La nueva ola de la IA: modelos más eficientes, rápidos y preparados para transformar el trabajo técnico

Introducción

La inteligencia artificial está entrando en una fase que pocos anticipaban: los modelos ya no crecen solo en tamaño, sino en eficiencia real.

Las últimas novedades del sector muestran un cambio profundo en cómo se diseñan, entrenan y despliegan los sistemas avanzados.

La arquitectura que está marcando la diferencia se llama activación dispersa o MoE (Mixture of Experts), y está permitiendo que modelos relativamente pequeños superen a gigantes que antes dominaban las comparativas.

La idea es sencilla: en lugar de activar todo el modelo para cada tarea, solo se ponen en marcha los “expertos” necesarios.

Esto reduce el coste, acelera la respuesta y, sorprendentemente, mejora la calidad.

En pruebas de codificación, modelos con apenas 3.000 millones de parámetros activos están superando a sistemas densos de más de 120.000 millones.

Claude Fable 5: un salto generacional en programación

Uno de los lanzamientos más comentados es Claude Fable 5, que ha marcado un nuevo récord en pruebas de resolución de problemas de software.

Su rendimiento en tareas complejas de depuración y análisis supera con claridad a modelos anteriores.

Existe también una versión más potente, Mythos 5, reservada exclusivamente para gobiernos y sectores críticos, lo que confirma una tendencia creciente: la separación entre modelos públicos y modelos de uso restringido.

Perplexity cambia la búsqueda: de consultar a producir resultados

Otra novedad destacada llega desde Perplexity, que ha presentado un sistema capaz de convertir una consulta en un proceso completo de investigación. El modelo no solo busca información:

- escribe el código que ejecutará la búsqueda,

- lanza miles de consultas en paralelo,

- y entrega un informe final listo para usar.

Según datos internos, este enfoque reduce el tiempo de trabajo en más del 80 % y abarata los costes de forma drástica.

Es un paso hacia una IA que no solo responde, sino que trabaja de principio a fin.

X AI apuesta por los agentes modulares

La plataforma Grok Build incorpora ahora un ecosistema de plugins que integra bases de datos, despliegue web, análisis de errores y herramientas de desarrollo.

Todo se gestiona desde la línea de comandos.

Es un movimiento que convierte a los agentes de IA en algo parecido a un sistema operativo ampliable, donde cada usuario puede instalar las capacidades que necesita.

Cohere y Google impulsan la eficiencia y la velocidad

Cohere ha presentado un modelo MoE especialmente eficiente, capaz de ejecutarse en portátiles y dispositivos de borde sin perder calidad.

Google, por su parte, experimenta con generación de texto en paralelo, alcanzando velocidades que superan los 1.000 tokens por segundo en hardware avanzado.

Aunque la calidad aún está en desarrollo, la velocidad marca un precedente importante.

Qué significan estas tendencias

• La eficiencia supera a la escala: ya no hace falta un modelo gigantesco para obtener resultados de primer nivel.
• La IA se convierte en infraestructura: los modelos empiezan a ejecutar procesos completos, no solo a responder preguntas.
• Los agentes se vuelven modulares: se pueden ampliar como si fueran aplicaciones.
• La velocidad se convierte en un factor clave: nuevas técnicas permiten generar texto mucho más rápido.
• Aparece una brecha entre modelos públicos y privados: algunos sistemas avanzados quedan reservados a gobiernos.

Explicación para no expertos, en términos sencillos

• Los modelos de IA ahora funcionan como equipos de especialistas: solo se activa el experto necesario.
• La IA ya no solo contesta: puede investigar, programar y entregar resultados completos.
• Los agentes funcionan como apps que se instalan y amplían.
• La velocidad de generación de texto se multiplica gracias a nuevas técnicas.
• Y por primera vez, hay modelos “para todos” y modelos “solo para usos críticos”.