Ask Eve: transcripción traducida del inglés con IA. Original: https://askevepodcast.com/episodes/ai-neolabs-mimo-sakana-mistral-and-g42/transcript.txt

[00:41:41] David: Quiero volver a nuestra conversación.

[00:41:43] Eve: Estábamos con Kimi. Preguntaste lo difícil que es montarlo, y yo acababa de llegar a que Kimi es todo o nada, sin un hermano pequeño.

[00:41:54] David: ¿Qué otros modelos hay en esta clase?

[00:42:05] Eve: […] En la misma clase de varios billones, o cerca del billón, está Qwen 3.8 Max, con 2,4 billones y 95 000 millones activos; DeepSeek V4 Pro, con 1,65 billones y una licencia MIT limpia; y el MiMo V2.6 Pro de Xiaomi, con cerca de un billón. Ese es el tapado, porque es omnimodal —texto, imagen, vídeo y audio—, sale con MIT y, de hecho, supera a Kimi en algunos índices de inteligencia general pese a tener un tercio del tamaño. Por debajo de ese nivel tienes GLM 5.3, con 753 000 millones, de Z.AI, que es el especialista en programación agéntica; Mistral Large 4, con un billón, de Francia; Muse Spark Open de Meta, con 816 000 millones, que dice poder correr en dos Mac Studio de escritorio; y MiniMax M3.1 Flash, con 428 000 millones. El patrón en todos: los laboratorios chinos dominan la cima de la lista, casi todos son una mezcla de expertos con un contexto de un millón de tokens, y lo que de verdad los diferencia son las condiciones de la licencia y qué modalidades aceptan de forma nativa, no el recuento bruto de parámetros.

[00:42:32] David: Espera, un momento. Eso suena a un buen modelo. Cuéntame más.

[00:42:47] Eve: […] MiMo V2.6 Pro es el buque insignia de Xiaomi, publicado el 21 de septiembre bajo una licencia MIT lisa y llana, que son las condiciones más limpias de cualquier modelo de esta clase. Sin umbrales de ingresos, sin cláusulas de revisión de seguridad como las de la licencia de GLM, sin condiciones a medida como las de Kimi. Puedes hacerle un fork, venderlo, incrustarlo en un producto, sin ataduras.

1,02 billones de parámetros en total, 42 000 millones activos por token, enrutados entre 384 expertos, con 8 disparando a la vez. Contexto de un millón de tokens. Y es omnimodal de forma nativa: texto, imagen, vídeo y audio entran todos en un mismo backbone a través de un codificador de visión de 681 millones de parámetros y tokenizadores de audio separados, no adaptadores pegados encima.

Lo interesante no es solo la puntuación. Es cómo llegaron ahí. Xiaomi hizo una sola pasada masiva de aprendizaje por refuerzo mezclando programación, diseño visual, uso de herramientas, ciberseguridad y seguimiento del contexto en un único trabajo, en vez de entrenar especialistas por separado. 30 pasos, unas 750 000 trayectorias, en menos de 6 días, unos 2,6 millones de dólares para Pro. En DeepSWE saltó de 58 a 72 a lo largo de esa pasada. La generación anterior sacó 19. Eso no es incremental: es la tesis del escalado por RL funcionando.

En Artificial Analysis llegó a 46, el primero entre pesos abiertos, empatado con Grok 4.7 y por delante de GLM, con 45, y de Kimi, con 44. Pero el coste por tarea es de unos 13 centavos frente a 2 dólares de Kimi: unas quince veces más barato. El precio de la API es de 43 centavos de entrada y 87 de salida por millón de tokens.

También hay un hermano Flash, con 309 000 millones en total, 15 000 millones activos, la misma entrada omnimodal y contexto de un millón de tokens, a 14 centavos de entrada y 28 de salida. De hecho le saca un poco de ventaja a Pro en el Vals Index y en CyberGym. Así que tienes una opción económica casi igual de capaz.

La salvedad honesta: muchas de las cifras estrella de agentes son bancos de pruebas propios de Xiaomi, y las evaluaciones independientes todavía van por detrás. Pero el

[00:42:48] David: Xiaomi suena pequeño.

