el laboratorio de Inteligencia artificial antropic mueve ficha sacando una actualización de su modelo insignia sonet en este caso la versión 3.7 una nueva versión que se mete por fin en esta segunda fase de los modelos razonador modelos capaces de dedicar tiempo de computación para llegar a mejores resultados pero en esta ocasión antropic lo ha hecho con una diferencia que el resto de la industria todavía no ha implementado y que es muy interesante un modelo que ya empieza cocinarse además para la siguiente fase de agentes autónomos demostrando unas capacidades muy impresionantes que hoy vamos a estar viendo y que junto al nuevo proyecto que han presentado de programación Cloud code Pues nos hace preguntar si sonet sigue siendo en este caso El rey de los modelos para programar todo esto vamos a analizarlo ahora mismo como hemos comentado hoy han presentado el modelo Cloud 3.7 sonet que sabéis que es el modelo intermedio de este catálogo de modelos que tropic nos ha presentado donde haiku sería el modelo más pequeño sonet sería el de tamaño intermedio y luego hay un modelo opus que sería el más grande El más capaz pero que hemos ido perdiendo en el camino sabemos que desde que antropic sacó la versión 3.5 sacaron la versión sonet la versión intermedia y ha sido un modelo que ha funcionado muy bien hasta casi podríamos decir a día de hoy ha sido el favorito de la comunidad a la hora de programar y antropic no se ha visto con la necesidad de sacar un modelo opus un modelo grande y más capaz pas y costoso para intentar darle un poquito más de capacidades a los usuarios sino que lo que están haciendo casi seguro es Este modelo grande y destilar este conocimiento al modelo intermedio con lo cual el modelo sonet podríamos decir que es el modelo Frontier el modelo más avanzado que antropic nos quiere ofrecer ahora y este modelo como digo ha sido un modelo muy potente muy capaz que además ha visto ciertas actualizaciones en octubre del año pasado actualizaron a la versión clod 3.5 New que era una actualización una mej un nuevo checkpoint de este modelo sonet 3.5 y ahí la comunidad dijo Oye por qué en vez de llamarle 3.5 New que es un poco confuso Por qué no lo llamamos 3.6 y bien parece que antropic ha escuchado la comunidad porque en esta ocasión sin existir oficialmente un clod 3.6 Pues a este modelo se le han llamado El 3.7 y este es el modelo con el que vamos a estar trabajando hoy Y como siempre vamos a empezar analizando un poquito los datos que nos comparte antropic vamos a ver qué nos ofrece este nuevo modelo TR 7 sonet a nivel de capacidades y lo que nos vamos a encontrar en esta ocasión es una actualización mucho más radical en cuanto al funcionamiento del modelo de lo que ya veníamos teniendo hasta ahora y es que este nuevo modelo pasa a ser un modelo tipo razonador un modelo que entra dentro de esta categoría del test Time compute canjear tiempo de computación durante la inferencia para pensar más en la pregunta que el usuario ha hecho y así llegar a mejores resultados algo que ya hemos visto con el resto de competidores lo hemos visto con con Open Ai con los modelos o1 o3 lo hemos visto con grock 3 lo hemos visto con dips todo el mundo lo ha hecho y ahora antropic también se suma esto y realmente para que veáis que efectivamente pues este nuevo paradigma nos ofrece mejores resultados vamos a probarlo si venimos a la aplicación de antropic pues vemos que aquí en el desplegable ya tenemos oficialmente el modelo clot 3.7 sonet Y si clicamos aquí podemos ver que tenemos el modo thinking que tiene dos configuraciones la normal y la extendida si le damos a la extendida Aquí estaríamos poniendo el modelo en modo razonamiento Entonces vamos a hacer una prueba marcándolo como normal primero vamos a probar con este prompt para intentar pillar al modelo Aunque yo creo que ya es un prompt que tiene que tener aprendido si es medianoche y llueve en Madrid podría estar soleado en Barcelona le damos a enviar Y en este caso vemos que la respuesta es inmediata No y nos dice sí es posible que mientras llueva medianoche en Madrid esté soleado en Barcelona sería incorrecto pero realmente luego por aquí lo explica bien no bueno si es medianoche en Madrid también será medianoche muy cerca Okay el modelo sin razonar responde bien aquí pero si quisiéramos asegurar noos de una mejor respuesta más pensada Pues aquí activaremos el modo extendido le daremos a enviar