Resumen del video
Estos son buenas noticias, desde luego, para Open AI, no es increíble que a pesar de que sean modelos más actuales, sean peores que los de su competencia, con lo cual aquí buenas noticias para Openi sin duda no son. Si lo comparamos con Opus, que yo tengo dudas de que Astra 6 sea mejor que Opus, como aparece aquí en el benchmark, el modelo de de Antropic cuesta 2,5 veces $10 por tarea versus los cuatro. Fijaros que si lo comparamos, aquí está de nuevo Astra 6.2, 41,000 tokens y nos vamos a Fable 5.2, 274,000 tokens por tarea. Si os vais a Work, vais a ver cómo tenéis la opción de utilizar tanto GPT 6.2 como 6.2 Astra.
Puntos clave
- 0:12
Parece que hay muchísimo revuelo acerca de que este modelo no es bueno, a pesar de que los benchmarks indican que lo es, pero las pruebas de aquellos que han tenido acceso anticipado de momento son bastante bastante negativas.
- 1:55
Si nos vamos a la web de Open AI, veréis que tenemos aquí Sol y Astra GPT 6.2, que es lo que han presentado, y sobre todo, si bajamos un poquito vamos a empezar a ver benchmarks, ¿vale?
- 5:44
Nos venimos al benchmark de coste de inteligencia y, o sorpresa, GPT 6.2 por tarea cuesta $4 cuando Fable cuesta 26.
- 6:35
En definitiva, yo lo que no acabo de ver y con los benchmarks nunca son exactamente todo es que realmente lo que tengamos es un modelo en Astra mejor que Opus.
- 18:39
En cualquier caso, repito, probarlo por vosotros mismos, comentarme qué os parece el modelo y a partir de aquí, pues yo también iré haciendo lo mismo, lo iré probando estas semanas y veremos qué pasa.
Transcripción completa
20 min de lectura · a partir de los subtítulos del video
Hola a todos, son las 7 de la mañana y tenemos nuevo modelo de Open Ei, que básicamente nos salió ayer mismo, hace 12 horas. Y cuidado porque no son buenas noticias. Parece que hay muchísimo revuelo acerca de que este modelo no es bueno, a pesar de que los benchmarks indican que lo es, pero las pruebas de aquellos que han tenido acceso anticipado de momento son bastante bastante negativas.
Vamos a recapitular un poquito y al final ver qué es lo que supone y qué es lo que ha presentado Open AI. Los modelos que ha presentado son dos. Se trata de Astra y Sol. Sabéis que en su línea de modelos Open tiene Luna, que es el pequeñito, Terra, que sería el más diario, Sol, que sería un modelo más avanzado, y el más grande, que sería Astra, que equivalen un poquito a los modelos de otras empresas en sus diferentes características.
Pues bien, han sacado los dos grandes, este caso Sol y Astra. En Sol ya teníamos 6.1, un, pero en Astra teníamos un seis, con lo cual el salto es mayor en la parte de Astra que en la parte de Sol. Vamos a ver un poquito qué es lo que han presentado, cómo se ven los benchmark, cuáles son las partes importantes que creo que tenemos que prestar atención y luego vemos también esa parte negativa que han publicado los beta testers, aquellos que han tenido acceso anticipado, que por cierto son muy pocos, muy pocos.
Una mano podéis contar las personas que han podido tener acceso anticipado a estos modelos. sabéis que a pesar de que yo tengo acceso anticipado a algunas cosas de Open AI, porque Openi me lo da, no lo tengo a todo y en este caso este modelo no tenía ni puñetera idea de que iba a salir, con lo cual me lo he encontrado como vosotros Ayer en un viaje a Londres en el aeropuerto esperando un avión.
Me he llegado a Madrid, he dormido un poco, lo he probado por la noche un poco, he dormido y os lo pongo aquí. Con lo cual también os digo que mi review ahora va a ser de benchmarks y sensaciones, no de que yo lo haya probado extensivamente porque no he tenido tiempo ni posibilidad, pero creo que es importante porque hay un sentamiento tremendamente negativo alrededor de estos nuevos modelos de Open AI y puede indicar un síntoma importante, ¿vale?
