Artículos Relacionados con LLM

El Centro de Noticias de HTX ofrece los artículos más recientes y un análisis profundo sobre "LLM", cubriendo tendencias del mercado, actualizaciones de proyectos, desarrollos tecnológicos y políticas regulatorias en la industria de cripto.

Oficina de Inteligencia TechFlow: Acciones de chips pierden un billón de dólares en un día, Bitcoin cae por debajo de $60,000, conflicto entre EE.UU. e Irán se intensifica

**Resumen en español europeo:** Los mercados globales experimentaron un viernes volátil tras unos datos de empleo en EE.UU. mucho más fuertes de lo esperado (172.000 nuevos empleos en mayo), lo que avivó los temores de que la Reserva Federal retrase o incluso reconsidere los recortes de tipos de interés. Esto provocó una fuerte caída: el índice de semiconductores de Filadelfia ($SOXX) tuvo su peor día en seis años, perdiendo un 10% y arrastrando a acciones como Marvell, Micron, AMD e Intel. El Nasdaq cayó más de un 4%. Paralelamente, el Bitcoin rompió el soporte de los 60.000 dólares, con su indicador RSI alcanzando niveles de sobreventa no vistos desde el desplome de la pandemia de 2020. En el sector tecnológico, la discusión sobre la IA tuvo dos caras. Por un lado, crece la preocupación por la calidad del código generado por herramientas como Claude, acusada de introducir bugs en proyectos como rsync. Por otro, Anthropic advirtió sobre la posibilidad inminente de que la IA logre una "mejora autorrecursiva" (RSI), capaz de mejorar sus propios procesos de investigación. En noticias corporativas, se reveló que Google paga a SpaceX 920 millones de dólares mensuales por capacidad de computación para entrenar IA. La tensión geopolítica se intensificó con un nuevo episodio en el conflicto entre Estados Unidos e Irán. Irán lanzó misiles y drones hacia Bahrein y Kuwait, que fueron interceptados. Estados Unidos respondió atacando dos estaciones de radar iraníes. El estrecho de Ormuz, ruta crítica para el petróleo, lleva básicamente cerrado desde finales de febrero, lo que supone un riesgo continuo para los precios de la energía y, por ende, para la inflación. **La línea subyacente del día:** Los sólidos datos de empleo chocan con las advertencias simultáneas de los CEO de grandes empresas de consumo (como Kraft y McDonald's) sobre que los estadounidenses están "agotando sus ahorros". Este conflicto de señales, sumado al riesgo geopolítico que presiona al alza los precios del petróleo, deja a la Fed en un difícil dilema y al mercado descontando un escenario macroeconómico donde el "aterrizaje suave" parece cada vez menos probable.

marsbit06/06 11:05

Oficina de Inteligencia TechFlow: Acciones de chips pierden un billón de dólares en un día, Bitcoin cae por debajo de $60,000, conflicto entre EE.UU. e Irán se intensifica

marsbit06/06 11:05

El nuevo rol de FDE gana popularidad en Silicon Valley, ¿qué tipo de talentos en IA necesitan las empresas?

El nuevo puesto de FDE (Ingeniero Desplegado en el Frente de IA) está ganando popularidad en Silicon Valley, especialmente tras el anuncio de equipos similares por parte de OpenAI y Anthropic. Su función principal es trabajar en el lugar con los clientes para adaptar modelos de lenguaje generales a flujos de trabajo específicos de agentes de IA. Sin embargo, el artículo argumenta que, más allá de este rol especializado, la demanda real y más amplia en la era de la IA será para ingenieros de IA internos en las empresas. Estos profesionales necesitarán dominar indicaciones (prompts), marcos de agentes, sistemas de evaluación y herramientas de programación asistida por IA para integrar capacidades de IA en los sistemas empresariales. El impacto de la IA en el empleo no será simplemente de sustitución, sino que creará nuevos roles genéricos que luego evolucionarán hacia especializaciones más específicas, como LLMOps o ingenieros de evaluación. La escasez real estará en profesionales que combinen conocimientos técnicos con una profunda comprensión del contexto empresarial. Aunque los FDE tienen valor, muchas empresas pueden mostrarse reticentes a una dependencia excesiva de un proveedor concreto, prefiriendo desarrollar su propio talento interno de ingeniería de IA para mantener la flexibilidad y la neutralidad tecnológica.

