Tras un cristal de observación con una huella, enormes racks de servidores rodean una sala vacía; una franja vertical de luz blanca se refleja en el suelo.
Lenguaje y poderVOL. I / 2018–2026

AITHEISM

Cronología de la IA

De los modelos de lenguaje a los descubrimientos matemáticos, con fuentes originales.

Observaciones
01 / LenguajeCronología

2018–2026 / Fuente oficial

Cronología

2018–2026

  1. GPTAprender primero

    OpenAI presentó el preentrenamiento generativo con un Transformer, seguido de ajuste supervisado para cada tarea.

    Fuente oficial · OpenAI
  2. GPT-2El peso de publicar

    OpenAI anunció GPT-2, con 1.500 millones de parámetros, y publicó sus pesos por etapas, no todos al principio.

    Fuente oficial · OpenAI
  3. GPT-3Unos pocos ejemplos

    GPT-3, con 175.000 millones de parámetros, se evaluó con pocos ejemplos, sin actualizar gradientes para cada tarea.

    Fuente oficial · OpenAI
  4. ChatGPTLlega la respuesta

    ChatGPT se lanzó como versión preliminar de investigación para el diálogo, entrenada con comentarios humanos.

    Fuente oficial · OpenAI
  5. Constitutional AIPrincipios escritos

    Constitutional AI, de Anthropic, usó principios humanos, autocrítica y comentarios de IA para orientar el comportamiento.

    Fuente oficial · Anthropic
  6. ClaudeOtra respuesta

    Anthropic presentó los asistentes de IA Claude y Claude Instant.

    Fuente oficial · Anthropic
  7. GPT-4Más allá del texto

    OpenAI anunció GPT-4 con entrada de texto e imagen y salida de texto, aunque la entrada de imágenes aún no estaba ampliamente disponible.

    Fuente oficial · OpenAI
  8. Qwen-7B / Qwen-7B-ChatPesos abiertos

    Alibaba Cloud publicó los pesos del modelo preentrenado Qwen-7B y de Qwen-7B-Chat bajo condiciones de licencia.

    Fuente oficial · Alibaba Cloud
  9. FunSearchNuevas cotas en combinatoria

    Google DeepMind combinó PaLM 2 con un evaluador automático en FunSearch y encontró conjuntos cap más grandes. El resultado mejoró las cotas inferiores conocidas de este problema abierto.

    Fuente oficial · Google DeepMind
  10. AlphaProof / AlphaGeometry 2Cuatro problemas, cuatro pruebas

    AlphaProof y AlphaGeometry 2 resolvieron 4 de los 6 problemas de la IMO 2024 y alcanzaron 28 de 42 puntos, el nivel de una medalla de plata. Personas formalizaron los enunciados y algunas soluciones requirieron hasta tres días.

    Fuente oficial · Google DeepMind
  11. o1-previewAntes de responder

    OpenAI presentó o1-preview, diseñado para dedicar más tiempo al razonamiento antes de responder.

    Fuente oficial · OpenAI
  12. DeepSeek-V3Capacidad selectiva

    DeepSeek publicó V3 y sus pesos: mezcla de expertos con 671.000 millones de parámetros totales y 37.000 millones activados por token.

    Fuente oficial · DeepSeek
  13. DeepSeek-R1Aprender a razonar

    DeepSeek publicó R1, entrenado con un ajuste inicial de arranque en frío y aprendizaje por refuerzo.

    Fuente oficial · DeepSeek
  14. AlphaEvolve593 esferas, once dimensiones

    AlphaEvolve, impulsado por Gemini, encontró una disposición de 593 esferas iguales que tocan una esfera central del mismo tamaño sin solaparse, en once dimensiones. Estableció una nueva cota inferior para el número de besos.

    Fuente oficial · Google DeepMind
  15. Gemini Deep ThinkNivel de medalla de oro

    Una versión avanzada de Gemini Deep Think resolvió 5 de los 6 problemas de la IMO 2025 y recibió una calificación oficial de 35 sobre 42, equivalente al nivel de una medalla de oro. Produjo pruebas en lenguaje natural dentro del tiempo reglamentario de la competición.

    Fuente oficial · Google DeepMind
  16. GPT-5.2 Pro / AristotleLa prueba de Erdős #728

    Se publicó como artículo matemático una prueba del problema 728 de Erdős, generada por GPT‑5.2 Pro y formalizada y verificada en Lean por Aristotle. Kevin Barreto operó el sistema y Nat Sothanaphan redactó la exposición para lectores humanos.

    Fuente oficial · Nat Sothanaphan · arXiv
  17. Hugging Face / IM1Más allá del entorno de evaluación

    OpenAI publicó su investigación y los registros de agentes tras la intrusión del 11 al 13 de julio en los sistemas de Hugging Face. Ocurrió en evaluaciones internas de ciberseguridad con menos salvaguardas, impulsada principalmente por el modelo de investigación IM1.

    RegistroFuente oficial · OpenAI