El mejor modelo de IA resuelve solo el 12 % de tareas expertas en GDPx

La señal

El mejor modelo de IA completó el 12 % de las tareas expertas de una nueva prueba

Qué pasó. El 2 de noviembre, SemiAnalysis, una firma de análisis especializada en chips e IA, publicó GDPx, un conjunto de tareas para agentes en 11 campos, entre ellos diseño de chips, ciberseguridad, biología, finanzas, derecho e ingeniería de software (Kan et al., 2026). El mejor modelo obtuvo un 12 %. Según los autores, las tareas de finanzas y derecho son tan difíciles que casi todos los modelos sacan exactamente cero. Claude Opus 5.5 fue el mejor modelo en conjunto, y cada uno de los modelos líderes fue fuerte en unos campos y débil en otros. Catorce empresas especializadas redactaron las tareas, y el artículo completo es solo para suscriptores de pago.

Por qué importa. Los autores sostienen que pruebas anteriores como GDPval, de septiembre de 2025, usan tareas cortas y totalmente especificadas que ya no ponen a prueba a los agentes actuales. La puntuación global que cita un proveedor dice poco sobre su trabajo especializado. Los resultados cambian según el campo, así que un modelo que queda primero en conjunto puede ser la elección equivocada para el suyo.

Qué hacer. Antes de comprar o cambiar, dé a dos o tres modelos diez tareas reales de su equipo y pida a un experto que califique los resultados.

Abu Dabi revisa permisos con modelos de OpenAI, y un funcionario decide

Qué pasó. El 2 de noviembre, el gobierno de Abu Dabi y OpenAI lanzaron el programa Machine-Readable Government (Abu Dhabi Media Office, 2026). El programa convierte un conjunto de normas en un formato que los sistemas de IA pueden leer, para ayudar a los funcionarios a revisar solicitudes rutinarias de permisos y certificados. Cada revisión remite a la norma que aplicó, y la decisión final sigue en manos de los funcionarios. El primer piloto ya funciona en la autoridad de agricultura y seguridad alimentaria, para importaciones de alimentos, con el cálculo en centros de datos dentro de los EAU. Otros dos acuerdos firmados ese mismo día llevan los modelos de OpenAI a la energética ADNOC y al análisis de inversiones en Mubadala.

Por qué importa. Es un diseño que ya funciona para la IA en decisiones reguladas: normas escritas como entrada, una referencia a la norma en cada respuesta y una persona que decide. El mismo diseño sirve para el cumplimiento interno, como la revisión de proveedores o las normas de exportación, donde un auditor preguntará por qué se tomó una decisión.

Pruébelo hoy

Haga en diez minutos la lista de las tareas de IA más pesadas de su equipo antes de que ChatGPT y Codex compartan un límite

Qué es: Desde diciembre, ChatGPT y Codex, el agente de programación de OpenAI, consumirán una sola cuota de uso compartida en los planes Plus, Pro y Business. Se mide en tokens, las unidades de texto que un modelo lee y escribe.

Para quién: Responsables de equipo y de TI que pagan licencias de ChatGPT y cuyos equipos también usan Codex.

Acceso: De pago: planes Plus, Pro y Business, que figuran en la página de precios de OpenAI. El uso conjunto restante aparecerá en ChatGPT en Configuración, apartado Uso.

Primer paso: Pida a sus tres usuarios más intensivos que enumeren las tareas de Codex y de modelos avanzados que ejecutaron la semana pasada, porque serán las que más consuman de la cuota compartida.

Precaución: OpenAI aún no ha publicado el tamaño de las cuotas. El chat rápido (Instant) no cuenta, mientras que los modelos avanzados y las tareas complejas consumen más; al llegar al límite, hay que esperar al reinicio, cambiar de plan o comprar créditos.

(OpenAI, n.d.)

Mantenga activas sus búsquedas de patentes de EE. UU.: cree una cuenta USPTO antes del 7 de noviembre

Qué es: Desde el 7 de noviembre de 2026, Patent Public Search, el buscador público de patentes y solicitudes publicadas de EE. UU. que gestiona la USPTO, exigirá iniciar sesión con una cuenta USPTO.gov.

Para quién: Equipos de patentes, de I+D y de vigilancia tecnológica, y cualquiera que consulte patentes de EE. UU.; mi artículo sobre qué arreglar primero en el análisis de patentes cubre el resto del proceso.

Acceso: Una cuenta USPTO.gov, que se crea en la página de registro de MyUSPTO; allí no figura ninguna tarifa.

Primer paso: Abra la página de registro, cree una cuenta y pida hoy lo mismo a cada persona de su equipo que busque patentes de EE. UU.

Precaución: El aviso no dice qué cambia para el acceso automatizado o masivo, así que revise cualquier herramienta o script que consulte el buscador sin iniciar sesión.

(United States Patent and Trademark Office, n.d.)

