Buenas, esto es BIMPRAXIS, el podcast donde el
Download transcript (.srt)
0:09
0:15
0:20
0:23
0:26
0:28
0:36
0:40
0:41
0:44
0:47
0:50
0:52
0:55
0:58
1:00
1:01
1:03
1:06
1:07
1:09
1:11
1:15
1:19
1:21
1:23
1:25
1:27
1:30
1:32
1:35
1:36
1:39
1:40
1:43
1:44
1:46
1:50
1:52
1:56
1:58
1:59
2:00
2:02
2:05
2:07
2:09
2:11
2:13
2:16
2:19
2:20
2:23
2:26
2:29
2:30
2:31
2:32
2:35
2:39
2:40
2:45
2:47
2:49
2:52
2:55
2:57
2:58
2:58
3:03
3:05
3:08
3:12
3:13
3:14
3:17
3:20
3:20
3:24
3:26
3:27
3:29
3:32
3:33
3:35
3:38
3:40
3:42
3:44
3:48
3:49
3:51
3:54
3:56
3:57
4:00
4:03
4:05
4:07
4:07
4:08
4:10
4:13
4:16
4:17
4:19
4:21
4:23
4:24
4:27
4:29
4:30
4:32
4:33
4:36
4:38
4:40
4:42
4:45
4:47
4:49
4:51
4:54
4:57
4:58
5:00
5:03
5:05
5:08
5:10
5:12
5:14
5:15
5:18
5:20
5:21
5:23
5:24
5:24
5:25
5:28
5:28
5:31
5:31
5:34
5:36
5:37
5:38
5:39
5:41
5:42
5:44
5:45
5:49
5:53
5:54
5:56
5:58
5:59
6:00
6:03
6:05
6:08
6:10
6:12
6:14
6:15
6:16
6:17
6:19
6:21
6:23
6:25
6:26
6:28
6:29
6:33
6:36
6:40
6:43
6:45
6:46
6:49
6:51
6:53
6:55
6:56
6:58
7:00
7:03
7:06
7:08
7:09
7:12
7:14
7:17
7:20
7:22
7:23
7:24
7:28
7:31
7:33
7:35
7:36
7:38
7:40
7:40
7:42
7:45
7:48
7:51
7:54
7:56
7:57
7:58
8:01
8:02
8:05
8:07
8:10
8:12
8:14
8:15
8:15
8:18
8:22
8:24
8:28
8:29
8:32
8:33
8:36
8:37
8:41
8:43
8:44
8:47
8:49
8:52
8:54
8:57
8:58
9:00
9:03
9:06
9:09
9:11
9:13
9:15
9:18
9:19
9:23
9:25
9:26
9:29
9:31
9:34
9:37
9:39
9:42
9:44
9:48
9:51
9:52
9:55
9:59
10:01
10:04
10:05
10:06
10:08
10:11
10:13
10:13
10:17
10:20
10:23
10:24
10:27
10:29
10:31
10:34
10:37
10:39
10:40
10:43
10:44
10:46
10:48
10:51
10:53
10:57
11:00
11:01
11:03
11:04
11:05
11:08
11:10
11:10
11:13
11:15
11:17
11:20
11:21
11:24
11:26
11:28
11:30
11:33
11:34
11:37
11:39
11:39
11:42
11:44
11:46
11:47
11:48
11:50
11:52
11:54
11:56
11:59
12:01
12:03
12:04
12:04
12:07
12:08
12:10
12:12
12:16
12:19
12:21
12:23
12:24
12:26
12:26
12:29
12:31
12:32
12:35
12:38
12:40
12:42
12:44
12:48
12:50
12:51
12:54
12:57
12:59
13:01
13:02
13:05
13:07
13:09
13:12
13:15
13:16
13:17
13:19
13:21
13:23
13:26
13:29
13:31
13:32
13:34
13:36
13:38
13:40
13:40
13:42
13:45
13:47
13:51
13:54
13:56
13:59
14:02
14:06
14:07
14:11
14:14
14:15
14:16
14:18
14:22
14:24
14:26
14:29
14:30
14:30
14:34
14:36
14:39
14:40
14:42
14:44
14:47
14:48
14:50
14:52
14:53
14:57
14:57
14:58
15:00
15:01
15:03
15:06
15:08
15:10
15:12
15:15
15:18
15:21
15:22
15:23
15:25
15:28
15:28
15:30
15:32
15:34
15:36
15:38
15:41
15:43
15:46
15:48
15:49
15:52
15:54
15:54
15:57
15:58
15:59
16:01
16:03
16:05
16:06
16:09
16:12
16:14
16:14
16:18
16:21
16:22
16:24
16:28
16:30
16:30
16:32
16:34
16:34
16:36
16:37
16:38
16:41
16:44
16:47
16:48
16:50
16:52
16:53
16:55
16:56
16:56
16:59
17:01
17:03
17:06
17:09
17:11
17:14
17:16
17:17
17:18
17:21
17:22
17:25
17:27
17:28
17:31
17:34
17:36
17:38
17:41
17:44
17:46
17:48
17:51
17:52
17:53
17:57
17:59
18:01
18:04
18:06
18:06
18:10
18:13
18:14
18:16
18:19
18:22
18:25
18:27
18:39
18:50
18:52
BIM se encuentra con la inteligencia artificial.
