OpenAI DevDay: cómo leer una cascada de modelos, API y promesas

OpenAI convirtió su primera conferencia para desarrolladores, celebrada el 6 de noviembre de 2023, en una cascada de anuncios: GPT-4 Turbo, una ventana de contexto mucho mayor, precios más bajos, Assistants API, visión, generación de imágenes y voz, además de GPTs configurables sin programar. Todo aparece en el anuncio técnico original de DevDay. Para quien construye un producto, sin embargo, una lista de funciones sirve de poco si no distingue cinco cosas: qué puede hacer el modelo, quién puede acceder, cuánto cuesta, qué garantiza el proveedor y qué queda prometido para después.

Esa separación importa porque el mismo comunicado mezcla productos en producción, versiones preliminares, programas experimentales y planes futuros. Una demostración puede enseñar una posibilidad; no demuestra fiabilidad en los datos propios de una empresa. Un precio publicado permite calcular una factura aproximada; no mide el coste de revisar errores. Y una ventana de contexto indica cuánto texto cabe en una petición, no cuánto recordará correctamente el sistema. La capacidad transferible de esta noticia consiste en leer cualquier lanzamiento de IA como un contrato por capas, no como una carrera de especificaciones.

Primer filtro: capacidad no significa fiabilidad

El anuncio presenta GPT-4 Turbo como una versión preliminar accesible mediante el identificador gpt-4-1106-preview. OpenAI le atribuye conocimiento de acontecimientos hasta abril de 2023 y una ventana de 128.000 tokens, equivalente según la empresa a más de 300 páginas de texto. También afirma que es más capaz que GPT-4. Las tres son afirmaciones distintas: fecha de corte del conocimiento, capacidad máxima de entrada y rendimiento. Ninguna convierte automáticamente una respuesta en verdadera.

Una ventana de 128K permite enviar un contrato largo, un repositorio o varias transcripciones en una sola solicitud. No garantiza que el modelo localice cada cláusula, conserve todas las relaciones ni cite el pasaje correcto. El informe técnico original de GPT-4 ya advertía que el modelo seguía siendo menos capaz que las personas en numerosos escenarios reales. La prueba útil, por tanto, no es preguntar si el documento “cabe”, sino preparar un conjunto de preguntas con respuestas conocidas, exigir evidencia recuperable y medir omisiones, invenciones y coste antes de cambiar un flujo de trabajo.

Algo parecido ocurre con el modo JSON. OpenAI dice que restringe la salida a un objeto JSON sintácticamente válido. Eso resuelve llaves, comillas y parseo, pero no prueba que los campos sean correctos ni que cumplan el significado esperado. Si una aplicación necesita una fecha real, una cantidad positiva o un identificador existente, debe validar esos requisitos fuera del modelo. “Se puede parsear” y “se puede confiar” son estados diferentes.

El parámetro seed también exige leer la letra pequeña: la empresa lo describe como una función beta que produce resultados consistentes “la mayoría de las veces”. Puede ayudar a repetir pruebas y depurar, pero no promete determinismo absoluto. Una evaluación seria guarda modelo, parámetros, entrada, salida y fecha; después compara el comportamiento, en lugar de suponer que una semilla congela todo el sistema.

Segundo filtro: modelo, herramienta y producto son capas distintas

GPT-4 Turbo es un modelo. La llamada de funciones es un mecanismo para que el modelo proponga argumentos estructurados. Assistants API es una capa de servicio que administra instrucciones, hilos y herramientas. GPTs es una interfaz de ChatGPT para configurar asistentes sin código. Agruparlo todo bajo “una IA nueva” oculta decisiones técnicas y riesgos distintos.

La documentación publicada ese día definía Assistants API como beta y la ponía a disposición de los desarrolladores. Incorporaba Code Interpreter, Retrieval y llamadas de funciones. Los hilos persistentes trasladaban a OpenAI parte de la gestión del historial; no volvían infinito el contexto que procesa el modelo en una ejecución. Esa distinción afecta a arquitectura, privacidad, depuración y dependencia del proveedor: conservar una conversación es una tarea; seleccionar qué información llega al modelo es otra.

La llamada de funciones tampoco ejecuta por sí sola una compra, abre una puerta ni modifica una base de datos. El modelo genera una propuesta de llamada; la aplicación decide si la valida y la ejecuta. En una integración responsable, el código comprueba tipos, permisos, límites y confirmación humana para acciones irreversibles. Cuanto más convincente sea la demostración, más importante es localizar el punto exacto donde termina la sugerencia probabilística y empieza una operación real.

Las nuevas modalidades seguían el mismo patrón. GPT-4 Turbo con visión estaba disponible mediante un modelo preview; DALL·E 3 llegaba a la API de imágenes; el servicio de texto a voz ofrecía seis voces y dos variantes, una orientada a tiempo real y otra a calidad. Son interfaces diferentes, con precios, moderación y errores propios. “Multimodal” no significa que una única garantía cubra texto, imagen y audio.