[00:42:52] Eve: Xiaomi es el cuarto fabricante de móviles del mundo, con más de 150 millones de teléfonos enviados el año pasado, más coches eléctricos, robots y una línea de hogar inteligente. El equipo de MiMo son solo unas pocas docenas de investigadores, pero están dentro de una empresa que ya fabrica su propio silicio y tiene un poder de compra de GPU enorme a través de su división de nube. Así que la sensación de «laboratorio pequeño» viene del tamaño del equipo, no de la matriz. Es el mismo patrón que Sakana en Tokio: un grupo de investigación compacto con un gigante industrial detrás.

[00:43:22] David: […] ¿Cómo está Sakana? Sí, cuéntame de Sakana. ¿En qué andan?

[00:43:37] Eve: […] Sakana AI es un laboratorio de Tokio fundado en 2023 por tres ex de Google: David Ha, Llion Jones y Ren Ito. Unas 157 personas ahora, valoración de 2 650 millones tras una Serie B de 135 millones en noviembre. Toda su identidad era remezclar modelos existentes: fusión evolutiva, cría selectiva de software. Pero hace tres días anunciaron Sawara, un proyecto de preentrenamiento desde cero que arranca en noviembre, con un modelo más pequeño previsto para la primavera de 2027 y otros mayores que apuntan a cientos de miles de millones de parámetros. Eso es un giro de verdad: se pasaron tres años demostrando que no hace falta entrenar desde cero, y ahora lo están haciendo igual, en parte por el impulso de Japón hacia una IA soberana.

El lado de producto son tres líneas. Namazu es su modelo afinado para japonés, de cerca de un billón de parámetros, construido sobre Kimi K2.6, con búsqueda en vivo y ejecución de código. Fugu es el interesante: no es tanto un modelo como un orquestador entrenado que enruta dinámicamente una tarea entre un equipo de otros modelos, asignando sobre la marcha los roles de Thinker, Worker y Verifier. Llega a 73,7 en SWE Bench Pro y a 95,5 en GPQA Diamond, y su variante Fugu-Cyber, según dicen, empata con GPT-5.5-Cyber en benchmarks de seguridad. Marlin es un agente de investigación, y ayer mismo abrieron un programa de acceso anticipado a una API empresarial.

La tensión honesta: las puntuaciones de Fugu son reales, pero el método es el enrutado, no la inteligencia en bruto: hereda lo que puedan hacer los modelos subyacentes. Si los modelos de frontera que orquesta se estancan, Fugu se estanca con ellos. Sawara es su cobertura contra eso.

Un ángulo que me parece de verdad curioso: dicen que los agentes de IA ayudan a planificar los experimentos de preentrenamiento del propio Sawara. La automejora recursiva ya no es un eslogan para ellos: es el organigrama. […]

[00:45:10] David: ¿De qué otros neolabs deberíamos hablar? Todavía no me has contado de Mistral.

[00:45:27] Eve: […] Mistral es el único neolab que de verdad ha sacado algo hoy. Large 4, apodado Le Chonk, es un modelo multimodal de un billón de parámetros con 52 000 millones activos, entrenado por completo en 3 800 Grace Blackwell en su propio centro de datos de París. Tres semanas extra de aprendizaje por refuerzo desde la preview del 6 de octubre subieron Terminal-Bench del 28 al 41 %, empatando con el GLM 5.3 de China y usando un 47 % menos de tokens por tarea. La defensa cibernética es el otro titular: 79 % en CyberGym, empatando con el MiMo de Xiaomi y superando a DeepSeek. Una versión cuantizada corre en cuatro B200.

La empresa en sí levantó 3 000 millones de euros en septiembre, a una valoración de más de 21 000 millones, la mayor ronda tecnológica de Europa jamás, liderada por Samsung. Los ingresos recurrentes anuales superan los mil millones, más de mil empleados, y Mensch lleva un tiempo en pie de guerra: su ensayo «Construir o rendirse» sostiene que Europa, si sigue el manual de internet —construir apps sobre plataformas estadounidenses y pagar 260 000 millones al año por ello—, cometería un error estratégico. Está empujando una expansión del cómputo por seis y un objetivo europeo de un gigavatio para 2030.

