Los modelos de IA mejorados de Apple no rinden bien frente a la competencia

Apple anunció ayer en la WWDC 2025 las próximas actualizaciones de su modelo de IA para incluir en la suite de inteligencia. El modelo tuvo un rendimiento inferior en sus puntos de referencia en comparación con modelos antiguos de empresas rivales como OpenAI. Sin embargo, el gigante tecnológico argumentó que el On-Device y el Apple Server han mejorado en comparación con sus predecesores y pueden entender más de 15 idiomas.

Según los probadores humanos, el nuevo modelo on-device que se ejecuta localmente en iPhones y otros dispositivos tuvo un rendimiento similar a los modelos antiguos de Google y Alibaba en cuanto a la generación de texto. Los probadores humanos calificaron al Apple Server, diseñado para ejecutarse en los centros de datos de la empresa, por detrás de GPT-4o de OpenAI de hace un año. En una evaluación separada, favorecieron a Llama 4 de Meta sobre Apple Server en la capacidad de analizar imágenes. Las calificaciones sorprendieron a Apple ya que Llama 4 Scout tuvo un rendimiento pobre en comparación con laboratorios de IA como Google, Anthropic y OpenAI.

Los desarrolladores se muestran escépticos ante la promesa de innovación de Apple

Los desarrolladores se sienten negativamente respecto a los lanzamientos de WWDC de estos años, incluido el pequeño modelo de IA On-Device de Apple. Atul Kakkar, director de producto de la aplicación de finanzas personales impulsada por IA Origi, reveló que como desarrollador, no sintió la intensidad de la emoción alrededor de lo que la empresa de Tim Cook lanzó. Cree que el evento anual WWDC fue una vez la reunión más emocionante de la tecnología, pero ahora está rodeado de escepticismo sobre si el fabricante de iPhones puede mantener el ritmo con los gigantes de la IA.

Apple no reporta benchmarks para sus IAs, sino que se basa en una evaluación cara a cara poco documentada

Pero incluso según sus propios estándares, los últimos modelos on-device de Apple son mayormente peores que el Gemma 3-4B de código abierto de Google o el Qwen 3-4B

Y su servidor LLM es similar a Llama 4 Scout pic.twitter.com/hwpOG5Lgyp

— Ethan Mollick (@emollick) junio 10, 2025

El gigante tecnológico está bajo presión para mantenerse al día actualizando continuamente sus herramientas de IA para desarrolladores y construyendo una experiencia de consumidor emocionante dentro de la suite Apple Intelligence. Grant McDonald, director ejecutivo y cofundador de la aplicación de consejos para padres impulsada por IA Bobo, dijo que la empresa de Tim Cook está haciendo cosas interesantes pero no es suficiente para romper el ruido.

McDonald cree que permitir a los desarrolladores construir aplicaciones impulsadas por IA con sus pequeños modelos de IA On-Device podría ser el valor que la empresa espera entregar. Los pequeños modelos de IA están entrenados en conjuntos de datos pequeños y usan menos poder de cómputo, lo que significa que pueden ejecutarse en un iPhone en lugar de grandes servidores en la nube. Dijo que ejecutar modelos en un dispositivo es prácticamente más barato que los basados en la nube, como GPT y Gemini. 

Los desarrolladores han dudado de que los modelos On-Device puedan tener un buen rendimiento en comparación con los basados en la nube. Un desarrollador dijo que no podrán ajustarlos en un conjunto de datos propietario. McDonald dijo que los modelos on-device serán lo suficientemente buenos para algunas aplicaciones pero no para Bobo. La aplicación de crianza personalizó su modelo de IA con datos propietarios de consultores de sueño, consultores de lactancia, patólogos del habla y otros expertos en crianza. 

La división de investigación de IA de Apple lucha por alcanzar a la competencia

El gigante tecnológico prometió una actualización de Siri para incluir contenido más personalizado, pero esta actualización se ha retrasado. Algunos clientes han demandado a la empresa por comercializar productos que aún no se han entregado. Los investigadores dijeron que, aunque los modelos de IA funcionan muy bien en matemáticas y ciencias, los problemas complejos solo proporcionan la ilusión de pensar. 

El gigante tecnológico retrasó el desarrollo de modelos de lenguaje grandes y la implementación de IA en sus dispositivos para mantenerse fuera de la conversación. En WWDC, la empresa presentó Apple Intelligence para funciones de IA, que la comunidad consideró decepcionante. 

Los investigadores han descubierto que los LRMs comienzan a fallar después de cierto punto. Muestra que todos los modelos de razonamiento exhiben un patrón similar en el que la precisión disminuye progresivamente a medida que aumenta la complejidad del problema hasta llegar a cero precisión. Según los investigadores, los modelos de razonamiento inicialmente aplican más tokens de pensamiento, pero a medida que aumenta la complejidad, se rinden y, contrariamente a la intuición, su esfuerzo de razonamiento comienza a reducirse a pesar de la creciente dificultad del problema. 

Según Dipanjan Chatterjee, analista de investigación de Forrester, el silencio en torno a Siri fue ensordecedor. Reveló que ninguna cantidad de corrección de texto o emojis simpáticos puede llenar la esperada experiencia de IA interactiva que sabe que Siri sería capaz de ofrecer. Cree que el final de Siri está cerca si la empresa no actúa rápido. La empresa no proporcionó un calendario preciso para la actualización de Siri. Sin embargo, indicó que no sucederá hasta el próximo año como mínimo, según Craig Federighi, un alto ejecutivo de software de la empresa.