y ahora vamos a ver que la diferencia es que el modelo pues se pone en modo pensamiento que esto ya lo hemos visto con otros modelos podemos ver su cadena de razonamiento Y luego podemos ver la respuesta que nos incluye en este caso enfocándose más todavía en el hecho de que si es medianoche pues no puede estar soleado no sería una respuesta más rigurosa Entonces hasta aquí lo que tenemos es un modelo bastante similar a los modelos razonador que nos han presentado el resto de compañías pero hay una diferencia muy importante y la diferencia la encontramos en esta frase de aquí que nos dicen hemos desarrollado clot 3.7 sonet con una filosofía diferente a la de otros modelos de razonamiento del mercado así como los humanos utilizan un solo cerebro tanto para respuestas rápidas como para una reflexión profunda creemos que el razonamiento Debería ser una capacidad integrada de los modelos de vanguardia en lugar de un modelo completamente separado vale lo que han hecho ha sido un enfoque unificado del para adigma del test Time compute y los modelos no razonador los modelos intuitivos podemos llamarles en un único modelo aquí no tenemos un gpt 4 o y un modelo o3 que son modelos diferentes sino que en este caso ambos modelos cuando utilizamos el modo normal o el modo extendido es la misma arquitectura la misma red neuronal el mismo modelo entrenado algo que de partida ya me parece mucho más elegante y que creo que simplificará muchísimo a la hora de desarrollar este tipo de modelos aunque en lo práctico si nos damos cuenta de cara al usuario final Pues tampoco hay mucha diferencia Igual tú te vas a tener que ir a un selector de modelos y elegir para cada caso para cada problema si quieres trabajar con la versión normal o la versión extendida ahí el usuario no va a notar ninguna diferencia Dónde está la diferencia y una de las ventajas principales de tener una arquitectura unificada Pues que a la hora de pronte a la hora de comunicarte con el modelo estás trabajando con la misma cosa con lo cual no tienes que ir variando la forma de trabajar sino que puedes seguir la misma estrategia vale si estuviéramos trabajando con los modelos de Open Ai ellos en la documentación nos explican pues Pues que tenemos que seguir unas mejores prácticas cuando trabajamos con modelos razonador frente a los modelos gpt porque son modelos de diferentes naturalezas con lo cual tienes que aprender diferentes trucos y diferentes formas de comunicarte para sacarle el máximo rendimiento pero en el caso de Cloud Pues aquí vamos a trabajar con el mismo modelo y por tanto podemos si nos funciona una técnica de prompting concreta podemos utilizarla tanto para la versión normal y versión extendida una muy buena decisión por parte de antropic que seguramente el resto de laborator va a seguir en los próximos meses y ahora una vez entendemos esto Pues sí nos vamos a ir a la tabla de los numeritos mágicos donde vamos a ver que también al menos en teoría se desempeña Este modelo vale estamos viendo aquí que tenemos la columna de 3.7 sonet con razonamiento y sin razonamiento y podemos ver ya las diferencias de desempeño de un mismo modelo cuando activamos y desactivamos este paradigma podemos ver que el modelo en preguntas de razonamiento como el GP qa pues saca un 10% más vemos un mejor desempeño en el mm mlu Cuántas gemes también aquí tenemos un mejor desempeño y quizás el salto más evidente cuando activamos esta funcionalidad de razonamiento la encontramos con el desempeño matemático algo que hemos visto también con el resto de modelos de competidores donde saltamos de un 23,3 por a una cifra espectacular de 61,3 u 80% algo que si notamos cuenta es espectacular si lo comparamos con clot 3.5 sonet vale casi todas las categorías por no decir Todas se mejoran drásticamente pero si lo comparamos con el resto de modelos de competidores pues vemos Que Cloud 3.7 sonet es un modelo que se sitúa a la par de modelos como o3 mini High como dipsi R1 y grock 3 Beta que estuvimos analizando en el último vídeo es decir nos encontramos ahora en un punto donde la mayoría de modelos disponibles son modelos muy competentes que están de nuevo compitiendo cara a cara Casi casi Al mismo nivel de hecho para mí el dato más espectacular de este nuevo modelo lo encontramos en este benchmark de aquí que ya os avisé el año pasado que iba a ser un benchmark muy importante de Cara a estos nuevos modelos y es el