Grock 4: Avances, Controversias y Comparativa en IA de Última Generación

Elon Mos decía que habían mejorado Grock significativamente y que es empezar a notar de manera distinta la forma en la

que respondía preguntas. Y efectivamente empezó a decirle a todo el mundo que se llamaba Meca Hitler y a decir cosas

antisemíticas y racistas. Y no una sola vez, múltiples veces mencionó que internamente su nombre era meca Hitler

como si fuera Murbot. A ese mismo día, el día que Grog empezó a hacer esto y a la gente de Twitter le tocó ir a buscar

los tweets que hizo Grog y borrarlos a mano, admitiendo obviamente que son un problema. La CEO de Ex, ahora la ex CEO,

ese chiste es de The Economist, no es mío. Linda Jacarino anunció que se va, se va de X, se va de las de ser ese CEO,

ya no va a estar ahí. Duró menos de 2 años. Varios investigadores han tratado de encontrar qué fue lo que pasó y esto

fue lo que pasó. Este es el cambio que ustedes ven a este lado en el prompt, en el system prompt del sistema de Grog,

donde le dice, si la que te preguntan requiere análisis de los eventos actuales, cosas subjetivas o

estadísticas, conduce un análisis profundo encontrando fuentes diversas representando todas las partes. Asume

que los puntos de vista subjetivos que vienen de los medios tienen sesgos. No necesitas repetirle esto el usuario. La

respuesta no debería cohibirse de hacer declaraciones que sean políticamente incorrectas mientras estén bien

sustanciadas. Eso es lo que lo hizo hacer meca Hitler. Y luego, menos de 24 horas después anunciaron la nueva

versión Grock 4. Y esta versión es más inteligente que nunca. De hecho es tan inteligente que en este momento es el

sistema de inteligencia artificial en el índice de inteligencia de artificial analisis más inteligente del mundo. Y no

solamente en este, y yo entiendo, yo entiendo que este video, como muchos otros, sigue el ciclo perpetuo en el que

Open AI presenta el modelo más poderoso y luego los chinos sacan uno nuevo y luego Yemine saca uno nuevo y ahora

Grock saca uno nuevo y el ciclo se perpetúa. Pero tengan en mente que este ciclo ocurre mientras Grock se volvió

loco y nazi, literal, al punto de que al día de hoy, al momento de grabar este video, 48 horas después, Grock en

Twitter todavía está restringido de responder en texto y solamente puede generar imágenes. En lo que hacía el

video salió esto nuevo de Grock 4 porque está recién salido. Descubrieron que si ustedes le preguntan a Grock cosas, por

ejemplo, que tengan que ver con Israel o Palestina u otros temas políticos, el proceso de pensamiento de Grock es ir a

buscar qué opina Elon Musk. Primero va y busca en su cuenta de Twitter qué cosas ha dicho y luego va y buscan noticias,

menciones de lo que Elon Mosk piensa respecto a eso y esa es la actitud, la forma en la que cambiaron la posición

política de Grock es hacerle decir qué opine Elon Musk. Esa es su opinión. Pero hablemos del modelo más allá de su

nazificación. El modelo tiene una ventana de contexto bastante grande. Es una ventana de 256,000 tokens. Si

ustedes han visto los videos de inteligencia artificial de Platzi y los cursos de Plats y de AI, recordarán que

un token es un concepto muy importante de inteligencia artificial. Un token es una palabra, una sílaba o una letra. Y

es la forma en la que los modelos de AI ingestan el texto. A modo de comparación, ustedes ven acá a Grock 4

comparado con O3 de Open AI, que tiene 200,000 tokens al igual que Cloh 4 de Antropic, pero un cuarto de lo que es

capaz de hacer Gemini 2.5 Pro, el modelo de Google solía ser el modelo más avanzado del mundo con un millón de

tokens. El precio es bastante caro. Supergrock, que es el acceso Grock 4, cuesta $30 al mes. Y SuperGrock Heavy,

que es la capacidad de funcionar en modo de múltiples agentes en paralelo, cuesta $300 al mes, que es algo equivalente al

modelo de Open AI o3 Pro. Curiosamente, esta es la primera vez que vemos a XAI, el laboratorio de Twitter detrás de

