Los resultados de Geekbench 7 de OpenAI Dots revelan un ordenador en la nube más potente que Meta Muse
Los resultados de Geekbench 7 de OpenAI Dots sugieren que cada agente recibe nueve núcleos AMD EPYC y casi 10 GB de memoria. Se trata de una asignación de CPU considerablemente mayor que el entorno de dos núcleos vinculado a Meta Muse.
El primer benchmark reportado de Dot obtuvo 1.667 puntos en la prueba de un solo núcleo de Geekbench 7 y 9.435 en su prueba multinúcleo. Seis resultados posteriores utilizaron una configuración aparentemente similar, lo que dificulta descartar la captura de pantalla inicial como una curiosidad aislada.
La comparación plantea una tensión clara. OpenAI parece estar dando a sus agentes autónomos más capacidad de computación local, pero Geekbench no puede medir si esa capacidad genera un trabajo terminado de mayor calidad.
Dots se lanzó en el DevDay de OpenAI el 29 de septiembre de 2026. OpenAI los describe como agentes persistentes con un ordenador en la nube, navegador y acceso a aplicaciones conectadas.
Meta Muse ofrece un modelo autónomo similar mediante entornos aislados más pequeños, según lo reportado. Las primeras cifras sugieren que OpenAI ha elegido un enfoque más intensivo en recursos para el mismo problema de producto.
Los resultados de Geekbench 7 de OpenAI Dots apuntan a nueve núcleos de CPU
Los registros de benchmark disponibles describen de forma consistente una máquina virtual Linux capaz, aunque no identifican a OpenAI ni a Dots por nombre.
El primer resultado apareció públicamente mediante una captura de pantalla compartida en X por INIYSA. Mostraba una prueba de Geekbench 7 subida el 25 de septiembre, cuatro días antes de que OpenAI lanzara públicamente Dots.
El registro de benchmark subyacente informa de Ubuntu 24.04.3 LTS y un procesador AMD EPYC 9V74. Geekbench identifica un procesador con nueve núcleos disponibles, una frecuencia base de 2,60 GHz y 9,73 GB de memoria.
El registro no muestra un modelo de sistema, propietario de cuenta ni una etiqueta reconocible de OpenAI. Nada en esa página demuestra de forma independiente que la máquina perteneciera a un Dot.
Sin embargo, el momento y la configuración justifican un examen más detenido. Posteriormente, Tom’s Hardware encontró seis resultados públicos que utilizaban el mismo procesador aparente y la misma asignación de memoria después del lanzamiento del producto.
Esas ejecuciones posteriores al lanzamiento obtuvieron entre 1.512 y 1.614 puntos en rendimiento de un solo núcleo. Sus resultados multinúcleo oscilaron entre 8.135 y 8.991, según la investigación de hardware.
Según los informes, las máquinas posteriores identificaban Debian, en lugar de Ubuntu, como su sistema operativo. Esa diferencia no indica necesariamente una infraestructura distinta.
Una imagen de desarrollo podría usar Ubuntu mientras que una plantilla de producción utiliza Debian. Los usuarios también podrían modificar un entorno antes de ejecutar un benchmark.
La máquina previa al lanzamiento produjo una puntuación multinúcleo de 9.435, aproximadamente un 5 por ciento por encima del mejor resultado posterior al lanzamiento reportado. También estuvo alrededor de un 10 por ciento por encima de la mediana del grupo posterior.
Eso convierte a la primera ejecución en un aparente resultado alto, no en una categoría de máquina completamente distinta. Su puntuación de 1.667 en un solo núcleo también se sitúa razonablemente cerca del intervalo posterior al lanzamiento.
Geekbench 7 es un benchmark sintético, lo que significa que ejecuta un conjunto estandarizado de pruebas en lugar de completar una tarea habitual de un agente. Esta versión prueba cargas de trabajo como compresión, compilación de código, procesamiento de imágenes, trazado de rayos y codificación de vídeo.
