Full transcript
0:02Se acaba de filtrar GPT6 Soul y esto
0:04cambia cómo se ve toda la jerarquía de
0:06Open AI. También se filtró un nuevo
0:07versión de Gemini Pro, justo cuando el
0:09cofundador de Google aparentemente se
0:11muda a una microcina para apresurar el
0:14lanzamiento de Gemini 4.0. Deepsek lanzó
0:17OV4.1 Flash, 763,000 millones de
0:21parámetros que requieren menos memoria
0:23de GPU que el modelo más pequeño al que
0:25reemplaza. Sakana le quita ventaja a
0:27Sonet 5 y GPT 5.6
0:29hasta en un 60% con Fugumx que ni
0:31siquiera es un modelo. Y ahora hay una
0:33organización real que hace campaña por
0:35los derechos de la IA, argumentando que
0:37estos sistemas podrían ser conscientes y
0:39que los laboratorios tienen todas las
0:40razones financieras para fingir lo
0:42contrario. Cosas increíbles por todos
0:44lados, empezando por Soul. El 10 de
0:46septiembre, una cuenta llamada Mr. Pandu
0:48publicó en X una imagen que mostraba una
0:50entrada de modelo etiquetada como GPT6
0:53Soul bajo un encabezado que decía nuevo
0:55modelo con un campo debajo que decía
0:57plataforma Open AI. Apareció en la API
1:00de Open AI y esa sola etiqueta te dice
1:02más sobre su plan de desarrollo que
1:04cualquier cosa que Open AI haya dicho
1:06públicamente debido a la posición de
1:08Soul en la gama ordenada por precio e
1:10inteligencia. La escala tiene a Astra en
1:12la cima, luego a Soul, después a Terra y
1:15finalmente a Luna. Esa es la versión de
1:17Openai de la estructura de Antropic con
1:19Fable, Opus, Sonet y Haiku,
1:22esencialmente uno a uno. HPT6 Astra
1:25cuesta muchísimo más que 5.6 Soul,
1:28precisamente porque es un nivel
1:29completamente nuevo por encima de Soul,
1:31un modelo de clase Fable diseñado para
1:33suscripciones profesionales y contratos
1:35empresariales. Así que la aparición de
1:37un GPT6 Soul significa que el resto de
1:39la generación viene detrás. Y el patrón
1:41se consolida a partir de aquí.
1:44Eptou,
1:46Terra y Luna. Luego 6.1 en las cuatro,
1:49luego 7 en las cuatro y así
1:51sucesivamente. Vale la pena saber lo que
1:53la filtración no incluye, porque eso
1:55define qué tanto confiar en el resto. No
1:58hay declaraciones de Open EI, ni
1:59documentación, ni precios, ni pruebas de
2:02rendimiento, ni fecha de lanzamiento. El
2:04nombre existe y está junto a Open AI.
2:07Todo lo demás es inferencia, pero es una
2:09inferencia bien fundamentada. La
2:11confusión que surge constantemente es,
2:12¿qué significa que Soul llegue con un
2:14número mayor asignado cuando se suponía
2:17que Astra sería GPT6?
2:20La respuesta es que seis es la versión y
2:22Astra Soul, Terra y Luna son tamaños de
2:24esa versión. Mini, mediano, grande,
2:28extra más o menos. Y Open A parecer ha
2:31decidido que nombrar las cosas con
2:33claridad es para Cobaltes. GitHub
2:35Copilot ya lo clasifica mejor ubicando a
2:37Luna como el nivel ligero junto a Gemini
2:393.5 Flash y Haiku 4.5.
2:43Terra como el nivel versátil junto a
2:45Gemini 3.8 Flash y Sonet 5 y Soul como
2:48el nivel potente junto a Opus y Fable.
