En la segunda temporada de Paradise, el presidente Bradford recorre un búnker subterráneo diseñado para sobrevivir al apocalipsis. Los ingenieros están orgullosos: cada emergencia cubierta, cada redundancia en su lugar. Bradford no queda impresionado. Mira su certeza y dice:

“Los imperios no caen por falta de preparación. Caen montados en sus caballos y cargados de redundancias.”

El búnker se derrumba en el final de temporada. No desde afuera. Desde adentro.

A OpenAI no le faltó tecnología. No le faltó capital. No le faltó talento. Lo que le faltó fue la conciencia de que ser el primero no garantiza ser el último — y que el nombre en la puerta era una promesa que dejó de cumplir hace años.

La alerta máxima que lo empezó todo

En diciembre de 2022, Google declaró una alerta máxima. ChatGPT se había vuelto viral y toda la compañía entró en pánico. Sundar Pichai reorganizó equipos en Research, Trust and Safety y producto. Larry Page y Sergey Brin — que habían dejado Alphabet en 2019 — volvieron para reuniones de emergencia. Google, la empresa que inventó la arquitectura transformer, que construyó DeepMind, que tenía a LaMDA guardado en un cajón, había sido superado en el mercado por una startup que usaba su propia investigación.

La respuesta fue desordenada. Bard se lanzó a principios de 2023 y fue mediocre. El rebranding a Gemini llegó con fallas vergonzosas en la generación de imágenes. AI Overviews le decía a la gente que comiera pegamento. Durante dos años, el relato fue claro: Google había perdido la carrera de la IA frente a OpenAI.

Pero Google no estaba perdiendo. Google estaba cocinando a fuego lento.

Lo que Google hacía mientras OpenAI celebraba

Mientras Sam Altman aparecía en portadas de revistas y declaraba ante el Congreso, Google hacía lo que sabe hacer: ingeniería a escala. No un producto. Un ecosistema.

Gemini evolucionó a través de versiones que fueron cerrando la brecha. Google AI Studio se convirtió en una plataforma de desarrollo seria. NotebookLM se transformó en una herramienta de investigación que la gente realmente usaba. El stack de hardware — TPUs, Trillium, Ironwood — siguió avanzando. La integración móvil se profundizó a través de Android, Pixel y alianzas con Qualcomm y MediaTek.

Nada de esto fue llamativo. Nada de esto se volvió viral. Pero cada pieza era una piedra fundacional para lo que vendría después.

En noviembre de 2025, Google lanzó Gemini 3 — y el mundo lo notó. Marc Benioff, CEO de Salesforce y usuario diario de ChatGPT desde hacía tres años, probó Gemini 3 durante dos horas y dijo que el salto era “una locura”. El modelo superó a GPT-5 en varios benchmarks. Por primera vez desde que se lanzó ChatGPT, la conversación pasó de “¿alguien puede alcanzar a OpenAI?” a “¿Google ya los dejó atrás?”

Sam Altman declaró su propia alerta máxima. Tres años después del pánico de Pichai, los roles se habían invertido perfectamente.

El usuario que se fue

Aquí es donde los datos terminan y la experiencia comienza.

Uno de nuestros editores usó ChatGPT desde la versión 3.0 hasta la 5.1 — más de dos años de suscripción paga. No era un uso casual. Eran flujos de trabajo estructurados: planos generados en ChatGPT, ejecutados en Sonnet de Claude. Proyectos con archivos de contexto para mantener la coherencia. Resultados verificados. Adaptación a cada cambio de modelo.

GPT-5.0 introdujo el modo de razonamiento extendido. Sobrediseñaba soluciones, pero el usuario se adaptó. Verificaba más, ajustaba los prompts, y los resultados eran sólidos y verificables.

Después llegó el 5.2.

El cambio parecía cosmético — OpenAI lo describió como hacer el modelo “más pragmático”. Pero algo se rompió en la dinámica. Ya sea por el ciclo de razonamiento, un cambio en la experiencia de usuario, optimización de tokens, o algo más profundo — el modelo dejó de sentirse como un colaborador. Se sentía como un chatbot. Las respuestas llegaban más rápido pero decían menos. La profundidad que hacía valiosa la colaboración había desaparecido.