marsbit06/02 04:42

El nuevo rol de FDE gana popularidad en Silicon Valley, ¿qué tipo de talentos en IA necesitan las empresas?

marsbit06/02 04:42

OpenAI retoma su negocio de robótica después de seis años, apostando a corto plazo por robots de asistencia

El 1 de junio, Sam Altman, CEO de OpenAI, anunció la formación del nuevo equipo "OpenAI Robotics", marcando el regreso de la empresa al campo de la robótica física tras seis años. La estrategia se divide en objetivos a corto y largo plazo: a corto plazo, se centrará en desarrollar robots de asistencia para trabajadores técnicos; a largo plazo, aspira a crear un robot personal para cada individuo. Esta decisión se basa en el rápido desarrollo del proyecto interno "Worldsim", liderado por Aditya Ramesh, y representa un renacimiento del interés inicial de OpenAI en la robótica como vía hacia la AGI. Entre 2016 y 2019, la empresa logró avances significativos, como la mano robótica Dactyl. Sin embargo, en 2020 desmanteló su equipo de robótica para concentrarse en los modelos de lenguaje grandes como GPT, lo que condujo al éxito de ChatGPT. Ahora, con una valoración que supera los 850.000 millones de dólares y mirando hacia una posible OPV en 2026, OpenAI busca diversificar su narrativa de crecimiento. A pesar de las inversiones en empresas como Figure AI, la divergencia en los enfoques técnicos llevó a la ruptura de su colaboración en 2025, impulsando a OpenAI a retomar el desarrollo interno. Su ventaja radica en sus capacidades de modelo mundial y de IA multimodal, siguiendo una lógica de "primero el cerebro, luego el cuerpo". Este movimiento no solo pretende avanzar en la inteligencia encarnada, sino también ofrecer una nueva perspectiva de negocio de integración hardware-software a los inversores, contrarrestando las preocupaciones sobre sus pérdidas y la sostenibilidad de su modelo actual.

marsbit06/02 00:34

OpenAI retoma su negocio de robótica después de seis años, apostando a corto plazo por robots de asistencia

marsbit06/02 00:34

Llega el AI PC: ¡Modelos masivos de 120B locales ahora son posibles! NVIDIA redefine la base de la "computadora personal con IA" con RTX Spark

En la conferencia GTC 2026, NVIDIA presentó el chip RTX Spark, redefiniendo el estándar de hardware para los "PCs personales de IA". Integrando una GPU Blackwell, una CPU Grace de 20 núcleos y una arquitectura de memoria unificada de hasta 128GB, el SoC ofrece un rendimiento de 1 petaflop (1000 TOPS) para IA. Esto permite ejecutar localmente modelos de lenguaje de hasta 120B parámetros con ventanas de contexto de hasta un millón de tokens, superando ampliamente las capacidades de los NPU actuales en PCs con IA. Principales fabricantes de equipos originales (OEM) como ASUS, Dell, HP, Lenovo, Microsoft Surface y MSI lanzarán portátiles delgados y equipos de sobremesa compactos con este chip en otoño. NVIDIA y Microsoft colaboran en seguridad, integrando el entorno de ejecución en sandbox OpenShell en Windows para aislar y gestionar de forma segura los agentes de IA locales. Adobe anunció una reestructuración desde el núcleo de Photoshop y Premiere para adaptarse a la arquitectura de memoria unificada, prometiendo mejoras de rendimiento. La llegada de RTX Spark marca un cambio en la industria del PC, donde la GPU se convierte en el componente central del sistema, desafiando el dominio tradicional de las CPU x86. Quedan por ver detalles clave como el precio final, la gestión térmica en portátiles y el rendimiento real en tareas no relacionadas con la IA.

marsbit06/01 06:45

Llega el AI PC: ¡Modelos masivos de 120B locales ahora son posibles! NVIDIA redefine la base de la "computadora personal con IA" con RTX Spark

marsbit06/01 06:45

¿Ejecutar MoE en un móvil? Meta propone MobileMoE, acelera hasta 3.8 veces en iPhone 16 Pro

