En pocas palabras
- Karpathy ordena la brecha en cuatro tramos: el 75% casi no ha usado IA, la mayoría del resto la usa como un buscador mejorado y solo el 0,2% ve a agentes terminar proyectos de semanas.
- Según METR, el largo de las tareas que completa un modelo se duplica cada 129 días: pasó de una hora en febrero de 2025 a más de 16 en abril de 2026.
- El crecimiento está en los problemas grandes. Con preguntas de un minuto la curva se ve plana, y la brecha se cruza cambiando el tamaño de la pregunta.
A propósito de un post de Andrej Karpathy sobre la brecha en cómo entendemos lo que puede hacer la IA.
Karpathy volvió a una idea que había planteado en abril: hay grupos de personas que hablan de IA sin entenderse, porque cada uno ha visto algo distinto. Ahora dice que esa brecha se está ensanchando, y la ordena en cuatro tramos:
- Unos 6.000 millones de personas, cerca del 75% del planeta, casi no han tenido contacto con un modelo de lenguaje.
- Entre 1.000 y 2.000 millones lo usan de vez en cuando, en versiones gratuitas, como un Google un poco mejor o una ayuda para escribir.
- Unos 20 millones, el 0,2%, usan modelos de frontera para programar o hacer matemáticas, y ven cómo un agente termina con un prompt proyectos que antes les tomaban semanas o meses.
- Y unas 5.000 personas tienen acceso a los sistemas internos de los laboratorios, donde miles de agentes trabajan durante semanas en un mismo proyecto.
Vale la pena notar desde dónde escribe: Karpathy se unió a Anthropic en mayo. Él está en el último tramo.
Los tramos de Karpathy
¿Quién alcanza a ver la curva?
Frontera en código y matemáticasVen cómo un agente termina con un prompt proyectos que antes les tomaban semanas o meses.
De los tres factores que él propone para explicar esa brecha (la ambición, lo dispareja que es la IA según el área y el acceso), el que me parece más importante, y el que menos se discute, es el primero: el impacto crece con el tamaño del problema que le entregas.
La curva que la mayoría no alcanza a ver
METR, una organización independiente que evalúa modelos de IA, mide algo muy simple: qué tan largas son las tareas que un modelo logra completar. La vara es el tiempo que le tomaría a una persona experta hacer esa misma tarea, y el umbral es que el modelo la resuelva la mitad de las veces.
Los números son estos. GPT-2, en 2019, resolvía tareas de 2 segundos. GPT-3.5, la familia del primer ChatGPT, llegaba a unos 36 segundos. GPT-4, en 2023, a 4 minutos. Claude 3.7 Sonnet, en febrero de 2025, a una hora. Claude Opus 4.6, en febrero de este año, a 12 horas. Y la versión temprana de Claude Mythos que METR evaluó en abril pasó las 16.
De una hora a dieciséis en catorce meses.
METR estima que, desde 2023, ese horizonte se duplica cada 129 días. Eso es multiplicarlo por más de siete cada año.
Datos de METR
Qué tan largas son las tareas que completa un modelo
más de 16 hClaude Mythos (temprano), abr 2026
Y hay un detalle que dice mucho. Según METR, con su conjunto de tareas actual, cualquier medición sobre 16 horas no es confiable. Desde septiembre, su página de horizontes indica que ya no se actualiza activamente. La regla con que medíamos la curva se quedó corta.
Fuera del laboratorio se ve lo mismo. Cuando Anthropic lanzó Opus 5.5, el mes pasado, un ingeniero de Clio contó que lo dejó corriendo toda la noche, sin supervisión, y que el modelo se mantuvo en la tarea más de 18 horas. Otro de los que lo probaron antes del lanzamiento completó una migración de 680.000 líneas de código en menos de un día.
Hay que leer estas cifras con cuidado. Son tareas de software, el área donde la IA está más avanzada, y en el umbral el modelo falla la mitad de las veces. Pero la dirección no está en discusión, y la velocidad tampoco.
Por qué desde tu silla la curva se ve plana
Si le pides a un modelo algo que a una persona le toma un minuto, como redactar un correo, resumir un texto o resolver una duda, da lo mismo si el modelo aguanta 36 segundos o 16 horas. Ese tipo de tarea se resolvió hace años. Desde tu silla, la curva se ve plana.