Exploramos la ciencia, la tecnología y el futuro
desde el enfoque de la arquitectura, ingeniería y
construcción.
¡Empezamos!
Muy buenas, bienvenidas, bienvenidos a un nuevo episodio
de BIMPRAXIS.
Hoy os traemos el modelo M3 de Minimax,
como una sola imagen acaba de reescribir las
reglas de la inteligencia artificial de código abierto
y destronando a los gigantes de la industria.
Y bueno, plantear que los ha destronado así,
de entrada, parecía un titular supersensacionalista, la verdad.
Ya, suena a humo, total.
Sí, sí, suena a humo.
Pero es que los datos que traemos hoy
para desgranar apuntan exactamente en esa dirección, o
sea, sin exagerar.
Piensa en la magnitud del tema.
Hablamos de un modelo que cualquiera puede descargar,
que corre en servidores convencionales y que acaba
de, digamos, humillar a modelos privativos multimillonarios en
tareas de razonamiento que son hipercomplejas.
Es que es una pasada.
Y lo más fascinante de todo, de todo
este salto tecnológico, es que la clave se
escondía a plena vista, en un simple esquema.
Esa es la paradoja que a mí me
tiene completamente fascinada, o sea, un solo diagrama
desvelando el gran secreto.
Y a ver, para intentar comprender este territorio…
Tremoto en la industria, hoy vamos a cruzar
la información de dos fuentes que son excepcionales.
Exacto.
Por una parte, tenemos un artículo técnico súper
detallado que publicó la comunidad de Hugging Face
este 29 de mayo de 2026.
Ahí se disecciona toda la arquitectura matemática, las
tripas del modelo… Lo cual es denso, pero
fundamental.
Muy denso.
Pero claro, para no quedarnos solo en la
teoría, la segunda fuente es un análisis exhaustivo,
en vídeo, de un creador que ha cogido
el modelo y, bueno, lo ha sometido a
pruebas extremas en el mundo real.
Claro, es que el contexto temporal aquí es
súper importante para valorar este avance.
Tenemos que retroceder un poco, irnos a octubre
de 2025.
En aquel momento, la empresa detrás de esto,
Minimax, publicó una entrada en su blog oficial
reconociendo un fracaso, tal cual.
Sí, sí, que eso no se ve mucho
en esta industria.
Para nada.
Explicaron muy abiertamente porque su modelo anterior, el
M2, había terminado usando una arquitectura tradicional, tradicional
de atención completa.
O sea, básicamente, admitieron que las técnicas de
atención eficiente no les daban la calidad necesaria
para un entorno real de producción.
Y aquello fue, recuerdo, un jarro de agua
fría total para la comunidad de código abierto.
Todo el mundo esperaba un modelo mucho más
ligero.
Totalmente.
Pero claro, seis meses después lanzan este M3.
Y de repente superan a monstruos como el
GPT 5 .5 al Opus 4 .7.
Y lo hacen manteniendo la naturaleza abierta y
hundiendo los costes operativos.
Es que es de locos.
Y la gran incógnita de toda la industria
era entender qué narices había cambiado internamente en
solo medio año.
