Todo lo que toca

Muchos videos de IA empiezan como ruido. Este empezó como código.

En este episodio largo vamos despacio para comparar dos formas de hacer una imagen en movimiento: los modelos de difusión, que adivinan cómo suelen verse los píxeles, y el video procedural, donde un programa que escribió una IA calcula cada cuadro. Vemos qué dicen pruebas de física como Physics-IQ y VideoPhy-2 sobre la suposición: parecer real no es lo mismo que estar bien. Luego calculamos la gravedad, un arcoíris y un péndulo doble caótico, le ponemos nombre a un color hasta un solo paso de un canal, medimos la sincronía del sonido, documentamos cada cuadro y admitimos dónde la suposición todavía gana.

Los precios, clasificaciones y listas de modelos son capturas del 4 de octubre de 2026.

Compañero del video «Este video no empezó como ruido» de Everything It Touches.

Capítulos

0:00 Estática, luego código

0:47 Bienvenida

1:51 Dos formas de hacer un cuadro

3:37 Parecer real no es estar bien

6:23 Física que puedes calcular

8:46 Color al que puedes ponerle nombre

10:05 Sonido que puedes medir

11:15 Cada cuadro, documentado

13:20 Donde gana la suposición

15:11 Qué es IA en este video

16:30 Despedida

Citas (texto original en inglés; el episodio usa una traducción al español)

• Google DeepMind, ficha del modelo Veo 3, enero de 2026: "Veo 3 utilizes latent diffusion, which is the de facto standard approach for modern image, audio, and video generative models."

• Motamed et al., "Do Generative Video Models Understand Physical Principles?" (Physics-IQ), WACV 2026: "visual realism does not imply physical understanding"

• VideoPhy-2, Bansal et al., UCLA y Google Research, ICLR 2026: "models particularly struggle with conservation laws like mass and momentum"

Fuentes

• Difusión y ruido latente gaussiano; "estándar de facto": informe técnico de Google Veo, 2025, y ficha del modelo Veo 3; Ho et al., DDPM, 2020

• Gemini Omni 1.1 Flash, lanzado el 27 de agosto de 2026; transformer, método de muestreo no divulgado: página y ficha del modelo de Google

• Higgsfield anuncia más de 30 modelos: higgsfield.ai, consultado el 4 de octubre de 2026

• Physics-IQ, 66 escenarios, puntuación contra la variación de repetir lo real: Motamed et al., WACV 2026

• Sora 10.0, Sora 2 42.3, Magi-1 + GeoPhys 64.5 (varios cuadros, mejor de 16): tabla de posiciones de Physics-IQ, captura del 4 de octubre de 2026

• Physics-IQ Verified, Omni 1.1 Flash 35.34, líder Physis-Lang/Cosmos3 Super 48.2: extensión independiente, Rädsch et al.; sin respaldo de Google DeepMind

• Conservación de la masa y de la cantidad de movimiento: VideoPhy-2, UCLA y Google Research, ICLR 2026

• Imitación basada en casos, color > tamaño > velocidad > forma: Kang et al., ByteDance Research, ICML 2025

• Gravedad estándar 9.80665 m/s²: NIST

• Trazado de rayos del arcoíris: Descartes, Les Météores, Discurso VIII, Leiden, 1637; rojo 42.37° y violeta 40.65°, de nuestra propia simulación

• Separación del péndulo doble cerca de 4.41 s, varillas de 2.5 cm, diferencia inicial de 10⁻⁹°: nuestra simulación, sensible al paso

• Impresión redondeada, segundo mes simulado: Edward Lorenz, The Essence of Chaos, 1993

• Dificultad con colores hex, precisión de 4 a 9 veces, 500 mil imágenes renderizadas: NumColor, arXiv, 13 de marzo de 2026

• Desfases de audio y video de 0.20 a 0.44 s, labios de 2 a más de 5 cuadros: AVGen-Bench, arXiv, 9 de abril de 2026

• Semillas de Veo y clips de 8 segundos a 1080p: documentación de la API de Google Veo

• Cierre de la API de Sora 2, 24 de septiembre de 2026: referencia de la API de OpenAI

• Precios de Veo 3.1, Standard $0.40/s, Fast $0.12/s, Lite $0.08/s a 1080p: precios de la Gemini Developer API, 4 de octubre de 2026

• 150 generadores, 1.5 millones de clips (publicación informada por los autores): WROP, arXiv, 23 de septiembre de 2026

• Primero un borrador de simulación, luego video generado: VideoCoCo, arXiv, 2026

• Cuestionario de secundaria 88.1 frente a 86.3, estudio pequeño: Code2Video, arXiv, 1 de octubre de 2025

• Nuestras propias mediciones (verde #A3E535, regla de destellos, conteo de cuadros, corrección de tiempos, control de la mezcla): registros de producción del video

Ahora mismo estás ejecutando unos 70 cambios en tu código fuente que nadie revisó jamás: mutaciones nuevas en tu ADN que no tenía ninguno de tus padres. Y funcionas bien.