Así que vamos a verlo y voy a explicaros un poquito todo lo que ha salido. Si nos vamos a la web de Open AI, veréis que tenemos aquí Sol y Astra GPT 6.2, que es lo que han presentado, y sobre todo, si bajamos un poquito vamos a empezar a ver benchmarks, ¿vale? Y en los benchmarks vais a ver una tendencia que creo que es importante que entendamos.
Los benchmarks siempre nos dan una característica que es el nivel de inteligencia en vertical y otra que en horizontal nos da el coste, ¿vale? Con lo cual la relación que hay entre esas dos es lo que llamamos la eficiencia, es decir, cuán efectivo es el modelo. Y ojo, porque en la parte de Astra, como os digo, hay mucha más diferencia. Fijaros que esto de aquí es la versión 6.2 2 Astra, muy inteligente, muy barato.
Y en el caso de seis Astra, que era el anterior, fijaros cómo es menos inteligente y más caro, con lo cual lo que hay es una diferencia importante de inteligencia o de capacidad, pero también a nivel de eficiencia de costes, ¿vale? En el caso de Sol, las diferencias son mucho menores porque ya teníamos la versión 6.1, que ya había hecho mucho en este camino, ¿vale? Pero si vamos viendo diferentes benchmals, vais a ver que la tendencia es la misma.
Ojo, la diferencia importante en este terminal bench, que es un benchmark de ciencia. En el caso vemos como Open AI lo ha conseguido hacer mucho más inteligente, pero también mucho más barato, ¿vale? Y a partir de aquí, si nos vamos al benchmark análisis, que es como lo utilizamos normalmente, las diferencias también están ahí, aunque aquí se ve muy difícil y va a ser más fácil que lo veamos como lo vemos habitualmente en este canal, que es en la página de artificial analisis.
Para eso nos vamos a su página y si vamos aquí a la parte de inteligencia veréis que ya aparece. Que por cierto, ayer noche cuando iba a grabar esto no aparecía y decidí esperarme hasta mañana. ¿Veis como tenemos aquí GPT 6.2 que puntúa por detrás de Fable 6.2, que como veis es el mejor modelo del mundo que publicamos la semana pasada, ¿vale?
En este caso tenemos por aquí que Sol 6.2 puntúa por debajo de Opus que sería su equivalente. Con lo cual lo que tenemos es que claramente estos modelos son peores entre dos y tres puntos que los modelos de Antropic. Aquí lo primero que vemos que se cumple la primera premisa. Open AI no ha sacado mejores modelos que Antropic. sino que ha sacado modelos más eficientes. Estos son buenas noticias, desde luego, para Open AI, no es increíble que a pesar de que sean modelos más actuales, sean peores que los de su competencia, con lo cual aquí buenas noticias para Openi sin duda no son.
¿Qué está pasando en Openi? Pues no lo sabemos, porque sabemos que tienen Bell, ese modelo que resolvió el problema matemático este del milenio, que esto no es aquí, no ha salido Bell por ningún lado, con lo cual tendremos que esperar una versión nueva. No sé si será GPT6.5, 5, GPT7, no sé cómo lo querrán llamar, pero esperamos que salga antes de final de año, sobre todo teniendo en cuenta la victoria de los
Demócratas en Estados Unidos, que podría ralentecer lo que salgan nuevos modelos en 2027 y con lo cual a Openi le interesa más que nunca poder sacar modelos antes de que ese congreso entre En vigor y puedan pues meterle más limitaciones a sacar modelos al mercado, porque si no se podría quedar muy atrás comparado con Antropic. En cualquier caso, como veis, sí que el modelo es bueno, o al menos sobre el papel lo parece, pero la sensación, como os digo, no es tan buena.
Y vamos a la parte de la eficiencia que os decía, ¿vale? Porque esto no lo vemos por el nivel de inteligencia, que está muy bien y que es muy útil y que en muchas cosas es, sino por la parte de eficiencia. La parte de eficiencia siempre la medimos en dos cosas principales, coste y uso de tokens, ¿vale? Porque es lo que define la eficiencia al final. Cuantos más tokens utiliza un modelo, más coste tiene porque al fin y al cabo multiplicas más por un mismo precio, por millón de tokens.
