{"id":60759,"date":"2025-04-12T21:37:05","date_gmt":"2025-04-12T21:37:05","guid":{"rendered":"https:\/\/enfoquenoticioso.com\/?p=60759"},"modified":"2025-04-12T21:37:05","modified_gmt":"2025-04-12T21:37:05","slug":"no-sabemos-que-miden-los-benchmarks-de-ia-asi-que-hemos-hablado-con-el-espanol-que-ha-creado-uno-de-los-mas-dificiles","status":"publish","type":"post","link":"https:\/\/enfoquenoticioso.com\/?p=60759","title":{"rendered":"No sabemos qu\u00e9 miden los benchmarks de IA. As\u00ed que hemos hablado con el espa\u00f1ol que ha creado uno de los m\u00e1s dif\u00edciles"},"content":{"rendered":"
\n

Gemini 2.5 Pro es el mejor modelo de IA de la historia. El m\u00e1s inteligente. Al menos, ahora mismo. No lo digo yo, lo dice la clasificaci\u00f3n de Chatbot Arena<\/a>, una plataforma en la que se ejecutan diversas pruebas o benchmarks<\/strong> para tratar de medir la capacidad global de los modernos modelos de IA.<\/p>\n

<\/p>\n

Seg\u00fan esas pruebas, en estos momentos Gemini 2.5 Pro Experimental, lanzado<\/a> el pasado 25 de marzo, tiene una puntuaci\u00f3n de 1.440 puntos, bastante por encima de GPT-4o (1.406), Grok 3<\/a> (1.404), GPT-4.5<\/a> (1.398) y desde luego que un DeepSeek R1 que a pesar de su fama est\u00e1 en s\u00e9ptimo lugar con una puntuaci\u00f3n de 1.359 puntos.<\/p>\n

<\/p>\n

\n
\n
\n \"Captura
\n \"Captura<\/p>\n

En ranking actual de Chatbot Arena coloca a Gemini Pro 2.5 Experimental como el modelo de IA m\u00e1s capaz en estos momentos. Eso (probablemente) no dure mucho.<\/span>\n <\/div>\n<\/p><\/div>\n<\/div>\n

La propia Google presum\u00eda de la capacidad de Gemini 2.5 Pro Experimental en el anuncio oficial. Como suele ocurrir en estos anuncios, las empresas muestran una tabla en las que comparan su rendimiento con el de otros modelos equiparables en distintas pruebas.<\/p>\n

<\/p>\n

En casi todas ellas Google aplastaba a sus rivales en pruebas muy conocidas en este segmento. Est\u00e1 por ejemplo el Humanity’s Last Exam<\/a> (conocimientos generales y razonamiento), GPQA diamond<\/a> (ciencia), AIME 2025<\/a> (matem\u00e1ticas), LiveCodeBench v5<\/a> y SWE-bench verified<\/a> (programaci\u00f3n) o MMMU<\/a> (razonamiento visual).<\/p>\n

<\/p>\n

\n
\n
\n
\n
\n \"Antes
\n <\/a>\n <\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

Todos esos benchmarks tratan de medir la capacidad de estos modelos en \u00e1mbitos m\u00e1s o menos espec\u00edficos, y todos ayudan a demostrar que los modelos, efectivamente, van mejorando. Y sin embargo ninguno de ellos responde a la pregunta fundamental:<\/p>\n

<\/p>\n

\u00bfEs la IA tan inteligente<\/strong> como el ser humano?<\/p>\n

Ah\u00ed est\u00e1 lo realmente complicado, porque la definici\u00f3n de inteligencia tampoco es del todo clara. Hay distintos tipos de inteligencia, de hecho, y medirlas en humanos tampoco es sencillo o siquiera posible. Y comparar la capacidad de una IA con la capacidad de una inteligencia humana tampoco suele ser nada f\u00e1cil.<\/p>\n

<\/p>\n

\n
\n

Algunos expertos se preguntan si los laboratorios de IA no estar\u00e1n haciendo trampas con los benchmarks<\/p>\n<\/p><\/div>\n<\/div>\n

Hay de hecho quien argumenta que el progreso de los modelos de IA es enga\u00f1oso. Lo hac\u00eda recientemente<\/a> Dean Valentine, de la startup ZeroPath. \u00c9l y su equipo crearon un sistema de IA que analiza grandes proyectos de c\u00f3digo en busca de problemas de seguridad. Con Claude 3.5 Sonnet<\/a> notaron un gran salto, pero a partir de ah\u00ed las posteriores versiones les han parecido mucho menos llamativas.<\/p>\n

<\/p>\n

De hecho, este experto apuntaba a que hoy en d\u00eda muchas de las empresas que lanzan estos modelos se centran demasiado en salir bien en la foto de los benchmarks existentes y m\u00e1s populares y en \u00absonar inteligentes\u00bb en las conversaciones con los seres humanos. Se pregunta si los laboratorios de IA est\u00e1n haciendo trampas y mintiendo<\/strong>: para \u00e9l la evoluci\u00f3n que muestran los benchmarks no se corresponde con los beneficios reales al usarlos.<\/p>\n

<\/p>\n

\n
\n

Tabla de Contenido<\/p>\nToggle<\/span><\/path><\/svg><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n