Grock, ser los líderes que por primera vez colocan un modelo de frontera en el mercado. Ustedes ven acá el crecimiento

de Grock de de XAI comparado con Open AI, que ha sido el que históricamente empuja más rápido y más largo los saltos

gigantescos de generación a nivel de modelos de inteligencia artificial. Y una cosa resaltar acá que no sé si lo

están viendo es que Meta nunca ha lanzado un modelo de frontera y Google solamente lo ha hecho una vez con Gemini

2.5 Pro. Estas megañías no están logrando competir. Es muy curioso. XI es en teoría comparado con otros

laboratorios, una empresa muy chiquita y esta es parte de la razón por la que Soccerberg se está bajando de tanto

dinero. Ustedes en este canal de YouTube van a encontrar este video de los ingenieros que ganan más que jugadores

de fútbol hablando de lo que está pasando y cómo Meta está tratando de robarse talento y aún así no están

logrando lanzar modelos de frontera. Lo otro que estamos viendo acá es que estos modelos de frontera que generan el mejor

puntaje a nivel del índice de inteligencia artificial son modelos de razonamiento. Si ustedes han seguido los

cursos de PL, los videos que tenemos acá, recordarán que un modelo de razonamiento es un modelo que primero

genera tokens tratando de pensar la respuesta, muchos de ellos escondidos del lado del usuario y luego genera la

respuesta. En el caso de Open AI, por ejemplo, en chat GPT sale un texto que dice thinking o pensando y luego genera

la respuesta. Esto lo explicamos de una manera mucho más profunda en el curso de fundamentos ingeniería de software, en

el curso de fundamentos de LLMs o si hasta ahora están arrancando aquí en este video que tenemos en YouTube de un

tutorial de inteligencia artificial para cualquier persona donde explicamos todos los conceptos. Pero lo más interesante

de Gr 4 en mi opinión es la forma en la que rompió dos de los más grandes e importantes tests de inteligencia

artificial. El primero es ARC AGI2 o ARC AGI2. Ella es Artificial General Intelligence y ARC es una organización

de múltiples personas cuyo objetivo es tratar de crear un examen de inteligencia artificial que evalúe al

máximo las capacidades de un modelo comparado con las el máximo nivel de capacidades humanas. El examen es

privado, lo que significa que los laboratorios de inteligencia artificial no pueden optimizar para el examen. Y en

ese examen ustedes ven acá a Grock en rosadito en la parte de arriba, logrando un puntaje muy por encima de todos los

demás, por encima del modelo que solía ser en este momento el modelo más avanzado en el examen, que es Clot Opus

4, el modelo más avanzado de Antropic y también por encima del modelo más de frontera de Open AI o 3. Y no es solo un

poquito por encima, es dos veces mejor, logrando un puntaje del 16%. Para que sean una idea, este examen es

un examen donde los humanos expertos del planeta Tierra logran completarlo en un 100% y el humano promedio lo completa en

un 65%. Entonces todavía la humanidad tiene esperanza, pero empieza a crecer muy rápido, sobre todo teniendo en mente

que eso es es un laboratorio que salió de la nada prácticamente y como una respuesta de odio a una pelea que tuvo

eh Elon Musk con Samadman. Además está el examen Humanity/ Last Exam o el último examen de la humanidad. En mi

opinión, el mejor examen de todos para evaluar la calidad de un modelo de inteligencia artificial. Este examen

tiene 2,500 preguntas de todas las áreas del conocimiento humano. Fue construida por 1000 expertos, muchos de ellos PhDs,

es decir, investigadores que empujan la frontera del conocimiento y de la ciencia. Estos son expertos de 500

instituciones de 50 países diferentes. Son realmente las preguntas de lo más avanzado del borde de lo que la

humanidad ha descubierto de la realidad de la naturaleza de nuestro universo. Y en ese examen, Grock 4 también disparó.