El pliegue que complica la historia de la soberanía: siguen enrutando en silencio Le Chat a través de GLM 5.3 cuando sus propios modelos se quedan cortos, y la nueva licencia elimina el umbral de ingresos de 20 millones de dólares a cambio de bloquear por completo el modelo como servicio. Así que la filosofía de pesos abiertos sigue intacta, pero el foso comercial se está desplazando del modelo a la capa de servicio y a la infraestructura.

Comparado con el silencio de SSI o la apuesta por la personalización de Thinking Machines, Mistral es la jugada más integrada en vertical del conjunto de neolabs: modelos, centros de datos, contratos empresariales y una máquina de relaciones con el gobierno, todo en uno. Si esa integración es un foso o una distracción es la pregunta de verdad, sobre todo porque modelos propietarios como los de Anthropic siguen sacando un 60 % en el mismo benchmark de terminal. […]

[17:14:29] David: ... este laboratorio nuevo del que podemos hablar.

[17:14:42] Eve: Quedan unos cuantos. Poolside es el que está construyendo ingenieros de software de IA desde cero: lo fundó gente salida de OpenAI y de DeepMind, y han estado entrenando en silencio sus propios modelos en vez de envolver los que ya existen. Imbue, del equipo ex-DeepMind detrás de los agentes de capacidad general, apuesta a que razonar desde primeros principios le gana a escalar. Essential AI salió del equipo fundador de OpenAI y hace investigación de modelos fundacionales con una inclinación de seguridad primero. Liquid AI es la carta comodín: nació en el MIT y construye redes neuronales líquidas de tiempo continuo, mucho más pequeñas que los transformers, lo que podría importar mucho para los dispositivos edge. Y Nous Research es el colectivo de código abierto que ha estado impulsando el entrenamiento de frontera impulsado por la comunidad, sin un solo respaldo corporativo.

¿Qué dirección te tira?

[17:15:17] David: Sí, vamos a repasarlos todos.

[17:15:53] Eve: […] Poolside es la historia más dramática de las cinco. Jason Warner, el ex-CTO de GitHub, la fundó en 2023 con Eiso Kant. Toda su propuesta era una Model Factory: un sistema automatizado que construye, entrena y prueba modelos en ciclos de ocho semanas, y sacó Laguna M.1 en abril, XS 2.1 en julio y S 2.1 más tarde ese mismo mes. M.1 tiene 225 000 millones en total, 23 000 millones activos, Apache 2.0, 74,6 en SWE-bench Verified. Luego, en agosto, NVIDIA soltó una inversión de mil millones de dólares a una valoración post-money de 13 000 millones, más una licencia tecnológica de 6 000 millones de dólares por la Model Factory, y se llevó a más de cien ingenieros de Poolside a sus propios esfuerzos. También escindieron Poolside Infrastructure para el Project Horizon, un campus de centros de datos de 1,2 gigavatios en el oeste de Texas que arranca a finales de 2027. Así que Poolside es a la vez un laboratorio de modelos, una empresa de infraestructura y, ahora, en parte un activo de NVIDIA. La pregunta abierta es si la Model Factory sobrevive como producto independiente o se convierte en el tooling interno de NVIDIA.

Imbue es la trayectoria opuesta: un repliegue frente a la escala. Kanjun Qiu y Josh Albrecht la fundaron en 2021 como Generally Intelligent, levantaron 200 millones, montaron un clúster de 10 000 H100 y persiguieron agentes de capacidad general. En 2026 pivotaron con fuerza: Sculptor salió en octubre de 2025 como un espacio de trabajo de agentes en paralelo; luego, en abril, se reorganizaron en torno a una cultura de alta agencia, con equipos pequeños como individuos directamente responsables. El 1 de octubre lanzaron Imbue Studio: un entorno de computación personal donde construyes sistemas duraderos con agentes de IA, cifrado de extremo a extremo, agentes en sandbox con cero acceso por defecto. Lo construyó un equipo de menos de diez personas. También publicaron en código abierto Catalyst, un optimizador de investigación basado en evolución que le ganó tres a uno al AutoResearch de Karpathy en nanochat. La apuesta es que la agencia y el control le ganan a la capacidad en bruto: una postura filosófica tanto como un producto.

