La evolución de la inteligencia artificial
De una pregunta de Alan Turing en 1950 a programas que hoy escriben código y trabajan solos durante horas. Aquí van el origen, los laboratorios, los modelos, lo que podían hacer en cada época, lo que hacen hoy y lo que se espera que hagan.
Último modelo: 🇺🇸 Claude Haiku 5.5 (Anthropic, 7-oct-2026) · aún sin medir · ver los últimos →
1. El origen
1943 – 1969La idea de que una máquina pueda pensar, y las primeras neuronas artificiales.
- 1943
La primera neurona artificial
Warren McCulloch y Walter Pitts describen una neurona como un circuito lógico. Es la semilla de las redes neuronales de hoy.
- 1950
Alan Turing pregunta "¿pueden pensar las máquinas?"
Propone el juego de imitación, conocido después como prueba de Turing: si en una conversación no distingues a la máquina de una persona, la máquina "piensa".
- 1956
Nace el nombre: conferencia de Dartmouth
John McCarthy, Marvin Minsky, Claude Shannon y Nathaniel Rochester acuñan "inteligencia artificial". Creían que un verano bastaría para avances grandes.
- 1958
El perceptrón
Frank Rosenblatt construye una máquina que aprende a separar figuras simples a partir de ejemplos.
Podía: distinguir formas muy simples - 1966
ELIZA, el primer "chatbot"
Joseph Weizenbaum (MIT) crea un programa que imita a un terapeuta devolviendo frases con reglas. La gente se encariñaba con él aunque no entendía nada.
Podía: repetir patrones de texto
2. Inviernos y sistemas expertos
1970 – 2005Promesas que no se cumplen, se corta la plata, y la IA sobrevive con reglas escritas a mano.
- 1973
Primer invierno de la IA
El informe Lighthill, en el Reino Unido, concluye que la IA no cumplió. Se recortan fondos en Europa y EE.UU.
- 1980s
Sistemas expertos
Programas con miles de reglas "si pasa esto, haz esto", escritas por especialistas. XCON configuraba computadores en Digital Equipment. Eran caros de mantener y se rompían ante lo nuevo: a fines de los 80 llega el segundo invierno.
Podía: decidir en un dominio cerrado, con reglas fijas - 1986
Retropropagación
David Rumelhart, Geoffrey Hinton y Ronald Williams popularizan la forma de entrenar redes neuronales con varias capas. Es la base matemática de todo lo que vino después.
- 1997
Deep Blue vence a Kasparov
La computadora de IBM gana al campeón mundial de ajedrez. Ganaba por fuerza bruta (millones de jugadas por segundo), no aprendiendo.
Podía: ganar al ajedrez, y nada más - 1998
LeNet lee cheques
Yann LeCun usa redes neuronales para leer dígitos escritos a mano; los bancos de EE.UU. lo usan para procesar cheques.
3. Aprendizaje profundo
2006 – 2016Tres cosas se juntan: muchos datos (internet), chips gráficos baratos (GPU) y redes más profundas.
- 2009
ImageNet
Fei-Fei Li publica una base de millones de fotos etiquetadas. Se vuelve la competencia que mide quién "ve" mejor.
- 2010
Se funda DeepMind
En Londres, por Demis Hassabis, Shane Legg y Mustafa Suleyman. Google la compra en 2014.
- 2012
AlexNet: el big bang del aprendizaje profundo
Alex Krizhevsky, Ilya Sutskever y Geoffrey Hinton ganan ImageNet por paliza entrenando en tarjetas gráficas de NVIDIA. Desde ahí, NVIDIA pasa a ser la fábrica de picos y palas de la IA.
Podía: reconocer objetos en fotos - 2014
Redes que inventan imágenes (GAN)
Ian Goodfellow pone dos redes a competir: una crea, la otra critica. Primeras caras falsas creíbles.
- 2015
Se funda OpenAI
Como laboratorio sin fines de lucro, con Sam Altman, Elon Musk, Ilya Sutskever y Greg Brockman, entre otros.
- 2016
AlphaGo vence a Lee Sedol
DeepMind gana en Go, un juego con más posiciones que átomos en el universo. Esta vez la máquina aprendió jugando, y una de sus jugadas (la 37) sorprendió a los expertos.
Podía: descubrir estrategias que nadie le enseñó
4. Transformers y los modelos de lenguaje
2017 – 2021Un invento de Google hace posible entrenar con todo el texto de internet. Más datos y más cómputo dan modelos cada vez más capaces.
