Startup rusa Mostik combina modelos de IA vía pesos, sin generar texto entre ellos
Hecho Qué ha ocurrido
La startup Mostik desarrolló un método para combinar capacidades de distintos modelos de IA usando valores matemáticos de sus pesos, sin intercambio de texto. Con esta técnica crearon un sistema híbrido entre GLM-5.2 (753.000 millones de parámetros) y Qwen-3.5 (4.000 millones), con un coste veinte veces menor que GLM completo y rendimiento intermedio entre ambos. Mostik también dice haber alcanzado el primer puesto en la competencia ARC-AGI 3, aunque no reveló detalles técnicos de esa parte.
Resumen generado mediante IA a partir de Wired en Español. Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Si la técnica se valida y generaliza, podría abaratar drásticamente el uso de modelos potentes y aumentar la competitividad de modelos de código abierto frente a los cerrados de laboratorios líderes.
- Quién se ve afectado
- Empresas de IA de código abierto, laboratorios de investigación y equipos técnicos que gestionan infraestructura de inferencia.
- Qué puede cambiar
- Podría reducirse la necesidad de escalar modelos monolíticos, favoreciendo ensambles de modelos especializados más baratos de operar.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar si Mostik publica detalles técnicos verificables, resultados reproducibles en ARC-AGI 3, y si otros laboratorios adoptan o replican el enfoque de 'puentes' entre pesos de modelos.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Wired en Español. La referencia es siempre el artículo original.
Ver fuente original ↗LLMmodelos de peso abiertoensamblado de modelos MostikGoogle DeepMindAnthropicOpenAILovable ARC-AGI GLM-5.2 modelos de código abierto Mostik Qwen-3.5
Relacionadas
Hugging Face optimiza la carga de modelos de Mezcla de Expertos en Transformers
Hugging Face ha publicado mejoras significativas en la biblioteca Transformers (versión 5) para optimizar la carga y ejecución de modelos Mixture of Experts…
Por qué importaLos modelos MoE ofrecen mejor eficiencia de escala que los modelos densos (más parámetros de capacidad con menos parámetros activos por token), pero…
OpenAI afirma que su IA ha resuelto problemas de matemáticas, física e informática con revisión externa
OpenAI afirma que sus modelos internos han resuelto tres problemas clave en matemáticas, física e informática, sin especificar cuáles son esos modelos. Según…
Por qué importaSi los resultados se confirman, podrían cambiar las herramientas que usan los científicos para estudiar problemas complejos. Para un directivo, es…
Cortical Labs conecta quince bioordenadores con neuronas humanas y mejora su rendimiento en pruebas propias
Cortical Labs presentó HIVE, un sistema que conecta quince bioordenadores CL1 con neuronas humanas vivas. Según la empresa, unir siete unidades subió la…
Por qué importaSi se confirma, la fiabilidad de cultivos neuronales agrupados abre una vía para la computación biológica como componente apilable. Para un…
Daniel Litt advierte que la IA podría reducir la investigación matemática de calidad
El matemático Daniel Litt plantea un escenario en el que una explosión de resultados producidos por IA debilita la producción de conocimiento si las…
Por qué importaLos incentivos académicos basados en publicar resultados pueden premiar volumen sobre comprensión, lo que afecta a cómo se evalúa y forma el talento…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.