Polymarket da a Google un 70% de ser el mejor modelo de IA en octubre: lo que mide ese mercado y lo que no

Por Seeking Alpha · 12 de octubre de 2026.

Google mantiene este lunes una probabilidad dominante del 70% en Polymarket, plataforma de mercados de predicción, de poseer el mejor modelo de IA a finales de octubre, según informa Seeking Alpha. Anthropic aparece segunda con un 23%. El texto al que hemos tenido acceso está cortado y no recoge las cifras de OpenAI ni de Meta, así que no las damos.

Un mercado de predicción es una apuesta con dinero real sobre un resultado futuro; el precio se lee como probabilidad. Tampoco conocemos, por el contenido disponible, el criterio exacto con el que se resuelve esta apuesta. En general, estos mercados suelen anclarse a una clasificación pública concreta, normalmente de votación de usuarios, y ese detalle lo cambia todo.

Nuestra lectura: este dato dice más sobre expectativas que sobre capacidad. Un 70% refleja lo que los apostantes creen que ocurrirá en un ranking determinado, no que Google tenga el modelo más capaz en las tareas duras. Si la resolución depende de un ranking de preferencia humana, favorece los modelos pulidos para agradar al votante, algo que ya hemos señalado al desconfiar de los Elo optimizados para votos.

Que el mercado apueste por Google a octubre puede reflejar un lanzamiento esperado o una métrica distinta de la capacidad en las tareas más exigentes. No podemos confirmar cuál de las dos cosas, porque la fuente no lo detalla.

Hay además una lectura de fondo. Que el liderazgo se decida mes a mes, y que se apueste por él, muestra lo comoditizada que está la frontera: la ventaja de un laboratorio dura semanas. Para el usuario es buena noticia, porque esa competencia abarata y mejora los modelos. El margen duradero, como venimos defendiendo, se desplaza hacia la implantación, la integración y la confianza, no hacia quién encabeza un ranking en un mes concreto.

Conclusión práctica: tratemos el 70% como termómetro de sentimiento y no como veredicto. Para decidir qué modelo usar, siguen valiendo los benchmarks duros y la prueba en el propio caso de uso.