Y la respuesta técnica, esa arquitectura que llaman
atención dispersa, es lo que se reveló en
ese diagrama que decías.
Lo publicó en la red social X el
jefe de I más D, Skylar Miao, el
26 de mayo.
Bueno, a ver, antes de meternos en las
matemáticas y en las entrañas de ese diagrama,
yo creo que es vital que aterricemos un
poco los conceptos.
Necesitamos entender de qué es capaz el M3
cuando, digamos, sale del laboratorio y se enfrenta
a problemas de verdad.
Sí, porque los ejemplos del vídeo son telita.
Ya ves, van muchísimo más allá de generar
textos bien escritos.
Es que lo que marca la diferencia de
entrada es que es multimodal de forma nativa.
O sea, el M3 no es el típico
modelo de lenguaje al que luego le pegan
un módulo de visión con celo para salir
del paso.
No es un parche.
Exacto, no es un parche.
Se ha entrenado desde el día uno asimilando
texto e imágenes juntos como un único flujo
de información.
Y el vídeo ilustra esto con una tarea
que, a ver, parece súper mundana.
Rellenar un formulario en blanco.
Parece fácil, ¿eh?
Parece facilísimo a simple vista.
Pero el nivel de razonamiento espacial que requiere
eso es altísimo.
O sea, el modelo recibe la imagen de
un papel que está vacío.
Y tiene que deducir toda la estructura visual.
Calcular las coordenadas exactas.
De cada campo para escribir.
Encajar el texto con un espaciado milimétrico.
Claro, es que eso demuestra una comprensión súper
profunda de cómo está diseñada la página.
Y esto luego se ve directamente en los
benchmarks, en los bancos de pruebas.
En entornos súper exigentes como el SwayBench Pro,
supera al GPT 5 .5 y al Yengini
3 .1 Pro.
Y en pruebas visuales e interactivas como el
SVG Bench o el OS World, consigue batir
al Opus 4 .7.
Lo cual nos lleva a un terreno donde...
El M3 me da la sensación de que
brilla con todavía más intensidad.
Que es la programación pura y dura.
Ah, sí, eso es espectacular.
En el vídeo, le piden al modelo crear
un clon de la interfaz de Windows 11
para el navegador.
Y no te hace una fachada bonita que
no hace nada.
¿Qué va?
¿Qué va?
El modelo construye un sistema funcional para iniciar
sesión.
Programa una aplicación de Paint que funciona de
verdad.
E incluso mete un pequeño videojuego en 3D
que puedes jugar desde esa interfaz.
Todo de forma autónoma.
¿Y el nivel de complejidad?
El nivel de complejidad sube más cuando ves
lo del simulador de la televisión de los
años 90.
O sea, no puso un vídeo cuadrado y
ya está.
Usó una librería gráfica bastante avanzada, 3 .js,
para programar la curvatura cóncava exacta del cristal
de la teledetubo.
Aplicó físicas al entorno y simuló cómo se
comporta el sonido en un espacio en tres
dimensiones.
¡Madre mía!
Incluso con cosas súper tediosas, como programar gráficos
vectoriales SVG línea por línea.
Te genera un mando de PlayStation 4 perfecto.
O te dibuja el horizonte de Nueva York
con más de 2 .000 líneas de código.
Sin usar trucos de relleno y manejando la
transición de la luz entre el día y
la noche.
Es increíble.
Pero fíjate, hay un ejemplo en el análisis
que a mí me dejó totalmente perpleja.
El caso de la optimización Zuda.
Yo entiendo que es algo relacionado con el
hardware, con las gráficas.
Pero, a ver, ¿por qué es tan extraordinario
este caso en concreto?
Pues mira, optimizar CUDA es, para entenderlo fácil,
escribir las instrucciones del nivel más bajo posible
para que una tarjeta gráfica trabaje.
Es un trabajo de ingeniería súper minucioso.
Cada ciclo de reloj cuenta.
Vale.
Entonces, en el experimento, le dieron al M3
un esquema súper básico de código en un
lenguaje que se llama Triton.
Le explicaron el objetivo y le dieron las
herramientas.
Pues el modelo se quedó operando solo, sin
humanos de por medio, durante 24 horas.