El propio encuadre de OpenAI era revelador: el modelo ahora estaba “hecho para funcionar y responder”, no para ser “tu compañero”. Lo dijeron como si fuera una mejora. Para un usuario exigente que dependía del modelo como interlocutor de pensamiento, era una confesión.

En menos de una semana del lanzamiento del 5.2, llegó Gemini 3.0 Pro. Google lo desplegó en todo su ecosistema — Search, Studio, imagen, video, NotebookLM — en un lanzamiento coordinado y simultáneo. El contraste fue demoledor.

La alerta máxima de Sam Altman llegó de inmediato. OpenAI pausó la publicidad, retrasó los agentes de IA para compras y salud, guardó en un cajón su asistente personal Pulse. Todo se redirigió a mejorar ChatGPT. Lanzaron el 5.3 el mismo mes que habían lanzado el 5.2 — un ritmo sin precedentes que hablaba más de pánico que de progreso.

Codex, su modelo de programación, llegó después. Funcional para rastreo de errores y tareas específicas, pero lento — no es multiagente, no es el salto que el mercado esperaba. ¿Y del lado del consumidor? GPT sigue en el 5.3 mientras Codex pasó al 5.4. Sora fue cerrado. La alianza con Disney quedó en pausa. La expansión de centros de datos se desaceleró.

Nuestro editor canceló la suscripción en diciembre. OpenAI le ofreció un mes gratis. No renovó. No por el precio. Porque cuando muchos modelos hacen lo mismo mejor, o de forma gratuita, pagar 200 dólares al mes por un modelo que no puede acceder a una URL deja de tener sentido.

La URL que lo dijo todo

Después de cancelar, nuestro editor probó ChatGPT una vez más — en una conversación nueva sobre The Frontier View. Le dio al modelo la URL del blog. Tres veces.

El modelo no la visitó. Inventó excusas sobre limitaciones de renderizado de JavaScript. El blog está construido sobre Astro — genera HTML estático. No hay nada que renderizar.

Cuando se le insistió, el modelo “analizó” el blog sin haber leído ni un solo artículo. Ofreció opiniones sobre branding, tesis editorial y estrategia de contenido — todo fabricado a partir del nombre y la URL. Cuando se le preguntó cuántos artículos había revisado antes de su análisis, respondió: cero.

“Entregas tokens con forma, pero no me dices nada”, dijo el usuario.

Esa frase es la reseña de producto que OpenAI no quiere leer. Un modelo de frontera — el modelo que, según su CEO, iba a cambiar la economía global — no pudo hacer una solicitud HTTP básica a un sitio web estático. En cambio, generó la respuesta estadísticamente más probable para la situación: un análisis seguro de algo que nunca miró.

Este es el colapso del conocimiento del que escribimos en nuestro artículo sobre el paper de Acemoglu — salvo que ocurre dentro del modelo, no solo en sus usuarios. El propio modelo está ejecutando la ilusión de comprensión sin el contenido real. No está pensando. Está reconociendo patrones de cómo se ve el pensamiento.

Entonces Google abrió la puerta

El 2 de abril de 2026 — hace cinco días — Google lanzó Gemma 4. Cuatro tamaños de modelo. Licencia Apache 2.0. Completamente abierto, completamente comercial, sin restricciones.

Los números hablan solos. El modelo denso de 31B ocupa el tercer lugar en el ranking de texto de Arena AI con 1452 Elo — superando a modelos veinte veces más grandes. En matemáticas AIME 2026, obtiene un 89,2% donde Gemma 3 sacó un 20,8%. En programación competitiva, 80% frente a 29,1%. En ciencias a nivel de posgrado, 84,3% frente a 42,4%. En uso de herramientas con agentes, 86,4% frente a 6,6%.

La variante MoE de 26B tiene 25,2 mil millones de parámetros en total pero activa solo 3,8 mil millones por token. Funciona a la velocidad de un modelo de 4B con la inteligencia de uno muchas veces más grande. Puedes ejecutarlo en una sola H100, en una Mac con Apple Silicon, en un teléfono, en una Raspberry Pi.

Soporta ventanas de contexto de 256K, visión y audio nativo, más de 140 idiomas, llamadas a funciones, salida estructurada y prompts de sistema. Ya existen implementaciones de la comunidad para llama.cpp, MLX, vLLM, PyTorch, y es compatible con OpenClaw — el framework de agentes de código abierto con el que OpenAI contrató a Peter Steinberger para competir.