Lo que pasa que la mayoría de vosotros esto a veces os suena un poco a chino porque esto es un tema de las APIs, es decir, del coste cuando tú utilizas el modelo por pago Por uso, pero no os equivoquéis, os afecta de forma muy directa porque vosotros tenéis asignada por la cuota que tenéis en las suscripciones de la inteligencia artificial una cantidad de uso en base a esa eficiencia porque si
Vuestra IA consume más tokens los límites os duran menos. Con lo cual, la eficiencia de la que os hablo en estos vídeos os afecta de forma directa a la cantidad de uso que podéis hacer del modelo en vuestras suscripciones. Entonces, ¿cómo lo vemos? Nos venimos al benchmark de coste de inteligencia y, o sorpresa, GPT 6.2 por tarea cuesta $4 cuando Fable cuesta 26. Seis veces más caro, de hecho más, casi siete veces más caro, es el modelo de Antropic sobre el de Open AI, lo cual responde a lo que habéis experimentado y me habéis estado escribiendo esta semana muchos de vosotros de he puesto Fable 5.2 en mi cuenta y me he quedado sin tokens en tres proms.
Pues eso es por la razón por la que esto pasa, ¿vale? Si lo comparamos con Opus, que yo tengo dudas de que Astra 6 sea mejor que Opus, como aparece aquí en el benchmark, el modelo de de Antropic cuesta 2,5 veces $10 por tarea versus los cuatro. Pero es que si comparamos Opus con el que se supone que su competencia, que sería Sol, vale $ es 10 veces más barato.
Es una locura. Técnicamente deberías tener 10 veces más uso en tu cuenta que utilizando el modelo de Antropic, ¿vale? Así que en definitiva, yo lo que no acabo de ver y con los benchmarks nunca son exactamente todo es que realmente lo que tengamos es un modelo en Astra mejor que Opus. Yo creo que no. Yo creo que Opus 5.5 es algo encima, Fable está muy por encima, con lo cual os diría que mi ranking sería mejores modelos.
Tenemos a Fable 5.2 con diferencia, luego tenemos a Opus 5.
Y después, en todo caso, ya vendrían estes modelos de Open AI, que discutiblemente podríamos pensar si son mejores o no que el último modelo de Gemino, que el más potente de Gemini, ¿vale? Pero en cualquier caso, Open parece que no ha luchado esa pelea por tener la mayor inteligencia, sino precisamente la mayor eficiencia. Y parece que en eso OP está ganando por goleada, porque si nos vamos aquí al benchmark, nos vamos al benchmark de output tokens por task, que es básicamente la cantidad de tokens que utiliza un modelo para poder hacer una tarea tipo, pues a partir de ahí vemos la goleada que le mete OpenI a todos los demás.
Fijaros como las líneas negras están aquí abajo y llevo muchos meses hablando de esto y no entiendo por qué no se habla más de esto, pero fijaros como todas las líneas negras son open AI Y están en la parte más baja del benchmark, que es la buena, porque aquí lo que quiere es que consuma menos tokens para solucionar una tarea. Por ejemplo, digo, "Oye, voy a tener que hacer un informe de resultados del Q4 de mi empresa y se lo doy a Fable y se consume 140,000 tokens y se lo doy a Open AI y consume 15,000, ¿vale?"
Pues la diferencia es de 10 veces, es absolutamente brutal y con lo cual los costes de esa tarea concreta van a ser mucho menores en Openi AI, que podía haberlo hecho mucho mejor en este caso Antropic, pues dependerá quizá con el nivel del modelo de Open es suficiente para esa tarea y eso es lo que tenemos que empezar a entender. Tenemos más inteligencia de la que necesitamos, con lo cual no necesitamos la inteligencia punta, necesitamos la inteligencia suficiente para resolver la tarea y con lo cual el siguiente paso es conseguir el modelo que sea capaz de hacer eso perfectamente y a la vez sea lo más barato posible, ¿vale?
Y ese es el punto donde creo que Open está trabajando. Fijaros que si lo comparamos, aquí está de nuevo Astra 6.2, 41,000 tokens y nos vamos a Fable 5.2, 274,000 tokens por tarea.
Si lo queremos comparar con Opus un poco mejor, 163,000, pero fijaros que también si comparamos con Sol son 40.000, 1000 que no está muy lejos de GPT02 Astra, pero Fijaros como en cualquier caso, para mí podría ser comparable en nivel de inteligencia Astra o está un poco por debajo de Opus, pero no tanto, serían como unas cuatro o cinco veces más Barato en tokens que la versión de Antropic y con lo cual esa diferencia yo creo que es la clave.
