Desmitificar la IA

Pregunten al grupo qué entienden por IA. Mientras los nombres flotan, lean algunos en voz alta: todos los hemos oído, pocos sabríamos decir qué es cada uno. ChatGPT, GPT y OpenAI usan el mismo logo y suenan igual, pero son tres cosas distintas. En unos minutos cada nombre tendrá su lugar.

Construyan la pila de arriba abajo. Cada vez que alguien diga “la IA”, pregunten: ¿de qué capa hablas? ChatGPT es la capa 3, un producto. El modelo es la capa 2. OpenAI es una empresa.

Empresa (laboratorio)

Construye modelos y vende acceso a ellos. Ejemplos: OpenAI, Anthropic, Google.

Modelo (LLM)

Un archivo de números (pesos) que predice la siguiente pieza de texto. Ejemplos: GPT, Claude, Gemini.

Arnés

Todo lo que envuelve al modelo para hacerlo útil: memoria, instrucciones, herramientas y un ciclo. ChatGPT y Lattice son arneses.

Conexión

La vía por la que un agente actúa sobre otro programa: MCP o un puente directo.

Hay muchas empresas, en varios países, y cada una hace varios modelos. Tomemos OpenAI: su modelo de frontera cuesta unas 100 veces más que el ligero por cada millón de tokens. Muchas tareas de scripting no necesitan el de frontera. Y el modelo es solo el motor: el mismo motor puede ir en un taxi (ChatGPT) o en un camión (Lattice), y se comporta distinto según el vehículo. Precios de octubre de 2026; revisarlos antes de cada sesión.

Modelo de frontera

El mejor modelo que tiene una empresa en un momento dado: el más capaz y el más caro.

Piensen en ajustar una superficie NURBS a una nube de puntos. Los puntos son todo el texto de entrenamiento. Entrenar es mover miles de millones de puntos de control (los pesos) hasta que la superficie pase por los datos. Al terminar, los textos ya no están: solo queda la superficie, cientos de veces más pequeña. Preguntar es pararse en un punto y recorrer la superficie, leyendo una pieza de texto a la vez. Y donde no había datos, la superficie igual responde, suave y segura: eso es una alucinación. Es una simplificación: un modelo real tiene miles de dimensiones.

Pesos (parámetros)

Los números que forman un modelo, como los puntos de control de una superficie. Un modelo grande tiene decenas o cientos de miles de millones.

Entrenamiento

Ajustar los pesos para que el modelo reproduzca lo mejor posible un enorme conjunto de textos. Se hace una vez y cuesta mucho.

Inferencia

Usar un modelo ya entrenado: a partir de tu texto, predice la siguiente pieza, una a la vez.

Alucinación

Una respuesta plausible y segura pero falsa. Pasa porque el modelo reconstruye, no consulta.

Esto es lo que hacía la sonda en la diapositiva anterior. Las piezas no son palabras, son tokens: “perimetral” son dos. En cada paso el modelo calcula una probabilidad para muchas piezas posibles y elige una; esa pieza se agrega y vuelve a entrar. Una a la vez, muy rápido. Y no siempre elige la más probable: por eso la misma pregunta da respuestas distintas. Probabilidades ilustrativas.

Token

La pieza de texto con la que trabaja un modelo: una palabra corta o parte de una más larga. Los precios se cobran por token.

Un buscador encuentra un documento y te da la fuente. Un modelo no tiene estante: escribe de memoria. Pregúntenle por una función de Rhino y puede contestar con mucha seguridad rs.RenameAllLayers, que no existe. No mintió: combinó piezas reales que ha visto miles de veces. Por eso, en cada instrucción: digan la versión y la biblioteca, ejecuten en una copia, y dejen que el agente verifique (lo vemos en la Parte 2).

Los modelos de razonamiento escriben sus pasos en un borrador antes de responder, como bocetar antes de dibujar en limpio. En problemas de varios pasos aciertan más. Pero el borrador también son tokens: más tiempo y más dinero, del orden de diez veces más. Pensar también le permite dudar: a veces detecta que una función no existe y busca una alternativa real, aunque no siempre. Y sigue sin estante: para datos y funciones, lo más seguro es darle la fuente con herramientas. Un modelo con herramientas y un ciclo es un agente: Parte 2.

Modelo de razonamiento

Un modelo que escribe pasos intermedios (un borrador) antes de la respuesta final. Acierta más en problemas de varios pasos; cuesta más y tarda más.

Igual que la ficha técnica de un material, cada modelo tiene siete datos que importan: si es abierto o cerrado, su nivel, su tamaño, si razona, cuánto contexto lee, qué entiende además de texto y cuánto cuesta. Al final comparamos dos modelos reales: GPT-6 Astra, cerrado y de frontera, y DeepSeek-V4.1-Flash, abierto y casi 80 veces más barato en salida. Ninguno es “el mejor”: depende de la tarea. Datos de octubre de 2026; revisarlos antes de cada sesión.

Pesos abiertos (open weights)

Un modelo cuyo archivo de pesos se puede descargar y correr en tu propia máquina. A menudo se le llama “open source”, aunque los datos y el código de entrenamiento no sean públicos.

Ventana de contexto

La cantidad máxima de texto, en tokens, que un modelo puede leer en una sola petición.

Modalidades

Los tipos de información que un modelo entiende: texto, imágenes, audio, video.

Internet era un catálogo de detalles tipo: alguien saca el plano que pediste, ya existía, y la misma respuesta sirve a millones. Un LLM es encargar a un ingeniero que calcule el detalle desde cero, cada vez, solo para ti. Para cada token, un modelo de 70 mil millones de pesos hace unas 140 mil millones de operaciones. Una respuesta de 500 tokens son unos 70 billones: si todo el planeta hiciera una multiplicación por segundo, tardaría unas dos horas y media. Y como cada respuesta es distinta, no se puede reutilizar. Por eso se cobra por token. Cifras ilustrativas.

Hay cuatro formas de pagar por el mismo tipo de modelo. Suscripción: cuota fija, mucho uso, pero con límites y atado a una empresa. API directa: pagas por token, transparente, pero con agentes sube rápido. Un router como OpenRouter: una sola cuenta y una llave para cientos de modelos de muchas empresas; eliges el más barato que sirva. Y tu propia máquina: sin cobro por uso y privado, pero los buenos modelos piden hardware caro. Lo importante: un usuario intensivo de un plan de 200 dólares puede consumir el equivalente a unos 1,500 en la API. La empresa subsidia parte del cómputo, y eso puede cambiar. No hay una opción mejor: depende de la tarea. Lattice usa OpenRouter, así que eliges el modelo según la tarea. Precios de octubre de 2026; la cifra del subsidio es una estimación de usuarios, no un dato oficial.

API

La puerta para que un programa use un modelo directamente, pagando por token, sin pasar por el chat.

Router (OpenRouter)

Un servicio que da acceso a modelos de muchas empresas con una sola cuenta y una sola llave.