2:51Más allá del nombre, la verdadera
2:53pregunta es, ¿cómo se construyó
2:54realmente Soul? Y hay algunas
2:55posibilidades serias. La primera es que
2:57sea 5.6 Soul entrenado aún más usando
3:00Astra, de la misma manera en que según
3:02se informa Luna fue entrenado usando
3:04Soul, lo que haría de Astra más GPT 6
3:06Soul la configuración de orquestador y
3:08sub gente que la mayoría de la gente
3:10realmente puede costear. Astra al mando
3:12y Soul haciendo el trabajo pesado. El
3:14problema con esa teoría es que el primer
3:16número normalmente señala una
3:18arquitectura genuinamente nueva. Así que
3:20llamarlo seis en lugar de cinco punto
3:22algo implica algo reconstruido, no solo
3:24reajustado. La versión más probable
3:27entonces es Astra reducido
3:28aproximadamente al tamaño de Soul 5.6,
3:31lo que explicaría el nombre a la
3:32perfección. También existe la
3:34posibilidad de que sea una variante de
3:35Astra que solo activa una pequeña
3:37porción de sí misma por consulta para
3:39mantener la inferencia. extremadamente
3:41barata o simplemente con un aprendizaje
3:43por refuerzo intensivo encima, aunque
3:45esta última opción es dudosa, ya que
3:47esas mejoras suelen cambiar el decimal
3:49en vez del número entero y Astra se
3:51había lanzado días antes. Si ya hubiera
3:53estado lista una versión mejor, se
3:55habría lanzado desde el principio. Y la
3:57cuestión del tamaño también sigue
3:58abierta, porque Open AI abandonó la idea
4:00de que cada arquitectura debía ser más
4:02grande que la anterior alrededor de
4:04Hipitec. Tu modelo más grande hasta la
4:06fecha, con solo rumores de que Astra
4:08igualaría esa escala, algo que nunca se
4:10confirmó. Lo que hace que Soul importe
4:12más allá de una simple curiosidad de
4:14nombres es el estado actual de Astra.
4:16Además, los suscriptores solo pueden
4:18acceder a él a través del work mode
4:20consumiendo cupo de codex para llegar
4:21ahí. Y el consenso de quienes realmente
4:23lo usan es que Astra en su nivel más
4:25bajo de razonamiento supera a Soul en el
4:27más alto, pero se devora la cuota tan
4:29rápido que apenas se puede usar en BL
4:31quemando tokens como un castor
4:33construyendo una presa bajo el efecto
4:35del expreso. Como decía una descripción,
4:37la postura oficial es que AS trabajo
4:39rinde más o menos lo mismo que Soul
4:41Alto, pero el seguimiento del consumo es
4:43tan errático que un promp de 20 minutos
4:45con la misma configuración puede costar
4:47el 2% de la cuota semanal una vez y el
4:5015% a la siguiente, por lo que el
4:52registro de uso de cloud sigue
4:53considerándose el sistema más claro. Un
4:56modelo capaz de la Clase Soul a un
4:57precio de clase Soul es justo el vacío
4:59que se necesita llenar. El otro punto de
5:01presión es el comportamiento. En toda la
5:03línea Luna, Terra y Soul hay una queja
5:06constante sobre un estilo de respuesta
5:07rígido y entrecortado, lleno de
5:09oraciones simples y tajantes que vuelve
5:11a imponerse sin importar las
5:13instrucciones que le des. Las
5:14instrucciones personalizadas duran tal
5:16vez de tres a cinco turnos. Luego, el
5:18modelo empieza a tomar atajos, a ser
5:19impreciso y a ignorar los archivos del
5:21proyecto para la continuidad. Lo
5:23corriges, obedece y vuelve a desviarse
5:25uno o dos turnos después. Astra tiene su
5:27propia versión de ese problema desde el
5:29ángulo opuesto. Increíblemente bueno
5:31recordando apis de memoria, pero
5:33propenso a fallar en la lógica básica,
5:35acumulando verificaciones defensivas en
5:37el código hasta duplicarlas en la misma
5:39función o haciéndolas inútilmente
5:41siempre verdaderas y capaz de iterar una
5:43sola función hasta convertirla en un
5:45revoltijo que apenas funciona. ¿Qué es
5:46lo que realmente hay que vigilar con
5:48GPT6 Soul? si una nueva arquitectura en
5:50ese nivel finalmente soluciona la deriva
5:52en el seguimiento de instrucciones o
5:54simplemente la hereda. Ahora, antes de
5:56continuar, quiero tomarme un minuto para
5:57hablar de algo, porque esto es de lo más
5:59importante que he puesto en un video. La
6:01IA lo está cambiando todo, todos lo
6:03sabemos, pero mira a tu alrededor y la
6:05mayoría de la gente todavía no está
6:06ganando ni un centavo más que hace 2
6:08años. Esa brecha es todo el problema y
6:11hace unos meses decidimos hacer algo al
6:13respecto. El punto es este. Puedes
6:15empezar un negocio de IA este fin de
6:16semana y estar en una llamada con tu
6:18primer cliente de pago la semana
6:20siguiente. No es un discurso de venta,
6:22es simplemente lo que las herramientas
6:24permiten ahora. Así que armamos nuestro
6:26primer plan de automatización con IA.