Ahora también os digo una cosa, cuando Antropic D, y digo cuando, ¿no? Cuando Antropic den el clavo de la eficiencia de los modelos que ha dado Open AI, porque creo que ahora mismo es la mayor baza que tiene Open AI, miedo me da lo que le puede pasar a Open AI, Porque la realidad es que como Antropic consiga que sus modelos multipliquen la eficiencia manteniendo los precios, simplemente usando menos tokens, estará a la altura de precios de Open AI, a la
Altura de límites de cuentas de Openi y ahí la mayor baza que tiene Openi que es más generoso en el uso, va a ser un problema muy pero que muy serio para la Empresa de Samalman. Vamos a ver cómo evoluciona. No sé por qué. Yo llevo ya casi 8 meses hablando de que los niveles de eficiencia de Open han mejorado radicalmente y creo que es la salsa secreta de Open AI, mientras que los modelos de Anthropic lo que han hecho es mejorar mucho inteligencia.
Pero es que incluso empresas como Meta o como Google han conseguido niveles de eficiencia mucho mejores que los de Antropic. Así que no sé qué le pasa a Antropic. creo que está decidiendo ir a lo bruto y no realmente intentar hacer los modelos más eficientes, intentando conseguir la mejoría, porque a nivel de mercado parece que eso les posiciona mejor y les da mejor posición de mercado para poder trabajar.
En cualquier caso, vamos a ver cómo evoluciona, pero cuidado porque depender que todo tu éxito, toda tu competitividad dependa de una carta como la salsa secreta de la eficiencia, como alguien te la descubra, tienes un problema muy serio y creo que esa es la situación actual de Open AI.
Bien, os voy a dejar los benchmarks como siguiente para que los miréis, pero quiero que veáis este tweet de Sam Alman, donde primero presentó el modelo diciendo que ya estaban disponibles, Etcétera, pero me interesa más una respuesta que él mismo se puso al momento y que dijo, "A pesar de que los modelos son muy inteligentes, nos queda mucho trabajo para hacer que sean Agradables de trabajar con ellos y vamos a priorizar esto en las próximas actualizaciones.
Pero aún y que eso lleve un poco más de trabajo, la inteligencia y capacidad son extraordinarias. El mismo Sam Alman, y no lo había visto nunca, esto pone en en en su propio lanzamiento que estos modelos pues tienen un problema de personalidad y es que esa es la queja principal de aquellos que han tenido acceso anticipado, diciendo que los modelos son muy inteligentes, pero son una de trabajar con ellos.
Ahora ha salido Tibo, que es uno de los encargados de comunicación de Openi, diciendo que el problema está en que esta gente que lo ha probado anticipadamente no está probando el modelo que han sacado porque el que les dieron hace unas semanas no es el mismo. Eso puede ser una excusa que te cagas, pero en cualquier caso puede tener razón. Veremos como algunos de estos influencers han pasado semanas utilizando millones de tokens y millones de tokens y al final, evidentemente, cuando sale el modelo no vas a repetir todas las pruebas y con lo cual tu opinión es en base a lo que has probado, ¿no?
Es muy razonable y es muy sensato, pero eso también es cierto que puede dar lugar a diferencias. Lo que yo creo que va a pasar a partir de ahora y ahora profundizo en los problemas es que Open va a actualizar muy rápidamente los problemas de personalidad porque son problemas del arnés, no son problemas del modelo en sí. La inteligencia del modelo está ahí, se demuestra en artificial análisis y se demuestra, evidentemente, en las capacidades con las quejas que hay, pero las quejas son de personalidad, ¿vale?
Entonces, vamos a ver a Teo, que es probablemente el influencer más importante inteligente artificial del mundo, pero tengo que avisaros de una cosa, ¿vale?
Teo primero es un perfil muy controvertido, no le cae bien a casi nadie, pero por otro lado es programador, ¿vale? Con lo cual la mayoría de nosotros no lo somos y sus versiones están influenciadas por su tipo de uso que es en el mundo de la programación. A partir de ahí, cogeros con un grano de sal lo que dice, aunque es un tío que cuando lo hace lo hace bien y hace análisis en mucha profundidad y tiene una cantidad de uso
Brutal que le permite hacer esos análisis, pero tener en cuenta que vuestro día a día no va a ser su experiencia porque vosotros no hacéis el tipo de tareas que él hace, ¿vale? En este caso, este hombre, para que os hagáis una idea, tiene acceso anticipado durante semanas, que como he dicho es algo que apenas puedes contar con una mano la gente en el mundo que tiene
Acceso anticipado a nivel de este hombre de Open AI o de otros o de otras compañías como Antropic y le tienen un uso ilimitado. Eso quiere decir que sus pruebas llevan miles y miles de dólares invertidos. De hecho, veréis que hay una prueba que lleva cientos de miles de dólares invertidos en tokens, que obviamente no los paga, pero que le dan para que pueda probar esos modelos.