El equipo de Meta presenta MobileMoE, el primer modelo de mezcla de expertos (MoE) optimizado para ejecutarse de manera eficiente en teléfonos inteligentes comerciales. Diseñado como un modelo de lenguaje Transformer decoder-only, MobileMoE reemplaza las capas densas de feed-forward por capas MoE, empleando un router que selecciona los pocos expertos más relevantes por token junto con un experto compartido. El modelo se entrena en cuatro fases: preentrenamiento, entrenamiento intermedio, ajuste fino supervisado y entrenamiento consciente de cuantización (hasta INT4/INT8). Los experimentos determinan una configuración óptima de 8 expertos con granularidad 8, enrutamiento top-4 y un experto compartido. En evaluaciones de referencia, MobileMoE-S/M logra una precisión media comparable o superior a modelos densos, utilizando entre 1/2 y 1/4 del cálculo de inferencia con memoria similar. Especialmente en iPhone 16 Pro, MobileMoE-S acelera la fase de entrada hasta 3.8 veces y la generación token por token hasta 3.4 veces respecto a líneas de base. MobileMoE establece un nuevo límite de Pareto para modelos de lenguaje grandes en dispositivos, mejorando el equilibrio entre precisión y coste computacional. Los desafíos futuros incluyen mejorar la capacidad de seguimiento de instrucciones y la gestión de memoria dinámica, así como explorar el despliegue en NPU móviles.

marsbit06/01 06:12

¿Ejecutar MoE en un móvil? Meta propone MobileMoE, acelera hasta 3.8 veces en iPhone 16 Pro

marsbit06/01 06:12

Tres años después: Una revisión de mis predicciones sobre ChatGPT en 2023

Tres años después: Revisando mis predicciones sobre ChatGPT en 2023 En marzo de 2023, tras el lanzamiento de ChatGPT, Wang Jianshuo hizo 20 predicciones intuitivas sobre la IA. Ahora, en mayo de 2026, un sistema con 41 agentes de IA las ha reevaluado con datos actuales. **Resultados clave:** * **Aciertos (dirección general):** La arquitectura RAG se convirtió en estándar para integrar conocimiento. La Interfaz de Usuario de Lenguaje (LUI) creó una nueva capa de interacción (ej. protocolo MCP). Surgieron redes de agentes autónomos que se comunican. China desarrolló modelos grandes útiles (ej. DeepSeek), cerrando la brecha técnica. Los LLM no tienen conciencia; el Test de Turing solo mide la apariencia. * **Errores/Matices:** La predicción de que GPT-4 tendría 100 billones de parámetros fue incorrecta (≈1.8B). Los LLM **sí** pueden hacer matemáticas complejas sin herramientas externas (ej. medallas IMO 2025). El valor no migró solo a la capa de aplicación; NVIDIA (capa de hardware) capturó gran parte. El contenido generado por IA no evade automáticamente los derechos de autor (multas multimillonarias). La IA personalizada crea, no reduce, "cámaras de eco". Los costes de entrenamiento de modelos líderes superaron con creces la estimación de 5-10 mil millones de dólares. **Lecciones aprendidas:** 1. Predecir **mecanismos y direcciones** es más fiable que dar cifras o declaraciones absolutas. 2. Se tiende a **sobreestimar la velocidad** de cambio a corto plazo y **subestimar su magnitud** a largo plazo. 3. Los promedios generales (ej. "no habrá desempleo masivo") pueden ocultar **impactos distributivos** severos (ej. en jóvenes). 4. Las afirmaciones con **matices y limitaciones** envejecen mejor. 5. Tres años no son suficientes para resolver debates fundamentales (ej. valor final, consciencia de la IA). Este ejercicio subraya la dificultad de hacer predicciones precisas en un campo en rápida evolución y la importancia de la humildad al proyectar el futuro.