- 2017
"Attention Is All You Need": el Transformer
Ocho investigadores de Google presentan una arquitectura que lee todo el texto a la vez y decide a qué ponerle atención. Es la "T" de GPT y la base de todos los modelos actuales.
- 2018
GPT-1 (OpenAI) y BERT (Google)
Modelos que primero leen mucho texto general y después se ajustan a una tarea.
- 2019
GPT-2
Escribe párrafos coherentes. OpenAI demora su publicación completa por miedo a que se use para desinformar.
Podía: escribir texto que parece humano - 2020
GPT-3 y AlphaFold 2
GPT-3 (175 mil millones de parámetros) hace tareas nuevas con solo mostrarle un par de ejemplos. AlphaFold 2, de DeepMind, predice la forma de las proteínas, un problema de 50 años de la biología.
Podía: traducir, resumir y programar un poco, sin entrenarlo para eso - 2021
Se funda Anthropic; nace GitHub Copilot
Dario y Daniela Amodei, junto a otros ex OpenAI, fundan Anthropic con foco en seguridad. Copilot (GitHub, con OpenAI) completa código dentro del editor del programador.
5. La IA conversa, razona y actúa
2022 – hoyLa IA sale del laboratorio y llega a cientos de millones de personas. Después aprende a razonar y a usar herramientas.
- 2022
Imágenes desde una frase
DALL·E 2, Midjourney y Stable Diffusion (este último, abierto a cualquiera) crean imágenes a partir de una descripción.
- 30-nov-2022
ChatGPT
OpenAI abre un chat gratis. Llega a 100 millones de usuarios en unos dos meses, la adopción más rápida de un producto de consumo hasta entonces.
Podía: conversar, explicar y redactar en cualquier tema - 2023
Todos entran a la carrera
GPT-4 (marzo) aprueba el examen de abogado de EE.UU. con nota de las mejores. Anthropic lanza Claude (marzo), Meta publica Llama (modelo abierto), Google une Brain y DeepMind y presenta Gemini (diciembre), Elon Musk funda xAI (Grok) y en Francia nace Mistral.
- 2024
Ve, escucha y empieza a razonar
Claude 3, GPT-4o (voz y visión en tiempo real) y Claude 3.5 Sonnet. En septiembre, OpenAI o1 "piensa antes de responder" y sube fuerte en matemáticas y ciencia. Anthropic publica el protocolo MCP, el estándar con que una IA se conecta a datos y herramientas (es el que usa Xponda con tu IA). Hinton y Hopfield ganan el Nobel de Física; Hassabis y Jumper, el de Química por AlphaFold.
Podía: razonar paso a paso y usar herramientas externas - 2025
China baja el precio y llegan los agentes
En enero, DeepSeek R1 (China) razona casi como los mejores a una fracción del costo, y las acciones de NVIDIA caen fuerte en un día. Llegan Claude Code y los agentes de programación, Claude 4, Gemini 2.5 y GPT-5: la IA ya no solo responde, también ejecuta tareas largas en el computador.
Podía: programar proyectos enteros y operar un computador - 2026
Agentes que trabajan horas
Familia Claude 5 (Anthropic), GPT-6 (OpenAI), Gemini 3 (Google) y nuevas versiones de los laboratorios chinos; cada lanzamiento y su puntaje quedan en la potencia, al día. Las empresas pasan de "chatear con la IA" a darle procesos completos: back-office, atención al cliente, análisis. El cuello de botella ya no es el modelo, sino los datos confiables y la integración con cada empresa.
La potencia de los modelos, al día
Un robot revisa todos los días qué modelos salieron y cuánto pueden. Actualizado el 7-oct-2026 · 253 modelos medidos.
17,4 h
🇺🇸 Claude Mythos Preview Early · Anthropic · 7-abr-2026
Largo de la tarea que completa sola la mitad de las veces (METR)
94%
🇺🇸 GPT-6 Astra · OpenAI · 3-sep-2026
Problemas inéditos escritos por matemáticos (FrontierMath)
55%
🇺🇸 GPT-6 Astra · OpenAI · 3-sep-2026
Preguntas de frontera en cien disciplinas (Humanity's Last Exam)
95%
🇺🇸 GPT-6 Astra · OpenAI · 3-sep-2026
Acertijos visuales que no vio antes (ARC-AGI-2)
83%
🇺🇸 Claude Opus 4.7 · Anthropic · 16-abr-2026
Arreglar errores reales en proyectos de código (SWE-bench Verified)
96%
🇺🇸 GPT-6 Astra · OpenAI · 3-sep-2026
Preguntas de biología, física y química de posgrado (GPQA Diamond)
Recién salidos · todavía sin medir
Ya se pueden usar, pero ninguna prueba independiente los midió aún. Su potencia aparece aquí cuando Epoch AI los evalúa.
