Un cofundador de ChatGPT lanza Jev, un modelo «optimizado para decisiones»
Diogo Almeida sale de dos años de stealth con RLCD, un método de entrenamiento inédito, y promesas de velocidad y coste que aún necesitan pruebas.
En breve
Diogo Almeida, que se presenta como cofundador de ChatGPT, anuncia el lanzamiento de Jev, un modelo frontier entrenado con un método propio bautizado RLCD, tras dos años de desarrollo en stealth. Reivindica un modelo entre 20 y 200 veces más rápido, entre 40 y 400 veces más barato, con output tokens gratuitos, y una «inteligencia composable» orientada a la toma de decisiones más que a la conversación. El anuncio circula sobre todo porque ataca un punto sensible: ¿por qué modelos de chat sobrehumanos aún no han producido AGI?
🍺 Versión de barra
Así que un tipo que se presenta como cofundador de ChatGPT vuelve tras dos años de silencio para anunciarte un modelo entre 20 y 200 veces más rápido y entre 40 y 400 veces más barato —un rango tan amplio que parece una estimación de plazo de entrega de un proveedor de internet—. Sin benchmark, sin detalles sobre su método propio, solo el nombre: RLCD, y la idea de que lo importante no es charlar bonito sino decidir rápido y casi gratis. Lo más interesante ni siquiera es el producto, es la pregunta que plantea: si los modelos de chat son sobrehumanos desde hace tres años, ¿por qué seguimos sin AGI? —y viniendo de él, pica un poco—. Eso sí, lo de los output tokens gratuitos es verificable en una tarde: pronto sabremos si es una revolución o un bonito comunicado.
Para recordar
- 1
Diogo Almeida (@CompleteSkeptic), que reivindica la co-invención de ChatGPT, anuncia el lanzamiento de Jev tras dos años en stealth.
- 2
El modelo se entrena con un método inédito bautizado RLCD, presentado como alternativa a los enfoques de entrenamiento actuales.
- 3
Las cifras reivindicadas son espectaculares: 20 a 200x más rápido, 40 a 400x más barato, con output tokens facturados a cero.
- 4
Jev se describe como una «frontier composable intelligence» optimizada para decisiones, no para la conversación.
- 5
El punto de partida intelectual del proyecto es una pregunta incómoda: ¿por qué modelos de chat sobrehumanos no han llevado a la AGI?
- 6
El autor lo ve como «el camino más corto» hacia una revolución económica impulsada por la IA —formulación que él mismo matiza con un «AFAICT».
- 7
No se aporta ningún benchmark, metodología ni detalle técnico en el anuncio: todo queda por verificar.
Un anuncio construido sobre una pregunta, no sobre un benchmark
El post no empieza con una cifra ni con una clasificación, sino con una frustración. «Después de co-inventar ChatGPT, no dejé de preguntarme: ¿por qué modelos de chat sobrehumanos no han llevado a la AGI?»
Es un planteamiento inusual en un panorama donde los anuncios de modelos se apoyan primero en puntuaciones de benchmarks. Aquí, el producto se presenta como la respuesta a un problema conceptual: el formato conversacional sería un callejón sin salida parcial.
Diogo Almeida explica haber pasado los últimos dos años en stealth desarrollando a la vez una nueva forma de entrenar modelos —que llama RLCD— y un nuevo tipo de modelo frontier, Jev, hecho público el día del anuncio.
En este punto, el post no detalla qué significa el acrónimo RLCD, ni la arquitectura de Jev, ni las condiciones de medición de los rendimientos reivindicados.
Las cifras reivindicadas: velocidad, coste y output tokens gratuitos
Se destacan tres promesas. Una velocidad de 20 a 200 veces superior, un coste de 40 a 400 veces inferior, y output tokens facturados gratuitamente.
Los rangos muy amplios (un factor de 10 entre el límite inferior y el superior) sugieren ganancias muy dependientes del caso de uso. Sin un punto de comparación explícito —respecto a qué modelo, en qué tarea, con qué hardware— estos órdenes de magnitud siguen siendo afirmaciones por matizar.