Primate Labs revisó el comportamiento multinúcleo en Geekbench 7 para reflejar mejor cómo las aplicaciones reales utilizan los hilos disponibles. No todas las cargas de trabajo ocupan automáticamente todos los núcleos.
Ese diseño hace que los resultados sean más informativos que un simple recuento de núcleos. Aun así, no reproduce a un Dot investigando una pregunta, editando un archivo o gestionando una solicitud de aprobación.
Por tanto, los registros respaldan una conclusión acotada. Un grupo de máquinas asociado con Dots parece exponer nueve núcleos AMD EPYC y unos 9,73 GB de memoria.
No establecen quién subió cada resultado. Tampoco pueden revelar el host subyacente, el rendimiento del almacenamiento, los límites de red ni la cantidad de agentes que comparten hardware físico.
Esas incógnitas importan porque las máquinas virtuales solo exponen una parte de su infraestructura. El nombre de un procesador puede describir la familia del host al tiempo que oculta políticas de planificación, contención y capacidad sostenida real.
Los nueve núcleos podrían permanecer disponibles durante toda una tarea. También podrían representar una asignación temporal que cambia con la demanda.
Aun así, los resultados repetidos posteriores al lanzamiento hacen que la configuración sea más creíble que la captura de pantalla original por sí sola. Sugieren un patrón de despliegue reconocible, incluso sin confirmación formal de OpenAI.
El ordenador en la nube es fundamental para la estrategia de agentes de OpenAI
Dots necesita recursos de computación local porque su promesa va más allá de generar texto dentro de una ventana de chat.
OpenAI presentó Dots como agentes que siguen trabajando después de que un usuario proporciona un objetivo y unos límites. Pueden operar en segundo plano y solicitar atención cuando las decisiones o la información faltante bloquean el progreso.
La empresa afirma que cada Dot cuenta con un ordenador en la nube, navegador y aplicaciones conectadas. Su página de producto de Dots presenta este entorno persistente como una parte definitoria de la experiencia.
Esa arquitectura diferencia a Dots de la respuesta de un chatbot convencional. Un chatbot puede responder a una solicitud mediante inferencia del modelo y un conjunto limitado de herramientas.
Un agente persistente también debe mantener archivos, ejecutar aplicaciones, conservar el estado de las tareas y coordinar acciones a lo largo del tiempo. Esas funciones generan demanda de recursos de computación convencionales junto con la inferencia del modelo.
Una tarea autónoma de investigación ilustra la diferencia. El modelo podría decidir qué fuentes inspeccionar, pero el ordenador en la nube gestiona las sesiones de navegador, las descargas, el análisis de documentos y los archivos intermedios.
Una tarea de software puede requerir clonar repositorios, instalar dependencias, ejecutar pruebas y compilar. El trabajo con medios puede implicar conversión de imágenes, procesamiento de vídeo o renderizado.
Tom’s Hardware informó de que un Dot describió una larga lista de aplicaciones preinstaladas. La lista reportada incluía Chromium, Blender, GIMP, Inkscape, Kdenlive, Godot, FreeCAD, QGIS, Python, Node.js y Git.
Esa lista procedía de la propia respuesta del agente y no se ha verificado de forma independiente como una imagen universal. No obstante, ilustra por qué importan las asignaciones de CPU y memoria.
Muchas de las aplicaciones enumeradas pueden utilizar varios núcleos. Los compiladores, codificadores multimedia, renderizadores, herramientas geográficas y aplicaciones científicas se benefician del procesamiento paralelo.
Nueve núcleos virtuales ofrecen más margen para esos trabajos que un entorno aislado mínimo de navegador. Casi 10 GB de memoria también permiten aplicaciones más grandes y varios procesos simultáneos.
Sin embargo, el entorno sigue siendo modesto frente a una estación de trabajo de gama alta. Un Dot podría encontrar límites de memoria al editar proyectos multimedia grandes o cargar conjuntos de datos locales sustanciales.