| Modelo | Laboratorio | Salió | Costo de la tarea patrón* |
|---|---|---|---|
| Claude Haiku 5.5 nuevo | 🇺🇸 Anthropic | 7-oct-2026 | US$ 0,15 |
| GPT-6.1 Sol Pro nuevo | 🇺🇸 OpenAI | 29-sep-2026 | US$ 3,00 |
| GLM 5.3 Prime nuevo | 🇨🇳 Zhipu AI | 23-sep-2026 | US$ 3,68 |
| Qwen3.8 Max Prime nuevo | 🇨🇳 Alibaba | 23-sep-2026 | US$ 5,20 |
| GPT-6 Luna Pro nuevo | 🇺🇸 OpenAI | 22-sep-2026 | US$ 0,15 |
| GPT-6 Sol Pro nuevo | 🇺🇸 OpenAI | 22-sep-2026 | US$ 3,00 |
| Qwen3.8 Omni Flash nuevo | 🇨🇳 Alibaba | 21-sep-2026 | US$ 0,20 |
| GLM 5.3 FlashX nuevo | 🇨🇳 Zhipu AI | 18-sep-2026 | US$ 0,49 |
| DeepSeek V4.1 Flash nuevo | 🇨🇳 DeepSeek | 10-sep-2026 | US$ 0,42 |
| GPT-6 Astra Pro nuevo | 🇺🇸 OpenAI | 4-sep-2026 | US$ 15,00 |
| Muse Spark 1.3 Contributor nuevo | 🇺🇸 Meta | 2-sep-2026 | US$ 0,12 |
| Hy4 preview nuevo | 🇨🇳 Tencent | 28-ago-2026 | US$ 1,08 |
* Leer un millón de tokens y escribir cien mil, como en Xponda IA.
Los últimos modelos medidos
| Modelo | Salió | Trabajo autónomo | Matemática de investigación | El examen más difícil | Razonamiento nuevo | Programación real | Ciencia de doctorado |
|---|---|---|---|---|---|---|---|
| 🇺🇸 GPT-6.1 Sol OpenAI | 29-sep-2026 | — | 94% | — | 94% | — | 95% |
| 🇺🇸 Claude Sonnet 5.5 Anthropic | 28-sep-2026 | — | 89% | — | — | — | 96% |
| 🇺🇸 GPT-6 Luna OpenAI | 22-sep-2026 | — | 79% | — | 59% | — | 90% |
| 🇺🇸 GPT-6 Sol OpenAI | 22-sep-2026 | — | 90% | — | 90% | — | 94% |
| 🇺🇸 Claude Opus 5.5 Anthropic | 22-sep-2026 | — | 91% | — | 93% | — | 91% |
| 🇺🇸 Grok 4.7 xAI | 21-sep-2026 | — | 53% | — | — | — | 93% |
| 🇺🇸 GPT-6 Astra récord OpenAI | 3-sep-2026 | — | 94% | 55% | 95% | — | 96% |
| 🇺🇸 Muse Spark 1.3 Meta AI | 2-sep-2026 | — | 74% | — | — | — | — |
| 🇺🇸 Gemini 3.8 Flash Google DeepMind | 2-sep-2026 | — | 68% | 45% | 89% | — | 95% |
| 🇨🇳 Qwen3.8 Max (0902) Alibaba | 1-sep-2026 | — | 66% | — | — | — | 92% |
| 🇺🇸 Claude Fable 5.1 Anthropic | 1-sep-2026 | — | 90% | 46% | 90% | — | — |
| 🇨🇳 GLM-5.3-Flash Z.ai | 20-ago-2026 | — | 56% | — | 66% | — | 90% |
| 🇨🇳 GLM-5.3 Z.ai | 14-ago-2026 | — | 69% | — | — | — | 91% |
| 🇨🇳 Qwen 3.8 27B Alibaba | 14-ago-2026 | — | — | — | 42% | — | — |
"—" = esa prueba aún no lo mide. Se toma el mejor puntaje de cada modelo entre sus niveles de esfuerzo.
Cómo creció el trabajo autónomo
Cada barra es un modelo que batió el récord anterior: el largo de una tarea (medido en lo que tarda una persona experta) que la IA completa sola la mitad de las veces.
Fuente de la potencia: Epoch AI, Capabilities & benchmarking (licencia CC-BY). Modelos recién salidos: catálogo de OpenRouter. Xponda no corre las pruebas: las ordena y las explica.
