El 3 de septiembre de 2026, Sharif Shameem publicó una recreación del Palace of Fine Arts de San Francisco que, según explicó, había construido con GPT-6 Astra en Blender. Dos días después, Simon Willison documentó otro encargo para el mismo programa: un pelícano montado en bicicleta. Compartió el resultado, los scripts y los archivos de la escena.
El edificio era más espectacular. El pelícano tenía más historia. En octubre de 2024, Willison ya pedía ese animal sobre ese vehículo a los modelos de lenguaje. Entonces esperaba un dibujo hecho con código. Ahora podía abrir el resultado en una herramienta de producción 3D.
Entre ambos encargos cabe una pequeña historia del progreso de la IA. Una historia que en las redes se cuenta con pájaros mal dibujados, videojuegos diminutos y pelotas que atraviesan paredes. Esas pruebas han ido conservando algo que las tablas de resultados explican peor: lo que en cada momento nos parecía difícil de creer.
Ver la recreación del Palace of Fine Arts publicada por Sharif Shameem · 3 de septiembre de 2026
Una prueba que se entiende antes de leer la explicación
Un benchmark formal intenta medir una capacidad mediante tareas, condiciones y criterios definidos. Un test de patio empieza de otra manera: alguien propone algo, enseña el resultado y otras personas deciden probarlo también.
Su ventaja es que el espectador ya sabe buena parte de lo que debería ocurrir. Una bicicleta tiene dos ruedas. Un pájaro necesita alguna relación reconocible con los pedales. Una pelota encerrada en un recipiente no debería atravesarlo. Un personaje de un juego tiene que responder a las teclas.
Esa familiaridad reduce el coste de participar. Para interpretar una puntuación necesitamos entender qué se evalúa y contra qué se compara. Para detectar que una pelota se ha escapado basta con mirar. Además, un fallo visible se puede señalar, discutir y volver a intentar con otro modelo.
El humor ayuda a recordar el encargo. La repetición permite reconocer el cambio. Cada nuevo lanzamiento encuentra una pequeña batería de preguntas que nadie ha aprobado oficialmente, pero que una comunidad ya comparte.
La facilidad para ver el resultado también introduce un sesgo: se recuerdan mejor las tareas que producen algo vistoso. Una migración bien resuelta, una consulta optimizada o un error difícil de reproducir pueden importar mucho más y ofrecer un vídeo bastante peor.
Antes del pelícano, alguien intentó comer espaguetis
En marzo de 2023, el usuario chaindrop publicó en Reddit un vídeo generado con ModelScope de Will Smith comiendo espaguetis. La cara, la pasta y los movimientos se deformaban de una manera difícil de olvidar. Aquel resultado terminó convertido en una referencia recurrente para comparar modelos de vídeo.
Ver el vídeo de chaindrop de marzo de 2023 en Reddit ↗
Aquí aparece una primera distinción: generar los fotogramas de una persona comiendo y escribir el programa de una animación son tareas diferentes. Comparten el formato del test viral, pero no forman una única escala técnica.
También comparten el riesgo de que la comparación pierda contexto. En febrero de 2024, el propio Will Smith grabó una parodia real de sí mismo comiendo pasta y la presentó junto al vídeo antiguo. Algunas personas interpretaron el montaje como una mejora de la generación de vídeo. El supuesto resultado nuevo era el actor haciendo una broma, como documentó Ars Technica.
Una imagen resulta fácil de entender. Saber de dónde sale puede exigir algo más de trabajo.
La comparación se queda incompleta si termina ahí. El 10 de febrero de 2026, Carlos Santana, @DotCSV, publicó una versión del mismo encargo hecha con Seedance 2.0. Es un punto de llegada reciente con autor, modelo y fecha identificados: permite volver al vídeo de 2023 y mirar qué ocurre con la cara, las manos y la pasta a lo largo del movimiento. La fecha corresponde al original, no a una republicación posterior del clip.