s bench verified que lo que mide es las capacidades agentic de los modelos de poder estar en un bucle pues usando herramientas tomando decisiones razonando sobre el problema que le hemos planteado para que de forma Autónoma pueda resolverlo y en este caso este benchmark concretamente centrado en tareas de software engineer de ingeniero de software y aquí podemos ver comoo el modelo Cloud 3.7 sonet pues consigue en este benchmark que a principios del año pasado hace pues un año estaríamos en un 14 por más o menos con devin y modelos similares actualmente ya estamos en una cifra del 70.3 que aquí sí vemos un salto importante respecto a Cloud 3.5 sonet la versión de octubre pero también con Open Ai o1 o3 mini R1 es decir aquí sí fulmina al resto de competidores excepto porque nos hacen de nuevo un poquito la trampa no poniendo el dato que si es público de o3 vale el modelo de Open Ai el que más desempeño ha demostrado consigue justamente en este benchmark un 71 por que no aparece aquí que yo puedo entender la reflexión de bueno es que no es un modelo público Entonces si queremos hacer la comparación con modelos que podamos utilizar los usuarios Pues sí esta gráfica es correcta pero me parecería más honesto poner el dato real compararlo con todos los modelos y facilitarnos la vida a los que estamos analizando esto y luego hacer el claim de Oye sí o3 consigue un mejor resultado pero nuestro modelo ya ya está disponible para utilizar no como el de Open Ai me parece mucho más honesto y cercano a la realidad aún así un dato espectacular con el que antropic pues puede sacar pecho y este es un dato muy importante porque junto a este de aquí de nuevo eh demostración de uso de herramientas para tareas agentic lo que nos quiere contar eh antropic En este caso es que su modelo se está empezando a preparar para esta fase de cumplir como un motor dentro de estos sistemas agentic que vamos a empezar a ver funcionar y hacer tareas de valor Durante este año y por eso también tiene mucho sentido el nuevo proyecto que han presentado Cloud code una nueva herramienta todavía experimental con la que están investigando justamente esto las capacidades agentic de Cloud para cumplir tareas de ingeniería de software sobre repositorios de código que tengas tú en tu sistema esta sería una herramienta que tú te puedes instalar en tu consola de comandos y apuntar a un repositorio de código pues para que te haga una refactorización para que te haga modificaciones te cree nuevo código te haga test y los evalua y en caso de que fallen intentar encontrar los errores e ir Arreglándolo y depurol y todo esto automáticamente mientras tú te tomas tranquilamente tu café y esperas Y si queréis podéis utilizar este nuevo clot code en vuestros sistemas podéis instalarlo y probarlo y testearlo pero creo que aquí la mejor recomendación sería que utilizara pues cursor o windsurf en su modo agente utilizando como motor clot sonet 3.7 donde además de tener pues estas capacidades agentic lo Vais a tener integrado en un ID que va a ser mucho más cómodo que trabajar con la consola de comandos ya muchos usuarios lo están testeando dentro de cursor dentro de windsurf y las sensaciones las vi checks que estamos recibiendo son bastante bastante positivas Es evidente que antropic ha entrenado a su modelo pensando en estas tareas agentic y uno de los mejores resultados que lo demuestran es esta gráfica de aquí donde han puesto al nuevo modelo Cloud 3.7 a jugar al Pokémon Rojo de hecho esta fue una de mis predicciones en el hilo de predicciones de este año donde hablaba del retorno de los videojuegos Donde antes y hablo de 2018 2019 se utilizaban mucho los videojuegos para testearse una red neuronal pues podía aprender con aprendizaje por refuerzo a jugarlo desde el propio sistema no controlando los estados del juego y a ver si podía pues desempeñarse y encontrar las mejores estrategias durante su aprendizaje y donde mi predicción ahora apuntaba que iba a haber un retorno de los videojuegos en el mundillo del Deep learning pero diferente porque ahora lo que se iba a hacer era pues utilizar estas capacidades ag genticas para medir Qué tan bueno es un modelo justamente en esto no dándole pues control de la pantalla control del Ratón y que el modelo pudiera jugar como juega un humano tal cual la frase que dije fue en 2025 volverán a usarse videojuegos pero a modo de benchmark para demostrar las capacidades