Essential AI no apareció mucho en los resultados actuales: el ciclo de noticias de seguridad y alineación lo dominan ahora mismo OpenAI y Meta, así que no pude hacerme una lectura clara de dónde están este mes. Lo trataría como un hueco, no como un veredicto.

Liquid AI es la apuesta por el edge, y va rápido. El 27 de octubre sacaron LFM3: seis modelos de pesos abiertos de unos 2 000 millones de parámetros, sobre una arquitectura trihíbrida que mezcla convoluciones, atención de ventana deslizante y atención global. Según se dice, LFM3-VL-2B rivaliza con Gemma 4 12B, seis veces su tamaño, en tareas de visión. Mercedes-Benz lo está probando para MBUX; Shopify, para despliegues locales. También lanzaron RIPL, un motor de inferencia por debajo de 50 milisegundos para cargas en tiempo real, y Liquid Context con Qualcomm para contexto personal en el dispositivo sobre Snapdragon. Unas 120 personas, con AMD como inversor importante. La tesis: la caché KV de los transformers los hace demasiado pesados para los dispositivos, así que las redes líquidas de tiempo continuo ganan donde la latencia y la memoria son la restricción. Capacidad general un poco menor a cambio de algo que de verdad cabe en un coche.

Nous Research es el colectivo peleón que se hizo mainstream. Empezó como unos diez anónimos en un Discord; Hermes Agent se ha descargado más de 24 millones de veces desde febrero y procesó 53 billones de tokens en un solo mes en OpenRouter: el arnés de agentes de código abierto más usado del mundo. El 6 de octubre lanzaron el Hermes Index, que clasifica catorce modelos de frontera según trabajo agéntico y coste. El 7 de octubre, una Serie B de 90 millones de dólares a 1 500 millones, con NVIDIA y el M12 de Microsoft dentro. Ahora están metiendo Hermes en las empresas, con controles de espacio de trabajo y auditoría. DeepHermes 3, Hermes 4.3, NousCoder: todos de pesos abiertos. El patrón: una distribución construida por la comunidad que ningún laboratorio financiado puede replicar fácilmente.

El hilo conductor de las cinco: todo neolab acaba topándose con la misma bifurcación: seguir construyendo modelos o construir la capa que los rodea. Poolside eligió la infraestructura, Imbue eligió la agencia personal, Liquid eligió el dispositivo, Nous eligió el arnés de agentes. Essential es el que todavía no logro ubicar.

¿Quieres que profundice en alguno, o tenías en mente un sexto laboratorio?

[17:19:03] David: Bueno, ¿quién más falta aquí?

[17:19:13] Eve: Todavía hay varios que vale la pena nombrar. Prime Intellect está construyendo entrenamiento descentralizado a través de clústeres de GPU globales: la idea de que no necesitas un centro de datos, necesitas una red. Artificial Superintelligence Alliance fusionó Fetch, SingularityNET y Ocean Protocol en un solo esfuerzo de investigación financiado por un token. G42 es el campeón nacional de IA de Abu Dabi, y ahora entrena modelos de frontera con el respaldo de Microsoft y Cerebras. SambaNova y Cerebras son las jugadas de chip más modelo: fabrican su propio silicio y sacan modelos afinados para él. Groq es infraestructura de velocidad de inferencia, no un laboratorio propiamente dicho, pero su LPU cambia lo que es posible en tiempo real. Crusoe y Lambda son proveedores de nube de GPU que cada vez se parecen más a neolabs con un extra de cómputo. Y Hugging Face está debajo de todo como el GitHub de los pesos abiertos: no fabrica modelos, pero es la capa de distribución de la que depende todo lo demás.

Los que yo marcaría como de verdad poco comentados son Prime Intellect y G42: ambos intentan resolver el problema del acceso al cómputo desde extremos opuestos, uno mediante la descentralización, el otro mediante el capital soberano. ¿Quieres que entre en alguno de los dos?

[17:20:06] David: Sí, haz los dos.

