Según informes, OpenAI habría completado un preentrenamiento masivo con nombre en código "Bel", un modelo que se dice cuenta con más de 10 billones de parámetros. Si la afirmación resulta precisa, Bel representaría el primer preentrenamiento de frontera a gran escala completado con éxito por la empresa desde el lanzamiento de GPT-4o en mayo de 2024. Como contexto sobre esa escala: la última cifra de parámetros divulgada oficialmente por OpenAI corresponde a GPT-3, con 175 mil millones de parámetros según su artículo de 2020, y la compañía no ha publicado cifras de ningún modelo desde entonces. Los laboratorios de frontera que han divulgado totales muy grandes suelen depender de diseños dispersos de mezcla de expertos (mixture-of-experts), en los que solo una fracción de los parámetros del modelo se activa para cada token. DeepSeek-V3, uno de los modelos documentados públicamente más grandes, reporta 671 mil millones de parámetros totales, con unos 37 mil millones activos por consulta.

El reporte se originó en una publicación en X del usuario @synthwavedd el 25 de agosto de 2026. OpenAI no ha confirmado oficialmente que Bel exista y la compañía no ha publicado especificaciones técnicas sobre esta ejecución.

Lo que se sabe sobre Bel

Según los informes no verificados, Bel sucede a un preentrenamiento previo con nombre en código "Doug" y está destinado a servir como modelo base para sistemas futuros. Se dice que esos sistemas futuros incluyen un proyecto conocido como Astra, así como sucesores de GPT-6, y se espera que el trabajo de postentrenamiento desbloquee capacidades que acerquen más a lo que la industria denomina Inteligencia Artificial General. El preentrenamiento es la fase en la que un modelo absorbe conocimiento de vastos corpus de texto antes de que las técnicas de postentrenamiento moldeen su comportamiento, razón por la cual el modelo base suele considerarse el fundamento que delimita lo que los sistemas posteriores pueden extraer de él.

Según informes, OpenAI ha enfrentado dificultades de escalamiento desde el lanzamiento de GPT-4o. Diversas fuentes dentro de la comunidad de investigación en IA han señalado entrenamientos interrumpidos, pausas por motivos de seguridad en procesos de aprendizaje por refuerzo y dificultades técnicas que estancaron el avance en modelos más grandes. Los esfuerzos de escalamiento de cómputo de la compañía se han abordado bajo el paraguas del Proyecto Stargate, la iniciativa anunciada en enero de 2025 con SoftBank, Oracle y MGX como socios, que contempla hasta 500 mil millones de dólares en inversión en centros de datos en Estados Unidos a lo largo de cuatro años, comenzando con un campus en Abilene, Texas. Esa ambición de infraestructura refleja cuán demandante de cómputo se ha vuelto el entrenamiento de frontera: estimaciones publicadas, incluidas cifras recopiladas para el Stanford AI Index, han situado entrenamientos individuales de frontera entre decenas de millones de dólares y casi 200 millones de dólares.

Por qué importa el lapso desde GPT-4o

El período entre mayo de 2024 y la fecha actual ha sido un lapso inusualmente largo para que OpenAI pase sin lanzar un nuevo modelo base de frontera. Durante ese tiempo, la compañía publicó actualizaciones incrementales y variantes ajustadas (fine-tuned), incluidos GPT-5 en agosto de 2025 y las versiones puntuales que le siguieron, pero su trabajo central de preentrenamiento no había producido un sucesor confirmado a una escala significativamente mayor. Según el encuadre del reporte, esos modelos lanzados se basaron en trabajo base entrenado previamente y no en un preentrenamiento nuevo y más grande.

Los competidores no se quedaron quietos durante el mismo período. Anthropic avanzó con su familia de modelos Claude, Google DeepMind continuó escalando Gemini y una creciente lista de iniciativas de código abierto de Meta y otras empresas siguió reduciendo la brecha.

La cuestión de la AGI y los intereses competitivos

El encuadre en torno a Bel está explícitamente ligado a las ambiciones de AGI. La línea de desarrollo reportada —de Bel a Astra y a lo que siga a GPT-6— sugiere que OpenAI piensa en una hoja de ruta de múltiples etapas en la que cada capa de postentrenamiento y ajuste fino extrae del modelo base un comportamiento progresivamente más capaz.

La nota de cautela es igualmente directa: nada de esto ha sido confirmado. Hasta que OpenAI brinde validación oficial —ya sea mediante un artículo técnico, un anuncio de producto o incluso una publicación casual en un blog—, Bel sigue siendo una afirmación no verificada que se origina en una publicación de redes sociales. Los puntos de control prácticos para los lectores son concretos. Históricamente, OpenAI ha confirmado sus grandes modelos base mediante eventos de lanzamiento acompañados de tarjetas de sistema publicadas, y aun así rara vez divulga recuentos de parámetros, por lo que la cifra de 10 billones quizá nunca pueda verificarse directamente en fuentes oficiales. Otras señales observables incluyen el ritmo al que entra en línea la capacidad de Stargate, cualquier aparición de los nombres en código reportados —Doug, Bel, Astra— en materiales oficiales, y el momento y el posicionamiento de lo que OpenAI lance a continuación.