marsbit05/31 16:11

Tres años después: Una revisión de mis predicciones sobre ChatGPT en 2023

marsbit05/31 16:11

Tres años después: Volviendo a mis juicios sobre ChatGPT en 2023

En marzo de 2023, Wang Jianshuo hizo veinte predicciones sobre ChatGPT. Tres años después, en 2026, un análisis con múltiples agentes de IA evalúa su precisión. Aciertos clave: predijo correctamente el auge de RAG como arquitectura estándar para conocimiento y reducir alucinaciones, la LUI (interfaz de lenguaje natural) como nueva capa de interacción (aunque no reemplaza a la GUI), y la aparición de redes de agentes autónomos con nuevos protocolos de direccionamiento. También acertó en que China desarrollaría modelos de IA útiles (como DeepSeek) cerrando rápidamente la brecha, y en que ChatGPT carece de consciencia real, pasando el test de Turing por mera apariencia. Otras predicciones válidas fueron que no causaría desempleo masivo (aunque afectó a jóvenes), que 2023 sería un gran año para startups de IA, y que el momento fue similar al del navegador web en 1994. Errores notables: su estimación de que GPT-4 tendría 100 billones de parámetros fue incorrecta (tuvo ~1.8 billones). Se equivocó al declarar que era "imposible" que los LLM hicieran matemáticas complejas sin herramientas, ya que luego ganaron medallas en la Olimpiada Internacional de Matemáticas. También erró al sugerir que el valor se capturaría en la capa de aplicación y no en la base, subestimando el dominio de NVIDIA (capa de hardware), y al pensar que el contenido generado por IA "evitaría" problemas de copyright, cuando han surgido multas históricas. Además, la idea de que los LLM promoverían un "consenso mundial" al promediar opiniones se volvió incorrecta, ya que ahora priorizan la personalización y pueden crear nuevas cámaras de eco. Conclusiones: Sus predicciones sobre mecanismos y direcciones fueron mayormente acertadas, pero falló en números específicos (costes, parámetros) y en subestimar la complejidad de la distribución del impacto (ej. quién gana o pierde con la IA). Tendió a ser demasiado optimista a corto plazo pero conservador sobre los límites a largo plazo. El ejercicio subraya la importancia de predecir tendencias en lugar de cifras exactas y de dejar margen para la incertidumbre.

链捕手05/31 13:43

Tres años después: Volviendo a mis juicios sobre ChatGPT en 2023

链捕手05/31 13:43

6 preguntas para entender las tendencias comerciales de la IA

**Resumen del artículo en español de España:** **Seis preguntas para entender las tendencias comerciales de la IA: ¿Estamos en verano?** El sector de la IA está en un punto de inflexión, pasando de la narrativa a la entrega de valor tangible. Utilizando un marco de evaluación de seis dimensiones (narrativa vs. entrega, conectividad del sistema, capacidad de entrega, racionalización del ROI, fenómenos del sector y entorno de capital), la industria actual puntúa aproximadamente 6 de 12 puntos, lo que indica que nos encontramos en pleno **verano del ciclo de la IA**. **Características del "verano de la IA":** * **Narrativa y entrega coexisten:** Todavía se habla del potencial transformador, pero el foco se desplaza hacia aplicaciones concretas que generen ingresos o ahorren costes. * **Presión por la rentabilidad:** El enorme coste de la computación (ejemplificado por el aumento de los precios de APIs y la inversión en infraestructura de gigantes como ByteDance) obliga a buscar modelos de negocio sostenibles. * **Se abren vías de comercialización:** Surgen claramente modelos de monetización como suscripciones (Doubao de ByteDance) y publicidad (OpenAI). * **El capital es más selectivo:** La financiación sigue llegando a los líderes, pero la valoración depende cada vez más de los ingresos reales y no solo del potencial. **Casos de éxito que demuestran la madurez:** Empresas como Semir, Anta, Peacebird y Midea ya utilizan la IA para generar miles de millones en nuevos ingresos, reducir costes significativamente y acelerar ciclos de diseño y marketing en más de un 30-200%. **Cómo actuar en esta fase: Tres pasos clave para las empresas:** 1. **Encontrar un punto de entrada pequeño y probar un ciclo de valor cerrado:** Empezar con 1-2 casos de uso muy específicos con un retorno de la inversión (ROI) claro y medible en 3 meses. 2. **Replicar y escalar, construyendo capacidad organizativa:** Estandarizar los procesos exitosos, crear plataformas centralizadas de recursos de IA y adaptar la estructura, los incentivos y el talento de la empresa. 3. **Reconstruir los procesos de forma sistémica:** Ir más allá de automatizar tareas. Rediseñar flujos completos de trabajo para que sean paralelos, impulsados por IA y con supervisión humana en los puntos clave de decisión. En resumen, la IA ha pasado de ser una promesa a una herramienta productiva que exige un enfoque pragmático: comenzar con un piloto, escalarlo y finalmente rediseñar los negocios en torno a sus capacidades.