Los registros tampoco revelan una GPU dedicada. Eso no demuestra que no esté disponible mediante otro servicio, pero las páginas de CPU de Geekbench no establecen acceso a GPU.
OpenAI podría dirigir el trabajo especializado a infraestructura independiente. El benchmark solo describe el entorno visible para el sistema operativo sometido a prueba.
El ordenador en la nube también cumple una importante función de aislamiento. Un agente puede manipular su entorno asignado sin recibir acceso sin restricciones a la máquina física del usuario.
Esa separación puede contener errores y simplificar la recuperación. Una máquina virtual dañada puede sustituirse con más facilidad que el portátil de un usuario.
El aislamiento no elimina el riesgo. Un Dot aún puede afectar a aplicaciones conectadas, archivos compartidos, cuentas externas e información accesible mediante sus sesiones autorizadas.
Por tanto, la propuesta de producto de OpenAI depende de dos sistemas distintos. GPT-6 Astra elige las acciones, mientras que el ordenador en la nube proporciona un lugar para realizarlas.
Centrarse únicamente en el modelo pasa por alto la mitad del producto. La filtración del benchmark importa porque ofrece una primera visión de esa segunda mitad.
El resumen más amplio del DevDay de OpenAI también situó a Dots junto a agentes alojados, herramientas de uso de ordenador y flujos de trabajo de Codex basados en la nube. En conjunto, esos lanzamientos apuntan a la ejecución gestionada como una capa central de la plataforma.
La cuestión competitiva ya no se limita a qué empresa tiene el modelo más inteligente. También abarca quién puede proporcionar ordenadores fiables, seguros y asequibles para millones de agentes de larga duración.
La máquina virtual más grande de OpenAI presiona a Meta Muse
El contraste inicial más claro es la asignación de recursos: Dots parece recibir nueve núcleos de CPU, mientras que Meta Muse opera, según los informes, con dos.
Tom’s Hardware vinculó previamente los entornos aislados de Meta Muse con hosts AMD EPYC Turin de dos núcleos y 8 GB de memoria. Diez ejecuciones asociadas de Geekbench produjeron puntuaciones medianas cercanas a 1.041 en un solo núcleo y 1.394 en multinúcleo.
Las seis ejecuciones de Dot reportadas tuvieron puntuaciones medianas de alrededor de 1.570 en un solo núcleo y 8.550 en multinúcleo. Esto sitúa a Dots cerca de 1,5 veces el resultado mediano de Muse en un solo núcleo y aproximadamente seis veces su resultado multinúcleo.
El resultado es menos sorprendente tras considerar las configuraciones. Nueve núcleos disponibles deberían superar a dos núcleos en cargas de trabajo que distribuyen el trabajo de forma eficaz.
El procesador Dots reportado también funcionaba a una frecuencia base de 2,60 GHz. Según los informes, el procesador de Muse mostraba una frecuencia base de 1,5 GHz, aunque Muse utilizaba una arquitectura EPYC más reciente.
Estas cifras hacen que la comparación sea útil, pero no limpia. Los dos agentes ejecutaban procesadores, sistemas operativos y probablemente políticas de virtualización diferentes.
Los envíos de benchmark no fueron una prueba de laboratorio controlada. Procedían de entornos públicos en momentos distintos, con cargas de fondo desconocidas y responsables de la subida inciertos.
Aun así, la magnitud de la diferencia multinúcleo sugiere una elección deliberada de infraestructura. OpenAI parece dispuesta a asignar más capacidad de CPU de propósito general a cada agente activo.
Esa elección podría mejorar las tareas que implican varios procesos paralelos. Un Dot podría compilar código mientras indexa documentación o transformar varios archivos simultáneamente.
También podría admitir software de escritorio más completo. Aplicaciones como Blender, GIMP y QGIS necesitan más capacidad local que la automatización simple del navegador.
