Image by Aerps.com, from Unsplash
Los Modelos de Lenguaje Duplican su Poder Cada 7 Meses
Tiempo de lectura: 2 min.
Actualizado por última vez: Jul 11, 2025
-
![Kiara Fabbri]()
-
![El equipo de localización y traducción]()
Traducido por El equipo de localización y traducción Servicios de localización y traducción
Los Modelos de Lenguaje a Gran Escala (MLGS) se están volviendo más inteligentes rápidamente, y los expertos predicen que podrían hacer en horas lo que a los humanos les lleva todo un mes para el 2030.
¿Con prisa? Aquí están los datos rápidos:
- Para 2030, los LLMs podrían completar un mes de trabajo en solo unas horas.
- METR creó un nuevo referente llamado “horizonte de tiempo de finalización de tarea”.
- Los investigadores advierten que el progreso puede superar nuestra capacidad para controlarlo.
Un estudio realizado por Model Evaluation & Threat Research (METR), un grupo con sede en Berkeley, California, descubrió que las capacidades de LLM se están duplicando cada siete meses.
El grupo desarrolló una forma de medir este progreso con un concepto llamado “horizonte de tiempo de finalización de tareas”, que estima cuánto tiempo le tomaría a un humano hacer algo que ahora un IA puede manejar con un 50% de fiabilidad.
Los investigadores argumentaron que para el 2030, estiman que los modelos más avanzados podrían completar, con un 50 por ciento de fiabilidad, tareas basadas en software que actualmente toman a los humanos un mes entero para finalizar.
Ese nivel de habilidad podría tener enormes ventajas y serios riesgos. La disponibilidad de LLM con esa capacidad “vendría con enormes desafíos, tanto en términos de beneficios potenciales como de riesgos potenciales”, dijo el investigador de IA Zach Stein-Perlman, según informó Spectrum.
Sin embargo, los investigadores señalan que los LLM aún luchan con tareas “desordenadas”, como trabajos que son abiertos, mal definidos o similares a los desafíos del mundo real.
“Incluso si fuera el caso de que tuviéramos IA muy, muy inteligentes, este ritmo de progreso aún podría acabar limitado por cosas como el hardware y la robótica”, dijo la investigadora de METR, Megan Kinniment, según lo informado por Spectrum.
También advirtió sobre los riesgos de una aceleración rápida: “Podrías obtener una aceleración que es bastante intensa y hace que las cosas sean significativamente más difíciles de controlar”.
Artículo anterior
Artículos más recientes 
