Desde la mañana del 20 de agosto, parte de los usuarios de Grok.com empezó a recibir respuestas sin sentido a preguntas normales. Uno pidió generar un PDF y el modelo contestó: "match it without and your they and two for planets can practical and often cheese…", seguido de varios párrafos igual de rotos. xAI lo describió en X como "un raro fallo temporal de generación" y recomendó abrir un chat nuevo o regenerar la respuesta.
Puntos clave
- El fallo aparece el 20 de agosto por la mañana y afecta a Grok.com.
- Los usuarios que hablaron con TechCrunch usaban Grok Lite, la versión ligera.
- Otro caso devolvió cadenas de enlaces a webs de investigación sobre aprendizaje por refuerzo en vez de una respuesta.
- TechCrunch no consiguió reproducirlo, así que probablemente afecta a un grupo pequeño. La comunidad de Grok en Reddit se llenó de quejas.
Qué suele haber detrás de una salida así
xAI no ha dado detalles técnicos, así que lo que sigue es lectura de patrones conocidos, no la explicación oficial.
Una salida de palabras sueltas gramaticalmente imposibles apunta a la capa de muestreo antes que al modelo. Cuando un servidor sirve pesos cuantizados de forma distinta al resto de la flota, o cuando la caché de contexto de una sesión se corrompe, o cuando los parámetros de temperatura llegan mal a una réplica concreta, el resultado se parece bastante a esto: sintaxis rota, palabras que no encajan y una insistencia en seguir generando.
Encaja con lo que se observó. Solo algunos usuarios, solo una versión del modelo, y arreglado abriendo un chat nuevo. Eso apunta a réplicas concretas o a sesiones concretas, no al modelo entero.
El problema de fondo no es este fallo
Un fallo de generación se arregla en horas y no sale en las cuentas de nadie. Lo que sí importa es cómo se enteró todo el mundo: por Reddit y por un periodista.
Cuando una base de datos se cae, se cae del todo y el monitor se pone rojo. Cuando un modelo se degrada, sigue respondiendo con la misma seguridad de siempre y devuelve un 200. Tu sistema no ve un error, ve una respuesta. Y si esa respuesta va a un cliente, a un resumen automático o a un flujo que dispara acciones, el fallo llega hasta el final sin que nadie lo pare.
Los galimatías son la versión fácil, porque cantan. Un modelo degradado que devuelve texto plausible pero peor es el mismo problema sin la señal de alarma.
Todo esto llega justo cuando xAI está empujando a Grok hacia el terreno empresarial. En dos semanas ha lanzado Grok Bot, sus agentes con ordenador propio, ha metido Grok 4.6 en GitHub Copilot y acaba de aparecer en el catálogo de agentes de Google. El cliente corporativo mira estas cosas con otra lupa que el usuario de chat.
Lo que se lleva un equipo de esto
Tres cosas baratas, todas de una tarde.
Comprobar la salida antes de usarla. Si esperas JSON, valídalo contra el esquema. Si esperas prosa, mide algo tonto que delate el desastre: longitud mínima, que la respuesta contenga alguna palabra del enunciado, ratio de palabras repetidas. Un galimatías falla cualquiera de esos filtros.
Reintentar con sesión nueva ante una salida inválida. Es literalmente lo que recomendó xAI, y funciona porque el estado corrupto vive en la sesión.
Guardar una muestra de entradas y salidas y revisarla de vez en cuando. Sin traza no hay forma de saber si el modelo lleva una semana peor.
Por qué importa
Si tienes un modelo dentro de un proceso de negocio, tu proveedor te va a fallar en algún momento y no te va a avisar. Ese es el escenario base, no el caso raro.
Lo que separa a quien lo nota el mismo día de quien se entera por un cliente cabreado no es el proveedor que eligió. Es si puso quince líneas de validación a la salida cuando montó la integración.
Relacionado