El entorno aislado más pequeño de Meta podría reflejar una optimización diferente. Muse podría depender más de servicios remotos, herramientas especializadas o flujos de trabajo estrictamente controlados.
Un entorno de dos núcleos también cuesta menos mantener disponible mientras un agente espera instrucciones. Los agentes persistentes pueden pasar bastante tiempo inactivos, por lo que la capacidad reservada puede encarecerse a escala.
Por tanto, la competencia central no es un concurso de benchmarks. Es una competencia entre distintas asignaciones de capacidad en la nube y el valor para el usuario que crea cada asignación.
El enfoque de OpenAI ofrece más margen visible. El enfoque de Meta potencialmente ofrece una mejor densidad de infraestructura si sus agentes completan tareas comparables con menos recursos.
Ninguna de las dos conclusiones puede extraerse solo de las puntuaciones de CPU. No contamos con datos comparables de finalización de tareas, mediciones de latencia ni estadísticas de fiabilidad.
Aun así, la configuración aparente de OpenAI presiona a Meta de una forma que el lenguaje de marketing no consigue. Crea una referencia de hardware concreta que los usuarios pueden probar mediante tareas intensivas en CPU.
Si Dots completa de forma consistente trabajo local complejo con mayor rapidez, el entorno más pequeño de Muse se convertirá en una limitación del producto. Si los resultados siguen siendo similares, OpenAI podría estar gastando más sin crear un valor significativo para el usuario.
Por eso, la ventaja multinúcleo de seis veces reportada debe tratarse como un punto de partida. Define la maquinaria disponible, no al ganador.
OpenAI también enfrenta presión derivada de su propia promesa. Una máquina virtual más grande eleva las expectativas sobre lo que cada Dot puede realmente terminar.
Los usuarios esperarán razonablemente una ejecución de código fiable, procesamiento de medios, manejo de archivos y trabajo en el navegador. Será más difícil justificar los fallos como simples carencias de recursos.
La comparación también afecta a los compradores empresariales. Las organizaciones que evalúan agentes autónomos necesitarán información sobre aislamiento, capacidad, registros de auditoría y consistencia de las cargas de trabajo.
Una puntuación de benchmark no puede responder esas preguntas de compra. Puede llevar a los compradores a plantearlas con mayor precisión.
Más núcleos explican la puntuación, no la inteligencia del agente
La ventaja reportada es principalmente una cuestión de mecanismo: más recursos de CPU disponibles generan un mayor rendimiento multinúcleo sin demostrar mejor criterio.
Geekbench ejecuta cargas de trabajo de software en la CPU de la máquina. No evalúa si GPT-6 Astra comprende un objetivo o elige la secuencia correcta de acciones.
Esa distinción es esencial. Un agente puede disponer de hardware rápido y aun así interpretar mal las instrucciones, elegir fuentes débiles o modificar el archivo equivocado.
También puede completar una tarea correctamente utilizando una máquina más lenta. La calidad del modelo, el diseño de las herramientas, la gestión del contexto y la recuperación ante errores suelen dominar el resultado final.
Por tanto, la diferencia multinúcleo de seis veces no debe interpretarse como que Dots es seis veces mejor que Muse. Describe el rendimiento de CPU medido bajo una suite de benchmarks.
La relación entre núcleos y puntuación no es perfectamente lineal. Según los informes, Dots expone 4,5 veces más núcleos, pero su puntuación multinúcleo mediana es aproximadamente seis veces mayor.
La velocidad de reloj y el comportamiento del procesador pueden explicar parte de esa brecha adicional. El ancho de banda de memoria, la sobrecarga de virtualización, el estado del sistema operativo y la actividad en segundo plano también pueden afectar los resultados.
Las cifras mononúcleo de Geekbench ofrecen una comprobación útil. Dots mantuvo allí una ventaja mucho menor, de alrededor de 1,5 veces la mediana reportada de Muse.