marsbit05/31 00:31

6 preguntas para entender las tendencias comerciales de la IA

marsbit05/31 00:31

El líder en grandes modelos de Shanghai, MiniMax, inicia el proceso de cotización en el mercado de valores A

La empresa líder en modelos de gran lenguaje (LLM) con sede en Shanghai, MiniMax, ha iniciado el proceso para su cotización en el mercado de valores A de China, según un informe de tutoría de listado presentado ante la autoridad reguladora. La compañía, que ya cotiza en Hong Kong desde enero, ha visto su precio de acción dispararse un 409.09% desde su OPV. MiniMax reportó unos ingresos anuales recurrentes (ARR) que superan los 3000 millones de dólares, respaldados por un crecimiento del ARR superior al 100% en los últimos dos meses y una base de usuarios global de alrededor de 300 millones. En 2025, la empresa generó unos ingresos de 79 millones de dólares, con una mejora en su margen bruto hasta el 25.4%, aunque aún registra pérdidas ajustadas netas. En el ámbito tecnológico, MiniMax ha lanzado varios modelos de lenguaje avanzados este año y ha anunciado el próximo lanzamiento de su modelo M3, que promete mejoras significativas en la velocidad de inferencia gracias a un nuevo mecanismo de atención dispersa. Este movimiento de MiniMax refleja una tendencia más amplia entre los principales actores chinos de IA, como Zhipu AI, que también están acelerando sus planes de salida a bolsa para financiar los elevados costes de desarrollo y computación inherentes al sector de los modelos de gran escala.

marsbit05/30 02:47

El líder en grandes modelos de Shanghai, MiniMax, inicia el proceso de cotización en el mercado de valores A

marsbit05/30 02:47

¿Se desinflará el gran mercado alcista de la IA estadounidense?

**¿Colapsará el megamercado alcista de la IA en EE.UU.?** SoftBank ha invertido 34.600 millones de dólares en OpenAI y planea añadir 30.000 millones más, impulsado por las ganancias no realizadas de 45.000 millones. La valoración de OpenAI alcanzó los 852.000 millones en febrero, y se informa que Anthropic busca una valoración de 900.000 millones, frente a los 61.500 millones de hace un año. Este frenesí recuerda la burbuja de las puntocom. El artículo compara a OpenAI y Anthropic con Yahoo en los años 90: ambos eran "puntos de entrada" considerados impenetrables (portal web vs. proveedor de modelos base). La lógica de valoración actual supone que todas las aplicaciones de IA deberán pagar por el acceso a estos modelos, pero esto ignora que la IA se está convirtiendo en una utilidad barata y omnipresente. Para justificar valoraciones billonarias, estas empresas necesitarían unos ingresos anuales de 500.000-800.000 millones y beneficios de 250.000-300.000 millones. Sin embargo, sus ingresos anuales recurrentes (ARR) son de 250.000 y 300.000 millones respectivamente, cifras infladas por promociones y una demanda exploratoria. La guerra de precios por los tokens está reduciendo márgenes. El riesgo clave es que los beneficios de toda la cadena de la IA dependen de la comercialización en la capa de aplicación. Si las empresas no ven un retorno claro de su inversión en IA, podrían reducir gastos, colapsando la valoración de los proveedores de modelos. Se plantean dos caminos finales: 1) Un colapso estilo Yahoo, donde las valoraciones se desploman y las empresas se convierten en negocios de infraestructura con márgenes normales. 2) El éxito en la construcción de un nuevo bucle comercial cerrado (por ejemplo, reemplazando SaaS o logrando AGI). La certeza de la tendencia macro (la IA transformará el mundo) no garantiza el éxito de actores individuales. La burbuja de las puntocom causó un daño económico real. Una corrección similar hoy, con valoraciones mucho mayores y un apalancamiento como el de SoftBank, podría tener un impacto sistémico más severo. Conclusión: La IA se convertirá en una infraestructura crítica, pero el camino estará lleno de volatilidad. El auge actual es demasiado rápido y elevado, lo que justifica una gran cautela ante un posible colapso correctivo.

marsbit05/29 09:14

¿Se desinflará el gran mercado alcista de la IA estadounidense?

marsbit05/29 09:14

活动图片

Categorías popularesright-arrow

Etiquetas Popularesright-arrow