Analista de IA: Claude Opus 4.7 superó al humano decenas de veces en el manejo de un robot perro: una nueva era de agentes físicos
Anthropic sigue sorprendiendo al mercado. En la segunda fase del experimento Project Fetch, el modelo Claude Opus 4.7 demostró resultados impresionantes: configuró y programó un robot cuadrúpedo (perro robot) 20 veces más rápido que un equipo de ingenieros humanos que trabajaba con la versión anterior de la IA.
En 2024, las pruebas se realizaron de manera diferente: la IA actuaba solo como asistente para empleados sin experiencia. Ahora, el modelo Opus 4.7 actuó prácticamente de forma autónoma, con un control mínimo del investigador. La red neuronal completó de forma independiente el ciclo completo de tareas:
- se conectó a los sensores de video y al LiDAR;
- escribió un programa para el control manual;
- creó un sistema de monitoreo de la trayectoria del robot;
- configuró el algoritmo de reconocimiento de objetos.
Los números hablan por sí solos: Opus 4.7 resultó ser 18 veces más rápido que el equipo que usaba versiones antiguas de IA, y 37 veces más rápido que las personas que trabajaban sin ayuda del chatbot. Además, el código generado por la red neuronal resultó ser 10 veces más compacto que el humano, lo que indica un salto cualitativo en eficiencia.
Conclusión clave: el progreso en robótica se ha convertido en un efecto secundario del escalamiento general de los modelos de lenguaje. Anthropic no implementó algoritmos especializados para controlar el "hardware": es una ventaja pura de la arquitectura base.
Sin embargo, no todo fueron ventajas. Claude tiene dificultades con manipulaciones físicas precisas: el modelo llevó al robot hasta el objetivo, pero no pudo empujar suavemente la pelota hasta el punto deseado. Esto requiere una retroalimentación compleja en tiempo real, donde los humanos aún mantienen la superioridad.
En Anthropic afirman que la industria está entrando en una era de "agentes físicos de IA". En el futuro, las redes neuronales podrán manejar herramientas y equipos estándar con la misma eficacia con la que ahora trabajan con código.
Mi análisis: Los resultados de Project Fetch no son solo un benchmark más. Es una señal de que la frontera entre el mundo digital y el físico se está desvaneciendo más rápido de lo esperado. Sin embargo, el problema de la "motricidad fina" sigue siendo un punto débil. Hasta que la IA no aprenda a sentir la física de la interacción a nivel intuitivo, es poco probable un reemplazo completo del humano en operaciones reales. Pero el ritmo del progreso obliga a reconsiderar incluso estos pronósticos escépticos.