GPT-4o (2024): modelo omni para texto, audio e imagen
OpenAI lanzó GPT-4o con latencia baja en voz y visión nativa, empujando la interfaz conversacional multimodal.
2017–2022
Era generativa
Transformers, modelos de lenguaje y la explosión de la generación multimodal.
GPT-4V y la era de interfaces visuales en chat
La capacidad de visión en chatbots permitió razonar sobre diagramas, capturas y documentos escaneados en un solo hilo.
AutoGPT y la primera ola de agentes autónomos (2023)
Proyectos open source encadenaron LLMs con herramientas y memoria para metas multi-paso, con hype alto y fiabilidad mixta.
GPT-4 (marzo 2023): salto de razonamiento y multimodalidad
OpenAI lanzó GPT-4 con mejoras notables en exámenes profesionales, robustez y capacidad visual en variantes posteriores.
ChatGPT (30 nov 2022): el momento mainstream de la IA
OpenAI lanzó ChatGPT y alcanzó 100 millones de usuarios en meses; la IA conversacional se volvió hábito global.
Stable Diffusion (2022): difusión de imágenes open-weights
Stability AI liberó pesos de un modelo de difusión texto–imagen, detonando un ecosistema local de arte generativo.
InstructGPT y RLHF: alinear modelos con preferencias humanas
OpenAI mostró que fine-tuning con feedback humano produce modelos más útiles y seguros que el GPT-3 base en uso instructivo.
GitHub Copilot (2021): modelos de código en el editor
Basado en Codex de OpenAI, Copilot llevó autocompletado generativo a millones de desarrolladores y redefinió productividad de software.
CLIP y DALL·E (2021): texto e imagen en un mismo espacio
OpenAI presentó CLIP (contraste texto–imagen) y DALL·E (generación de imágenes desde texto), catalizando la ola multimodal.
GPT-3 (2020): 175B parámetros y aprendizaje in-context
Brown et al. mostraron que un LLM suficientemente grande realiza tareas con prompts few-shot sin fine-tuning específico.
GPT-2 (2019): escala, generatividad y el debate de liberación
OpenAI presentó GPT-2 y inicialmente limitó la liberación del modelo mayor por riesgos de desinformación, anticipando dilemas de open vs closed.
BERT (2018): preentrenamiento bidireccional que unificó NLP
Devlin et al. lanzaron BERT, popularizando fine-tuning de modelos de lenguaje en masked LM y next sentence prediction.
Transformers 2017: Attention Is All You Need
Vaswani et al. (Google) reemplazaron recurrencia por auto-atención, arquitectura base de BERT, GPT y casi todo el NLP moderno.