Crear inteligencia abundante

La infraestructura de IA no es valiosa por ser grande. Es valiosa por lo que hace posible: una inteligencia más capaz, disponible para más personas y a menor costo.

Así concibo la abundancia. Está integrada tanto en nuestra misión —garantizar que la inteligencia artificial general beneficie a toda la humanidad— como en el motor económico que impulsa nuestro negocio.

Cuando baja el costo de la inteligencia útil, vale la pena realizar más trabajos. Cuando los modelos adquieren más capacidades, ese trabajo genera más valor. A medida que crece la adopción, obtenemos los ingresos, los comentarios del mundo real y la visibilidad de la demanda necesarios para seguir invirtiendo en la próxima generación de investigación e infraestructura.

Una mejor inteligencia impulsa una adopción más amplia. Una adopción más amplia permite una mayor inversión. Una mayor inversión mejora la inteligencia y la eficiencia. Ese es el ciclo que estamos construyendo.

Nuestro reciente anuncio de precios muestra cómo ese ciclo beneficia rápidamente a los clientes. Ayer redujimos el precio de GPT‑5.6 Luna en un 80 % y el de GPT‑5.6 Terra en un 20 %. Luna ahora cuesta $0,20 por millón de tokens de entrada y $1,20 por millón de tokens de salida; Terra cuesta $2 y $12, respectivamente.

Para GPT‑5.6 Sol, el Modo rápido ofrece hasta 2,5 veces la velocidad del procesamiento estándar por el doble del precio, sin cambios en la inteligencia.

No se trata simplemente de cambios en una lista de precios. Estos cambios amplían la variedad de trabajos que resultan viables y dan a los clientes más flexibilidad para equilibrar inteligencia, velocidad, confiabilidad y costo.

La pregunta correcta no es qué modelo corresponde a cada tarea. Es cuánta inteligencia exige el resultado deseado, con qué rapidez se necesita y cuánto debería costar para conseguirlo. Ese equilibrio puede cambiar varias veces dentro del mismo flujo de trabajo.

Los clientes no compran tokens solo por tenerlos. Quieren que se resuelva el problema de soporte, se lance el software, se revise el contrato o se responda la pregunta científica. La medida adecuada es el costo de obtener un resultado satisfactorio, incluido el tiempo, los reintentos, la supervisión y los errores necesarios para alcanzarlo.

En última instancia, un modelo más potente que complete el trabajo de forma correcta y eficiente puede ser más económico que uno más barato que requiera varios intentos o una amplia intervención humana. Por el contrario, un modelo de menor costo puede ampliar considerablemente el acceso cuando cumple el mismo estándar de calidad. La oportunidad consiste en aplicar la máxima inteligencia útil al precio adecuado.

Ofrecer ese valor requiere más que construir centros de datos adicionales. Requiere aumentar la productividad de cada unidad de cómputo.

Nuestro reciente trabajo de ingeniería ilustra cómo se logra. En colaboración con nuestros equipos técnicos, GPT‑5.6 Sol ayudó a optimizar el software de producción que usamos para ofrecer nuestros modelos, lo que redujo en un 20 % los costos integrales de servicio. También ayudó a mejorar la decodificación especulativa, lo que aumentó en más de un 15 % la eficiencia de generación de tokens.

Igual de importante es que la eficiencia no depende únicamente del modelo. El sistema que lo rodea también importa. Un mejor enrutamiento mantiene productivo el hardware. Una gestión más inteligente del contexto evita que los agentes repitan trabajo. Las herramientas más potentes y un mejor diseño de producto reducen la cantidad de pasos necesarios para completar una tarea.

En un análisis comparativo reciente, las mejoras en la conservación del razonamiento y la gestión del contexto elevaron la puntuación de GPT‑5.6 Sol en el conjunto público de tareas ARC-AGI-3 del 13,3 % al 38,3 %, con seis veces menos tokens de salida. El modelo no cambió. El sistema que lo rodea sí.

Estas mejoras se acumulan. Los modelos más capaces ayudan a nuestros equipos a descubrir nuevas eficiencias. Esas eficiencias reducen el costo de atender a los clientes y amplían el trabajo que podemos realizar con la misma infraestructura. A su vez, esto vuelve más accesible la próxima generación de inteligencia.

