Elon Musk considera que la inteligencia artificial todavía no es suficientemente buena para desarrollar software que exige un rendimiento extremo, pese a los rápidos avances de los modelos especializados en programación. El empresario hizo esta valoración al explicar que la infraestructura de entrenamiento en C y C++ utilizada por su compañía de IA fue escrita por personas. Al mismo tiempo, anticipó nuevas mejoras para Grok 4.8 y 4.9, aunque sus comparaciones con futuros modelos rivales son previsiones propias y no resultados independientes.
Las claves de las declaraciones de Elon Musk en 20 segundos
- Musk afirma que su stack de entrenamiento en C/C++ fue escrito por humanos.
- Considera que la IA todavía no alcanza el nivel necesario para software de rendimiento extremo.
- La afirmación no implica que xAI prescinda de asistentes de programación en otras tareas.
- Musk espera mejoras con Grok 4.8 y sitúa Grok 4.9 cerca de futuros modelos rivales.
- Esas comparaciones son previsiones, no benchmarks publicados que permitan confirmarlas.
La declaración resulta especialmente llamativa porque llega mientras los principales laboratorios de IA presentan la programación como una de las áreas donde sus modelos están avanzando más deprisa. Los agentes actuales ya pueden escribir código, corregir errores, realizar pruebas y trabajar durante periodos cada vez mayores sobre repositorios de software.
Musk introduce, sin embargo, una distinción importante: generar código funcional no es necesariamente lo mismo que desarrollar software de muy alto rendimiento.
En sistemas donde importan cada milisegundo, cada acceso a memoria y cada movimiento de datos entre procesadores, escribir código correcto constituye únicamente una parte del problema.
Musk: el stack de C/C++ utilizado para entrenar Grok lo escribieron humanos
La conversación surgió a raíz de los comentarios de Musk sobre el entrenamiento de las siguientes versiones de Grok.
Según explicó, el stack de entrenamiento en C/C++ utilizado por la compañía había sido desarrollado por personas. Ante la posibilidad de que ese código hubiese sido generado previamente por otros modelos de inteligencia artificial, Musk respondió:
“Our C/C++ training stack was written by humans. AI is not yet good enough for extremely high-performance software (but it will be).”
Es decir, considera que la IA todavía no alcanza el nivel necesario para desarrollar software de rendimiento extremo, aunque espera que termine consiguiéndolo.
La afirmación necesita algunos matices.
Musk no dijo que todo el código de xAI sea escrito exclusivamente por humanos, ni aclaró si los desarrolladores utilizan agentes o asistentes de IA durante determinadas partes de su trabajo. Su comentario se refiere específicamente al stack de C/C++ mencionado en la conversación.
Tampoco significa que los modelos actuales no puedan producir C o C++ avanzado.
La cuestión está en qué entiende Musk por extremely high-performance software. El software empleado para entrenar modelos de frontera debe exprimir grandes cantidades de GPU y otros aceleradores, coordinar nodos, gestionar memoria y comunicaciones y minimizar periodos en los que hardware extremadamente caro permanece esperando.
En ese escenario, una implementación que funciona correctamente puede seguir siendo insuficiente si utiliza un 5 % o un 10 % peor los recursos disponibles.
Por qué el software para entrenar IA es especialmente difícil
Entrenar un gran modelo implica distribuir enormes cantidades de cálculo entre miles de aceleradores.
El software tiene que organizar operaciones matemáticas, comunicaciones entre GPU, movimiento de tensores, memoria, almacenamiento, tolerancia a fallos y sincronización entre servidores.
| Programación convencional | Software de entrenamiento de alto rendimiento |
|---|---|
| Prioriza que el programa funcione correctamente | Debe además utilizar eficientemente el hardware |
| Una pequeña pérdida de rendimiento puede ser aceptable | Unos pocos puntos porcentuales pueden resultar costosos |
| Puede ejecutarse en una máquina | Puede coordinar miles de aceleradores |
| Abstracciones de alto nivel suelen ser suficientes | Algunas operaciones requieren optimización de bajo nivel |
| El coste de una ejecución suele ser limitado | Una ineficiencia puede multiplicarse por todo el clúster |
C y C++ siguen siendo importantes precisamente porque proporcionan un nivel de control difícil de conseguir mediante lenguajes de mayor abstracción.
Pero el lenguaje es solo una parte del problema.
Los desarrolladores necesitan conocer la arquitectura del hardware, jerarquías de memoria, concurrencia, vectorización, compiladores, redes y comportamiento de los aceleradores. También deben medir continuamente el rendimiento porque una modificación aparentemente lógica puede introducir una regresión difícil de detectar leyendo únicamente el código.
Los agentes de programación actuales pueden ayudar en muchas de esas tareas, pero obtener código correcto en una prueba o un benchmark de programación no demuestra automáticamente que puedan diseñar y mantener por sí solos una infraestructura de entrenamiento de frontera.
Los benchmarks de código tampoco cuentan toda la historia
Las declaraciones de Musk coinciden con una situación aparentemente contradictoria.
Los modelos de IA consiguen resultados cada vez mejores en pruebas de programación y algunos agentes pueden trabajar sobre repositorios completos. Sin embargo, las compañías que desarrollan esos mismos modelos continúan contratando ingenieros especializados en sistemas, compiladores, kernels, infraestructura distribuida y rendimiento.