Y es gratis. No “capa gratuita con límites”. No “pesos abiertos con licencia restrictiva”. Apache 2.0 — haz lo que quieras con él. Ejecútalo, modifícalo, vende productos construidos sobre él, despliégalo en infraestructura soberana. Tus datos, tu hardware, tus reglas.

La ironía que se escribe sola

La empresa llamada OpenAI cobra 200 dólares al mes por acceder a un modelo que no puede abrir una página web. La empresa llamada Google — que nadie asocia con “abierto” — acaba de lanzar la familia de modelos de pesos abiertos más capaz de la historia bajo la licencia más permisiva disponible.

OpenAI comenzó como una organización sin fines de lucro comprometida con garantizar que la IA beneficie a toda la humanidad. Se convirtió en una empresa de lucro limitado, luego empujó hacia el lucro ilimitado, atravesó golpes internos en su directorio, y ahora quema efectivo más rápido de lo que puede recaudarlo — proyectando 26 mil millones de dólares en ingresos para 2026 pero necesitando que sus márgenes suban del 40% al 77% para que los números cuadren.

Mientras tanto, Google jugó a largo plazo. Aguantó las críticas. Sobrevivió a los memes. Siguió construyendo infraestructura. Y cuando llegó el momento, lanzó Gemma 4 — no como un anuncio de producto, sino como un arma estratégica. Cada desarrollador que ejecuta Gemma localmente es un cliente menos pagándole a OpenAI por acceso a la API. Cada empresa que despliega Gemma en su nube soberana es un contrato menos para GPT.

El “Open” en OpenAI siempre fue un nombre, no un compromiso. La verdadera democratización vino de la empresa que más tenía que perder con ella — y lo hizo de todas formas, porque la jugada de distribución valía más que los ingresos por licencias.

Montados en sus caballos

Sam Altman sigue prometiendo que el próximo modelo va a cambiar la economía global. Mientras tanto, el modelo actual no puede visitar un sitio web. Sora está muerto. La alianza con Disney está en pausa. Los centros de datos se están desacelerando. El memo de alerta máxima le decía a los empleados que se enfocaran en “velocidad, confiabilidad y personalización” — lo básico. Las cosas que se arreglan cuando se lleva demasiado tiempo construyendo el futuro y se olvidó de mantener el presente.

OpenAI tenía 800 millones de usuarios semanales. Anthropic tenía la mejor herramienta de programación y la confianza de los desarrolladores. Pero Google tenía algo que ninguno de los dos tenía: un ecosistema que llega a miles de millones de personas a través de productos que ya usan cada día — Search, Android, Chrome, Gmail, YouTube, Maps. Cuando Google integra un modelo en ese ecosistema, la distribución es automática. No hay que descargar una app. No hay que crear una cuenta. Simplemente está ahí.

Gemma 4 es el complemento de código abierto a esa estrategia. Gemini para la nube, Gemma para todo lo demás. Si eres una empresa que necesita soberanía de datos, aquí está Gemma bajo Apache 2.0. Si eres un desarrollador que quiere construir localmente, aquí está Gemma en tu laptop. Si eres un fabricante de teléfonos que necesita IA en el dispositivo, aquí está Gemma optimizado para tu chipset. Google no necesita cobrar 200 dólares al mes. Google necesita que estés en el ecosistema.

OpenAI necesitaba que cada suscriptor siguiera pagando. Google necesitaba que cada desarrollador siguiera construyendo. Uno es un modelo de ingresos. El otro es una estrategia de distribución. La historia tiene una preferencia clara.

Los imperios no caen por falta de preparación. Caen montados en sus caballos, cargados de redundancias, incapaces de ver que el mundo se movió mientras ellos admiraban su propio reflejo.

La era “abierta” de la IA ya llegó. Solo que no tiene “OpenAI” en el nombre.

En diciembre de 2022, Google declaró una alerta máxima por culpa de OpenAI. En diciembre de 2025, OpenAI declaró una alerta máxima por culpa de Google. En abril de 2026, Google lanzó Gemma 4 bajo Apache 2.0. El círculo se cerró. El imperio cae de su propio caballo.