La ventaja de desarrollar infraestructura, modelos, plataformas y productos no radica simplemente en participar en cada capa. Radica en que cada capa mejora las demás.

El uso de productos en el mundo real nos muestra dónde encuentran valor los clientes y dónde surgen dificultades. Esos comentarios ayudan a orientar nuestra investigación. Los avances en investigación fortalecen nuestros productos y reducen el costo de ofrecerlos. La demanda de ChatGPT, ChatGPT Work, Codex y la API nos ayuda a tomar mejores decisiones sobre dónde ampliar la capacidad.

La escala de ese aprendizaje es importante. Nuestros modelos ya llegan a más de mil millones de usuarios activos y a más de dos millones de empresas. A medida que las personas adquieren confianza en la tecnología, la usan de manera más profunda. Seis meses después de registrarse, las personas envían cerca de un 50 % más de mensajes al día y usan ChatGPT para aproximadamente el doble de tipos de trabajo. ChatGPT Work está transformando lo que significa ser un trabajador del conocimiento: va más allá de responder preguntas para completar trabajos complejos de varios pasos, del “pedir” al “hacer”. En OpenAI, el trabajo con agentes mediante Codex ya representa el 99,8 % de los tokens de salida semanales, y Finanzas es uno de los equipos que han convertido las herramientas con agentes en una parte fundamental de su forma de trabajar.

Dentro de las organizaciones, el patrón es similar. Una empresa puede comenzar con un equipo o un flujo de trabajo. A medida que mejoran la calidad y la rentabilidad, la adopción se extiende a distintas funciones y la IA pasa a formar parte de las operaciones de la empresa.

Esto crea un valioso ciclo de retroalimentación entre la demanda, la mejora de los productos, la eficiencia y la planificación de la infraestructura. Esto no exige poseer todos los activos ni desarrollar cada componente por nuestra cuenta. Podemos ser propietarios, asociarnos o comprar, según lo que mejor beneficie al cliente y tenga más sentido económico. Lo importante es coordinar el sistema y aprender de todas sus partes.

La infraestructura de IA debe planificarse años antes de que se necesite, mientras que los modelos, los productos y la demanda de los clientes evolucionan mucho más rápido. Ese desfase hace que la disciplina sea esencial.

Basamos nuestras decisiones de inversión en evidencia: crecimiento de usuarios y cargas de trabajo, compromisos empresariales, consumo de la API, utilización, ingresos y avances en la capacidad y eficiencia de los modelos. Los hitos técnicos y comerciales ayudan a determinar cuándo avanzan los proyectos. Las alianzas a largo plazo reúnen el financiamiento, la infraestructura y la experiencia operativa necesarios para operar a gran escala.

Los ingresos por productos, el capital privado y las alianzas comerciales cumplen funciones distintas para respaldar ese crecimiento. El objetivo no es construir la mayor cantidad de infraestructura. Es desplegar la capacidad adecuada, en el momento oportuno y en respuesta a una demanda creíble.

Para mí, las preguntas clave son sencillas: ¿con qué rapidez empieza a producir la nueva capacidad? ¿Con qué eficiencia se utiliza? ¿Qué demanda de los clientes permite atender? ¿Con qué rapidez puede el progreso técnico reducir el costo de ofrecer inteligencia útil?

Esas preguntas vinculan la ambición a largo plazo con la disciplina operativa.

Apenas estamos comenzando. Los sistemas más capaces completarán proyectos más largos, se coordinarán entre distintas herramientas y se encargarán de una mayor parte del trabajo que hay entre una idea y un resultado terminado. Las personas y las pequeñas empresas obtendrán capacidades que antes solo estaban al alcance de organizaciones mucho más grandes. Las grandes empresas aplicarán la inteligencia de forma más amplia en sus operaciones.

Nuestro objetivo no es simplemente tener más capacidad de cómputo, modelos más grandes o tokens más baratos. Es poner más inteligencia útil al alcance de todos.

Eso es lo que significa la abundancia: una inteligencia cada vez más capaz, asequible y valiosa para quienes la usan. Mediremos nuestro progreso por la cantidad de trabajo útil que haga posible, la eficiencia con que lo ofrezcamos y la amplitud con que puedan compartirse sus beneficios.