miércoles, 18 de noviembre de 2026

IA y modelos

Los modelos de decisión se vuelven masivos, de Azure a una startup de dos personas

Más de una de cada cuatro solicitudes de IA en el enrutador de Vercel fueron modelos de decisión, y no modelos de lenguaje completos, en octubre.

Los modelos de decisión se vuelven masivos, de Azure a una startup de dos personas
Foto: Sqwish

Los modelos de decisión son modelos de lenguaje de gran tamaño ajustados para omitir la generación de texto y, en cambio, elegir rápida y económicamente entre un conjunto de opciones preestablecidas, mientras también informan qué tan seguros están de esa elección, lo que resulta útil en sistemas de producción donde la velocidad importa más que la profundidad de razonamiento que ofrecería un modelo de frontera. TypeSafe, hoy valorada en USD 7500 millones tras lanzar su familia de modelos de decisión Jev, sigue dominando la categoría: según las propias cifras de OpenRouter, los modelos de TypeSafe atendieron más de 1500 millones de consultas solo la semana pasada.

Como un modelo de decisión es relativamente sencillo de construir, la categoría se multiplicó rápido desde el debut de Jev: se lanzaron decenas en su estela, un ingeniero de Amazon construyó uno en un fin de semana, y pronto cada gran proveedor de nube tuvo el suyo. El martes, el director ejecutivo de Microsoft, Satya Nadella, dijo que la empresa está lanzando su propia versión, Microsoft-Decision-1.1, para uso amplio en Azure de inmediato. Ese mismo día, la startup británica Sqwish anunció una ronda preinicial de USD 3 millones para su modelo de decisión, “kettei fat”. Los cofundadores Ushnish Sengupta y Federica Freddi, que se conocieron como estudiantes de posgrado en Cambridge, dicen que estaban desarrollando modelos de lenguaje pequeños cuando apareció Jev, y que entendieron que su arquitectura podía reutilizarse para esa misma función.

Quienes construyen estos modelos describen los datos, y no los puntajes de referencia, como el verdadero diferenciador. El director ejecutivo de TypeSafe, Diogo Almeida, dijo que lo más difícil al construir Jev fue calibrar su juicio con datos sintéticos cuidadosamente ajustados; Sqwish también trabaja con datos sintéticos, pero se apoya en herramientas que permiten a sus clientes seguir aportando sus propios datos de producción para que el modelo siga mejorando después del despliegue. Achint Srivastava, el vicepresidente de ingeniería de Microsoft que lideró el proyecto Decision-1.1, coincidió en que los modelos ajustados en exceso a las pruebas de referencia publicadas suelen rendir mal en el uso empresarial real, y dijo que Decision-1.1 y Jev se distinguen por mantenerse sólidos en costo, latencia, inteligencia y calibración, incluso en pruebas que las empresas no usaron para entrenarlos.

Freddi describe el momento como una división temprana entre los modelos de decisión rápidos, de “Sistema Uno”, y los modelos de lenguaje más lentos y capaces, de “Sistema Dos”, que funcionan en conjunto. “Incluso en ese futuro, el Sistema Uno es tal vez una oportunidad de USD 10 000 millones a USD 50 000 millones, y OpenAI está haciendo esta salida a bolsa pensando en un valor de mercado de USD 1 billón a USD 2 billones”, dijo. “Eso es todo lo que nos importa a nosotros; mientras que para ellos esto es solo un proyecto secundario.”

Por qué importa

Una categoría inventada apenas un mes antes de este reportaje ya canaliza más de una cuarta parte del tráfico de una plataforma importante, con una gran empresa tecnológica y una startup de dos personas moviéndose el mismo día, una señal de que la toma de decisiones rápida y económica podría convertirse en una capa tan estándar de la infraestructura de IA como los modelos de frontera que concentran la atención.