Su carta os la voy a dejar linkada porque no la voy a leer entera, pero básicamente lo que es es una carta que él mandó durante el feedback a OpenI literal la pegado tal cual, ¿vale? Y lo que dice es básicamente que él no le gusta 6.2 Astra y que no lo utilizaría por encima de Opus 5. Y el modelo que él dice que él es el modelo abatir.
Vale, en cualquier caso, vamos a profundizar en la en la carta y lo que dice primero es lo bueno y fijaros a esto que pone primero las cosas buenas. Muy buen revisor. Encuentra cosas que otros modelos se pierden. Perfecto. Esto es algo que evidentemente es bueno para el modelo. De vez en cuando viene con soluciones pues originales que son realmente increíbles.
Me ha ayudado a hacer un Reverse Prox y tal que me supone un ahorro de $25,000 al mes. pues no está nada mal para ser una de modelo. Si te ha ahorrado $25,000 al mes, no está nada mal. Dice que Opus no tuvo los de explorar suficientes opciones, ¿vale? Con lo cual parece que el modelo es bastante creativo. Increíble en 3D y videojuegos. El nivel de computer use, que es utilizar tu ordenador de forma que haga cosas en tu ordenador, es absolutamente increíble y la calidad del código ha mejorado de forma significativa y además escribe muy
Buenos promps para los subagentes, con lo cual a priori, como veis, tiene cosas muy buenas que demuestran una inteligencia y razonamiento muy elevado por parte del modelo. Luego, por otro lado, dice que odia todo lo demás de este modelo. Y claro, ¿qué es todo lo demás? Pues aquí es donde se pone a hablar de varias cosas que son importantes, pero que sobre todo tienen que ver con la personalidad del modelo y creo que es donde debemos profundizar y debemos darnos cuenta.
Ahí es donde el modelo realmente parece que falla, no tanto en la calidad de inteligencia, sino en la personalidad. Y eso es muy lógico porque es algo que no se refleja en el artificial analisis index este en el benchmark que hemos visto. Lo que dice básicamente es que no tiene concepto de lo que son los gaps de conocimiento. ¿Qué quiere decir esto? Pues que tú estás trabajando con el modelo y le encargas una tarea y el modelo se pone a hacer cosas, en este caso de programación muy complejas, profundas y tal y de repente le viene el
Modelo y le pregunta algo que él no puede responder en plan, "Oye, ¿cuál es la diferencia entre el archivo tal y el cual que acabo de tal?" Pero, ¿qué me cuentas a mí si yo no estoy metido ahí dentro? Si lo estás haciendo tú, te lo he delegado. Con lo cual, evidentemente, no te puede responder esas preguntas. Cuando le daramos tareas delegadas a un modelo de inteligente artificial que se va a pegar horas currando, ese tipo de preguntas bloquean la evolución del modelo.
Y lo que dice Teo básicamente es que esto hace esto de forma constante y con lo cual no puede trabajar porque, ¿qué voy a decirte si no sé la respuesta? Si ha llegado a montar una automatización con Opus que revisa si el modelo se ha bloqueado, le responde a lo que le pregunta diciéndole, "Pero, ¿qué dices, tío? Búscate la vida." Y a partir de ahí el modelo sigue, con lo cual esto es algo que hace que el modelo sea absolutamente inutilizable para tareas de largo plazo y sobre todo tareas complejas de cosas que tú no sabes hacer, ¿no?
Y con lo cual eso es un problema real y serio, pero denota una falta del modelo de entender cómo se está moviendo de de lo que tenemos aquí encima de la mesa, ¿no? Que es que yo te delego tareas y tú las haces, ¿no? Que yo estoy viendo constantemente cada línea que tú escribes en tu proceso o en tu línea de código o lo que estés haciendo, ¿vale?
