Si sentís que no llegás a seguirle el ritmo a la inteligencia artificial, te entiendo. A mí también me pasa. En septiembre salieron más de media docena de modelos nuevos en tres semanas, una empresa dijo haber resuelto un problema matemático que llevaba casi un siglo abierto, y los CEOs de las principales empresas de IA pidieron frenar el desarrollo.
Y encima, en el medio, apareció algo que no se parece a nada de lo que venimos viendo.
La buena noticia es que no hace falta que te sepas el nombre de cada modelo. Lo que sí hace falta es entender qué cambia para tu trabajo y qué conviene mirar ahora, antes de que te agarre desprevenido.
En este episodio del podcast hice el repaso mensual de lo más importante. Acá te lo dejo por escrito, con los datos verificados y un par de aclaraciones que vale la pena tener en cuenta.
Septiembre arrancó fuerte. Anthropic presentó Claude Fable 5.1 y Mythos 5.1, sus modelos de frontera, o sea, lo más avanzado que tenían hasta ese momento.
Días después, OpenAI respondió con GPT-6 Astra, su nuevo modelo insignia. Y ahí empezó la discusión de siempre: cuál es mejor, cuál es peor, qué hace distinto cada uno.
Google no se quedó atrás. El 15 de septiembre lanzó Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking, dos modelos de voz en tiempo real. La idea es que puedas conversar con el modelo mientras él razona y ejecuta tareas en segundo plano, sin esperar a que termines de hablar.
Y el 22 de septiembre pasó algo que muestra lo parejo que está todo: Anthropic lanzó Claude Opus 5.5 y, unos 90 minutos después, OpenAI sacó GPT-6 Sol y GPT-6 Luna.
Para comparar modelos me gusta mirar Artificial Analysis, porque es un tercero independiente y no los rankings que publica cada empresa sobre sí misma.
Al momento de grabar, en su índice de inteligencia la cosa quedaba así:
- Claude Opus 5.5: 58 puntos, el modelo más avanzado del momento.
- GPT-6 Astra: 53 puntos.
- GPT-6 Sol: 48 puntos.
- GPT-6 Luna: 37 puntos.
Cinco puntos de diferencia entre Opus 5.5 y Astra, en este índice, es muchísimo.
Acá está lo que, para mí, tenés que llevarte de toda esta parte.
Los nuevos GPT-6 Sol y GPT-6 Luna cuestan la mitad que sus versiones anteriores (GPT-5.6 Sol y Luna), y son más inteligentes. Anthropic también bajó el precio: Opus 5.5 cuesta un 40% menos por uso que Opus 5.
Pero el dato que más me llamó la atención es otro. En Artificial Analysis, correr una tarea típica con GPT-6 Luna cuesta unos 7 centavos de dólar. Con Opus 5.5, cerca de 6 dólares.
¿Qué quiere decir esto en criollo? Que para la mayoría de las tareas del día a día (resumir, redactar, ordenar información) no necesitás el modelo más caro. Un modelo liviano te resuelve muy bien por una fracción del costo.
El criterio para elegir el modelo correcto vale más que tener acceso al más potente. Los modelos pesados, para lo que de verdad los necesita. Los livianos, para todo lo demás.
Otro de los titulares del mes fue que GPT-6 Astra sacó 99,9% en ARC-AGI-3, una prueba pensada para medir si un modelo puede resolver problemas abstractos que nunca vio. De esto hablamos también con Santi Siri en la charla que hicimos hace poco.
Para dimensionar: hace seis meses, GPT-5.6 Sol sacaba 7,8%.
Ahora, la letra chica. Ese 99,9% se logró con una configuración armada a medida para el modelo. Con la configuración estándar que usan los organizadores para todos, Astra sacó cerca de 63%. Igual es el mejor resultado registrado, pero conviene saberlo antes de repetir que "la IA ya resolvió todo".
Si tengo que quedarme con una sola noticia de septiembre, es esta. Y te adelanto que puede terminar siendo de las más importantes del año.
Una empresa nueva, TypeSafe AI, fundada por Diogo Almeida, un ex investigador de OpenAI que trabajó en lo que después fue ChatGPT, lanzó un modelo que se llama Jev.
Jev no es un modelo de lenguaje. No escribe textos, no chatea, no te arma un mail. Es un modelo de decisiones.
Le pasás tres cosas: el contexto de lo que está pasando, la información de referencia que necesita y la pregunta concreta que hay que responder. Y te devuelve una decisión con un porcentaje de confianza.
Nada más. Pero lo hace muy rápido y muy barato.
El nombre viene de la paradoja de Jevons, la idea de que cuando algo se vuelve más barato, se usa todavía más. Y tiene todo el sentido: si una decisión cuesta casi nada y tarda milisegundos, la vas a poner en muchos más lugares.
Imaginate una compañía de seguros. Llega un correo y alguien tiene que decidir si va a contabilidad, a atención al cliente o a siniestros.
Jev puede responder algo así: "este correo va a siniestros, con 98% de confianza". En milisegundos y por una fracción de lo que costaría hacerlo con un modelo de lenguaje grande, que además sería más lento.
Quienes me siguen desde 2019 o 2020 saben que en esa época hablaba mucho de machine learning y de modelos de clasificación. Esto va por ese lado, pero con una diferencia enorme: aquellos modelos había que entrenarlos con datos propios, y eso llevaba tiempo y plata. Jev funciona sin ese entrenamiento previo. Le das el contexto y responde.
Es, en criollo, un clasificador multipropósito que ya viene listo.
