Un estudio reciente realizado por Li Bojie, Científico Jefe en Pine AI, ha estimado la cantidad de parámetros de varios modelos de lenguaje grandes de código cerrado utilizando un método novedoso. La investigación, publicada en un artículo titulado "Incompressible Knowledge Probes", utilizó 1,400 preguntas fácticas poco comunes para revertir el tamaño de los parámetros de estos modelos. El estudio encontró que GPT-5.5 lidera con un estimado de 9.7 billones de parámetros, muy por delante de Claude Opus 4.6 con aproximadamente 5.3 billones. La investigación también situó a Grok-4 en alrededor de 3.2 billones de parámetros, con otros modelos como GPT-5 y Claude Opus 4.7 siguiéndole de cerca. La metodología del estudio consistió en mapear el rendimiento de los modelos de código cerrado en una curva derivada de 89 modelos de código abierto con parámetros conocidos. Este enfoque proporcionó estimaciones significativas de parámetros, a pesar de posibles variaciones. Los hallazgos destacan el crecimiento sustancial de parámetros en los modelos más recientes, con GPT-5.5 marcando un salto significativo en capacidad.