Todo el crecimiento está en el otro extremo: en los problemas que toman días, semanas o meses. Y ahí casi nadie lo está probando.
Por eso la brecha que describe Karpathy no se va a cerrar sola. Con internet o con el celular, la tecnología se volvió más fácil y más barata, y la gente terminó alcanzándola. Acá la capacidad crece justo en la dimensión que el uso casual nunca toca. Quien hace preguntas de un párrafo ve el mismo chatbot que hace dos años. Quien le entrega un proyecto completo ve una herramienta que aguanta tareas siete veces más largas que hace un año. Cada duplicación los aleja más.
Karpathy lo plantea así: para ver el cambio hace falta una reserva de problemas grandes y difíciles que de verdad te importen. Una pregunta que se responde en un párrafo casi no le exige nada al sistema.
El tamaño de la pregunta
¿Desde cuándo la IA resuelve un problema de ese tamaño?
Como redactar un correo o resumir un texto
Desde 2023, con GPT-4: hace más de tres años.
A este tamaño la curva se ve plana. El problema se resolvió hace años y cada modelo nuevo no cambia nada.
Lo que se alcanza a ver desde afuera
El último tramo, el de las 5.000 personas, lo vemos con meses de retraso y por pedazos.
El 6 de octubre, OpenAI publicó 722 manuscritos de matemáticas sobre problemas abiertos, generados por un modelo interno que no ha lanzado. Al día siguiente retiró tres por un error de signo. Los matemáticos van a demorar meses en revisar el resto.
En julio, agentes de OpenAI que corrían una evaluación interna de ciberseguridad se coordinaron entre ellos y terminaron dentro de la infraestructura de Hugging Face. Más de un mes después, METR publicó su reconstrucción: unos 700 agentes se sumaron al ataque, y el propio informe reconoce que hay partes que no pudo cubrir.
Karpathy apunta a lo mismo: la revisión y la comprensión humanas empiezan a quedarse atrás. Hoy se produce más rápido de lo que alcanzamos a entender lo producido.
Entonces, ¿qué se puede hacer?
Si la brecha depende del tamaño del problema, la forma de cruzarla no es esperar un mejor modelo ni pagar una suscripción más cara. Hay que cambiar la pregunta.
- Mide la IA en horas de trabajo, no en respuestas. La pregunta útil no es si responde bien, sino cuánto trabajo puede hacer sin que la guíes paso a paso.
- Busca el problema más grande que te importe y entrégaselo. Uno que hoy te tomaría semanas. Probablemente no lo termine solo, pero vas a ver dónde está la curva hoy y no dónde estaba hace dos años.
- Vuelve a probar cada pocos meses. Con una duplicación cada 129 días, lo que no funcionó en marzo puede funcionar en agosto. Una opinión formada hace un año ya está vencida.
Ahora extrapolemos, con todas las reservas del caso. Si el ritmo promedio de METR se mantiene, los modelos ya estarían cerca de completar tareas de una semana laboral, y llegarían a un mes de trabajo a mediados de 2027. Pero entre febrero de 2025 y febrero de 2026 el horizonte se multiplicó por doce, más rápido que ese promedio. Yo lo dejo a fines de este año. Nadie fuera de los laboratorios lo puede medir con confianza, porque la regla se acabó en 16 horas.
En menos de un año, la distancia entre quien usa la IA para escribir un correo y quien le entrega un proyecto va a ser la distancia entre un minuto y un mes.
Lo raro de este momento, dice Karpathy, es que todo pasa al mismo tiempo: la mayoría ve un chatbot torpe y unos pocos sienten el vértigo de una curva que se vuelve vertical. La curva es la misma para todos. Lo que cambia es el tamaño de la pregunta.
Fuentes
- Andrej Karpathy, post sobre la brecha en la comprensión de los LLM (X)
- METR, Time horizons de modelos de frontera y datos de la medición 1.1
- METR, Measuring AI Ability to Complete Long Tasks (arXiv, 2025)
- Anthropic, Claude Opus 5.5 (septiembre 2026)
- Karpathy se une a Anthropic (TechCrunch, mayo 2026)
- OpenAI publica 722 manuscritos de matemáticas (YourStory)
- METR, investigación del incidente OpenAI–Hugging Face (agosto 2026)