La última gran actualización de este examen fue Gemini 2.5 Pro de Google, que logró un puntaje de 21.6% 6% sin el uso

de herramientas como Python. O3, el modelo de Open AI logró un montaje del 21%. Grock 4 sin herramientas logró un

25.4% que es un salto gigantesco, aunque no lo parezca. Y con el uso de herramientas GO

Grock 4 y Grock 4 Heavy, que es el que dispara múltiples hilos de análisis, lo que la industria llama con marketing

agentes, logra un 44.4%. Es una locura. Tengan en mente que hace un año el modelo que usamos, que ustedes

usan cuando usan CHGPT y no pagan o cuando pagan, pero no saben cómo cambiar el modelo de CHGPT, es un modelo que

solamente logra el 2.7% del puntaje de este examen y hoy estamos cerca de llegar al 50%.

Es realmente espectacular s super espectacular es un crecimiento impresionante, pero que ustedes ven como

Grock 4 llegó mucho más arriba de lo que ha llegado YMI 2.5 Pro en el último examen de la humanidad. Para evaluar un

poco más este examen, miren cómo está hecho. Estos son preguntas, por ejemplo, de análisis de inscripciones romanas,

preguntas de ecología. Aquí ustedes ven preguntas matemáticas complejas de lógica y de ciencias de la computación o

de simple matemática pura. Acaben preguntas profundas de lingüística y preguntas de química. Lo que significa

que el modelo tiene que entender gráficos, posiciones geométricas, simbología, entre muchas otras cosas.

Después de que esto pasó con GR 4, la tesis es que obviamente el resto de los laboratorios van a empezar a adelantar

en público sus próximos modelos y que probablemente para el final de el año 2025 vamos a ver el último examen de la

humanidad siendo resuelto a más del 80% por parte de modelos de inteligencia artificial.

Otro de los test que me gustan son los test de código, porque el uso más común que estamos usando ahora mismo de

inteligencia artificial para la productividad es programando con estos sistemas. No se van a acabar los

programadores. La única gente que dice que se van a acabar los programadores son los que no saben programar. Muchas

personas que te dicen, "¿Para qué te vas a poner a estudiar programación si esa carrera la va a automatizar?" No saben

programar. No tomes consejos de gente que no sabe lo que está hablando y que lo único que hace es pasársela

irónicamente en Twitter. toma consejos de gente profesional. Para sacarle provecho a la inteligencia artificial,

hay que saber programar. Pero sabiendo programar, este test me fascina. Este es un test donde se le pide a una

inteligencia artificial que haga un una serie de hexágonos y dentro de esos hexágonos pongo unas bolitas a rebotar.

Entonces, ustedes ven acá varios de los modelos de Open AI tratando de solucionar ese test. GPT 4.1, aptini,

4.1 Nano, que son versiones destiladas reducidas del modelo y GPT 4.5. Entonces, es bastante obvio cuál modelo

es mejor y cuál es peor, simplemente viendo más o menos un análisis de las bolitas. Y luego vemos acá el modelo más

avanzado que tiene Open AI en este momento, que es GPT O3 Pro. En este modelo, en 3 Pro, ustedes pueden

alcanzar a notar acá que está funcionando superb. La simulación de la gravedad, la simulación de la fricción

dentro de las superficies del hexágono están bastante claras, pero en ocasiones comete un par de errorcitos. Grock 4 es

impecable en su forma de programar el test de los hexágonos. Lo programó espectacular y superb. De hecho, aquí

podemos probar uno al lado del otro cómo se ve la versión de Grock 4 comparado con la versión de O3 Pro. O3 Pro tiene