Y eso denota que el modelo le falta un poco de pues no sé, sentido común si queréis llamarle. Luego, por otro lado, dice que el modelo habla idiomas que solo 6.2 Astra entiende. No se refiere evidentemente a que se haya aventado un nuevo idioma, sino simplemente que empieza a hacer referencia a cosas que el mismo ha hecho que yo no tengo por qué saber. Volvemos a lo mismo, del sentido común de la situación y el reparto de tareas.
Por último, dice que se mete en bucles que llevan a ningún sitio y es que básicamente dice que en los modelos de Open hay una tarea muy extensa, se bloquearon, no llegaron ningún sitio. En este caso dice que se gastó $300,000 en tokens, lo que es una auténtica barbaridad, pero como os he dicho, este hombre tiene uso ilimitado. Pues bien, haciéndolo con Opus lo resolvió en dos semanas por tan solo $20,000 en tokens, esa misma tarea.
Con lo cual, a pesar de que parece que el modelo de open es mejor por tarea, si le pedimos algo muy complejo, puede ser que se empiece a meter en un bucle y no salga de él y eso se convierta en un problema, que es lo que está diciendo este buen hombre.
En definitiva, lo que nos encontramos que el modelo es muy capaz, pero que tiene ciertos problemas que vienen probablemente del arnes, que hacen que sea absolutamente inutilizable. A partir de aquí, él habla un poquito más de que el modelo le parece interesante, pero que en algunas cosas lo ha hecho mucho más lento, etcétera. Y os voy a dejar el resto de este artículo para que lo veáis y os lo leáis, pero básicamente le dice a Open que este modelo va a ser un absoluto fracaso.
Por suerte, si queréis probarlo por vosotros mismos en vuestras tareas de vuestro día a día, lo tenéis ya disponible. Si os vais a Work, vais a ver cómo tenéis la opción de utilizar tanto GPT 6.2 como 6.2 Astra. Y cuidado porque en Solo han sacado otra cosa y es que han sacado la versión ultra rápida, ¿vale? Que podéis utilizarlo hasta ocho veces más rápido por seis veces el consumo.
Recordar que esta parte no va aún con cerebras, que es lo que dijimos que iba a salir, que iba a hacerlo 20 veces más rápido, sino que de momento va con envidia. Cerebras aún no ha salido y con lo cual aún tenemos que ver la velocidad real a lo que puede llegar la inteligencia artificial en los próximos meses, pero de momento podéis utilizarlo en ultra rápido, que creo que incluso habilitado en cuentas de menor coste.
En definitiva, como veis, tenemos un buen modelo a nivel de inteligencia, pero que no parece que sea la mejor opción a nivel de usabilidad. Lo que yo creo que va a pasar es que en los próximos días Open AI va a actualizar el modelo muchas veces si no lo han hecho ya antes de sacarlo para que la usabilidad sea más amigable, más friendly, ¿no? Y a partir de ahí que esto sea más óptimo.
Que no os gusta el modelo, no os preocupéis, podéis utilizar otro. Que no os gusta Open AI o os vais antropic, la suerte que tenemos es que hay opciones a punta pala. En este caso creo que Open AI quería intentar sacar algo para contrarrestar un poquito Fable 5.2 y han fracasado tremendamente a intentar sacar eso, pero no olvidemos la ventaja competitiva que tiene OpenI en la
Eficiencia porque parece que ahora mismo Astra se ha hecho mucho más barato y podremos utilizarlo de forma mucho más amplia en nuestras suscripciones, con lo cual eso son buenas noticias. En cualquier caso, repito, probarlo por vosotros mismos, comentarme qué os parece el modelo y a partir de aquí, pues yo también iré haciendo lo mismo, lo iré probando estas semanas y veremos qué pasa. Tengo que decir que mi uso actual se limita prácticamente a Dots, que por cierto ya están apareciendo en Europa y creo que en Dots aún no estará este modelo.
Veremos qué potencia Dots, pero en cualquier caso, en cuanto esté ahí, lo anotaré de forma inmediata porque hablo con él 286 veces al día, ¿vale? Con lo cual ahí lo debería ver y debería ver cómo eficiente es, si mejora o empeora. En cualquier caso, probarlo y me decís que os parece en los comentarios. Si tenéis cualquier duda, dejar un comentario, lo resolvemos cuanto antes y si no, os veo en el próximo vídeo.
Chao, familia.