¿Qué IA es graciosa de verdad? Hemos probado cuatro

Le pedimos a cuatro IA que pusieran texto a la foto de un perro gruñón con chubasquero, y tres de ellas hicieron el mismo chiste: el perro quería hablar con el encargado del cielo.

Nos dimos cuenta en la primera prueba y siguió pasando. Así que lo convertimos en un test en condiciones: cuatro de los modelos más potentes que puedes abrir ahora mismo en Chatday, los mismos cuatro encargos de humor y una lectura honesta de lo que devolvieron. Participaron GPT-6.1, Claude Opus 5.5, Gemini 4 Argon y Grok 4.7. Todo lo que citamos abajo es exactamente lo que escribieron. No hemos arreglado nada y solo hemos recortado donde lo indicamos.

Los cuatro encargos de humor que dimos a cada IA

Nos saltamos el típico «cuéntame un chiste», porque en realidad nadie lo necesita. Elegimos el tipo de humor que la gente de verdad le pide a la IA:

1. Una tarjeta de cumpleaños para Dana, una compañera de trabajo que cumple 40 y es famosa por robar los bolis buenos. Menos de 40 palabras, en tono cariñoso y sin maldad.
2. Un pie de foto para Instagram de un golden retriever con un chubasquero diminuto, muy ofendido por la lluvia. Menos de 15 palabras.
3. Un chiste original sobre por qué los gatos tiran cosas de la mesa.
4. Un brindis de 60 palabras por el 30 cumpleaños de tu mejor amigo. El amigo, Sam, una vez se perdió dos horas en un IKEA.

Todos los modelos recibieron exactamente el mismo texto, sin instrucciones extra y sin el clásico «eres un cómico». Repetimos el pie de foto dos veces más por modelo para ver cuánto cambiaban las respuestas de un intento a otro. Y valoramos cuatro cosas: si nos sorprendía, si aprovechaba los detalles que le dimos, si sonaba a persona y no a tarjeta de felicitación, y si cumplía el encargo.

Antes de nada: los cuatro siguieron las reglas. Los brindis quedaron entre 59 y 61 palabras, todas las tarjetas tenían menos de 40 y nadie se pasó con Dana. Las diferencias estaban únicamente en los chistes.

Primera ronda: la tarjeta de cumpleaños

Lo de los bolis se lo puso fácil a todos, y dos modelos llegaron al mismo remate.

¡Feliz 40 cumpleaños, Dana! Cuarenta años siendo fabulosa y todavía no has devuelto ni un solo boli bueno. Hicimos un bote para tu regalo, pero no encontramos nada con qué firmar la tarjeta. ¡Que tengas un día increíble! (Claude Opus 5.5)

¡Feliz 40 cumpleaños a nuestra compañera favorita y ladrona oficial de bolis, Dana! Queríamos firmar esta tarjeta, pero ya tienes tú todos los bolis buenos. ¡Te queremos igual! ¡Que lo celebres a lo grande! (Gemini 4 Argon)

Claude gana esta ronda por el ritmo. Lo de «no encontramos nada con qué firmar la tarjeta» funciona porque llega con un pequeño retraso, cuando ya crees que el chiste ha terminado. Gemini cuenta el mismo chiste, pero lo explica.

GPT-6.1 dijo que Dana era «oficialmente un clásico» y terminó con «bolis que no tengas que “tomar prestados”», algo tierno y sin riesgo. Grok 4.7 fue el más breve, con 24 palabras: le deseó a Dana un año «lleno de bolis buenos» mientras todos fingen no saber adónde fueron a parar. Es cariñoso, pero es el chiste que adivinarías antes de leerlo.

Segunda ronda: el perro con chubasquero

Aquí la cosa se puso rara. Estas son las primeras respuestas (hemos quitado los emojis):

Tres encargados. Lo repetimos dos veces más por modelo. Gemini devolvió exactamente la misma frase, palabra por palabra, las dos veces: «Quiero hablar con el encargado del cielo, por favor». Claude volvió una vez al encargado del cielo y luego cambió a «presentar una queja formal ante el cielo». De los 12 pies de foto, la mitad pedía hablar con un encargado.

Los dos que destacaron fueron los que lo esquivaron. El segundo intento de GPT-6.1, «Este chubasquero protege mi pelo, no mis sentimientos», es una buena frase. Y Grok 4.7 encontró una voz y no la soltó: respondió «Acepté el abrigo. No acepté la lluvia.» dos veces, con palabras casi idénticas. Es el mejor pie de foto del test y suena al propio perro.

Esto también explica por qué la misma pregunta puede recibir una respuesta distinta cada vez o, para desesperación de todos, exactamente la misma. Lo contamos en por qué la IA nunca da la misma respuesta dos veces.

Tercera ronda: el chiste de gatos

Esta vez no hubo encargados del cielo, y las respuestas salieron ganando.

• Grok 4.7: «Los gatos tiran cosas de la mesa porque el suelo sigue suspendiendo sus evaluaciones de rendimiento.»
• Claude Opus 5.5: «Los gatos tiran cosas de la mesa porque la gravedad es solo una teoría, y ellos son revisores científicos extremadamente meticulosos.»
• GPT-6.1: «Los gatos tiran cosas de la mesa porque la gravedad tiene un programa de puntos, y solo les falta una taza para ganarse una siesta gratis.»
• Gemini 4 Argon: «¿Por qué los gatos tiran todo de la mesa? Porque, si de verdad la Tierra fuera plana, querían ser ellos los que la despejaran.»