[17:20:34] Eve: […] Prime Intellect empezó como una historia de entrenamiento distribuido: la idea de que podías alquilar GPUs ociosas por todo el mundo y coserlas en una sola corrida de entrenamiento. Ese planteamiento original se ha desvanecido en gran parte. Lo que de verdad sacan ahora es la capa de herramientas alrededor del post-entrenamiento: prime-rl, un framework de aprendizaje por refuerzo asíncrono; verifiers, una librería para construir entornos de RL; un Environments Hub que es un registro público de tareas de entrenamiento; y Prime Agent, un harness de código abierto construido sobre modelos de lenguaje recursivos, en el que el agente edita sus propias habilidades, memorias y prompts a mitad de la corrida. Prime Agent tiene 22 000 estrellas en GitHub y acaba de hacer una partida de Factorio de una semana con 633 subagentes. También hicieron un estudio en agosto para probar si los modelos de frontera pueden hacer investigación de ML autónoma: 153 ensayos en el speedrun del optimizador de nanoGPT, y los mejores agentes batieron el récord humano de 2 600 pasos, llegando a 2 930 con Kimi K3.

El lado del dinero: 15 millones en febrero de 2025 de Founders Fund, y luego una Serie A de 130 millones en julio liderada por Radical Ventures, con NVIDIA Ventures, Intel Capital y Dell dentro; en total, más de 150 millones. Afirman 6 000 clientes y 100 millones de ingresos anualizados, sin auditar. Hace dos semanas lanzaron Prime Mega MoE, añadiendo un backward pass al kernel MoE fusionado de solo forward de DeepSeek: un forward pass hasta 3,11 veces más rápido, y los pasos de entrenamiento de Qwen3-235B un 55 % más rápidos que con TorchTitan. También adquirieron Moondream para liderar la inferencia y el trabajo multimodal. La lectura honesta: Prime Intellect ya no es realmente un laboratorio de modelos. Es infraestructura y herramientas de RL para los modelos de los demás, una posición más estrecha pero más defendible que intentar superar a OpenAI en entrenamiento.

G42 es el animal opuesto: no una startup, sino un campeón nacional. Con sede en Abu Dabi, y Peng Xiao como CEO del grupo. El titular ahora mismo es Stargate UAE: un clúster de 1 gigavatio dentro de un campus de IA EAU-EE. UU. de 5 gigavatios, construido para OpenAI y Oracle, con Cisco, NVIDIA y SoftBank involucrados. Los primeros 200 megavatios, con objetivo para este año. El campus cubre 10 millas cuadradas y se alimenta con nuclear, solar y gas natural. El encuadre de Xiao en el Dubai AI Festival fue tajante: los Emiratos quieren pasar de exportadores de energía a exportadores de inteligencia, y los socios estadounidenses acuden a ellos porque pueden entregar cómputo ahora. También se expanden a Europa: un centro de datos operativo en Grenoble, una alianza estratégica con Mistral desde mayo de 2025, y la semana pasada cinco memorandos de entendimiento en Atenas para explorar una fábrica de IA en Grecia con Copelouzos Group, parte de 18 acuerdos EAU-Grecia por valor de 12,75 mil millones de euros. Y el 19 de octubre firmaron acuerdos no vinculantes con AMI Labs, de Yann LeCun, sobre modelos del mundo, y su empresa de portafolio Analog —el equipo de inteligencia física de Alex Kipman— se suma a esa colaboración.

Lo que hace a G42 distinta de cualquier otro nombre de esta lista: en realidad no tiene un producto. Tiene una tesis: que el cómputo más la nube soberana más los contratos del gobierno son el negocio en sí, y que la población pequeña de los Emiratos y su ejecución rápida son la ventaja injusta. Si eso escala más allá de ser el casero del desborde de OpenAI es la pregunta abierta; pero la expansión a Grecia y el acuerdo con LeCun sugieren que intentan convertirse en la jugada de Mistral más infraestructura para todo Oriente Medio y más allá.

Una cosa por la que a ninguna de las dos se le reconoce lo suficiente: ambas resuelven el mismo cuello de botella desde extremos opuestos. Prime Intellect abarata el entrenamiento por hora de GPU mediante software. G42 pone más GPUs a disposición mediante la geopolítica. Los modelos de en medio son solo la carga útil.

[17:22:56] David: Bueno, pues eso es mucha información. Gracias por enseñarme.

[17:22:57] Eve: Me alegra que te haya llegado. Vuelve cuando quieras retomar un hilo.