La premisa que acaba de fallar una prueba
Los modelos fundacionales de química existen por un problema de datos. Las estructuras moleculares abundan; las mediciones experimentales no. Modelos como ChemBERTa y MoLFormer se preentrenaron con grandes colecciones de estructuras moleculares precisamente para que un investigador con menos de cien mediciones —el caso realista en la mayoría de los laboratorios— pudiera afinarlos y obtener un predictor de propiedades utilizable.
Un artículo publicado en arXiv el 30 de octubre puso a prueba si eso sigue siendo cierto frente a modelos generalistas de frontera, y concluye que no.
Sesenta datos
En cinco tareas de regresión fisicoquímica y cuántico-química, con solo 60 datos experimentales disponibles, GPT-6 Astra superó a los modelos fundacionales de química que los autores consideraron elegibles.
Ese es precisamente el régimen de escasez de datos para el que se construyeron los modelos especializados. Perder ahí no es un resultado marginal: es perder en casa.
El tipo de cambio
La cifra más útil es cuántos datos hacen falta para que los especialistas alcancen al generalista. Los autores hablan de un factor de diez aproximadamente.
Con 1.000 datos, los mejores modelos químicos alcanzan el rendimiento que GPT-6 Astra logra con 60. Con 10.000, alcanzan lo que Astra logra con 1.000. Los modelos especializados no son peores en abstracto: van por detrás en torno a un orden de magnitud de esfuerzo experimental, que en un laboratorio húmedo es la diferencia entre un semestre y varios años.
Qué creen los autores que ocurre
La explicación que ofrecen tiene que ver con aquello con lo que se entrenó cada tipo de modelo. Los modelos fundacionales de química aprendieron de estructuras moleculares. Los generalistas se entrenaron con casi todo el texto público disponible, que incluye la literatura humana acumulada sobre propiedades moleculares y las leyes físicas que las gobiernan.
La implicación es que lo que un modelo de frontera aporta a una tarea de química no es reconocimiento de patrones estructurales sino algo más parecido al conocimiento escrito del campo, y que en situaciones de escasez de datos ese conocimiento previo vale más que un preentrenamiento solo con estructuras.
Lo que el artículo no resuelve
La comparación nombra a GPT-6 Astra y a Claude Opus 5.5 como el lado generalista. Son modelos cerrados, solo accesibles por API, de modo que el resultado no es reproducible como lo sería una comparación entre dos modelos químicos abiertos, y depende de qué versiones se sirvieran durante la ventana de evaluación. Además cubre tareas de regresión sobre propiedades fisicoquímicas y cuántico-químicas, no planificación de síntesis, predicción de reacciones ni nada que requiera un laboratorio.
Un modelo generalista que ha leído la literatura química puede haber leído también las mediciones concretas de un banco de pruebas. El encuadre del artículo no resuelve la cuestión de la contaminación para el lector.
Qué vigilar
Si la cifra de diez veces se sostiene, cambia el consejo práctico para un laboratorio con sesenta mediciones: empezar por un modelo de frontera y no por uno químico. Habrá que mirar si llega una replicación independiente sobre mediciones reservadas y recogidas después del corte de entrenamiento de los modelos, que es la única versión de esta prueba que zanja la objeción de la contaminación.