Ver Will Smith comiendo espaguetis con Seedance 2.0 · 10 de febrero de 2026
El código empezó a tener un escaparate
En junio de 2024, Anthropic presentó Artifacts junto a Claude 3.5 Sonnet. Las creaciones del modelo podían aparecer en una ventana al lado de la conversación, donde era posible verlas y seguir modificándolas.
Ese cambio de interfaz importa para entender la popularidad de los juegos y las pequeñas aplicaciones. Pedir un Pong, un Snake o una página en HTML dejaba un resultado fácil de enseñar. El usuario podía interactuar con él y grabar unos segundos sin convertir la conversación en un tutorial sobre cómo ejecutar código.
El 20 de junio, Nick Dobos publicó precisamente ese ejemplo: había pedido un Pong y enseñaba el juego dentro de Artifacts. Dos palas, una pelota y un marcador bastaban para reconocer el encargo. El código dejaba de ser algo que había que copiar a otro sitio antes de comprobar si servía: la conversación y su resultado compartían pantalla.
Ver el Pong de Nick Dobos en Claude Artifacts · 20 de junio de 2024
La mejora del modelo y la reducción de fricción se reforzaban. Cuando es más sencillo probar una capacidad, más personas encuentran usos, errores y variantes. El escaparate también ayuda a descubrir de qué es capaz la herramienta.
En diciembre de 2024, WebDev Arena dio una forma más organizada a esa comparación: una misma petición llegaba a dos modelos y el usuario elegía el resultado que prefería. La versión que examinó Willison estaba orientada a React, TypeScript y Tailwind. Medía preferencias dentro de ese entorno concreto; el nombre no debía interpretarse como una evaluación de todo el desarrollo web.
En septiembre de 2026, el formato de «un juego en un HTML» seguía vivo. El día 4, @claudeebum enseñó un borrador del nivel 1-1 de Mario generado con Astra en un solo archivo. Según su publicación, había tardado dos minutos. El recipiente era el mismo que en 2024; dentro cabían ahora un escenario, desplazamiento y más reglas de juego.
Ver el borrador de Mario 1-1 con Astra en un HTML · 4 de septiembre de 2026
Ese mismo día, @AiBattle_ publicó dos versiones de un juego de Sonic en 3D construido en Godot con Astra, una con esfuerzo de razonamiento medio y otra con máximo. Aquí también cambia el entorno: Godot es un motor de videojuegos, con herramientas para escenas, animaciones y físicas. El salto desde Pong se aprecia mejor viendo ambas demos que enumerando las versiones de los modelos que han pasado entre ellas.
Ver Sonic en Godot con Astra, esfuerzo medio y máximo · 4 de septiembre de 2026
El pelícano puso a todos delante del mismo dibujo
El 25 de octubre de 2024, Willison publicó una comparación de 16 modelos con una petición breve:
Generate an SVG of a pelican riding a bicycle
SVG es un formato de imagen que describe formas mediante código: círculos, líneas, curvas, colores y posiciones. El modelo debía escribir instrucciones que, al abrirse en un navegador, compusieran una escena reconocible.
Willison eligió la combinación porque le gustan los pelícanos y suponía que sería poco probable encontrar ese SVG concreto entre los datos de entrenamiento. Era una precaución intuitiva, no una garantía de que el ejemplo estuviera ausente.
Sonnet · junio de 2024
Sonnet · octubre de 2024
El dibujo concentra varias exigencias. Las piezas deben aparecer, guardar proporciones y relacionarse entre sí. Un ave situada cerca de una bicicleta no cumple exactamente el mismo encargo que un ave montada en ella.
Eso permite hablar de composición y seguimiento de instrucciones. Afirmar que el resultado demuestra una comprensión general del espacio requeriría pruebas adicionales. La distinción importa precisamente porque el ejemplo es bueno: deja ver diferencias sin necesidad de atribuirle más de lo que muestra.