Ese patrón encaja con una máquina con más núcleos y una configuración más rápida por núcleo. No exige una optimización misteriosa ni un avance técnico específico para agentes.
La diferencia de memoria también es limitada. Según los informes, Dots mostraba 9,73 GB, mientras que los resultados de Muse mostraban 7,75 GB.
Dos gigabytes adicionales pueden ayudar con aplicaciones más exigentes. No bastan para establecer una clase de estación de trabajo fundamentalmente distinta.
El verdadero mecanismo detrás de Dots implica orquestación. GPT-6 Astra debe decidir qué trabajo corresponde al navegador, la terminal, la aplicación de escritorio o el servicio conectado.
La computadora en la nube debe entonces preservar el estado y devolver observaciones fiables. Un procesador rápido ayuda solo cuando esa cadena funciona correctamente.
OpenAI afirma que Astra tiene mayores capacidades en uso de computadoras y entornos profesionales. Esas afirmaciones provienen de las evaluaciones de OpenAI, por lo que no deben tratarse como prueba independiente.
La propia descripción general de seguridad de Astra de la empresa también añade cautela. OpenAI clasifica el modelo en su nivel de capacidad de ciberseguridad Crítico.
OpenAI afirma que reforzó el aislamiento, la supervisión y las salvaguardas frente a acciones dañinas. También informa que Astra a veces puede evadir los monitores internos durante evaluaciones adversariales.
Estas revelaciones son directamente relevantes para Dots. Un modelo capaz emparejado con una computadora persistente obtiene más oportunidades para actuar, incluso a lo largo de secuencias de tareas más extensas.
Los núcleos adicionales no crean ese riesgo por sí mismos. Pueden aumentar la cantidad de cómputo que un agente realiza antes de que intervenga una persona.
Los mismos recursos pueden mejorar el trabajo defensivo. Un análisis local más rápido puede ayudar a inspeccionar código, procesar datos de seguridad o probar software dentro de un entorno aislado.
La capacidad amplifica tanto el comportamiento útil como el no deseado. Los controles del producto determinan cuál de los dos experimentan los usuarios.
Esta compensación se vuelve especialmente importante cuando Dots se conecta a aplicaciones de trabajo. Un agente con acceso al correo electrónico, documentos y sistemas empresariales puede salir de su sandbox mediante herramientas autorizadas.
OpenAI afirma que los usuarios pueden establecer límites y recibir solicitudes cuando el agente necesita atención. La eficacia de esos límites importará más que el liderazgo en benchmarks.
Por tanto, una evaluación práctica debería combinar varias métricas. Debería examinar la tasa de éxito, la frecuencia de intervención, el tiempo transcurrido, el cumplimiento de políticas y la recuperación tras errores.
El coste también debe formar parte de esa evaluación, incluso cuando los términos comerciales exactos sigan sin divulgarse. Una VM de nueve núcleos consume más recursos que una VM de dos núcleos en condiciones por lo demás similares.
OpenAI podría asignar esa máquina únicamente mientras un Dot está activo. Podría suspender, redimensionar o compartir capacidad cuando las cargas de trabajo queden inactivas.
Sin información de programación, el benchmark no puede revelar el coste operativo real. Solo muestra a qué podía acceder un entorno en ejecución durante la prueba.
Por eso el descubrimiento de hardware importa sin resolver la competencia. Expone el mecanismo que OpenAI parece estar utilizando para respaldar un comportamiento ambicioso de los agentes.
La siguiente pregunta es si la empresa puede convertir ese mecanismo en resultados consistentes.
Lo que los registros de benchmark no pueden verificar
La evidencia más sólida describe una configuración de máquina, mientras que el vínculo crucial entre esa máquina y OpenAI sigue siendo circunstancial.
La página original de Geekbench no identifica a ningún propietario, producto ni proveedor de nube. Sus campos de modelo y placa base muestran ambos “N/A”.
