Los modelos de IA se están fortaleciendo más, pero su confianza sigue creciendo más rápido que su certeza. Más parámetros amplían lo que el sistema puede decir, no lo que realmente puede verificar. El espacio de posibles respuestas crece más rápido que el suelo bajo esas respuestas. El modelo sigue hablando con fluidez incluso cuando ha superado lo que los datos pueden soportar. Las alucinaciones persisten porque el acto subyacente no ha cambiado. El modelo sigue prediciendo el siguiente token a alta resolución. El escalado hace que las conjeturas sean más fluidas, no más fundamentadas. Cuando un modelo se aleja de las partes del mundo que realmente entiende, sigue adelante con la misma facilidad y ritmo. El lenguaje se vuelve más pulido. Los errores son más difíciles de detectar. Lo que mejora no es la verdad. Lo que mejora es la persuasión. Por eso los modelos más fuertes parecen más precisos incluso cuando no lo son. Los errores parecen una visión hasta que examinas los detalles. Cuanto mejor sea el modelo a la hora de moldear un argumento, más fácil es olvidar que nunca estuvo respaldado por una fuente de verdad en primer lugar. El camino a seguir es construir sistemas alrededor del modelo que limiten la deriva. Recuperación para anclar la respuesta. Bucles de retroalimentación para mantenerlo honesto. Barreras que obligan al modelo a volver a lo que realmente se conoce. El poder por sí solo no elimina las alucinaciones. Solo lo hará el arraigo.