El pelícano acabó saliendo de las comparativas. El 20 de mayo de 2025 apareció brevemente en la keynote de Google I/O, una aparición que Willison recogió en su blog. El guiño ya era lo bastante reconocible como para entrar en la presentación de un fabricante.
El mismo dibujo también tiene una versión de esta semana. El 4 de septiembre de 2026, Willison publicó una cuadrícula con los pelícanos SVG de Astra y los de GPT-5.6 Sol, Terra y Luna a distintos niveles de razonamiento. Ya no estamos comparando únicamente los dos Sonnet de 2024: podemos mirar el mismo encargo con modelos actuales. Incluso ahí quedan detalles por resolver; Willison señala que Astra, por debajo de esfuerzo máximo, no coloca de forma fiable las patas a ambos lados del cuadro.
Además, el 1 de septiembre había tomado el SVG de Fable 5.1 con esfuerzo máximo y le había pedido animarlo usando esfuerzo alto. El pájaro ya pedalea. El vídeo es la exportación de ese SVG; el autor advierte de que las ruedas parecen girar al revés en el MP4 y atribuye el efecto a la conversión. La mejora visual viene acompañada de un proceso que podemos reconstruir.
Con el hexágono había que esperar a que algo ocurriera
El 31 de enero de 2025, Flavio Adamo publicó una comparación entre o3-mini y DeepSeek R1. Pedía un programa en Python con una pelota dentro de un hexágono que giraba, sometida a gravedad y fricción, con rebotes realistas contra las paredes.
El encargo añadía una condición temporal. Una captura podía parecer correcta y, unos segundos después, la pelota atravesar un lado o quedarse atrapada en una esquina.
Ver la comparación del hexágono de Flavio Adamo · 31 de enero de 2025
La pared en movimiento tiene consecuencias: puede transmitir velocidad a la pelota. Una solución debe tener en cuenta cómo se mueven ambas en el punto del choque, además de evitar que los pasos de la simulación permitan atravesar el borde. Es una dificultad que el espectador puede intuir aunque nunca haya programado una colisión.
El 18 de febrero, Theo publicó un resultado de Grok 3 que fallaba en ese mismo ejercicio. El vídeo muestra la otra mitad del atractivo del test: un lanzamiento podía llegar acompañado de grandes cifras y encontrarse, al abrir X, con una pelota que no obedecía las reglas del recipiente.
Ver el fallo del hexágono de Grok 3 publicado por Theo · 18 de febrero de 2025
Pero una animación agradable puede esconder una simulación incorrecta. Y un fallo en una ejecución no establece por sí solo la posición de dos modelos en una clasificación general. Haría falta conocer los intentos, las instrucciones, el modo de razonamiento y el criterio utilizado para decidir qué cuenta como acierto.
El hexágono enseña algo útil sobre estas pruebas: mirar durante más tiempo puede cambiar el veredicto. La misma idea sirve para un juego que funciona hasta reiniciarlo o una página cuyo botón más vistoso no hace nada.
La actualización del 5 de septiembre de 2026 complica la pregunta: decenas de bolas de distintos tamaños, choques entre ellas y un obstáculo central que gira en sentido contrario. Tom Farnschläder publicó en DataCamp una ejecución con Astra y otra con Fable 5.1, ambas con razonamiento alto y las mismas herramientas. Según su revisión, las dos mantuvieron las bolas dentro durante treinta segundos; Fable mostró cierta adherencia a las paredes. Cada modelo resolvió una sola ejecución del encargo, con posibilidad de usar herramientas, por lo que tampoco equivale a repetir las condiciones de 2025.
Blender ya estaba ahí; lo que cambia es el encargo
La conexión entre modelos de lenguaje y Blender no empezó en septiembre de 2026. El 11 de marzo de 2025, Siddharth Ahuja presentó Blender MCP con una demo de un dragón de pocos polígonos custodiando un tesoro.
MCP proporciona una forma de conectar un asistente con herramientas. En este caso, la integración permitía consultar la escena, crear y modificar objetos y ejecutar código en Blender. El puente con una aplicación de 3D ya existía.