¿Y qué pasó en esas 24 horas?
Pues que el M3 hizo 147 iteraciones.
O sea, probaba, daba error.
Se corregía.
Analizó sus fallos, reescribió el código y pasó
de usar el hardware al 7 ,6 %
a un abrumador 71 ,3%.
Él solo aceleró el proceso casi 10 veces.
9 ,4 exactamente.
¡Ostras!
Claro.
Esa capacidad de coger un problema gigante, descomponerlo,
usar herramientas y automejorarse.
Eso hasta hace nada era exclusivo de laboratorios
cerrados con recursos infinitos.
Ya.
Es que viendo todo esto… A mí me
surge una duda, que creo que es súper
razonable.
O sea, estamos ante un modelo que te
procesa un millón de tokens de información, te
ejecuta código de bajo nivel, razona sobre imágenes…
¿Cómo es físicamente posible que un modelo de
código abierto haga todo esto sin que los
servidores ardan o sin que la factura sea
un arruino?
Ahí le has dado.
Ese es exactamente el problema de la arquitectura
tradicional.
Si un modelo tiene que prestar atención completa
a cada uno de ese millón de tokens,
a la vez, en cada maldito paso, la
carga crece de forma cuadrática.
Es insostenible.
Claro, se satura.
Exacto.
La solución de Minimax ha sido diseñar un
sistema que es implacablemente selectivo.
O sea, no procesan todo a lo bruto.
Han aprendido a identificar rapidísimamente qué es lo
que pueden ignorar.
Y esto nos lleva de cabeza al diagrama
de Skylar Miao.
Porque entender esa imagen es entender cómo Nariz
es funcional.
Según el artículo de Hugging Face, el diagrama
divide el proceso de atención en dos etapas
que están súper separadas.
La primera la llaman la rama del índice.
Eso es, la Index Branch.
El objetivo de esta primera rama es hacer
un cribado preliminar de toda la información.
Pero ojo, gastando la menor cantidad de energía
posible.
Para eso usan una base que se llama
GQA, Atención de Consultas Agrupadas.
Pero la magia matemática aquí es que, la
clave de búsqueda, el famoso key del índice,
se ha reducido a una única cabeza de
atención compartida por todo el sistema.
La memoria de este modelo es una biblioteca
gigantesca con un millón de libros.
Vale, me gusta.
El enfoque antiguo, la atención completa, obligaría al
investigador a leerse cada página de cada libro
para encontrar un dato.
Sí, un esfuerzo monumental y lentísimo.
Entonces, lo que hace esta primera rama del
índice sería algo así como enviar a un
becario ultra rápido, que no abre los libros,
sino que sólo corre por los pasillos leyendo
los lomos y te selecciona cinco estanterías.
Es la analogía perfecta, Cici.
Y matemáticamente, este becario tuyo hace dos cosas.
Primero, aplica una técnica que se llama Block
Max Pool.
Básicamente, coge las puntuaciones de palabras sueltas y
las agrupa para evaluar bloques enteros de información.
Siguiendo con tu biblioteca, en vez de puntuar
páginas sueltas, puntúa las estanterías enteras.
Claro, mucho más rápido.
Muchísimo.
Y luego usa una función de selección, el
Top Key, para quedarse solo con las estanterías
con la máxima puntuación.
Vale.
Entonces, una vez que el becario ha identificado
esas pocas estanterías útiles, supongo que ahí es
donde entra la segunda parte del diagrama, la
rama dispersa.
Exactamente, la Sparse Branch.
Esta segunda etapa coge los índices que le
dio la primera y saca de la memoria
principal única y exclusivamente esos bloques.
Y es solo en ese pequeño subconjunto donde
el modelo ejecuta los cálculos pesados, la atención
real.
El investigador experto de tu biblioteca ya no
mira el millón de libros.
Se sienta a estudiar a fondo solo las
cinco estanterías que le han traído.
Y las cifras del artículo son abrumadoras.
Dicen que al procesar ese contexto de un
millón de tokens, el M3 es 9 ,7
veces más rápido en la fase inicial, cuando
lee los datos.
Pero lo verdaderamente salvaje es la fase de
generación.
Sí.
Afirman que es 15 ,6 veces más rápido
escribiendo las respuestas.
