerzos sientan colectivamente las bases para futuros sistemas. Algunos experimentos pueden informar directamente a modelos posteriores, mientras que otros pueden nunca generar un producto público. El nombre de un modelo futuro a menudo funciona como una dirección de viaje, guiando estas diversas investigaciones, en lugar de etiquetar un plan de producto finalizado.
Por lo tanto, la cita ofrece una visión de las prioridades de investigación a largo plazo de OpenAI. Nos dice más sobre la perspectiva estratégica de la empresa y qué problemas está explorando que sobre el progreso de un modelo específico, sus capacidades proyectadas o una fecha de lanzamiento inminente. Esta distinción crítica separa la investigación exploratoria del desarrollo de productos.
El próximo modelo comienza en la red eléctrica
Los laboratorios de IA de frontera deben planificar a través de generaciones de modelos superpuestas porque los requisitos fundamentales para los sistemas futuros exigen largos tiempos de preparación. Elementos críticos como la capacidad de cómputo, las conexiones a la red eléctrica, la infraestructura de red, los extensos pipelines de datos y las evaluaciones de seguridad robustas no pueden materializarse bajo demanda; requieren años de preparación anticipada.
La ambiciosa iniciativa Stargate de OpenAI ejemplifica esta estrategia con visión de futuro, apuntando a más de 10 gigavatios de capacidad de IA planificada en los Estados Unidos. Esta infraestructura señala la ambición sostenida de la empresa y su preparación para futuros modelos, aunque no confirma el tamaño ni el cronograma de ningún lanzamiento específico próximo. Un sitio emblemático en Abilene, Texas, por ejemplo, ya está entrenando modelos como GPT-5.5, lo que ilustra cuán estrechamente se entrelazan ahora las hojas de ruta de investigación y la construcción física.
Esta base técnica es crucial para ejecuciones de entrenamiento repetidas y de alto riesgo. Los clústeres confiables y las redes resilientes, a menudo rediseñadas para mantener la operación incluso cuando partes del sistema fallan, reducen significativamente las costosas interrupciones. Dicha infraestructura respalda directamente la eficiencia del research pipeline, asegurando que las ejecuciones de entrenamiento de meses de duración puedan completarse sin problemas. Para obtener más detalles sobre los esfuerzos de investigación más amplios de OpenAI, consulte el OpenAI Research Index.
¿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 la seguridad mantiene el ritmo
La propia evaluación de seguridad de OpenAI sobre GPT-6 Astra lo describe como el primer modelo en alcanzar el "nivel crítico de capacidad de ciberseguridad" de la empresa. Esto significa que Astra puede ayudar a encontrar fallas de software desconocidas y desarrollar exploits para sistemas protegidos con una menor guía humana. Si bien la empresa afirma que Astra es más seguro en general que su predecesor y no es incontrolable, esta evaluación traslada la conversación sobre el riesgo más allá de los simples errores de chatbot.
Esta escalada subraya por qué la safety research debe ejecutarse en paralelo con el desarrollo de capacidades, no como una ocurrencia tardía. El Frontier Governance Framework de OpenAI describe el seguimiento de riesgos graves como ciberataques, daños biológicos y manipulación. El marco de preparación de la empresa dicta las protecciones requeridas antes del despliegue.
Estos controles cruciales (incluidas las evaluaciones, los sistemas seguros y las reglas de detención claras) no pueden materializarse una vez que se completa un modelo potente; los investigadores deben diseñarlos durante el desarrollo. Este enfoque integrado garantiza que las salvaguardas se escalen con las capacidades avanzadas, proporcionando un contrapeso crítico al rápido ritmo de construcción de infraestructura.
Los lectores pueden monitorear varios indicadores de progreso en este frente:
- Evaluaciones publicadas
- Actualizaciones de los marcos de seguridad
- Lanzamientos de investigación
- Nueva infraestructura entrando en funcionamiento
No existen especificaciones ni fechas de lanzamiento verificadas para GPT-7 o GPT-8, pero la trayectoria exige que las medidas de seguridad lideren, no que sigan, a las capacidades que pretenden gobernar.
Preguntas frecuentes
¿Confirmó OpenAI que se está entrenando GPT-8?
No. Boris Power describió la atención de la investigación dirigida a GPT-7, GPT-8 y más allá; eso no confirma una ejecución de entrenamiento activa de GPT-8.
¿Qué dijo Boris Power sobre la investigación de OpenAI?
En el Fellows Forum AI Summit, Power estimó que entre el 80% y el 90% de la investigación de OpenAI se centró en generaciones posteriores a su modelo actual.
¿Por qué OpenAI investigaría modelos futuros con años de antelación?
Los métodos, los datos, las evaluaciones, los sistemas de seguridad, el hardware informático y la capacidad del centro de datos requieren tiempo para desarrollarse y coordinarse.
¿Son públicas las fechas de lanzamiento de GPT-7 y GPT-8?
No. OpenAI no ha publicado fechas de lanzamiento verificadas, especificaciones ni una hoja de ruta pública para ninguno de los dos modelos.