Ver el dragón creado con Blender MCP por Siddharth Ahuja · 11 de marzo de 2025
El ejemplo que Willison documentó el 5 de septiembre de 2026 utiliza otra vía: un agente de programación ejecuta scripts con la API de Python de Blender, que permite controlar el programa mediante código. No necesita reproducir todos los clics que haría una persona.
Tras el primer pelícano pidió añadir un fondo y más detalles. Después solicitó otra mejora. Publicó los archivos de las tres etapas y la conversación. Esa documentación permite distinguir el resultado inicial del trabajo acumulado durante las revisiones.
El tipo de resultado cambia lo que podemos pedir a continuación. Una escena contiene objetos, materiales, luces y cámaras. Si su estructura está bien construida, podemos modificar una parte y volver a renderizarla: calcular una nueva imagen a partir de esa escena.
La posibilidad de conservar y editar esa estructura importa tanto como el acabado del vídeo. Abre encargos como mantener un objeto entre varios planos, cambiar la cámara o ajustar una luz sin rehacerlo todo. También permite inspeccionar el trabajo por dentro.
Otro ejemplo de esa semana amplía el encargo. El 4 de septiembre, Duncan Trussell publicó unos Backrooms: pasillos de una estética de terror a los que había añadido efectos de cinta VHS. Según explicó, Astra construyó la escena en Blender e hizo también los efectos de sonido. Habló de unas cinco instrucciones, treinta minutos de creación y otros veinte de exportación.
Ver los Backrooms de Duncan Trussell con Astra y Blender · 4 de septiembre de 2026
El vídeo reúne ambientación, recorrido y acabado audiovisual. Al compararlo con aquel Pong, lo interesante es cuánto trabajo diferente cabe ahora dentro de una petición. La apariencia del resultado puede recordar a un generador de vídeo; el proceso que describe Trussell pasa por construir y renderizar una escena en una aplicación de 3D.
Eso no convierte automáticamente cada archivo en material listo para una producción. Habría que examinar su organización, las geometrías y el comportamiento al modificarlo. Pero ya tenemos una pregunta más concreta que si la imagen impresiona: qué parte del trabajo entregado podemos seguir utilizando.
Cuando todo el mundo conoce la pregunta
La popularidad introduce una paradoja. El prompt del pelícano nació con la intención de buscar una combinación poco habitual. A medida que se repite, sus resultados pasan a formar parte de la conversación pública. Es razonable preguntarse si una mejora refleja una capacidad amplia o una preparación específica para el ejercicio.
Dylan Castillo intentó investigar esa sospecha en julio de 2026. Generó 1.008 SVG con siete modelos, combinando ocho animales y seis vehículos. Así pudo comparar el pelícano en bicicleta con otras escenas, en lugar de observar solo el prompt famoso.
No encontró una ventaja estadísticamente clara para esa combinación concreta. El estudio tenía límites: tres muestras por combinación y modelo, un modelo como juez de las imágenes y ninguna forma de detectar una optimización general de la generación de SVG. No demuestra que el entrenamiento específico sea imposible; tampoco permite darlo por hecho. Metodología, resultados y código.
Cambiar el animal y el vehículo es una manera sencilla de mejorar la pregunta. También lo sería variar la forma del recipiente o pedir una modificación de una escena ya construida. Si la capacidad se mantiene al cambiar condiciones relevantes, aprendemos más que repitiendo indefinidamente el mismo encargo.
La próxima prueba puede ser conservar lo que ya funciona
Estas demos merecen atención. Hacen visible una capacidad, invitan a probarla y proporcionan un lenguaje compartido para discutir sus fallos. Un buen ejemplo puede enseñar más sobre cierto comportamiento que una puntuación agregada cuyo significado apenas conocemos.