Es una locura.
Y esa aceleración bestial al generar se debe
de la gestión de la memoria caché.
Al calcular la atención sobre un porcentaje tan
minúsculo del contexto, la presión sobre la memoria
del sistema se hunde.
Los datos dicen que al generar, el M3
interactúa solo con entre un 6 y un
7 % de los bloques disponibles.
O sea, que el modelo se permite el
lujo de pasar olímpicamente de más del 90
% de los bloques disponibles.
Y el diseño inicial ya le ha achivado
que ahí no hay nada útil.
Claro.
Y al no tener que estar cargando constantemente
ese 90 % de basura en la memoria
rápida y cara de los servidores, pues la
velocidad se dispara.
¿Por qué el diseño en dos etapas es
tan maravillosamente eficiente?
¿Por qué los gigantes de la industria no
lo han hecho antes?
El artículo, de hecho, menciona que gente como
DeepSeek lleva tiempo explorando cosas parecidas, ¿no?
Arquitecturas de atención nativa.
Pero Minimax parece que ha tomado otro camino
con este nuevo sistema.
M3.
Sí, y el contraste con DeepSeek es súper
interesante.
Es una clase magistral de cómo se hace
IA ahora mismo, en 2026.
DeepSeek buscaba una atención dispersa teóricamente perfecta.
Un diseño súper exquisito matemáticamente, pero muy complejo
de llevar al mundo real.
Minimax, sin embargo, ha optado por el pragmatismo
puro y duro.
O sea, la ingeniería por delante de la
teoría.
Y para eso hicieron tres simplificaciones.
Tres restas respecto a lo que hacía DeepSeek.
Vale.
Hablemos de la primera de esas restas.
Hablan de usar GQA frente a formatos de
compresión más extremos como el MLA que usa
DeepSeek.
¿Esto qué implica en el día a día?
Pues mira, el formato MLA comprime genial, pero
te obliga a escribir software a medida para
que las gráficas lo entiendan.
Al usar GQA, que es un estándar súper
conocido, Minimax se aseguró de que su modelo
fuera compatible desde el minuto uno con herramientas
que la comunidad de código abierto lleva años
puliendo.
Cosas como Flash Attention o VLM.
O sea que, en lugar de inventarse un
formato nuevo que obligue a todo el mundo
a actualizar sus sistemas, cogen piezas estándar súper
rápidas y encajan a la perfección en los
servidores que ya tiene la gente.
Exacto.
Es ingeniería pensada para que la adopción sea
fácil y estable.
Y la segunda simplificación va de cómo tratan
esa información que ya han seleccionado.
Algunos rivales cogen los datos filtrados y los
vuelven a comprimir para rascar un poquito más
de memoria.
Que supongo que eso tiene un riesgo, ¿no?
Es como cuando guardas un JPG veinte veces
y se acaba viendo borroso.
Pierdes calidad en la respuesta.
Sí, sí.
Es una muy buena forma de verlo.
El M3 selecciona por bloques, pero una vez
que tiene el bloque, hace los cálculos sobre
los datos crudos, los datos originales completos.
Prefirieron sacrificar un pellizquito de eficiencia teórica para
asegurarse de que el modelo no perdiera matices
ni capacidad matemática en las respuestas difíciles.
Me parece fascinante ver cómo han ido podando.
Pero la tercera simplificación, fíjate, me parece la
más radical de todas.
Literalmente, han extirpado partes enteras del diseño original.
Hablan de eliminar la ventana deslizante y la
rana de compresión.
A ver, ¿qué es eso de la ventana
deslizante y por qué se la cargan?
A ver, en muchos modelos modernos, la ventana
deslizante es como un mecanismo de seguridad.
Obliga al sistema a tener siempre en la
memoria activa, a corto plazo, las últimas palabras
de la conversación.
Siempre.
Porque asumen que el contexto inmediato es importante,
es útil, pero gasta recursos todo el rato.
Y Minimax dijo, mira, esto sobra.
Básicamente.
Concluyeron que si tu becario de la biblioteca
hace un trabajo lo bastante bueno y rápido
indexando, ya no te hace falta cargar con
ese contexto fijo por si acaso.