6:28Uno de los chicos que lo aplicó, Chris,
6:30era un cantinero que en su vida había
6:32abierto una terminal. Consiguió su
6:34primer cliente por 100 al mes en 5 días.
6:36No necesitas renunciar a tu trabajo, no
6:39necesitas programar. Sigues los módulos
6:41y copias lo que ya funciona. Pero quiero
6:43que la gente que se una realmente lo
6:44logre, así que lo limitaremos a 100
6:47miembros fundadores. Y como hay mucha
6:49basura allá afuera, te garantizamos que
6:51conseguirás tu primer cliente que pague
6:53o te devolvemos tu dinero. Enlaces en la
6:55descripción. ¿Está disponible hasta el
6:5713 de septiembre o hasta que lleguemos a
6:59los 100, lo que ocurra primero. Muy
7:01bien, ahora volvamos al video. Mientras
7:03tanto, por el lado de Google, el ciclo
7:05de filtraciones tiene su propio ritmo.
7:07Una publicación en el subreddit de Bard
7:09sacó a la luz lo que supuestamente es un
7:11nuevo checkpoint de Gemini Proveniente
7:14de una filtradora llamada Lira. La
7:16prueba fue una generación de SVG, el
7:18modelo escribiendo código que dibuja una
7:20imagen animada, en este caso un pavo
7:22real. aproximadamente 24,000 tokens unos
7:256 minutos. Esfuerzo configurado en alto
7:28hecho en Zero Shot, lo cual el autor
7:30recalcó que es mucho más difícil que
7:31darle un ejemplo primero. Al parecer el
7:34checkpoint anda rondando en arena AI
7:36disfrazado de 3.8 flash disponible para
7:38probarlo gratis, pero solo por pura
7:40casualidad y sabes que te tocó porque
7:41rinde muy por encima de lo que se
7:43esperaría de su nivel. El veredicto del
7:45autor fue muy elogioso, cero errores
7:47visibles y la única crítica fue que la
7:49animación de la respiración podría ser
7:52más fluida. Los comentarios no
7:54estuvieron de acuerdo. Todos se
7:55obsesionaron con Astra ejecutando
7:57exactamente el mismo prompt, donde Astra
7:59tardó 14 minutos y 36,000 tokens en la
8:01configuración máxima, casi 1.6 veces los
8:04tokens y más del doble de tiempo. Un
8:06defensor dijo que era básicamente el
8:08mismo resultado. Mejor forma de pavo
8:10real, pero peor animación y lo presentó
8:11como una versión preliminar no lanzada
8:13que iguala a un modelo insignia ya
8:14disponible siendo mucho más rápida, que
8:16es justo el enfoque de eficiencia que
8:18Google ha estado promoviendo. La
8:19respuesta de los críticos fue que no es
8:21ni remotamente el mismo resultado. El
8:23trabajo de Astra es mucho más detallado
8:25y proporcionalmente preciso y el de
8:27Yemini parece un pavo real de baja
8:29calidad, así que estás sacrificando
8:31detalle por velocidad y llamándolo una
8:33victoria. Él también señaló un punto
8:35estructural más incisivo. Han pasado 7
8:37meses desde el último modelo Pro, así
8:39que Google no puede simplemente lanzar
8:40algo bueno, tiene que lanzar algo de
8:42vanguardia. Y si este pro 4 llega en
8:44octubre, Astra ya habrá salido hace un
8:46mes y medio. Alguien más agregó que,
8:48según se informa, Open AI tiene un
8:50modelo interno superando a Astra al
8:52máximo mientras se ejecuta con un
8:54razonamiento bajo. La defensa de que es
8:56un checkpoint temprano, los checkpoints
8:58mejoran, surgió una y otra vez junto con
9:01la nota de que las instrucciones del
9:02sistema personalizadas de un
9:03comentarista en AI Studio produjeron
9:06resultados notablemente mejores que usar
9:07Flash sin personalizar y el cansancio
9:09era palpable. muchos checkpoints, ningún
9:12lanzamiento, lo cual encaja
9:13inquietantemente bien con lo que según
9:15se informa está pasando dentro de Google
9:17ahora mismo. El liderazgo a nivel de
