Figure compromete 3.500 millones en cómputo mientras sus robots fallan el 44 % de las pruebas

Solo el preentrenamiento con Index pasa del 9 % al 56 %

Figure asegura que Helix 2.5 entró en 30 hogares del área de la Bahía de San Francisco que no había visto nunca, realizó tres tareas domésticas con un único punto de control (checkpoint) sin modificar y superó 237 de las 420 pruebas a ciegas ¹²³. La calificación no admitía puntuación parcial: entre 13 y 15 juguetes dentro de la cesta, cada toalla doblada, el edredón sin arrugas ¹. Una política gemela entrenada desde cero con idénticos datos aprobó un 9 %; la gemela preentrenada con Index, un 56 %, y Figure sostiene que el preentrenamiento con su conjunto de vídeos humanos fue la única variable experimental ¹³⁴. Todos los números proceden del informe de la propia Figure↗; ningún evaluador externo ha repetido la prueba ³.

El dinero descansa en una predicción de la pérdida con cuatro decimales

La afirmación más contundente está debajo de la demo: Figure entrenó cuatro modelos con volúmenes de datos de Index que variaban en un factor de ocho y asegura que, antes de comenzar el entrenamiento, predijo con cuatro decimales la pérdida de predicción de acciones de su mayor ejecución: una ley de escalado de la transferencia de humano a humanoide que la empresa presenta como la primera medida en un humanoide ¹⁴. Si la curva se mantiene, el rendimiento de la siguiente duplicación de vídeo humano puede ponerse precio antes de pagar el entrenamiento ². La rivalidad con el Optimus de Tesla se plantea en los mismos términos: un pulso de fosos defensivos de datos, los kilómetros que acumula la flota de Tesla contra el vídeo pagado de Figure ⁵. Index añade unos 35 minutos de experiencia humana nueva cada segundo, y su contador público↗ marcaba 24.593.204 subidas el 24 de septiembre, frente a más de 16 millones de vídeos cuando la aplicación se lanzó el 25 de agosto ¹⁴⁶⁸.

El otro 44 %

Bajo ese mismo baremo de todo o nada, el robot falló el 44 % de sus pruebas: la recogida de juguetes aprobó un 40 %; doblar toallas, un 62 %; hacer la cama, un 67 % ²³. El máximo responsable de Sunday Robotics, Tony Zhao, replicó en cuestión de horas: «fallar la mitad de las veces no es "hacer un trabajo realmente útil"» ². Su contracifra —778 de 785 dobleces, un 99,1 %— cuenta prendas sueltas, no tareas enteras, de modo que las dos varas de medir no se pueden comparar directamente ². El otro pagador de la evaluación fueron los 30 hogares que prestaron sus habitaciones: pisos de alquiler temporal con los juguetes colocados para la escena, despejados por definición, sin mascotas y sin montones de ropa pendiente. Esas son las condiciones bajo las que se califica ese 44 % ².

La factura llega antes que la prueba

Figure ha captado 1.900 millones de dólares a lo largo de su historia, poco más de 1.000 millones de ellos el pasado septiembre con una valoración de 39.000 millones, y nunca ha hecho pública su cifra de ingresos ⁸⁹. El 3 de septiembre comprometió 3.500 millones de dólares↗ en capacidad de cómputo de Nscale, con la intención de escalarlo por encima de los 6.000 millones y con hasta 100.000 GPU de Nvidia que no llegarán antes del segundo semestre de 2027; en el mismo acuerdo, Nscale pasó a ser accionista ⁷⁸⁹.

Antes de que llegue una sola GPU, conviene vigilar dos cosas: si la siguiente duplicación de Index mueve la cifra del 56 % y si Figure, Sunday Robotics y 1X (el tercer bando humanoide en la disputa por los benchmarks) ejecutan alguna vez un único benchmark neutral de tareas domésticas ². La propia Figure reconoce que la conclusión no es que la robótica humanoide esté resuelta ¹. La apuesta dice que esa moneda al aire tiene una ley de escalado.