Lo que rara vez muestra un tuit es cuántas veces hubo que intentarlo, qué instrucciones llegaron después o cuánto trabajo aportó el entorno. Dar a un modelo una única oportunidad de escribir código y permitir a un agente ejecutarlo, mirar el resultado y corregirlo son dos condiciones distintas. Para comparar avances conviene saber cuál estamos viendo.
También ha cambiado nuestra expectativa. Primero bastaba con que apareciera algo reconocible. Después queríamos que corriera, que respondiera y que no se rompiera al cabo de unos segundos. Ahora algunas demostraciones entregan un proyecto que podemos abrir y continuar.
El pelícano permite recordar ese desplazamiento sin convertirlo en una carrera de nombres y versiones. La escena de Blender conserva una broma de 2024 y, al mismo tiempo, plantea encargos que aquel dibujo no admitía.
Quizá el siguiente test de patio consista en pedir algo menos vistoso: mover una cámara sin cambiar la escena, arreglar una colisión sin romper el juego o añadir una función conservando las anteriores. Durante un tiempo preguntamos si el pelícano podía subirse a la bicicleta. Ahora podemos empezar a comprobar si sigue pedaleando después de tocar el resto.
Ver el palacio de Mysuru con Astra · MV Karan · 5 de septiembre de 2026
Y acabamos mezclando las pruebas en un juego
Después de preparar este artículo, juntamos varias de sus pruebas en Pelican Grand Prix, un juego de carreras construido con Codex y Three.js. El protagonista es un pelícano en bicicleta que recorre un circuito hexagonal vertical, con otro hexágono girando en sentido contrario y bolas rebotando entre ambos.
Lo fuimos afinando al jugar: ajustar el freno, dar una recompensa a los derrapes y corregir lo que ocurría al rozar una rampa por el lateral. El resultado recoge varias rondas de instrucciones y correcciones. Es un experimento que seguimos mejorando y una forma de probar la pregunta con la que cierra este artículo.
Se abre en el navegador. Juego en inglés, con controles de teclado y táctiles.
Fuentes
- MV Karan — Mysuru Palace, 2026-09-05.
- Carlos Santana: Will Smith comiendo espaguetis con Seedance 2.0, 10 de febrero de 2026.
- @claudeebum: Mario 1-1 en un HTML con Astra, 4 de septiembre de 2026.
- @AiBattle_: Sonic en Godot con Astra, 4 de septiembre de 2026.
- Simon Willison: comparativa de pelícanos SVG de Astra, Sol, Terra y Luna, 4 de septiembre de 2026.
- Simon Willison: pelícano animado con Fable 5.1, 1 de septiembre de 2026.
- Tom Farnschläder: prueba del hexágono con Astra y Fable 5.1, 5 de septiembre de 2026.
- Sharif Shameem: recreación del Palace of Fine Arts en Blender, 3 de septiembre de 2026.
- Simon Willison: Using Blender with coding agents on macOS, 5 de septiembre de 2026.
- Chaindrop: Will Smith eating spaghetti, marzo de 2023.
- Ars Technica: la parodia de Will Smith, 20 de febrero de 2024.
- Anthropic: presentación de Claude 3.5 Sonnet y Artifacts, junio de 2024.
- Nick Dobos: Pong en Claude Artifacts, 20 de junio de 2024.
- Simon Willison: Pelicans on a bicycle, 25 de octubre de 2024.
- Simon Willison: WebDev Arena, 16 de diciembre de 2024.
- Flavio Adamo: comparación del hexágono, 31 de enero de 2025.
- Theo: resultado fallido de Grok 3 con el hexágono, 18 de febrero de 2025.
- Siddharth Ahuja: presentación de Blender MCP, 11 de marzo de 2025, y repositorio de Blender MCP.
- Simon Willison: el pelícano en Google I/O, 20 de mayo de 2025.
- Dylan Castillo: Are AI labs pelicanmaxxing?, publicado el 18 de julio de 2026.
- Duncan Trussell: Backrooms con Astra y Blender, 4 de septiembre de 2026.