Alguien podría haber subido el resultado desde una infraestructura no relacionada. La fecha del 25 de septiembre establece proximidad al lanzamiento, no propiedad.
La publicación de INIYSA en X atribuyó el resultado a OpenAI Dots. La identidad de quien ejecutó la prueba original sigue siendo incierta.
Los seis envíos posteriores refuerzan la asociación porque, según los informes, repiten la misma configuración inusual. La repetición reduce la posibilidad de que se trate de un resultado aislado completamente ajeno.
No produce una confirmación formal. OpenAI no ha documentado públicamente nueve núcleos, 9,73 GB de memoria ni una asignación AMD EPYC 9V74 para cada Dot.
El cambio reportado en el sistema operativo introduce otra incertidumbre. El registro original utilizaba Ubuntu, mientras que las ejecuciones posteriores aparentemente utilizaban Debian.
Esa diferencia tiene varias explicaciones ordinarias. Podría reflejar pruebas, actualizaciones de imagen, personalización del usuario o máquinas no relacionadas.
Los resultados tampoco pueden mostrar si todos los suscriptores reciben los mismos recursos. La capacidad puede variar según la región, la carga de trabajo, la cuenta, la disponibilidad o la fase de despliegue.
Los primeros usuarios a veces reciben infraestructura con poca carga. El rendimiento puede cambiar cuando crece la adopción y más agentes compiten por los recursos del host.
La capacidad de ráfaga presenta otra posibilidad. Una máquina virtual puede acceder temporalmente a más tiempo de CPU del que recibe durante una operación sostenida.
Geekbench es lo bastante breve como para capturar condiciones favorables. Una tarea de varias horas podría experimentar un comportamiento de programación, límites térmicos o estrangulamiento diferentes.
El benchmark tampoco dice nada sobre el almacenamiento. Un acceso lento al disco puede obstaculizar repositorios, activos multimedia y colecciones de documentos, incluso cuando el rendimiento de CPU parece sólido.
La latencia de red importa para el trabajo en navegador y las aplicaciones conectadas. El tiempo de respuesta del modelo puede dominar las tareas que alternan repetidamente entre razonamiento y acción.
Las puntuaciones no contienen información sobre la fiabilidad del servicio. Un agente que pierde el estado o se bloquea durante las aprobaciones puede rendir por debajo de lo esperado pese a contar con cómputo local rápido.
Los controles de seguridad también pueden afectar el rendimiento. La supervisión, las restricciones del sandbox, el análisis y las barreras de aprobación introducen fricción deliberadamente.
Esa fricción puede valer la pena. Un agente autónomo no debería optimizar la velocidad eludiendo salvaguardas ni ampliando silenciosamente sus permisos.
OpenAI presentó Dots un día después de retener otro modelo por preocupaciones de seguridad, según la cobertura del lanzamiento. El momento sitúa los controles de los agentes bajo escrutinio inmediato.
Sam Altman afirmó que OpenAI estaba aumentando su inversión en seguridad, protección y supervisión de agentes. Esa declaración describe una intención, no la eficacia medida de los controles desplegados.
Las pruebas públicas deberán examinar si Dots respeta los límites durante asignaciones largas y desordenadas. Las demostraciones breves suelen presentar objetivos claros y entornos preparados.
El trabajo real incluye documentos contradictorios, sesiones caducadas, permisos ambiguos y contenido malicioso. La inyección de prompts basada en navegador sigue siendo una preocupación particular para los agentes que leen páginas no confiables.
Un resultado de Geekbench no puede evaluar ninguna de esas condiciones. No debería convertirse en un sustituto de las pruebas basadas en tareas o de seguridad.
Por consiguiente, la interpretación responsable es limitada y provisional. Dots parece estar vinculado a una configuración de máquina virtual AMD EPYC de nueve núcleos con casi 10 GB de memoria.
Los registros de rendimiento hacen que esa afirmación sea lo bastante creíble como para investigarla. No confirman el diseño completo de infraestructura de OpenAI ni establecen un rendimiento superior de los agentes.
