Musk sitúa la apuesta por la AGI de xAI en Grok 5, pero sin pruebas públicas

La hoja de ruta que Elon Musk expuso el 14 de septiembre para xAI fue ambiciosa, pero no equivale a una demostración de inteligencia artificial general (AGI). Dijo que Grok 4.8, un modelo de 2,5 billones de parámetros, concluiría su preentrenamiento durante esa semana y pasaría después al aprendizaje por refuerzo (reinforcement learning o RL). Ante una pregunta sobre qué modelo estaría cerca de la AGI, apuntó a Grok 5. Sin embargo, no presentó resultados públicos de evaluación, una ficha técnica del modelo, una definición operativa de AGI ni una fecha de entrega. Por ahora, es una previsión de su fundador, no un resultado verificado. 124

La escalera de modelos que dibujó Musk

Musk describió Grok 4.8 como un modelo entrenado con la nueva pila de software en C++ de xAI. Tras completar el preentrenamiento, la siguiente etapa prevista era RL, una fase de ajuste que busca orientar el comportamiento y la calidad de las respuestas del modelo. 12

También trazó una jerarquía de capacidades para las versiones posteriores a Grok 4.7:

• Grok 4.8: una mejora «notable» frente a 4.7.
• Grok 4.9: probablemente de la categoría de Astra o Fable.
• Grok 5: «quizá mejor que cualquier otra cosa»; al preguntársele por la AGI, remitió a Grok 5 y no a 4.8. 214

La formulación es relevante: «quizá mejor que cualquier otra cosa» no es una afirmación medible de rendimiento. Tampoco se explicó qué capacidades, grado de fiabilidad, nivel de autonomía, estándar de seguridad o conjunto de pruebas debería superar un sistema para considerarse AGI. Algunas informaciones presentaron a Grok 5 como el posible salto de xAI hacia la AGI, pero la hoja de ruta no incluyó detalles comprobables que sostengan esa conclusión. 210

Grok 4.7: una comparación más contenida

Musk fue bastante más prudente con Grok 4.7, todavía sin lanzamiento público el 14 de septiembre. Señaló que debería estar «más o menos a la par con Opus 5.0, no con 5.1», con ventajas en unas áreas y desventajas en otras. Añadió que xAI aún tenía que corregir el rendimiento multimodal, es decir, su capacidad para trabajar de forma sólida con formatos como imagen, texto y otros tipos de entrada. 38

Es una afirmación más limitada que proclamarse líder absoluto. Además, hace que las previsiones sobre 4.8, 4.9 y 5 sean necesariamente provisionales: se discutían antes de que desarrolladores y clientes pudieran evaluar de manera independiente la versión 4.7.

Por qué importa el retraso de Grok 4.7

El 2 de septiembre, Musk había dicho que Grok 4.7 estaría listo en unos diez días, lo que situaba la fecha estimada cerca del 12 de septiembre. El 11 de septiembre, en cambio, afirmó que necesitaba «unos días más». 720

Según su explicación, el problema podía estar en el ajuste mediante RL: xAI quizá había penalizado demasiado las respuestas largas. Eso habría llevado al modelo a abandonar antes de tiempo tareas difíciles que, en teoría, era capaz de resolver, y a revisar su propio trabajo con una rigurosidad insuficiente. Musk lo planteó como una posible causa, no como un diagnóstico técnico definitivo. 2021

No es solo una cuestión de calendario. El caso ilustra la diferencia entre terminar el preentrenamiento de un gran modelo y poner en el mercado un producto fiable. El comportamiento tras el entrenamiento, las evaluaciones, la calidad multimodal, la seguridad, la fiabilidad, la preparación para el despliegue y el precio pueden modificar cuándo —o incluso si— llega un modelo al público.

Qué estaba disponible públicamente

A 14 de septiembre, Grok 4.7 no se había lanzado. La versión insignia documentada más reciente de xAI era Grok 4.6, publicada el 12 de agosto, con un precio de API listado de 2 dólares por millón de tokens de entrada y 6 dólares por millón de tokens de salida. 311

En paralelo, se informó del lanzamiento o anuncio en septiembre de Claude Fable 5.1, Gemini 3.8 Flash y GPT-6 Astra. 3445 Ese contexto competitivo eleva la presión sobre el calendario de xAI, pero no valida las comparaciones de rendimiento de modelos Grok que todavía no están disponibles.

La conclusión práctica: una promesa que aún debe verificarse

La escala anunciada de 2,5 billones de parámetros y la nueva infraestructura de entrenamiento apuntan a una inversión técnica considerable. Pero ni el número de parámetros ni la capacidad de cómputo prueban por sí solos la capacidad, la fiabilidad o la AGI. El retraso de Grok 4.7 recuerda que el ajuste posterior al entrenamiento puede ser determinante incluso cuando el entrenamiento de base ya ha terminado. 120

Para desarrolladores, clientes e inversores, las señales que realmente permitirían evaluar la promesa son más concretas:

1. Un lanzamiento oficial, con acceso real al modelo o al producto.
2. Precios, documentación y ficha técnica del modelo publicados.
3. Resultados reproducibles en benchmarks, incluidos pruebas multimodales y tareas de largo alcance cuando correspondan.
4. Una definición clara de AGI y un estándar de evaluación antes de tratar esa etiqueta como algo más que una aspiración.

Hasta que aparezcan esos elementos, las declaraciones de Musk del 14 de septiembre establecen la dirección que xAI dice perseguir: Grok 4.8 tras el preentrenamiento y el RL, un Grok 4.9 más capaz y un Grok 5 con una ambición excepcional. No demuestran que alguno de esos modelos haya alcanzado el nivel de capacidad prometido. 24