¿Alibaba superó a OpenAI con su IA capaz de controlar tu móvil?

¡Oye! ¿Te has enterado de la última jugada de Alibaba en el mundo de la inteligencia artificial? Resulta que han lanzado Qwen2.5-VL, una IA multimodal que no solo entiende texto e imágenes, sino que también puede interpretar videos largos y, atención, ¡controlar dispositivos como PCs y móviles! Esto podría cambiar las reglas del juego. Quédate, que te lo contamos todo.

Qwen2.5-VL: ¿Qué trae de nuevo?

Alibaba describe a Qwen2.5-VL como una IA capaz de comprender archivos, videos, gráficos, imágenes y hasta interfaces de software. Imagina que puede analizar documentos, extraer información de facturas escaneadas y procesar videos de varias horas. Vamos, una auténtica navaja suiza digital. Según las pruebas internas de Alibaba, su modelo estrella, el Qwen2.5-VL-72B, supera a GPT-4o, Claude 3.5 Sonnet y Gemini 2.0 Flash en áreas como análisis de documentos, resolución de problemas matemáticos y comprensión de videos. Aunque, claro, una cosa son las pruebas de laboratorio y otra el mundo real.

Control de dispositivos: ¿El siguiente paso?

Lo más llamativo es su capacidad para interactuar con dispositivos y aplicaciones. En un video publicado por Philipp Schmid, líder técnico en Hugging Face, se ve a la IA abriendo la app de Booking.com en un móvil Android y reservando un vuelo de Chongqing a Beijing. Esto abre un mundo de posibilidades: desde asistentes personales avanzados hasta la automatización de tareas complejas en el trabajo. Sin embargo, hay que tener en cuenta que, aunque puede controlar software en Linux, su desempeño en el benchmark OSWorld—que simula un entorno computacional real—fue pobre. Así que aún hay margen de mejora.

¿Está Qwen2.5-VL por delante de GPT-4o y Gemini?

Alibaba asegura que su modelo supera a GPT-4o, Claude 3.5 Sonnet y Gemini 2.0 Flash en múltiples pruebas. Pero, seamos cautelosos. Los benchmarks internos de las empresas suelen estar optimizados para favorecer sus propios modelos. Sin acceso a pruebas independientes, es difícil comprobar si realmente tiene un rendimiento superior. Además, OpenAI, Google y Anthropic llevan ventaja en términos de implementación en productos comerciales, mientras que Alibaba sigue limitada en gran parte al ecosistema chino.

Disponibilidad y restricciones

El ecosistema de Qwen2.5-VL se divide en tres versiones: – **Qwen2.5-VL-3B y Qwen2.5-VL-7B**: Están disponibles con licencias permisivas, lo que significa que pueden ser usados por desarrolladores sin restricciones significativas. – **Qwen2.5-VL-72B**: Es el modelo más avanzado, pero su uso está sujeto a una licencia de Alibaba. Empresas o desarrolladores con más de 100 millones de usuarios activos al mes deben pedir autorización antes de implementarlo comercialmente. El modelo puede probarse en Qwen Chat, el chatbot de Alibaba, y también descargarse desde Hugging Face, lo que da a la comunidad de IA acceso a sus capacidades.

¿Qué nos depara el futuro?

La capacidad de Qwen2.5-VL para interactuar con PCs y móviles podría transformar la forma en que usamos la tecnología. Imagina un asistente que automatice tareas repetitivas en la oficina, abra y gestione aplicaciones en tu smartphone sin intervención manual, o realice reservas y compras por internet con comandos de voz o texto. Sin embargo, surgen preocupaciones: – ¿Cómo evitará Alibaba que su IA realice acciones no autorizadas? – ¿Cómo protegerá la privacidad de los usuarios al interactuar con datos sensibles? – ¿Hasta qué punto se permitirán automatizaciones sin supervisión humana?

Nuestra opinión

El lanzamiento de Qwen2.5-VL es una demostración clara de que Alibaba quiere competir al más alto nivel en IA. Su capacidad de analizar documentos, entender videos extensos y controlar dispositivos lo pone en una liga interesante. Pero aún hay desafíos: – La falta de validación independiente sobre su rendimiento frente a modelos occidentales. – Limitaciones regulatorias en China que afectan su uso y discusión de ciertos temas. – Su relativa inmadurez en la ejecución de comandos avanzados en sistemas operativos. Si Alibaba logra mejorar estos aspectos, su tecnología podría marcar una nueva era en la interacción humano-máquina. Por ahora, el control total de PCs y móviles por IA sigue siendo un reto por perfeccionar, pero con el ritmo de desarrollo actual, podríamos ver avances significativos en los próximos años. Lo que es seguro es que Alibaba no piensa quedarse atrás en la carrera de la inteligencia artificial. ¿Estás listo para que una IA controle tus dispositivos? ¿Qué opinas de esta nueva era de interacción humano-máquina?