En un Reddit AMA (Ask Me Anything) el director ejecutivo de OpenAI, Sam Altman, admitió que la falta de capacidad informática es un factor importante que impide a la empresa lanzar productos con la frecuencia deseada.
“Todos estos modelos se han vuelto bastante complejos”, escribió en respuesta a una pregunta sobre por qué los próximos modelos de IA de OpenAI estaban tardando tanto. “También enfrentamos muchas limitaciones y decisiones difíciles sobre como asignamos nuestra computación a muchas ideas geniales”.
Muchos informes sugieren que OpenAI ha tenido dificultades para asegurar suficiente infraestructura informática para ejecutar y entrenar sus modelos generativos. Esta misma semana, Reuters, dijo que OpenAI ha estado trabajando durante meses con Broadcom para crear un chip de IA para ejecutar modelos, que podría llegar en 2026.
En parte como resultado de la capacidad limitada, dijo Altman, la función de conversación de sonido realista de OpenAI para ChatGPT, el Modo de Voz Avanzado, no obtendrá las capacidades de visión a corto plazo, que se mostraron por primera vez en abril. En su evento de prensa de abril, OpenAI mostró la aplicación ChatGPT ejecutándose en un teléfono inteligente y respondiendo a señales visuales, como la ropa que alguien llevaba, a la vista de la cámara del teléfono.
Informes de Fortune revelaron más tarde que la demostración se apresuró a desviar la atención de la conferencia de desarrolladores I/O de Google, que se estaba llevando a cabo esa misma semana. Muchos dentro de OpenAI no creían que GPT-4o estuviera listo para ser mostrado. Es revelador que la versión solo de voz del Modo de Voz Avanzado se retrasó durante meses.
En la AMA, Altman indicó que el próximo lanzamiento importante del generador de imágenes de OpenAI, DALL-E, no tiene un cronograma de lanzamiento. (“Todavía no tenemos un plan de lanzamiento”, dijo). Mientras tanto, Sora, la herramienta de generación de videos de OpenAI, se ha visto frenada por la “necesidad de perfeccionar el modelo, lograr la seguridad, suplantación y otros aspectos correctamente, y computación a escala”, escribió Kevin Weil, director de producto de OpenAI, quien también participó en la AMA.
Según se informa, Sora ha sufrido contratiempos técnicos que lo posicionan mal frente a sistemas rivales de Luma, Runway y otros. Según The Information, el sistema original, revelado en febrero, se tomó más de 10 minutos de procesamiento para crear un videoclip de 1 minuto.
En octubre, uno de los codirectores de Sora, Tim Brooks, se fue a Google.
Más adelante en la AMA, Altman dijo que OpenAI todavía está considerando permitir contenido “NSFW” en ChatGPT “algún día” (“creemos totalmente en tratar a los usuarios adultos como adultos”, escribió), y que la principal prioridad de la compañía es mejorar su serie o1 de Modelos de “razonamiento” y sus sucesores, como se promete en una vista previa de las características que llegarán a o1 en su conferencia DevDay en Londres esta semana, incluida la comprensión de imágenes.
“Tenemos algunos lanzamientos muy buenos a finales de este año”, escribió Altman. “Sin embargo, nada que vaya a llamarse GPT-5”.