agencial es de los modelos y justo Esto es lo que ha hecho antropic dejando que clod juegue al Pokémon demostrando que su nueva versión el modelo 3.7 Comparado con la versión 3.5 y la versión de octubre vamos a llamarla 3.6 Pues con consue pasar muchos más hitos y con un menor número de acciones tomadas pues le permite llegar mucho más rápido a hitos en el juego no en este caso pues llegando a conseguir diferentes medallas con los diferentes entrenadores Pokémons no sé cuánto tiempo tardaremos en ver a una versión de Cloud o de Open Ai o de grock que llegue a conseguir pasarse el juego completo pero por ahora vemos que la línea de Progreso es bastante positiva y si a esto Además le sumamos que este nuevo modelo 3.7 sonet que hemos visto está a la par de o3 mini High cuesta la mitad a nivel De Api pues lo que tenemos ante nosotros es un muy buen modelo que se va a convertir en el favorito de gran parte de la comunidad porque sonet ya tenía el favor de la comunidad es uno de los mejores modelos para programar y esto tiene que ver sobre todo con el cóctel de datos que están utilizando internamente para entrenarlo donde cosas tan tontas como programar interfaces que sean más bonitas que las de otras herramientas y código más funcional Pues hacen que los resultados ados de este modelo y de la versión 3.5 pues se haya seguido utilizando a día de hoy a pesar de ser un modelo de hace bastantes meses que eso en años de ia pues es un montón de tiempo y vamos rápidamente a probar sus capacidades vamos a empezar con un prompt de razonamiento donde lo que tiene que hacer aquí eh Cloud será encontrar el código secreto y este va a ser un test que quiero enseñaros porque estoy gratamente sorprendido de hecho es que podríamos saltar incluso hasta la versión 3.5 voy a marcarlo aquí porque quiero que veáis realmente el nivel tan bestia que era el modelo sonet de de hace unos meses y es que este prompt de aquí si yo Esto se lo paso a los modelos razonador actuales a grock 3 a o3 mini a todos estos modelos algunos dedican bastante tiempo unos 5 minutos unos 9 minutos estuve probando para encontrar el código y algunos lo encuentran y otros no gemini no lo encontraba grock lo encontraba relativamente rápido o tres mini High tardaba y en este caso el modelo sonet 3 3.5 sin razonamiento directamente atentos es que me parece Me parece increíble encuentra la frase instantáneamente esto esto lo probé justamente ayer y me dejó alucinado porque como digo es una tarea que requiere tiempo de razonar y que un modelo No razonador pues lo consiga resolver tan rápido la verdad que es bastante impresionante Igualmente vamos a hacer la comparación con tareas de programación que ahora mismo con este modelo es lo que más me interesa Y vamos a probar primero con este prompt de aquí que es un visualizador de una red neuronal tipo convolucional donde lo que le voy a pedir al modelo es que nos permita pues crear una red neuronal que vaya a entrenarse para clasificar números eh escritos a mano y donde tengamos un Lienzo que podamos dibujar en tiempo real y que nos permita visualizar las conexiones del modelo las activaciones los filtros todo en tiempo real vale vamos a probar con este prompt y vamos a compararlo con diferentes modelos venimos a Cloud le pegamos el prompt activamos el modo extendido y le damos a enviar y vemos Que inmediatamente el modelo se pone a pensar podemos ver su cadena de razonamiento de forma pública En este caso creo que no están ofuscando ninguna información vemos que dentro de la propia cadena de razonamiento empieza a plantear un poco el código y vamos a dejarlo trabajar mientras tanto vamos a lanzar el mismo prom con otros modelos se lo vamos a mandar a otres mini se lo vamos a mandar también a dipsi R1 y se lo vamos a mandar también a grock con el modo pensar vamos a dejar lo pensando y Qué curioso ya tener como un catálogo tan grande de modelos que hacen básicamente lo mismo no el pararse a razonar algo que hace 6 meses no teníamos por ningún lado ahora es el estándar y Aquí vemos que tras haber estado pensando un minuto y 20 segundos nos ha abierto el Canvas lateral y está empezando Ahora sí a generar el código final y ya tendríamos el resultado que me lo voy a copiar y lo vamos a abrir directamente y veo muchas cosas muy interesantes veo cosas que me gustan bastante esto esto debería de ser un Canvas en el que podría debería poder dibujar Vale y