Source: People’s Republic of China – State Council News in Spanish
.china.org.cn | 16. 06. 2026
A medida que la Copa del Mundo agrupa a más países, juega más partidos y aumenta la adrenalina, la competencia fuera de la cancha entre los principales modelos chinos de inteligencia artificial (IA) se intensifica con la predicción de los resultados de uno de los eventos deportivos más importantes del mundo.
La 23.ª edición del Mundial de Fútbol, con 48 equipos y organizado en conjunto por Estados Unidos, Canadá y México, arrancó el jueves hasta el 19 de julio.
Varios grandes modelos de lenguaje chinos, entre ellos Qwen, DeepSeek, Kimi y MiniMax, han presentado funciones de pronóstico convirtiendo la justa en un nuevo campo de pruebas para el razonamiento y el análisis de datos.
«Como uno de los acontecimientos deportivos más vistos en el planeta, la Copa del Mundo ofrece a las empresas de IA una oportunidad única para mostrar la potencia computacional y las habilidades analíticas de sus grandes modelos de lenguaje a una audiencia mayor», dijo Guo Tao, miembro de la Asociación China de IA y experto en el sector.
Varias plataformas han ideado campañas interactivas. Por ejemplo, Kimi, de Moonshot AI, creó un fondo de recompensa de un billón de tókenes que permite a los usuarios compartir premios al estimar correctamente los ganadores de los partidos y el campeón final. Un token alude a la unidad más pequeña de datos procesada por los modelos de IA.
Qwen, del Grupo Alibaba, presentó su asistente dedicado al pronóstico de juegos y desafíos entre humanos y la IA.
Sin embargo, el Mundial también ha destacado sus limitaciones a la hora de analizar y predecir resultados. Por ejemplo, antes del cotejo inaugural del Grupo C entre Brasil y Marruecos el domingo, los principales modelos apostaron a favor de Brasil basándose en datos históricos e indicadores estadísticos. El choque concluyó en un empate a 1.
Guo apuntó que, si bien la IA puede analizar datos históricos y modelos estadísticos, aún le cuesta anticipar con precisión en el mundo real, especialmente en el campo deportivo. Enfatizó que una amplia gama de factores del mundo físico influyen en los encuentros, y que dichas variables son inciertas y difíciles de cuantificar con modelos fijos de IA, lo que hace que las predicciones exactas sean intrínsecamente complicadas.
Estas restricciones también las sacó a relucir Wang Zhongyuan, presidente de la Academia de IA de Beijing, en la Conferencia BAAI de este año celebrada la semana pasada.
Wang dijo que, si bien los grandes modelos han ganado en capacidad para resolver problemas en el mundo digital, muchos retos en el mundo físico siguen fuera de su alcance. Por tanto, la siguiente etapa de desarrollo pasará gradualmente de «predecir el siguiente token» a «predecir el siguiente estado físico», añadió.
Cuando se le preguntó por qué las empresas tecnológicas presentan funciones de predicción deportiva cuando la tasa de precisión es relativamente baja, Guo apuntó que la tendencia refleja en parte la mayor presión de la competencia en el rubro.
«A medida que la carrera avanza en el mercado de los grandes modelos de lenguaje, la diferenciación tecnológica es más difícil. Las firmas buscan con entusiasmo nuevos canales para distinguirse de sus rivales», opinó.
Con la madurez de la IA, no basta con competir simplemente en cuanto a tamaño, puntualizó Guo. «El mercado presta menos atención al tamaño de un modelo y más a si puede ofrecer servicios valiosos en escenarios del mundo real y solucionar problemas prácticos para los usuarios», agregó.
Hu Yanping, profesor de la Universidad de Finanzas y Economía de Shanghai, señaló que los modelos y los agentes de IA ya están evolucionando de sistemas orientados a la conversación a dirigidos hacia las tareas, al tiempo que van más allá del entrenamiento previo al aprendizaje continuo y a una percepción más amplia del mundo real.
«Los proyectos exploratorios, como los pronósticos de partidos de la Copa del Mundo, pueden ayudar a acelerar esta evolución», dijo Hu. «Un marco de capacidades construido en torno a la percepción, la interacción, la toma de decisiones y la colaboración es lo que necesitan los futuros agentes de tareas».