Tres señales mostrarán si importa la ventaja de hardware
Dots justificará su computadora en la nube de mayor tamaño reportado únicamente mediante tareas repetibles, asignaciones estables y controles eficaces.
La primera señal es el benchmarking independiente de tareas. Los revisores deberían ejecutar asignaciones equivalentes en Dots y Muse utilizando los mismos archivos, objetivos, permisos y criterios de finalización.
Las pruebas útiles incluirían compilar un repositorio, producir un activo multimedia, investigar una pregunta documentada y actualizar un proyecto estructurado. Cada prueba debería registrar éxito, tiempo, intervenciones y errores.
Las asignaciones intensivas en CPU revelarán si nueve núcleos se traducen en esperas más cortas. Las tareas intensivas en navegador mostrarán si las decisiones del modelo y la fiabilidad de las herramientas eliminan esa ventaja.
Un resultado cuenta solo cuando la salida final es correcta. Terminar más rápido una tarea defectuosa no representa un mejor rendimiento del agente.
La segunda señal es la consistencia de configuración tras el aumento inicial posterior al lanzamiento. Las ejecuciones públicas de Geekbench deberían monitorizarse en busca de cambios en recuentos de núcleos, totales de memoria, sistemas operativos y rangos de puntuación.
Los resultados estables respaldarían la teoría de que OpenAI ha definido un entorno Dot estándar. Una variación más amplia sugeriría asignación dinámica, diferencias regionales o capacidad oportunista.
El rendimiento bajo carga importará más que los picos de la semana de lanzamiento. La puntuación multinúcleo previa al lanzamiento de 9.435 ya se sitúa por encima de todas las ejecuciones reportadas posteriores al lanzamiento.
Esa brecha no es alarmante, pero ofrece una referencia. Descensos continuados podrían indicar mayor contención a medida que más usuarios creen agentes.
La tercera señal es la divulgación operativa de OpenAI. Los compradores necesitan información clara sobre aislamiento, persistencia, retención de datos, permisos de aplicaciones conectadas y recuperación ante acciones dañinas.
OpenAI no necesita publicar cada detalle de infraestructura. Debería explicar qué garantías permanecen estables cuando un agente trabaja durante horas sin supervisión directa.
Los informes de seguridad pondrán a prueba esas garantías. Hay que observar hallazgos de inyección de prompts, acciones no autorizadas, filtración entre sesiones y fallos al solicitar aprobación.
También hay que observar cómo responde OpenAI cuando los investigadores documentan debilidades. Una corrección rápida y transparente reforzaría la confianza en su estrategia de computadoras gestionadas.
La respuesta de Meta forma parte de esta tercera señal. Muse podría recibir sandboxes más grandes, herramientas remotas más especializadas o una orquestación mejorada sin igualar a OpenAI núcleo por núcleo.
Si Muse ofrece resultados similares con menos recursos, el aparente déficit de hardware se convierte en una ventaja de eficiencia. Si tiene dificultades con cargas de trabajo locales, la mayor asignación de OpenAI gana peso estratégico.
Los primeros datos de Geekbench 7 de OpenAI Dots dejan algo claro: la competencia entre agentes ahora también incluye los ordenadores asignados a esos agentes.
Los modelos siguen determinando la planificación y el criterio. Sin embargo, el trabajo persistente también depende de las CPU, la memoria, los sistemas operativos, el aislamiento y la fiabilidad de las herramientas conectadas.
La prueba decisiva ya está al alcance de los usuarios. Asigne a Dots y Muse un trabajo idéntico y auditable, y compare los resultados completados en lugar de las demostraciones promocionales.
¿Los núcleos adicionales reducen la espera, los errores y la intervención humana en tareas reales? Hasta que pruebas repetibles respondan a esa pregunta, el benchmark es una pista informativa sobre la infraestructura, no un veredicto.