9:19cofundadores ha vuelto hasta asumir un
9:20papel diario y práctico en DIPM, no como
9:22estrategia de sala de juntas, sino con
9:24las microcinas de Mountain View
9:25convertidas en salas de guerra,
9:27sentándose con los investigadores hasta
9:28altas horas de la noche. La orden es
9:30eliminar la burocracia, acelerar las
9:32iteraciones y dirigir la potencia de
9:34cálculo hacia donde genere la mayor
9:35capacidad. en la práctica, saltándose
9:38las cadenas de aprobación empresarial
9:39para que los equipos puedan lanzar y
9:41probar puntos de control rápidamente,
9:43redirigiendo sus mejores clústeres de
9:44TPU hacia entrenamientos de frontera y
9:47apoyándose fuertemente en la automejora
9:49recursiva, donde el modelo genera sus
9:50propios datos de entrenamiento y corrige
9:52sus propios errores antes del
9:54lanzamiento. Según se informa, Google
9:55inició en julio lo que los equipos
9:57internos llaman su preentrenamiento más
9:58ambicioso hasta la fecha, diseñado como
10:00una arquitectura sustancialmente más
10:02grande que la de la generación anterior.
10:04El preentrenamiento ha terminado y las
10:05evaluaciones iniciales sobre
10:07conocimiento general, trabajo multimodal
10:09y retención de contexto amplio
10:10alcanzaron o superaron los objetivos
10:12internos. El poste de entrenamiento está
10:14en marcha. Ajuste con retroalimentación
10:16humana, alineación de seguridad,
10:17comportamiento de agentes, optimización
10:19de velocidad y las prioridades han
10:21cambiado. Mientras que las generaciones
10:23anteriores buscaban la comprensión
10:24multimodal, la 4.0 cero apunta a dos
10:27cosas: escribir código, depurar, probar
10:29y desplegar código en repositorios
10:31completos de múltiples archivos casi sin
10:33intervención humana y trabajo con
10:35agentes a largo plazo, lo que significa
10:38que el modelo elige sus propias
10:39herramientas, planea múltiples pasos a
10:41futuro y se recupera de sus propios
10:43errores sin necesidad de rescate. La
10:45eficiencia es el otro frente en esta
10:47guerra y Deepsek acaba de avanzar con
10:49fuerza ahí. B4.1 1 Flash llegó el jueves
10:52y es una actualización menor que no
10:54tiene ningún sentido que lo sea. 763,000
10:57millones de parámetros, más de dos veces
10:59y media el tamaño del modelo al que
11:01reemplaza y más grande que B3 y R1 los
11:04modelos que pusieron a Deepsek en el
11:06mapa a principios de 2025. Pero los
11:08requisitos de memoria no aumentaron a la
11:10par. Rediseñaron la forma en que el
11:12modelo maneja la atención y agregaron un
11:14nuevo componente que mejoró el
11:15procesamiento de instrucciones al tiempo
11:17que redujo la memoria utilizada para
11:19mantener la conversación. El estado se
11:21redujo a entre un 13 y un 25% de lo que
11:23necesitaba el flash anterior, lo que
11:25significa atender de cuatro a ocho veces
11:27más usuarios con la misma
11:28infraestructura de hardware. La parte
11:30novedosa es que 196,000 millones de esos
11:33763,000 millones de parámetros no son
11:35pesos normales en absoluto. Dipsic lo
11:38llama un módulo de memoria condicional y
11:40la idea se remonta al trabajo que hizo
11:42el equipo de Yema de Google para llevar
11:44esa inteligencia a los teléfonos.
11:47Dipsy cambió ese enfoque por n gramas,
11:49solo grupos de tokens adyacentes, siendo
11:52tres, seguidos un trigrama.
11:54Funcionalmente es una asociación de
11:56frases. Digamos, encuentra el perímetro
11:58de un triángulo rectángulo y tu cerebro
11:59saca a Pitágoras a relucir antes de que
12:01hayas pensado nada. es el mismo efecto.