A seguir de cerca

Kimi promete los pesos abiertos de K3.1 Pro antes del 4 de noviembre

Kimi afirma que publicará los pesos completos de Kimi K3.1 Pro antes del 4 de noviembre (Kimi, n.d.). Con los pesos abiertos, las empresas podrían ejecutar el modelo en sus propios servidores. El modelo ya está disponible en las aplicaciones y la API de Kimi, con un contexto de 1 millón de tokens, y según su propia medición obtiene un 65,7 % en una prueba de agentes de programación, frente al 66,4 % de Claude Opus 5.5. Los pesos están anunciados, pero aún no publicados.

Corea del Sur destina 4,7 billones de wones a un modelo propio de primer nivel

El 2 de noviembre, el presidente Lee Jae Myung presentó a la Asamblea Nacional un presupuesto récord para 2027 de 820,9 billones de wones, un 12,8 % más (Lim & Lee, 2026). Reserva 4,7 billones de wones para un modelo de IA soberano con "el mayor rendimiento del mundo" y 21,3 billones, casi el doble que en 2026, para chips, IA física y centros de datos de IA. La Asamblea aún tiene que aprobarlo. La edición de ayer trató el plan de xAI de marcar por defecto con marca de agua el texto de la API de Grok.

Repositorios que merecen un vistazo

google-research/harness2

harness2, de Google Research, mejora un agente de IA reescribiendo el entorno que rodea al modelo, es decir, sus instrucciones, herramientas y memoria, en lugar de reentrenar el modelo (Google Research, 2026). No necesita respuestas correctas de referencia: prueba cambios en la propia tarea y guarda lecciones para tareas posteriores. Una sola ronda subió las puntuaciones hasta 11,8 puntos porcentuales en una prueba de trabajo jurídico y 11,5 puntos en una de trabajo de oficina, con dos modelos distintos. Unas 22.000 estrellas a 2 de noviembre de 2026, licencia Apache 2.0. Reenvíelo a quien construya sus agentes internos; el README indica que no es un producto de Google con soporte oficial y que cada ejecución genera costes de modelo.

yaojingang/GEOInflow

GEOInflow muestra qué rastreadores de IA visitan su web, qué páginas leen y cuántos visitantes y conversiones llegan desde la búsqueda con IA (yaojingang, 2026). Funciona en su propio servidor, necesita Docker y al menos 6 GiB de memoria, y no requiere clave de ningún modelo de IA. 784 estrellas a 2 de noviembre de 2026, licencia MIT. Páselo a su analista web o de marketing y cambie la contraseña de administrador predeterminada en el primer inicio de sesión. El 1 de noviembre tratamos una investigación sobre qué fuentes citan los motores de respuesta con IA; GEOInflow mide el otro lado, lo que los rastreadores se llevan de su web.

La lectura de CERNY.AI

Las noticias de hoy apuntan en la misma dirección: la IA es lo bastante buena para usarla, pero no para confiar en ella sin control. GDPx sitúa al mejor modelo en el 12 % de las tareas expertas, y la respuesta de Abu Dabi es un diseño en el que cada revisión de la IA cita su norma y firma una persona. Al mismo tiempo, el acceso se estrecha: la USPTO exige iniciar sesión y OpenAI mide el chat y los agentes desde una sola cuota. Las organizaciones de inteligencia competitiva y de patentes deberían dejar de elegir modelos por las clasificaciones públicas y crear, antes de cada renovación, un pequeño conjunto de tareas propias calificadas por sus propios expertos. Crear ese conjunto forma parte de mi consultoría de inteligencia competitiva.

Una pregunta para su próxima reunión

Si hoy diéramos nuestras tres tareas expertas más habituales a un modelo de IA, ¿quién calificaría el resultado y con qué criterio? El test rápido de madurez en inteligencia competitiva muestra si su equipo tiene ese criterio por escrito.

Fuentes

Abu Dhabi Media Office. (2026, November 2). Khaled bin Mohamed bin Zayed meets Sam Altman and witnesses signing of agreements with OpenAI. https://www.mediaoffice.abudhabi/en/crown-prince-news/khaled-bin-mohamed-bin-zayed-meets-sam-altman-and-witnesses-signing-of-agreements-with-openai/
Google Research. (2026). harness2 [Computer software]. GitHub. https://github.com/google-research/harness2
Kan, M., Megalaa, A., & Patel, D. (2026, November 2). GDPx: Measuring frontier model capabilities across the most valuable domains. SemiAnalysis. https://newsletter.semianalysis.com/p/gdpx-measuring-frontier-model-capabilities
Kimi. (n.d.). Kimi K3.1 Pro tech blog: Advancing open intelligence. https://www.kimi.ai/blog/kimi-k3-1-pro
Lim, H. J., & Lee, J. (2026, November 2). South Korea targets 'world's highest performance' sovereign AI model in record new budget. CNBC. https://www.cnbc.com/2026/11/02/south-korea-ai-spending-budget.html
OpenAI. (n.d.). Understanding ChatGPT and Codex usage limits. OpenAI Help Center. https://help.openai.com/en/articles/20001625-understanding-chatgpt-and-codex-usage-limits
United States Patent and Trademark Office. (n.d.). Patent Public Search. https://www.uspto.gov/patents/search/patent-public-search
yaojingang. (2026). GEOInflow [Computer software]. GitHub. https://github.com/yaojingang/GEOInflow