Mejorar un modelo de lenguaje suele implicar tres caminos: usar un modelo más grande, hacer fine-tuning o rediseñar todo el flujo de prompts, validaciones y herramientas alrededor de la aplicación. Los tres pueden funcionar, pero también añaden coste, tiempo y complejidad operativa. OptiLLM propone una vía distinta: invertir más cómputo en el momento de la inferencia para que el modelo
“La inteligencia artificial no es una burbuja porque la tecnología no va a desaparecer”. La frase se ha convertido en una defensa automática cada vez que alguien cuestiona las valoraciones de NVIDIA, el gasto de los hiperescalares, la fiebre por los centros de datos o la concentración del mercado en torno a un pequeño grupo de compañías. Pero ese argumento
Durante años, la inteligencia artificial se presentó al público con un relato expansivo: acceso amplio, herramientas abiertas, conocimiento al alcance de más personas y tecnología capaz de elevar la productividad sin grandes barreras de entrada. Ese mensaje ayudó a que millones de usuarios probaran modelos generativos, asistentes de código, herramientas de imagen, traductores, buscadores con IA y chatbots de uso
La ingeniería de infraestructura para Inteligencia Artificial se ha convertido en una de las áreas más demandadas del sector tecnológico. Ya no basta con saber entrenar un modelo o desplegar una API: las empresas necesitan profesionales capaces de diseñar plataformas completas, gestionar clústeres con GPU, crear pipelines MLOps, monitorizar sistemas en producción y reducir costes en entornos cloud cada vez
NVIDIA no solo está ganando la carrera de los chips de inteligencia artificial en ventas, márgenes y capitalización bursátil. También está compitiendo con una intensidad enorme por el talento que sostiene esa ventaja. Los últimos datos salariales vinculados a visados H-1B en Estados Unidos muestran que la compañía puede pagar hasta 391.000 dólares anuales de sueldo base a ingenieros de
MiniMax ha presentado M3, un nuevo modelo de inteligencia artificial que llega con una promesa ambiciosa: combinar capacidades de programación y agentes cercanas a los modelos frontera, una ventana de contexto de hasta 1 millón de tokens y entrada multimodal nativa desde su diseño inicial. La compañía lo describe como el primer modelo de pesos abiertos que reúne esas tres
El mercado de inteligencia artificial ha entrado en una fase extraña. Las compañías más observadas del sector crecen a una velocidad que pocas empresas tecnológicas han conseguido antes de salir a bolsa, levantan rondas de financiación gigantescas y se preparan para valoraciones cercanas al billón de dólares estadounidense. Al mismo tiempo, su producto principal, una API que cobra por tokens,
La inteligencia artificial ha entrado en una fase menos cómoda para las empresas: la de mirar la factura. Después de dos años en los que muchas compañías han empujado a sus empleados a usar asistentes, copilotos y agentes de IA en casi cualquier tarea, empieza a aparecer una pregunta que hasta ahora se escondía detrás del entusiasmo: ¿cuánto valor real
Sundar Pichai ha hecho algo poco habitual en un consejero delegado de una de las compañías más poderosas del mundo: admitir una debilidad concreta. En una entrevista reciente en Hard Fork, el pódcast tecnológico de The New York Times, el CEO de Google reconoció que la compañía va “un poco por detrás” en programación agéntica, uso de herramientas, seguimiento de
MiniMax quiere aprovechar el fuerte apetito inversor por la inteligencia artificial china para dar un segundo paso bursátil. La compañía, con sede en Shanghái y especializada en modelos fundacionales de IA, ha iniciado los preparativos para vender acciones denominadas en yuanes en China continental, apenas unos meses después de su debut en la Bolsa de Hong Kong. La operación, todavía