Pensá en tu trabajo de todos los días. ¿Cuántas de las cosas que hacés son microdecisiones? A qué área derivo esto, si este reclamo es urgente o no, si esta factura está bien o hay que revisarla, si este cliente califica o no.
Muchísimo del trabajo administrativo y técnico es exactamente eso. Y ahora hay herramientas que pueden tomar esas decisiones solas, o ayudar a que un agente de IA las tome rápido.
La pregunta que me hago, y que creo que nos toca a todos, es: ¿quién va a saber dónde aplicar esto en cada empresa? Porque la herramienta no sabe qué decisiones importan en un área de siniestros. Eso lo sabe la persona que trabajó ahí durante años.
Si te quedaste pensando cuántas decisiones de tu día entran en esta categoría, esa es exactamente la conversación que tenemos en Pioneros IA: cómo tomar lo que ya sabés hacer y convertirlo en algo que valga más con inteligencia artificial. Sumate a la lista y te cuento cómo trabajamos.
OpenAI anunció que resolvió el problema de Navier-Stokes, uno de los siete "Problemas del Milenio" de la matemática, que tiene que ver con cómo se mueven los fluidos. Llevaba alrededor de 90 años sin solución.
Lo hicieron con un modelo interno, todavía no disponible al público, que según la empresa es más capaz que GPT-6 Astra. Trabajaron del orden de 10.000 agentes de IA en paralelo.
Dos aclaraciones importantes. Primero, el resultado todavía no fue verificado de forma independiente por la comunidad matemática. Segundo, hubo polémica: dos matemáticos que venían trabajando en un problema relacionado reclamaron por el crédito, y OpenAI reconoció que arrancó su esfuerzo después de escuchar rumores sobre ese trabajo.
Más allá de eso, el dato de fondo es claro: los modelos están atacando problemas que la humanidad no pudo resolver en décadas.
Google DeepMind presentó AlphaGenome Atlas, un mapa que predice el efecto de cada posible cambio de una letra en el ADN humano. Hablamos de unos 9.000 millones de variantes.
No es mi tema y no me voy a meter en detalle, pero el impacto potencial en salud y en la cura de enfermedades es enorme. Y es otra señal de lo rápido que la IA está acelerando la ciencia.
El 12 de septiembre, Dario Amodei, CEO de Anthropic, publicó un ensayo pidiendo que toda la industria coopere para bajar el ritmo de desarrollo de la IA en favor de la seguridad. Ese mismo día, Sam Altman (OpenAI), Elon Musk (SpaceXAI) y Demis Hassabis (Google DeepMind) salieron a apoyarlo.
Salió en todos los medios, con titulares del estilo "la IA puede terminar con la humanidad".
Días después llegó la otra cara: cuatro suscriptores de ChatGPT, Claude, Grok y Gemini presentaron una demanda antimonopolio contra Anthropic, OpenAI, Google y SpaceXAI. Argumentan que ponerse de acuerdo entre competidores para frenar el desarrollo es ilegal y reduce lo que reciben quienes pagan por estos servicios.
Mi lectura personal: no creo que la IA quiera matarnos a todos. Sí creo que hay muchos intereses en juego, económicos y regulatorios, y que conviene leer estas noticias con eso en mente. No sabemos todo lo que hay detrás, pero es uno de los temas del mes y hay que seguirlo.
El 8 de septiembre, Meta lanzó Muse, un agente personal de IA. No es un chat: hace cosas por vos. Puede reservar, comprar, revisar tu calendario, mandar correos o armarte un resumen del día. Antes de cualquier acción sensible, como pagar o enviar un mail, te pide confirmación.
El mercado lo recibió muy bien. Muse llegó al primer puesto de descargas en el App Store de Estados Unidos y la acción de Meta llegó a subir más de 11% en un solo día. Para una empresa que venía castigada por invertir muchísimo en IA sin mostrar resultados, no es poca cosa.
Por ahora está disponible en Estados Unidos y Canadá. Desde otros países hay que anotarse en una lista de espera.
Lo interesante es la tendencia: Google, Meta y el resto van a competir por ser tu agente personal. Es algo que, tarde o temprano, vamos a tener todos.
Esta es la noticia más práctica del mes, y si usás ChatGPT te conviene prestarle atención.
OpenAI anunció que los GPT personalizados dejan de funcionar el 11 de diciembre de 2026. La propuesta es migrarlos a plugins y skills, que combinan instrucciones, archivos de referencia y conexiones con otras apps.
Conozco gente que creó decenas, incluso cientos, de GPT personalizados. Si es tu caso:
- 1
- 2
- 3
- 4
Se veía venir: dentro de ChatGPT cada vez estaban más escondidos. Ahora ya hay fecha.
Septiembre dejó varias señales claras. Los modelos siguen mejorando y, al mismo tiempo, bajan de precio. La competencia entre Anthropic y OpenAI está pareja como nunca. Y la IA ya está resolviendo problemas científicos que llevaban décadas abiertos.
Pero si me preguntás qué cambia de verdad para tu trabajo, me quedo con dos cosas.
La primera: Jev y los modelos de decisiones. Muestran que una parte enorme del trabajo de oficina, esas microdecisiones de todos los días, se puede automatizar rápido y barato. Y quien entienda dónde aplicarlo va a tener algo muy valioso para ofrecer.
La segunda: elegir bien el modelo para cada tarea. No es el que más sabe de IA el que saca ventaja, sino el que tiene criterio para usarla.
Si te sirvió este resumen, compartilo con alguien a quien le pueda servir. Y si querés dejar de mirar la IA desde afuera y empezar a usarla para generar algo concreto, sumate a la lista de Pioneros IA.