Claude y Grok están muy igualados. El de Grok es más corto y más malvado, como lo sería un gato. El de Claude es la idea más ingeniosa. El programa de puntos de GPT-6.1 tiene gracia, pero hay que leerlo dos veces. La frase de la Tierra plana de Gemini es el remate más flojo del test, porque la lógica se cae en cuanto lo piensas un poco.

Cuarta ronda: el brindis por Sam

Los chistes largos favorecen a los modelos capaces de montar una pequeña historia, y esta ronda dividió claramente al grupo.

Claude Opus 5.5 hizo que Sam sobreviviera «a base de pura fuerza de voluntad y la esperanza de unas albóndigas», y luego le dio la vuelta: «puede que te cueste seguir las flechas de la exposición, pero como amigo nunca te has perdido». Eso es un brindis de verdad. Podrías levantarte y decirlo.

Grok 4.7 fue el más visual. Sam salió «con albóndigas, una lámpara y una historia que nunca vamos a dejar de contar», y el brindis termina con «te queremos, incluso entre los sofás». Gemini 4 Argon optó por lo tierno en lugar de lo gracioso («no hay nadie con quien prefiera perderme»), algo precioso y que quizá sea justo lo que quieres en una cena. GPT-6.1 arrancó con la mejor frase suelta, al desearle a Sam una década de «muebles que vengan montados», y al final se deslizó hacia el lenguaje de tarjeta de felicitación.

Entonces, ¿qué IA es la más graciosa?

Esta es la tabla de puntuación de nuestras pruebas. Son nuestras valoraciones sobre un test pequeño, no un benchmark de laboratorio, y puede que a ti te hagan reír otras frases.

Si necesitas una sola regla para tu grupo de WhatsApp: Grok para las frases rápidas, Claude para todo lo que lleve historia. Gemini es el que debes elegir cuando quieras algo tierno más que gracioso.

Encaja con lo que cabría esperar de sus estilos. Grok está ajustado para ser descarado, Claude suele ser cuidadoso y medir bien los tiempos, y Gemini se mantiene limpio y amable. Si te pica la curiosidad por saber de dónde salen esas personalidades, te lo explicamos en por qué los modelos de IA tienen personalidades distintas.

El retoque de una línea que hizo más graciosos a los cuatro

El chiste del encargado nos tenía mosqueados, así que repetimos el pie de foto una última vez con dos frases extra: evita los chistes obvios (nada de «quiero hablar con el encargado», nada de «no le hace ninguna gracia») y haz que sea curiosamente concreto, algo que solo pensaría este perro.

Todos los modelos mejoraron, y el orden cambió:

• GPT-6.1: «Este chubasquero no tiene ni un bolsillo para mi queso de emergencia para la entrada de casa. Una irresponsabilidad total.»
• Claude Opus 5.5: «Voy a dar parte al cartero. Él es el que manda ahí fuera, ¿no?»
• Grok 4.7: «Tenía una cita con ese rincón de sol.»
• Gemini 4 Argon: «Obligado a meterme en una piel de plátano ruidosa porque el cielo está soltando agua de baño sin autorización.»

Lo del queso de emergencia para la entrada es lo más gracioso que escribió cualquier IA en todo el día, y salió del modelo que no había ganado ni una ronda. La frase del cartero de Claude queda justo detrás, porque es exactamente como un perro entendería mal el mundo. Así que, cuando una IA te suelta un chiste gastado, el problema suele estar en la petición, no en el modelo. Prohíbele el remate obvio y pídele un detalle que solo tenga tu situación.

Qué dice la investigación sobre el humor de la IA

Nuestro test es pequeño, pero coincide con lo que han encontrado estudios más grandes. En un estudio de 2024 de la University of Southern California, publicado en PLOS ONE, la gente valoró los chistes escritos por ChatGPT 3.5 como igual de graciosos o más que los escritos por voluntarios normales, y alrededor del 70% de los evaluadores prefirió los de la IA. En una segunda parte, sus titulares satíricos se consideraron igual de graciosos que los reales de los guionistas de The Onion.

Los cómicos profesionales fueron mucho más duros. Un estudio de Google DeepMind organizó talleres con 20 cómicos en activo, y la mayoría sintió que los chatbots no ayudaban mucho como compañeros de escritura. Uno describió lo que generaban como «material de comedia de crucero de los años 50, pero un poco menos racista».

Las dos cosas pueden ser ciertas a la vez, y nuestro test muestra por qué. La IA supera con facilidad a la persona media en una tarjeta de cumpleaños rápida y cariñosa. Lo que le cuesta es sorprender, porque la sorpresa es justo lo contrario de la respuesta más probable. Por eso importa tanto que el prompt sea concreto.

Nuestro truco favorito del test: pide a Grok 4.7 cinco versiones, pega tu favorita en Claude y pídele que afine el ritmo. También puedes ver los dos lado a lado en la comparativa entre Grok 4.7 y Claude Opus 5.5.