No existe necesariamente una contradicción.
Los benchmarks pueden medir la capacidad de solucionar errores, generar funciones o completar tareas delimitadas. Un gran sistema de producción añade requisitos difíciles de reproducir en una prueba: años de código acumulado, hardware específico, errores intermitentes, objetivos cambiantes y optimizaciones cuya calidad solo puede comprobarse ejecutando cargas reales.
Además, un agente puede generar una solución aparentemente buena y obligar posteriormente a un ingeniero a verificar que no introduce problemas de concurrencia, seguridad, consumo de memoria o rendimiento.
Por eso el progreso de la IA en programación puede coexistir con una dependencia todavía considerable de especialistas humanos.
Grok 4.8 y 4.9: Musk anticipa mejoras, pero todavía son previsiones
La conversación también dejó varias afirmaciones sobre las próximas versiones de Grok.
Musk indicó que Grok 4.8 supondría una mejora perceptible respecto a versiones anteriores y anticipó que Grok 4.9 probablemente alcanzaría un nivel comparable al de modelos de las familias Astra y Fable mencionadas en la conversación.
Estas afirmaciones deben interpretarse como expectativas del propio Musk.
No existen todavía resultados independientes suficientes para comprobar el rendimiento de una versión que no ha sido evaluada públicamente de forma completa. Comparar modelos futuros resulta todavía más difícil cuando las versiones rivales utilizadas como referencia también pueden cambiar antes de su lanzamiento.
Algo parecido ocurre con las cifras sobre tamaño del modelo.
Las informaciones difundidas alrededor de Grok 4.8 hablan de aproximadamente 2,5 billones de parámetros, pero el número de parámetros no determina por sí mismo la calidad de un modelo.
La arquitectura, los datos, el entrenamiento, la cantidad de parámetros activos durante cada inferencia, el aprendizaje por refuerzo y el cómputo utilizado durante la respuesta pueden tener tanta o más importancia.
Un modelo con más parámetros no tiene por qué superar automáticamente a otro más pequeño.
El aprendizaje por refuerzo gana peso después del preentrenamiento
Musk también explicó que las nuevas versiones de Grok pasan a una fase de aprendizaje por refuerzo después de completar el preentrenamiento.
La distinción ayuda a entender cómo están evolucionando los modelos actuales.
Durante el preentrenamiento, el modelo aprende patrones a partir de enormes cantidades de información. Posteriormente pueden aplicarse diferentes procesos para mejorar su comportamiento en tareas concretas, razonamiento, utilización de herramientas o programación.
El aprendizaje por refuerzo permite entrenar al modelo utilizando señales de recompensa asociadas al resultado de sus acciones.
En programación tiene una ventaja especialmente atractiva: muchas respuestas pueden comprobarse automáticamente.
El código puede compilarse, ejecutarse contra pruebas y medirse. Eso proporciona una señal mucho más objetiva que pedir a una persona que determine si un párrafo está bien redactado.
Sin embargo, optimizar software de alto rendimiento vuelve a complicar la evaluación.
Que un programa supere todas las pruebas demuestra que produce el resultado esperado, pero no necesariamente que sea la implementación más rápida o eficiente. Para eso hay que medir latencias, utilización de memoria, comunicaciones, consumo y comportamiento sobre el hardware objetivo.
La IA puede escribir más código sin sustituir todavía al ingeniero de sistemas
La afirmación de Musk encaja con una división que empieza a hacerse visible en el desarrollo de software asistido por IA.
Una parte creciente del trabajo puede delegarse: generación de código repetitivo, pruebas, documentación, búsqueda de errores, refactorizaciones o primeras versiones de nuevas funciones.
Pero a medida que aumenta la exigencia de rendimiento, también aumenta la importancia del conocimiento sobre el sistema completo.
Un agente puede proponer una optimización. Determinar si esa modificación funciona mejor sobre miles de GPU durante un entrenamiento de varios días requiere instrumentación, pruebas y comprensión de la infraestructura.
Esto no impide que la situación cambie rápidamente.
El propio Musk añadió que espera que la IA termine siendo suficientemente buena para este tipo de programación. Si los agentes consiguen cerrar esa brecha, el efecto sería especialmente importante para las propias compañías de inteligencia artificial.
Un modelo capaz de mejorar de manera fiable compiladores, kernels, comunicaciones y sistemas de entrenamiento podría ayudar a utilizar mejor el mismo hardware y acelerar el desarrollo de generaciones posteriores.
Pero esa capacidad no debe confundirse con lo que existe actualmente.
La declaración de Musk resulta precisamente interesante porque procede de alguien que dirige una compañía dedicada a entrenar grandes modelos y que, al mismo tiempo, reconoce una frontera práctica: la IA ya puede ser una herramienta potente para programar, pero el software que exprime al máximo infraestructuras de cálculo de frontera continúa necesitando una intervención humana considerable.
La evolución de Grok 4.8 y 4.9 permitirá comprobar hasta qué punto se reduce esa distancia. Las comparaciones anticipadas por Musk pueden servir como objetivo interno, pero serán las evaluaciones reproducibles, el uso real y las pruebas independientes las que permitan determinar si esas versiones alcanzan finalmente el nivel anunciado.