estamos teniendo un problema porque puede ser que en este caso eh estemos sobrecargando los recursos del navegador y nos está saliendo el banner de esto a ver si podemos de alguna forma interactuar no de alguna forma Esto está bastante colgado no sé si está intentando hacer el entrenamiento y está agotando los recursos pero no no nos deja interactuar con la propia herramienta Así que tiene que haber algún tipo de fallo en en el código voy a darle en este caso otra oportunidad porque realmente lo que nos ha planteado estaba bastante bien a nivel de paneles y información que quería desplegar y curiosamente fijaos en este caso el mismo prompt nos ha dado un tiempo de pensamiento muchísimo más bajo antes era un minuto y 20 segundos ahora solamente ha pensado 8 segundos eh bastante inconsistente los tiempos de pensamiento extraño vamos a decir tenemos el código lo copiamos y nos venimos a la herramienta y en este caso de nuevo vemos una interfaz que va podemos dibujar en este caso si estaría eh funcionando el canvas pero vemos que aparece un error aquí nos dice error al cargar etiquetas emist parece que habría un error que recargué y podría ser un fallo en este caso que tampoco nos va a permitir utilizar la herramienta vamos a probar Igualmente vamos a dibujar aquí iniciamos el entrenamiento y nos sale un mensaje que nos dice que esperemos a que se cargue el dataset mnist que no sé si estará descargándose pero por lo que veo tiene pinta de que está apuntando A lo mejor alguna dirección donde ya el modelo no esté alojado no no da error 404 con lo cual está URL o está alucinada o es una URL que ya no funciona una pena porque apuntaba maneras vamos a ver cómo ha hecho el trabajo el resto de modelos chat gpti 3 mini High nos da un código que al ejecutarlo ojito que esto también tiene muy buena pinta fijaos como el estilo de la interfaz es menos atractiva que lo que nos ha hecho sonet pero ojito que esto me me gusta bastante vamos a dibujar aquí okay vale vale vale vale Esto está muy bien vale Y fijaos como abajo tenemos las diferentes eh habilidad de clasificación vamos a iniciar el entrenamiento Esta es quizás la parte más complicada y no sé si va a estar funcionando pero mucho más funcional que lo que nos ha presentado ahora mismo clod vale Yo puedo dibujar aquí podemos ver las diferentes estos serían los pesos habría que quitarle el suavizado que tiene el reescalado Pero bueno está bastante bastante bien Me gusta mucho y fijaos incluso que tenemos hasta predicciones No pues Pongo aquí un tres sale un seis faltaría que el modelo pudiera entrenarse que ahora mismo Pues creo que está en modo aleatorio vamos con dips que en este caso hacer una interfaz un poco más sencillita vamos a intentar dibujar no nos deja dibujar vale Sí nos deja dibujar ahí estaría vale esto tiene muy buena pinta también vale estamos dibujando y vemos abajo Lo que serían las activaciones de la capa uno pero no tiene mucho sentido y también nos faltaría los filtros en este caso vamos a iniciar el entrenamiento a ver si pasa algo iniciar entrenamiento no parece estar haciendo nada y ahora sí vamos a ver el resultado de dips que el anterior era grock que que lo he dicho mal Y en este caso lo que nos genera Pues también es una interfaz donde deberíamos de poder dibujar pero tampoco parecería estar funcionando con lo cual pues para esta pruebita si tuviéramos que hacer un ranking diríamos que o3 mini High estaría en cabeza luego estaría grock 3 y luego estarían los que no han funcionado para nada que sería clots sonet y en este caso R1 vamos con otra prueba que esta ya la vimos en un vídeo anterior y que también es un problema de programación bastante complicado porque lo que vamos a combinar aquí es el famoso juego del snake que el modelo lo tiene que tener aprendido ya por overfitting pero en este caso integrado dentro de un hexágono que está rotando con recompensas que van votando que le afecta la gravedad donde también vamos a poner un algoritmo de Inteligencia artificial que aprenda a controlar a la serpiente aprenda a jugar todo esto en un prompt que vamos a evaluar Ahora nos venimos a Cloud le damos el prompt activamos la versión extendida y a trabajar y tras 2 minutos de razonamiento y bastante tiempo generando código tenemos por aquí el código que vamos a testear ahora ejecutamos un promt complicado ostras vale vale vale bueno bueno bueno vale Ya os adelanto que este es al