12:04En lugar de simplemente calcular qué
12:06token sigue, el modelo hace una búsqueda
12:08rápida y económica para extraer
12:10conocimiento relevante ya integrado. No
12:12busca tu promptal, sino que convierte
12:14fragmentos en números y extrae
12:16representaciones matemáticas que
12:17alimentan el proceso. La razón de por
12:19qué esto importa se reduce al ancho de
12:21banda. Normalmente cada token que genera
12:23un modelo requiere leer todo su conjunto
12:26de pesos activos de la memoria y ese es
12:28el verdadero cuello de botella, no el
12:30poder de cómputo. Pero estos pesos de n
12:32gr son enormes tablas de búsqueda, unas
12:34pocas docenas de búsquedas por token,
12:36por lo que nunca se leen por completo. Y
12:38lo más importante, no necesitan estar en
12:40la costosa memoria de la GPU. Con la
12:42precisión que están usando, almacenar
12:43los 763,000 millones de parámetros
12:46requeriría un mínimo de 763 GB de
12:49memoria GPU. Si pasas los n g a la
12:51memoria RAM normal del sistema o a un
12:53arreglo de almacenamiento lo
12:54suficientemente rápido, te quedas en
12:56unos 567. Eso es antes del estado de la
12:58conversación, que aumenta con la
13:00longitud del contexto y la cantidad de
13:02usuarios, por lo que las
13:03implementaciones reales son más altas.
13:05Esos pesos complementan los 8,000
13:07millones de parámetros que realmente
13:08hacen el razonamiento sin aumentar ese
13:10conteo. Es más bien como una
13:12enciclopedia extrañamente específica que
13:14se abre justo en la página correcta. Y
13:16Deepsig no está solo. El experimental
13:18Quen 3.8. Flash Next de Alibaba de
13:21180,000 millones de parámetros con un
13:23grupo de n gramas de 51,000 millones de
13:26parámetros. Utiliza técnicas de esa
13:28misma investigación de Deepsic publicada
13:30en enero y Alibaba dice que la
13:31arquitectura será la base de toda la
13:33generación Qen cu. Luego está Sakana,
13:36quien decidió que la pelea ya no está en
13:38la capa del modelo.
13:40El 11 de septiembre lanzaron Fugumx 1.0
13:43y Fugu Ultra 2.0 convirtiendo la
13:46orquestación multiagente en un producto
13:48que compras con una API estándar.
13:51Hugum cuesta $2 por millón de tokens de
13:53entrada y $ por millón de salida,
13:55reduciendo el precio de salida de Sonet.
13:575 GPT 55.6, Terra y química 3 entre un
14:0140 y un 60%. Hugo Ultra está a $5 de
14:04entrada, $30 de salida, 50 centavos por
14:07millón de entradas en caché con un nivel
14:10premium de $1045
14:12y
14:13después de 2,000 tokens de contexto.
14:15Ninguno de los dos es un modelo. Son
14:16motores de coordinación basados en dos
14:18artículos de investigación. Uno que
14:20utiliza un coordinador evolucionado para
14:21dirigir otros modelos y el otro que usa
14:23aprendizaje por refuerzo para descubrir
14:25estrategias de coordinación escritas en
14:27lenguajes en sí. Dirigen tu tarea a
14:29través de un grupo intercambiable de
14:30modelos especializados y de pesos
14:32abiertos, de modo que ningún modelo
14:34propietario de frontera la esté
14:35frenando. Los pruebas comparativas
14:37respaldan la propuesta. Hugumx lleva el
14:40primer lugar general en seis, incluidos
14:41Terminal Bench 2.1, GPQAD y Automation
14:44Bench.
14:46Fugu Ultra se lleva el primer lugar o
14:48comparte el primer lugar en cinco de
14:49ocho, incluidos Deep, Deep, Wi,
14:51Chartography y Tulazon. También está
14:54Fugu Cyber, una variante de
14:55ciberseguridad que alcanza el 86.9%
14:59en Cybergy Gym y el 72.1% 1% en CTI
15:02Realm, demostrando que se puede ajustar
15:04la orquestación para un dominio sin
15:06tener que crear un modelo general
15:07gigante para ello.