Los laboratorios que mandan
Quién está detrás de cada modelo. Los precios de cada uno los medimos todos los días en Xponda IA.
| Laboratorio | País · año | Modelos | Lo que lo distingue |
|---|---|---|---|
| OpenAI | EE.UU. · 2015 | GPT, ChatGPT, serie o, DALL·E, Sora | Popularizó la IA conversacional; socio principal de Microsoft |
| Google DeepMind | Reino Unido / EE.UU. · 2010 | Gemini, AlphaGo, AlphaFold | Inventó el Transformer (Google) y lleva la IA a la ciencia |
| Anthropic | EE.UU. · 2021 | Claude | Foco en seguridad; fuerte en programación y agentes; creó MCP |
| Meta | EE.UU. · 2013 (FAIR) | Llama | Modelos de pesos abiertos que cualquiera puede descargar |
| xAI | EE.UU. · 2023 | Grok | De Elon Musk; integrado a X (ex Twitter) |
| Mistral | Francia · 2023 | Mistral, Mixtral | La apuesta europea, con modelos abiertos y eficientes |
| DeepSeek | China · 2023 | DeepSeek V3, R1 | Rendimiento de frontera a muy bajo costo |
| Alibaba (Qwen) | China · 2023 | Qwen | Familia abierta muy usada para construir encima |
| Microsoft | EE.UU. | Copilot | Distribuye la IA en Windows y Office |
| NVIDIA | EE.UU. · 1993 | Chips (GPU) | No hace el modelo más famoso, pero casi todos se entrenan en sus chips |
Qué podía hacer y qué hace ahora
| Tarea | Primera vez que la IA la hizo bien | Hoy |
|---|---|---|
| Ganar juegos | Ajedrez 1997, Go 2016 | Supera a cualquier humano en casi todos los juegos de tablero |
| Ver | Reconocer objetos, 2012 | Lee documentos, facturas, gráficos y pantallas |
| Escribir | Párrafos coherentes, 2019 | Informes, contratos y correos en cualquier idioma |
| Conversar | ChatGPT, 2022 | Por voz, en tiempo real, con memoria de la conversación |
| Razonar | Modelos que "piensan", 2024 | Problemas de matemáticas de competencia y análisis de varios pasos |
| Programar | Autocompletar, 2021 | Construye y corrige aplicaciones enteras con poca supervisión |
| Actuar | Usar herramientas, 2024 | Agentes que navegan, llenan planillas y trabajan horas en una tarea |
| Ciencia | AlphaFold, 2020 | Ayuda a diseñar proteínas, materiales y fármacos |
Cada año, la misma inteligencia cuesta mucho menos
Para el mismo nivel de capacidad, el precio por token ha caído cerca de 10 veces por año desde 2021 (a16z, "LLMflation", 2024). Lo medimos a diario en Xponda IA.
El cómputo para entrenar se dispara
El cómputo usado para entrenar los modelos de frontera crece del orden de 4 a 5 veces por año desde 2010 (Epoch AI).
Tareas cada vez más largas
La duración de las tareas que un agente completa solo se ha duplicado cerca de cada 7 meses desde 2019 (METR, marzo de 2025).
Lo que viene
Aquí ya no hay hechos sino pronósticos. Van con quién los dice.
Agentes en los procesos de oficina
Si la tendencia de METR sigue, los agentes pasan de tareas de horas a tareas de días. Lo primero en cambiar es lo administrativo: back-office, atención al cliente y compras, justo donde nuestro análisis ve la brecha más grande.
Robots y mundo físico
Los mismos modelos se conectan a brazos y vehículos. Avanza más lento que en la oficina: el hardware es caro y un error físico cuesta más que uno en una planilla.
"Un país de genios en un centro de datos"
Dario Amodei (Anthropic) plantea que una IA más capaz que los mejores expertos en casi todo podría llegar hacia 2026-2027 ("Machines of Loving Grace", octubre de 2024). Otros investigadores ven plazos bastante más largos.
Energía, chips, datos y reglas
Los centros de datos necesitan electricidad al nivel de ciudades, los chips están concentrados en pocos fabricantes y el texto público de calidad se agota. Europa ya regula con la Ley de IA (2024).
Fuentes: publicaciones originales de cada hito (Turing 1950; Vaswani y otros, 2017; informes técnicos de OpenAI, Google DeepMind, Anthropic y DeepSeek), Fundación Nobel, Epoch AI, METR, a16z y McKinsey Global Institute. Fechas de lanzamiento según cada laboratorio. Las secciones de pronóstico son opiniones de terceros, no estimaciones de Xponda. Elaborado con IA · versión 1 · 7 de octubre de 2026.