menos por interfaz y hasta la el Game over de los resultados más estéticos y completos que he visto se nos ha puesto hasta un apartado de instrucciones vale bastante bien Vamos a darle a reiniciar Oh pero va a fallar el juego no lo más importante a veces falla por el tema del por uno vamos a ponerla otra ve velocidad no serpiente tenías muy buena pinta a ver vale a velocidad es muy rápida parece que funcionaría Ah claro no me da tiempo a controlar buah pero tiene muy buena pinta tiene muy buena pinta pero no es 100% funcional No si lo dejamos aquí además vemos que la gravedad la ha interpretado de una forma diferente ha puesto como la gravedad en el centro y las recompensas orbitando que no estaría del todo mal bajo lo que le he indicado Pero bueno y vamos a probar el modo ia el modo automático en por uno por dos no funcionaría vamos a darle en por cuatro y no parecería que esté funcionando una pena porque como digo de los mejores resultados que he visto a nivel de de de producto completo lo cual es interesante porque si lo pensamos Aquí hacemos muchas pruebas con prompts que pretenden ser One Shot para ver qué también programa La ia Pero la realidad es que muchos de estos modelos los vamos a usar en un tira y afloja donde iremos iterando no Y si aquí hay un error pues le diremos Oye esto no funciona Arréglalo y acabar Arreglándolo con lo cual tener un modelo que de partida te dé este resultado pues no está nada mal por comparar Este es el resultado que nos da otres mini High tras 3 minutos pensando de nuevo un juego de la serpiente que parece que sí podemos controlar vale aquí sí puedo jugar las recompensas estarían votando como hemos pedido este se acercaría más al resultado que yo estaba esperando cuando diseñé el prompt Así que bastante bien y si lo ponemos en modo automático pues podemos ver que la serpiente pues se va controlando y yo aquí no estoy tocando nada y estaría Pues internamente entrenándose con algún tipo de algoritmo este sería el resultado de grock tras solo 24 segundos pensando eh que parece funcionar pero no mucho vale o sea funciona un poquito pero si mueres se para la partida vale hemos cogido una recompensa no Se está actualizando el número de recompensas lo cual sería un error vemos que las colisiones con el hexágono son correctas pero la serpiente no crece Bueno hay aciertos y hay errores y si activamos el modo ia a ver si lo podemos activar antes de que muera vale aquí estaría controlándose de forma automática pero vemos que está ejecutando un montón de acciones en el tiempo y realmente la serpiente pues no acaba de de moverse Y por último tenemos el resultado de dips que también nos hace un interfaz bastante bonita vemos que las recompensas votan correctamente pero Aquí el problema es que la serpiente no tiene colisión y se va rápidamente fuera del hexágono vale aquí en este caso el ranking Pues sería en Cabeza o tres mini High cumpliendo bien la tarea Luego pondría clot sonnet Porque si bien no ha terminado de cocinar una demo funcional es quizás uno de los resultados más completos y luego tendríamos un empate entre R1 y grock con lo cual chicos como digo Siempre Estos son unas pequeñas pruebas para ir testeando los modelos pero no es nada conclusivo las conclusiones las tendréis que sacar vosotros probando los modelos las vibras las vibe checks que se llaman tenéis que probarlo tenéis que testearlo llevarlo a vuestros casos de uso y ahí iremos comprobando con el paso de los días y las semanas si este modelo nos va a dar tantas alegrías como nos dio sonet 3.5 por ahora apunta a un muy buen modelo antropic ha cocinado ha hecho muy buen trabajo y se pone a competir en una liga que cada vez se vuelve más dura con competidores como xi con grock 3 un modelo muy muy bueno con o3 mini un modelo muy bueno también con dips y con el resto de modelos que cada día se siguen sumando miramos en la agenda y vemos que en el Horizonte posiblemente el siguiente competidor en mover ficha sea Open Ai con la salida de su ya esperado gpt 4.5 que veremos seguramente en los próximos días y cuando lo tengamos chicos chicas lo estaremos analizando aquí en dosv lab si os ha gustado suscribios a este canal para más actualidad de Inteligencia artificial tenéis un par de vídeos por aquí que podéis ojear tenéis un vídeo sobre La agi la Inteligencia artificial general en el canal principal y chicos chicas nos vemos con más ia en el próximo vídeo