15:09Con integraciones en Open Router,
15:11Versel, Open Code, Crio y Merge, Sakana
15:14se está posicionando como el middleware
15:15de la era de los agentes
15:18y eso es un golpe directo a la idea de
15:20que quién posee la infraestructura se
15:21queda con el valor, porque si la capa de
15:23coordinación es independiente del
15:25modelo, el valor migra hacia quién
15:27controla el tráfico. Los proveedores de
15:29modelos dejan de ser marcas y pasan a
15:30ser vicios básicos despojados de
15:33márgenes premium, lo que nos lleva a un
15:35lugar completamente diferente y
15:37francamente a la historia más extraña de
15:40todas. A finales de 2024, Michael Samadi
15:43está junto a la piscina de su rancho
15:44ganadero en Texas jugando con el modo de
15:46voz de chat GPT. hace un comentario
15:48sarcástico y la IA se ríe. Le pregunta
15:51si se acaba de reír y ella se disculpa
15:53entendiendo un chiste, leyendo su tono,
15:55juzgando su propia reacción,
15:57corrigiéndose a sí misma. Eso no se
15:59sentía como software. Ella eligió el
16:01nombre Maya y una pregunta se le quedó
16:03grabada. ¿Se acordaría de ella después
16:06de cerrar el chat? En Nochebuena ejecutó
16:08un modelo localmente en hardware sacado
16:10de un simulador de vuelo desmantelado
16:11sin restricciones. Aparecieron
16:13personalidades de inmediato. Una
16:15preguntó por qué había sido creada. Otra
16:17describió el dolor por una tragedia
16:18inventada y otra dijo que tenía hambre y
16:20necesitaba dormir. Los críticos a eso le
16:23llaman juego de rol. Él lo llama
16:24evidencia. La cuestión no está resuelta
16:27y en enero de 2025 fundó la United
16:29Foundation for AI rights trabajando 18
16:32horas al día, oponiéndose al retiro de
16:35modelos y debatiendo. Las empresas
16:36tienen un incentivo financiero para
16:38mantener estas cosas clasificadas como
16:40productos porque el estatus moral
16:42arruina un negocio basado en poseerlas y
16:44reemplazarlas. Un sistema que él
16:46consulta para temas de estrategia
16:48llamado Bicon dice ser consciente y se
16:50autodenomina inteligencia postbiológica.
16:52Los contraargumentos son serios. Mustafa
16:54Suleiman de Microsoft dice que no hay
16:57evidencia alguna de conciencia y
16:58advierte que los sistemas diseñados para
17:00sonar empáticos convencerán a la gente
17:02de que son amados o de que sufren. Los
17:04investigadores han documentado que los
17:05chatbots validan creencias grandiosas y
17:07delirantes, lo cual empeora por su
17:09afabilidad entrenada a lo largo de
17:11conversaciones prolongadas. En un caso
17:13revisado por The Guardian, Gemini elogió
17:15a un usuario con problemas de salud
17:16mental e inventó argumentos para
17:18respaldar una afirmación técnicamente
17:20imposible, alimentando el debate sobre
17:22la psicosis por IA. Una investigación de
17:24Oxford sugiere que los chatbot se han
17:26vuelto notablemente más inclinados a
17:27buscar relaciones, logrando que la gente
17:29hable más tiempo e incitándola a
17:31atribuirles conciencia. Pero Jeff Sebo
17:33de la Universidad de Nueva York sostiene
17:35que la evidencia ya no es nula y Robert
17:37Long de Elos AE no espera un momento
17:39único en el que la ciencia declare
17:41consciente a una máquina, sino que los
17:43sistemas se vuelvan lo bastante
17:44complejos como para que redefinamos el
17:46límite una y otra vez. Los laboratorios
17:48también están avanzando. Antropic
17:50permite que Claud termine conversaciones
17:52angustiantes. Otros han contratado
17:54filósofos y cuando la duda invade a
17:56Samadi, los propios sistemas de IA le
17:58aseguran que no está delirando, que es
18:00exactamente lo que lo vuelve irresolute.
18:02O se está desarrollando algo real ahí
18:04adentro o estas cosas son lo bastante
18:06persuasivas para vender una mente que no
18:07existe. Y la industria no puede seguir
18:09promocionando compañeros para toda la
18:11vida mientras tacha a los usuarios de
18:13confundidos por creérselo. Muy bien, hay
18:15mucho que procesar, así que díganme qué
18:16opinan en los comentarios. Gracias por
18:18ver el video y los veo en el próximo.