OpenAI DevDay y Gemini 4 Argon: la competencia se traslada a completar flujos de trabajo enteros

Por TheSequence · 7 de octubre de 2026.

La semana pasada dejó más clara una pregunta práctica para quienes desarrollan con IA: ¿cuánto trabajo útil puede completar un modelo antes de que el coste, el contexto o la necesidad de supervisión se conviertan en el cuello de botella? Los anuncios de OpenAI en su DevDay del 29 de septiembre se centraron en atacar la economía y la infraestructura necesarias para sostener la ejecución de tareas largas. La introducción por parte de Google, el 30 de septiembre, de Gemini 4 Argon puso el acento en la capacidad de razonar a través de tareas más largas y exigentes.

La lectura del autor es que la unidad de competencia se está desplazando hacia el 'flujo de trabajo completado' como medida de éxito, en lugar de limitarse a comparar capacidades puntuales del modelo. Pone como ejemplo un modelo de código: para ser útil de verdad, no basta con que genere código, sino que debe inspeccionar un repositorio, realizar cambios, ejecutar pruebas, interpretar los fallos que surjan y entregar finalmente algo que un humano pueda revisar.

Según plantea el autor, la inteligencia del modelo importa en todas las fases de ese proceso, pero no es lo único relevante: también cuentan la maquinaria que rodea al modelo y el presupuesto disponible para ejecutar ese trabajo.

El correo introduce a continuación un primer bloque temático titulado 'OpenAI DevDay expands the agent stack' ('OpenAI DevDay amplía la pila de agentes'), que comienza a detallar una novedad bajo el nombre 'Sol', descrita como una pieza orientada a reducir el coste de los trabajos complejos. El cuerpo del correo recibido se interrumpe justo en este punto, por lo que no hay más detalles disponibles sobre las características concretas de Sol ni sobre el resto de anuncios de OpenAI DevDay o de Gemini 4 Argon que, previsiblemente, el boletín completo desarrolla a continuación.