El lunes, el director ejecutivo de OpenAI, Sam Altman declarado «código rojo» ante una competencia cada vez mayor.
La mayor amenaza era Google; Los usuarios activos mensuales del chatbot Gemini de Google crecieron de 450 millones en julio a 650 millones en noviembre (ChatGPT tenia 800 millones cada semana usuarios activos en octubre). Mientras tanto, el Wall Street Journal informes«OpenAI también se enfrenta a la presión de Anthropic, que se está volviendo popular entre los clientes comerciales».
Google aumentó la presión sobre OpenAI hace dos semanas con el lanzamiento de los modelos Gemini 3que estableció nuevos récords en una serie de puntos de referencia. La semana siguiente, Anthropic lanzó Claude Opus 4.5, que obtuvo una puntuación aún más alta en algunos de los mismos puntos de referencia.
Durante las últimas dos semanas, he estado tratando de encontrar la mejor manera de cubrir estos nuevos lanzamientos. Sometería cada nuevo modelo a una batería de puntos de referencia personalizados y escribir sobre los resultados. Pero los modelos recientes se han vuelto lo suficientemente buenos como para resolver fácilmente la mayoría de estos problemas. Todavía fallan en algunas tareas simples (como decir la hora en un reloj analógico), pero me temo que esos ejemplos son cada vez más representativos del uso en el mundo real.
En el futuro, espero escribir más sobre el rendimiento de estos nuevos modelos de Google y Anthropic. Pero por ahora quiero ofrecer un análisis más cualitativo de estos modelos. O mejor dicho, quiero resaltar dos piezas que muestran las muy diferentes culturas de Google y Anthropic, culturas que los han llevado a adoptar enfoques dramáticamente diferentes para construir modelos.
La semana pasada el boletín Semianalysis publicó un buceo profundo sobre el éxito de las unidades de procesador tensorial (TPU), la alternativa de Google a las GPU de Nvidia. «Gemini 3 es uno de los mejores modelos del mundo y fue entrenado íntegramente en TPU», escribieron los autores de Semianalysis. En particular, Claude Opus 4.5 fue también capacitado en TPU.
Google ha utilizado TPU para sus propias necesidades de IA durante una década. Pero recientemente Google ha hecho un serio esfuerzo para vender TPU a otras empresas. El equipo de Semianalysis sostiene que Google es «el rival comercial de silicio más nuevo y amenazador de Nvidia».
En octubre, antrópico firmar un acuerdo utilizar hasta un millón de TPU. Además de la compra de servicios en la nube de Google, Semianalysis informó que «Anthropic utilizará TPU en sus propias instalaciones, posicionando a Google para competir directamente con Nvidia».
Las últimas generaciones de TPU han sido chips respetables, pero Semianalysis sostiene que la verdadera fortaleza de Google es la arquitectura general del sistema. Las ejecuciones modernas de entrenamiento de IA requieren miles de chips conectados entre sí para una comunicación rápida. Google ha diseñado bastidores y sistemas de red que exprimen el máximo rendimiento de cada chip.
Este es un ejemplo de un principio más amplio: Google es fundamentalmente una empresa orientada a la ingeniería y ha abordado los grandes modelos de lenguaje como un problema de ingeniería. Los ingenieros han trabajado duro para entrenar los modelos más grandes posibles al menor costo posible.
Por ejemplo, Gemini 2.5 Flash-Lite cuesta 10 centavos por un millón de tokens de entrada. El modelo más barato de Anthropic, el Claude Haiku 4.5, cuesta 10 veces más. Google también fue la primera empresa en liberar LLM con una ventana de contexto de un millón de tokens.
Otro aspecto en el que la destreza de ingeniería de Google ha dado sus frutos es en la formación previa. Google esta mesa salio mostrando a Gemini 3 aplastando a otros modelos en SimpleQA, un punto de referencia que mide la capacidad de un modelo para recordar hechos oscuros.
Como señala un perspicaz comentarista de Reddit, esto probablemente refleja la capacidad de Google para utilizar hardware informático a gran escala.
“Mi lectura es que los logros de Gemini 3 Pro en SimpleQA muestran que es un masivo modelo, absolutamente enorme, con toneladas de conocimiento paramétrico», el escribio jakegh. «Google utiliza su propio hardware TPU no sólo para inferir sino también para entrenar para que puedan permitirse el lujo de hacerlo».
Así, Gemini 3 continúa la tradición de Google de construir modelos sólidos y asequibles. La reacción del público al nuevo modelo fue en general positiva; el modelo parece funcionar tan bien en aplicaciones del mundo real como en puntos de referencia.
El nuevo modelo no parece tener mucha personalidad, pero eso puede que no importe. Miles de millones de personas ya utilizan los productos de Google, por lo que Google puede ganar la carrera de la IA simplemente agregando un modelo bueno, pero no sorprendente, como Gemini 3 a productos como la búsqueda, Gmail y la suite Google Workspace.
El lanzamiento de Claude Opus 4.5 la semana pasada también tuvo una acogida positiva, pero las vibraciones eran diferentes.
