Pathway desarrolla BDH, arquitectura post-transformer, en Amazon SageMaker HyperPod
Hecho Qué ha ocurrido
Pathway ha desarrollado BDH (Baby Dragon Hatchling), una arquitectura post-transformer inspirada en el cerebro que razona en espacio latente sin generar tokens de cadena de pensamiento, escalando su entrenamiento en Amazon SageMaker HyperPod. Su variante BDH-CQ, con 150M de parámetros, alcanzó un nuevo récord de eficiencia en coste en el benchmark ARC-AGI-1. El modelo activa solo un 5% de sus neuronas por inferencia y mapea sus estados a conexiones sinápticas interpretables, según Pathway y AWS.
Resumen generado mediante IA a partir de AWS Machine Learning Blog (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Si se confirma su eficiencia y capacidad de generalización, podría reducir drásticamente los costes de inferencia en tareas de razonamiento respecto a los LLM basados en transformers, además de ofrecer más interpretabilidad para sectores regulados.
- Quién se ve afectado
- Empresas de infraestructura de IA, laboratorios de investigación y sectores regulados que necesiten trazabilidad en el razonamiento del modelo.
- Qué puede cambiar
- Se abre la posibilidad de arquitecturas alternativas a los transformers que aprenden y razonan sin reentrenamiento completo ni ventanas de contexto fijas, reduciendo el coste computacional por tarea de razonamiento.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Conviene vigilar publicaciones independientes de benchmarks sobre BDH, su adopción por otros clientes de SageMaker HyperPod y si Pathway libera pesos o papers técnicos que permitan verificación externa.
Recomendación Qué debería hacer una empresa
Los equipos de I+D en IA deberían seguir la evolución de BDH y sus benchmarks en los próximos 6-12 meses antes de evaluar pilotos, dado que aún es una arquitectura emergente sin validación independiente amplia.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
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: AWS Machine Learning Blog (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗arquitecturas post-transformerrazonamiento en espacio latenteaprendizaje Hebbianoinfraestructura de entrenamiento PathwayAmazon Web Services ARC-AGI BDH Pathway post-transformer SageMaker HyperPod
Relacionadas
Hexagon acelera entrenamiento de modelos con SageMaker HyperPod de AWS
Hexagon, empresa líder en tecnologías de medición, colaboró con AWS para escalar la producción de modelos de IA especializados en segmentación de nubes de…
Por qué importaDemuestra cómo infraestructura escalable y resiliente de entrenamiento acelera la innovación en modelos especializados de visión 3D, críticos para…
AWS lanza SageMaker HyperPod Inference Gateway para enrutamiento de inferencia según uso de GPU
AWS presenta Amazon SageMaker HyperPod Inference Gateway, un addon nativo de Kubernetes para EKS que enruta cada solicitud de inferencia al pod más adecuado…
Por qué importaPara empresas que ejecutan LLMs a gran escala en GPU, un enrutamiento más inteligente puede reducir costes de sobreaprovisionamiento y mejorar la…
Un estudio concluye que los harnesses sofisticados encarecen los agentes de código sin mejorar sus resultados
Un estudio de dos investigadores de la Universidad de Shandong compara Claude Code, OpenCode y mini-SWE-agent con los mismos modelos y tareas. Las diferencias…
Por qué importaPara una empresa que elija herramientas de agentes de programación, el coste por tarea pesa más que las mejoras de rendimiento anunciadas por los…
Anthropic usa Claude para diseñar 211 proteínas contra el veneno de escorpión y 17 se unen a toxinas en laboratorio
Anthropic probó su modelo Claude para diseñar proteínas capaces de unirse a neurotoxinas del veneno de escorpión. Según el texto, se generaron más de 318.000…
Por qué importaMuestra que la IA puede acelerar la fase inicial de diseño de antivenenos, un proceso que hoy tarda meses. Para empresas de biotecnología y salud es…
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.