Si algo de hace cinco segundos es importante,
el índice lo va a pillar.
Si no, a la basura.
Es como quitarle el aire acondicionado al coche
de carreras.
Exacto.
Le quitas los asientos traseros y el aire
acondicionado.
Presindes del confort porque lo único que quieres
es hacer la vuelta rápida en el circuito.
Es que este planteamiento choca muchísimo con la
tendencia que vemos en la industria, ¿no?
Llevamos años que parece que cada modelo nuevo
presume de meter más capas, sumar billones de
parámetros, hacer todo más inescrutable.
Y resulta que Minimax destrona los sistemas privativos
quitándole piezas al motor.
Sí.
Es un síntoma de madurez técnica, yo creo.
Han entendido que no se trata de deslumbrar
con un auto.
No es una teoría perfecta en el laboratorio,
sino de crear un sistema que vaya como
un tiro hoy, que cueste dos duros y
que funcione con el software que los programadores
ya tienen en sus portátiles.
La factura del servidor se desploma.
Y el análisis detalla unos precios que están
literalmente sacudiendo todo el ecosistema.
Las cifras son para echarse a temblar si
eres la competencia.
Procesar un millón de tokens de entrada con
el M3 cuesta ahora mismo 30 centavos de
dólar.
Y generar un millón de salida, un dólar
con 20.
Es que es ridículo.
Y encima mencionan un plan mensual de 20
dólares que te da acceso a unos 1700
millones de tokens.
Si tú comparas eso con lo que te
costaba hacer análisis masivos con los modelos privativos
grandes, vamos, la diferencia es abismal.
Te podías fundir el presupuesto del mes en
dos días.
Y este abaratamiento tan radical nos lleva a
una de las conclusiones clave del artículo de
Hugging Face.
Ellos apuntan a que ahora, en esta segunda
mitad de 2026, procesar un millón de tokens,
va a dejar de ser un lujo de
corporaciones.
Ya no es el reclamo publicitario de las
grandes tecnológicas.
Para nada.
Va a ser la línea base.
Exacto.
El estándar mínimo.
Y es profundamente democratizador, la verdad.
Pensar que cualquier desarrollador indie, desde su habitación,
tiene ahora la capacidad de cargar decenas de
libros de texto de golpe.
O pedirle a un agente que le revise
el código de todo un proyecto.
O crear simuladores.
Y todo sin pánico a la factura de
fin de mes.
Sí, sí.
Es que la barrera económica de entrada a
la innovación altísima se ha evaporado.
Y el motor de esa democratización no ha
sido montar un superordenador más grande, ¿sabes?
Ha sido la inteligencia minimalista de este diseño
de atención dispersa.
Ha demostrado que con ingenio y quitando fricción
técnica le puedes ganar a la fuerza bruta
de computación de los gigantes.
Totalmente.
Es el triunfo del diseño inteligente sobre la
billetera.
Y bueno, todo esto invita a una reflexión
final, que creo que es casi una advertencia
para el sector.
O sea, si una arquitectura destilada, guiada por
un pragmatismo tan estricto y lanzada en código
abierto, puede generar un modelo que se automejora,
como lo que vimos de CUDA, y que
supera en los test a los laboratorios herméticos
que tienen dinero infinito, pues cabe preguntarse cuál
es el verdadero foso defensivo de las grandes
corporaciones a día de hoy.
¿Queda alguna ventaja estructural que el mundo abierto
no pueda replicar?
¿O estamos ya en ese punto de no
retorno donde la innovación transparente y distribuida se
vuelve irreversiblemente mejor que la cerrada?
Pues mira, yo creo que esa es sin
duda la gran pregunta estratégica que define dónde
estamos en la tecnología hoy en día.
Desde luego.
Ahí dejamos esa incógnita flotando.
Antes de despedirnos hasta el próximo programa, os
informamos de que las voces que oyes han
sido generadas por la IA de Notebook LM
y que dirigiendo el podcast se encuentra Julio
Pablo Vázquez, un humano que te envía saludos.
En caso de error, probablemente sean errores humanos.
Nos escuchamos.
Y hasta aquí el episodio de hoy.
Muchas gracias por tu atención.
Esto es BIMPRAXIS.
Nos escuchamos en el próximo episodio.