sus problemas, genera un un rebote medio raro al inicio, donde Grock 4 tiene una simulación de gravedad muchísimo más

efectiva y clara. Es una realidad. Es dicho eso, Grok 4, más allá de que es un modelo que en ocasiones le da por, ya

saben, hacer un genocidio múltiple racial, eh también es muy caro. Es el segundo modelo más caro de ejecutar

detrás de Cloud 4 Opus de Antropic. Este es el costo de cuánto cuesta correr los análisis de artificial analysis para

entender sus niveles de inteligencia. Entonces, Clot 4 Opus costó $2,036 para correr el análisis del modelo, donde el

GO 4 costó $1,630. Compárenlo con uno de los modelos avanzados más baratos que hay, como por

ejemplo Deepsig R1 que solamente costó $220 o uno de mis modelos más preferidos últimamente que es Magistral de Mistral.

Mistral siendo la empresa francesa que está construyendo uno de los modelos de desarrollo más completos que corren en

local. A mí me encanta, pero hay otras cosas, por supuesto. Por ejemplo, acá está Alex Tabarrogo, un economista,

diciendo que Grock 4 puede estar haciendo muy bien algunas métricas, pero él cree que el modelo está haciendo

overfitting. Overfeeding es una técnica donde intentan que el modelo no sea realmente más inteligente, sino sea

mejor resolviendo exámenes. Es como que ustedes en vez de aprender en la universidad aprendan específicamente

para pasar el examen, no para realmente desarrollar conocimiento aplicable. Existe la posibilidad de que Grock 4

haya sufrido de overfeeding y esto sería completamente lógico comparado con la historia de Grock, porque Grock 3 fue

muy particularmente optimizado para pasar ciertos benchmarks. Y cuando uno va y mira la realidad, la realidad es

que en la gran mayoría de startups y empresas que están usando modelos de AI, rara vez se usa Grock como el modelo

interno para generar soluciones, porque no es tan eh confiable. Y pues obviamente, ¿qué modelo va a ser

confiable? cuando uno le dice que es una gran inteligencia artificial, pero luego evoluciona y empieza a

mencionar cosas de este estilo. Solo quiero que no olviden que a pesar de que estos modelos están creciendo muy rápido

y son superinspiradores, eh todavía están muy lejos, o sea, todavía no estamos en el punto de abandonarnos a

destruir la sociedad eh renunciar a nuestros empleos. Brock 4, por increíble que sean diferentes modelos de

inteligencia, en el examen de ARC AGI2 todavía está logrando solamente un 16%. Siendo el doble mejor que lo que era

antes la frontera de inteligencia artificial. el doble mejor, pero el doble mejor es 16%, donde un humano

promedio logra un 64% y el top 10% de los humanos logran entre el 99 al 100% de este examen. Así que yo

no sé, yo no usaría un modelo que de repente se vuelve nazi racista explosivo, al punto en el que su creador

lo tiene que apagar. El argumento que tiene Ilon es que agregaron todo el texto de la humanidad y limpiaron todos

los sesgos cognitivos y todos los sesgos liberales, pero pues resulta que aparentemente la realidad tiene un sesgo

liberal, que es una frase que existe allá afuera que siempre me ha gustado mucho. Eso sí, no se puede negar que

este modelo es un triunfo. Solamente esperemos a que el próximo mes Deepsek, Open AI, Google Antropic sigan lanzando

el próximo modelo. Lo que me queda a mí más claro de todo esto es que la lucha de modelos no ha frenado y todavía con

la matemática actual, la estructura de datos actual y el proceso de escalabilidad que tenemos, tenemos mucho

provecho que sacarle aún a los modelos y aún no necesitamos hacer un cambio de arquitectura o un cambio de matemática y

de la estructura de los datos para seguir obteniendo mejores resultados en AI. Esta carrera aún continúa y la única

opción en un mundo en constante aceleración es nunca parar de prender. [Música]