Mientras OpenAI y Anthropic compiten por crear inteligencia recursiva autoaprendizaje, Google DeepMind ha elegido un camino fundamentalmente diferente. La corporación ha dejado de perseguir el liderazgo en los benchmarks de grandes modelos de lenguaje y se ha centrado en los "modelos del mundo": sistemas que comprenden las leyes de la física. Este es un riesgo estratégico que podría redefinir la industria o dejar a Google atrás.
Externamente, Alphabet continúa lanzando productos: el 21 de julio se lanzó el modelo Gemini 3.6 Flash. Sus métricas clave son la velocidad y el costo de generación. La proporción de tokens se ha reducido en un 17%, lo que abarata la salida para los usuarios. Sin embargo, en el ranking de Artificial Analysis, este modelo ocupó solo el décimo lugar. Todos los principales competidores resultaron superiores en rendimiento.
La nueva filosofía de DeepMind
El CEO de Google, Sundar Pichai, ha cambiado públicamente el enfoque: ahora la prioridad no son las posiciones en las tablas de clasificación, sino el desarrollo de agentes personales e "IA encarnada" (embodied AI). DeepMind ya ha integrado Project Genie con Street View y ha presentado el agente SIMA 2, que aprende interactuando con mundos 3D.
La esencia del enfoque es que el modelo debe predecir el desarrollo de eventos en el espacio, no solo seleccionar la siguiente palabra. Esto es fundamentalmente diferente de la estrategia de OpenAI y Anthropic, que apuestan por la automejora recursiva (RLHF y generación automática de código).
Automejora recursiva: el as bajo la manga de los competidores
El cofundador de Anthropic, Jack Clark, estima la probabilidad de que la IA asuma el control de la investigación para finales de 2028 en un 60%. Su laboratorio ya registra casos en los que Claude escribe más del 80% del código implementado. En abril, el rendimiento de sus modelos se multiplicó por 52 en un mes. En comparación, un ingeniero experimentado necesita de 4 a 8 horas para un aumento cuádruple.
DeepMind, según Clark, "parece la más cautelosa de los tres grandes". La precaución, respaldada por publicaciones sobre seguridad de la IA, podría resultar en una pérdida de ritmo.
Presión financiera
Alphabet mantiene un flujo de caja colosal: en el segundo trimestre de 2024, los ingresos alcanzaron los $119,8 mil millones (+24% interanual). Sin embargo, los gastos en infraestructura se dispararon a $44,9 mil millones por trimestre, casi el doble que el año anterior. El flujo de caja libre se volvió negativo en $5,86 mil millones, y los pasivos a largo plazo aumentaron de $46,5 mil millones a $98,2 mil millones.
La partida de gastos en desarrollos conjuntos de IA generó una pérdida de $5,79 mil millones frente a los $3,37 mil millones del año anterior. La posición de espera le cuesta cada vez más a la corporación.
Qué es importante seguir en los próximos 30 días
- El lanzamiento de Gemini 3.5 Pro y su posición en pruebas independientes.
- Nuevos datos de DeepMind sobre modelos del mundo para Gemini 4.
- Si el flujo de caja libre de Alphabet volverá a valores positivos en septiembre.
- La posición clara de Demis Hassabis respecto a la tecnología de autoaprendizaje.
Opinión del experto: Google ha hecho una apuesta consciente por la comprensión a largo plazo del mundo físico, en lugar del dominio a corto plazo en chatbots. Si los modelos del mundo de DeepMind cumplen con las expectativas, el rezago actual en los rankings resultará ser una maniobra táctica. Sin embargo, los informes financieros muestran que los recursos incluso de un gigante así no son ilimitados. El lanzamiento de Gemini 4 será el momento de la verdad para esta estrategia.