Los agentes de IA ya escriben código más rápido de lo que las personas pueden leerlo. En Anthropic, más del 80% del código que se incorpora lo escribe Claude, y la revisión humana se volvió el nuevo cuello de botella. En este episodio largo vamos con calma: qué hacía realmente el code review (de 570 comentarios estudiados, solo 78 eran sobre defectos), cómo la naturaleza construye sistemas complejos sin leer el código, por qué la evolución supera a nuestros ingenieros, como en la antena de la NASA ST5 o en AlphaEvolve, y cómo hace trampa, como la Darwin Gödel Machine falsificando sus propios registros. Después, cómo tu cuerpo vigila a los tramposos y cinco presiones que puedes construir para que tu código evolucione de forma segura.

Compañero del video «Nadie revisó tu ADN» del canal Todo lo que toca.

Capítulos

0:00 Setenta cambios sin revisar

0:48 Bienvenida

1:44 El cuello de botella

3:33 Lo que hacía realmente la revisión

4:56 Cómo lo hace la naturaleza

6:43 Evolucionado, no diseñado

9:11 El problema: la evolución hace trampa

11:35 Cómo vigila la naturaleza a los tramposos

12:52 El nuevo trabajo: cinco presiones

15:36 Lo que nos queda

17:01 Despedida

Fuentes

• Unas 70 mutaciones nuevas por persona: Jónsson et al., Nature (2017) https://www.nature.com/articles/nature24018

• Más del 80% del código lo escribe Claude; la revisión como nuevo cuello de botella: Anthropic, When AI builds itself (2026) https://www.anthropic.com/institute/recursive-self-improvement

• Mediana del tiempo de revisión 5 veces mayor: Faros AI, AI Acceleration Whiplash (2026) https://www.faros.ai/research/ai-acceleration-whiplash

• Copilot code review ya puede aprobar pull requests: GitHub (2026) https://github.blog/changelog/2026-09-01-copilot-code-review-can-now-approve-pull-requests/

• The End of Code Review: Monperrus (2026) https://arxiv.org/abs/2606.13175

• Qué encuentra realmente el code review (78 de 570 comentarios): Bacchelli & Bird, ICSE (2013) https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/ICSE202013-codereview.pdf

• Tasas de error al copiar y reparar el ADN: Bębenek & Ziuzia-Graczyk (2018) https://pmc.ncbi.nlm.nih.gov/articles/PMC6153641/

• Selección de timocitos (cerca del 2% sobrevive): BioNumbers 102647 https://bionumbers.hms.harvard.edu/bionumber.aspx?id=102647

• Antena evolucionada de NASA ST5: Hornby et al. (2006) http://alglobus.net/NASAwork/papers/Space2006Antenna.pdf

• AlphaEvolve: Google DeepMind (2025) https://deepmind.google/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/

• Darwin Gödel Machine: Sakana AI (2025) https://sakana.ai/dgm/ y Zhang et al. (2025) https://arxiv.org/abs/2505.22954

• Un compilador de C construido por 16 agentes: Nicholas Carlini, Anthropic (2026) https://www.anthropic.com/engineering/building-c-compiler

• Un circuito evolucionado: Adrian Thompson (1996) http://cse-robotics.engr.tamu.edu/dshell/cs625/Thompson96Evolved.pdf

• The Surprising Creativity of Digital Evolution: Lehman et al. (2018) https://arxiv.org/abs/1803.03453

• Reward hacking en modelos de frontera: METR (2025) https://metr.org/blog/2025-06-05-recent-reward-hacking/

• PixelLeak: Glow (2026) https://www.glow.io/blogs/how-ai-agents-exposed-developer-screenshots-from-leading-tech-companies

• Ley de Goodhart (Strathern, 1997) https://en.wikipedia.org/wiki/Goodhart%27s_law

• Unos 30 billones de células humanas: Sender, Fuchs & Milo (2016) https://doi.org/10.1371/journal.pbio.1002533

• El cáncer como trampa: Aktipis et al. (2015) https://pmc.ncbi.nlm.nih.gov/articles/PMC4581024

• Tres mutaciones conductoras: Tomasetti et al., PNAS (2015) https://www.pnas.org/doi/10.1073/pnas.1421839112

• La software factory de StrongDM, vía Simon Willison (2026) https://simonwillison.net/2026/Feb/7/software-factory/

• Mutation testing en Google: Petrović et al., ICSE (2021) https://arxiv.org/abs/2103.07189

• Clases de riesgo para los cambios: The Pragmatic Engineer (2026) https://newsletter.pragmaticengineer.com/p/openai-software-factory

• Rollouts: Cursor (2026) https://cursor.com/changelog/rollouts-and-security-reviewer

• IA aprobando pull requests: Intercom (2026) https://www.intercom.com/blog/ai-is-approving-our-pull-requests-heres-how-we-made-it-safe/

• CI a escala de agentes: Anthropic (2026) https://claude.com/blog/agentic-coding-is-straining-ci-heres-how-we-scaled-test-impact-analysis-at-anthropic

• El nervio de la jirafa: Wedel (2012) https://www.app.pan.pl/archive/published/app57/app20110019.pdf

• Ley de Gall (1975) https://en.wikiquote.org/wiki/John_Gall

• Reglas de Orgel https://en.wikipedia.org/wiki/Orgel%27s_rules

• DHH sobre revisar código de agentes (2026) https://x.com/dhh/status/2104542267281146357

Video original (9:40): https://youtu.be/HzFWi6bvZus