La gratuidad de los output tokens es el elemento más intrigante a nivel económico. En las APIs de LLM actuales, la generación es precisamente la partida más costosa: invertirla cambia la estructura de precios de todo lo que se construye encima.
Si esta economía se sostiene a escala, hace viables usos hoy prohibitivos: bucles de agentes muy verbosos, generación masiva de candidatos, exploración exhaustiva antes de decidir.
«Composable intelligence»: optimizar la decisión más que la conversación
El tercer punto del post es el más estratégico: Jev se describe como una «frontier composable intelligence optimized for decisions».
El vocabulario es deliberadamente distinto al de los asistentes. No se habla de respuestas, razonamiento o contexto, sino de composabilidad y decisiones —es decir, de piezas que se ensamblan en un sistema, más que de un interlocutor con quien se habla.
Esto coincide con una intuición compartida por parte de la industria: el valor económico de la IA está menos en el diálogo que en las miles de microdecisiones que una organización toma cada día.
Aun así, la fórmula describe una ambición más que una arquitectura. Sin documentación ni demostración pública, «composable intelligence» es por ahora tanto posicionamiento de marketing como categoría técnica.
Por qué circula el post
El principal motor de viralidad no es el producto: es la firma. Reivindicar la co-invención de ChatGPT y afirmar después que ese camino no lleva a la AGI constituye una forma de autocrítica pública poco frecuente en el gremio.
La frase final hace el resto del trabajo: «el camino más corto hacia una revolución económica basada en la IA». El autor lo atenúa él mismo con un «AFAICT» (as far as I can tell), pseudo-precaución que no impide que la afirmación sea máxima.
Se suma el efecto de puesta en escena del stealth: dos años de silencio, y luego una salida simultánea de un método de entrenamiento y un modelo. El relato está perfectamente calibrado para X.
Hay que leer este post por lo que es: un anuncio de lanzamiento, no un paper. La verificación vendrá de los primeros usuarios, de evaluaciones independientes y de la tarificación real.
“Después de co-inventar ChatGPT, no dejé de preguntarme: ¿por qué modelos de chat sobrehumanos no han llevado a la AGI?”
“Frontier composable intelligence optimized for decisions”
“Por lo que puedo juzgar, el camino más corto hacia una revolución económica basada en la IA”
Por qué importa
El interés de este anuncio está menos en Jev que en la tesis que lo sustenta: ¿y si la interfaz conversacional, que hizo el éxito mundial de ChatGPT, también hubiera orientado a toda una industria hacia un óptimo local? Escuchar este argumento en boca de alguien que reivindica la co-invención de ChatGPT le da un peso particular, en un momento en que el sector se pregunta sobre el rendimiento decreciente del scaling y se vuelca masivamente hacia los agentes. La hipótesis defendida aquí —que el valor económico real reside en decisiones rápidas, baratas y composables más que en respuestas elocuentes— es coherente con lo que constatan muchas empresas: el obstáculo para el despliegue ya no es la calidad del texto, sino el coste y la latencia a escala. Dicho esto, la prudencia es necesaria. Rangos de rendimiento tan amplios, sin baseline, sin benchmark, sin detalle sobre RLCD, son por ahora una reivindicación. La promesa de output tokens gratuitos es la más verificable y probablemente la más decisiva: ahí, y no en el storytelling, se juzgará la solidez del proyecto en las próximas semanas.
Sigue leyendo
IAHoy10.000 agentes, 88 horas, un problema del milenio
Noam Brown (OpenAI) describe el escalado de enjambres de agentes — y por qué el alineamiento se ha convertido en el único cuello de botella que realmente le preocupa.
IAHoyAnthropic abre el capó: Claude «pilota» el 26 % de su I+D de IA
Por primera vez, un laboratorio de frontera publica cifras sobre la velocidad a la que la IA construye su propia sucesora — y sobre lo que hace para vigilarla.
IAHoyOpenAI publica sus fallos de alineación — y un marco para seguir adelante
Seis incidentes de comportamiento desviado, un proceso de divulgación interno y una confesión: la industria no ha resuelto la alineación.