Tercer filtro: disponible hoy, preliminar o prometido

El verbo de un lanzamiento es un dato. GPT-4 Turbo estaba “disponible para probar” para desarrolladores de pago, pero OpenAI aún planeaba una versión estable para las semanas siguientes. Assistants API era beta. El ajuste fino de GPT-4 era un programa experimental y limitado. El programa Custom Models estaba destinado inicialmente a pocas organizaciones y a conjuntos propietarios de miles de millones de tokens. Presentarlos como opciones equivalentes habría borrado barreras decisivas de madurez, acceso y coste.

En ChatGPT, los GPTs configurables anunciados el mismo 6 de noviembre permitían combinar instrucciones, conocimiento añadido y herramientas sin escribir código. Los ejemplos estaban disponibles para usuarios Plus y Enterprise; la empresa decía que ampliaría el acceso. La tienda de GPTs se anunciaba para más adelante aquel mes y la remuneración de creadores para los meses siguientes. En la fecha de la noticia, por tanto, crear y probar era presente; tienda e ingresos eran hoja de ruta, no prestaciones entregadas.

Este filtro evita uno de los errores más comunes al comparar proveedores: colocar en la misma tabla una función estable, una beta cerrada y una promesa. Conviene registrar para cada elemento la fecha, el plan elegible, la región, el identificador de modelo y la condición de disponibilidad. Si el anuncio no lo concreta, esa ausencia también es información.

Cuarto filtro: el precio unitario no es el coste total

OpenAI fijó para GPT-4 Turbo 0,01 dólares por cada mil tokens de entrada y 0,03 por cada mil de salida, respectivamente tres y dos veces menos que GPT-4 según su comparación. También duplicó el límite de tokens por minuto para clientes de pago de GPT-4. Esos números permiten estimar consumo, pero una aplicación paga además por reintentos, recuperación de documentos, herramientas, almacenamiento, observabilidad y revisión humana.

Un contexto mayor incluso puede aumentar el gasto si el equipo envía siempre todo el archivo. Antes de adoptar el máximo, conviene comparar tres diseños con el mismo conjunto de pruebas: contexto completo, recuperación de fragmentos relevantes y un híbrido. La métrica útil reúne exactitud, latencia y coste por tarea resuelta. El precio por token aislado favorece una lectura comercial; el coste por resultado permite una decisión de ingeniería.

La fecha del precio también debe conservarse. Un comunicado histórico acredita lo que el proveedor ofrecía el 6 de noviembre de 2023, no una tarifa eterna. Para reproducir un presupuesto hay que anotar modelo y fecha, igual que se haría con una versión de software.

Quinto filtro: privacidad, derechos y responsabilidad

El anuncio decía que los datos y archivos enviados a la API no se usaban para entrenar los modelos y que el desarrollador podía borrarlos. Los controles descritos para GPTs añadían matices: las conversaciones no se compartían con el creador del GPT, pero si este usaba una API de terceros el usuario elegía si podían enviarse datos a ese servicio. Un administrador debía examinar el recorrido completo, no detenerse en la política del modelo.

Las condiciones comerciales vigentes en noviembre de 2023 atribuían al cliente la responsabilidad de evaluar la exactitud y adecuación de las salidas, incluida la revisión humana cuando correspondiera. Esa cláusula coloca un límite claro a la lectura de una demostración: el proveedor ofrece una capacidad, mientras la organización conserva la obligación de comprobar el resultado en su caso de uso.

Copyright Shield también tenía alcance delimitado. OpenAI anunciaba defensa y pago de costes frente a ciertas reclamaciones de copyright, pero lo aplicaba a funciones generalmente disponibles de ChatGPT Enterprise y de su plataforma para desarrolladores. No era una inmunidad universal para cualquier plan, entrada o uso. Antes de convertir el nombre de una protección en una garantía, hay que leer quién queda cubierto, en qué producto y bajo qué condiciones.

Una ficha que sobrevive al siguiente lanzamiento

La manera práctica de leer un evento como DevDay cabe en una ficha de cinco columnas. Primera: afirmación exacta y fuente primaria. Segunda: estado —general, preview, beta, experimental o futuro—. Tercera: acceso —plan, región e identificador—. Cuarta: medida verificable —calidad, latencia, coste y tasa de error en una tarea propia—. Quinta: límites y responsable de mitigarlos.

Aplicada a GPT-4 Turbo, la ficha no dice solo “128K y más barato”. Dice: preview para desarrolladores de pago; 128K como capacidad máxima de entrada; precios fechados; conocimiento declarado hasta abril de 2023; validación externa necesaria para JSON, llamadas de funciones y respuestas. Aplicada a GPTs, separa el constructor disponible de la tienda prometida y distingue los controles de ChatGPT del posible envío a APIs externas.

El valor duradero de DevDay no está en memorizar todos sus nombres. Está en adquirir una pregunta más exigente para el próximo escenario: ¿esto es una capacidad medida, un acceso ya abierto, una condición contractual o una promesa? Cuando esas cuatro respuestas quedan separadas, una presentación deja de dictar la decisión y empieza a proporcionar datos para tomarla.