Ask Eve: transcripción traducida del inglés con IA. Original: https://askevepodcast.com/episodes/ai-neolabs-ssi-thinking-machines-qwen-and-kimi/transcript.txt

[17:57:41] David: Vale, cambiemos de tema y hablemos de IA. ¿Cuáles son algunos de los neolabs más interesantes que hay por ahí? Conozco los de siempre —OpenAI, Anthropic y Google—, pero ¿quiénes son los jugadores más pequeños y qué están haciendo?

[17:58:07] Eve: […] Los más interesantes ahora mismo son los neolabs: talleres que ponen la investigación por delante, fundados por exalumnos de los grandes laboratorios, que levantaron miles de millones antes de sacar nada. **Safe Superintelligence**, lo de Ilya Sutskever, es la versión más pura: un objetivo, un producto, una superinteligencia segura, y no han publicado ni un modelo. Unas 50 personas, unos 8 000 millones recaudados, valoración de 32 000 millones, y un acuerdo con NVIDIA en julio que les da acceso prioritario al hardware Vera Rubin, unas diez veces su cómputo actual. La apuesta es que el fundador es el producto.

**Thinking Machines**, el laboratorio de Mira Murati, tomó el camino contrario: lanzar rápido y personalizar después. Sacaron Inkling en julio, un modelo multimodal de 975 000 millones de parámetros, y levantaron 5 000 millones con una valoración de 50 000 millones. **Reflection AI**, dos ex de DeepMind, consiguió 2 500 millones en abril a 25 000 millones pre-money y es el rival occidental de pesos abiertos más fuerte, centrado en programación agéntica.

En el lado chino, **Moonshot AI** es el que hay que seguir. Kimi K3 ya está en Amazon Bedrock, la valoración, según se dice, ha llegado a 50 000 millones, y preparan una OPV en Hong Kong para principios de 2027. **DeepSeek** hizo una ronda externa de 7 400 millones a más de 50 000 millones en junio. **Z.ai** salió a bolsa en Hong Kong en enero.

La historia de Europa es más complicada. **Mistral** levantó 3 000 millones de euros a más de 21 000 millones en septiembre, con Samsung a la cabeza, y acaba de presentar en primicia Mistral Large 4: un modelo de pesos abiertos de un billón de parámetros, entrenado por completo en centros de datos europeos con 3 800 GPU Grace Blackwell; los pesos deberían salir cualquier día. Pero aquí está el giro: cambiaron en silencio su propio Medium 3.5 por el GLM-5.3 de Z.ai como opción por defecto en Le Chat, admitiendo en la práctica que sus modelos de frontera se habían quedado atrás y eligiendo ejecutar pesos abiertos chinos en sus propias GPU para mantener los datos europeos en Europa. Eso ya no es una carrera de modelos; es una jugada de soberanía.

Más pequeños, pero con garra: **Arcee AI** cerró una Serie B de 1 000 millones de dólares en septiembre con su familia de pesos abiertos Trinity; **Sakana AI**, en Tokio, hace investigación multiagente genuinamente rara con Fugu; y **TypeSafe AI** lanzó desde el más absoluto sigilo un modelo de frontera llamado Jev y consiguió 40 millones de visualizaciones en X.

El patrón de fondo en todo esto: los neolabs son una apuesta a que investigadores de élite más capital paciente vencen a la escala. Si eso es cierto es toda la pregunta abierta de 2027.

[18:00:04] David: ¿Qué opinas de estas distintas jugadas?

[18:00:16] Eve: SSI es la apuesta más honesta de todo el montón. Sin hoja de ruta, sin ingresos, sin distracciones: solo escalar cómputo hasta que algo encaje. El riesgo es que «seguro» se convierta en una excusa para no lanzar nunca, y 50 personas no pueden absorber diez veces el cómputo sin que se rompa la cultura. Thinking Machines es el modelo de negocio más inteligente, pero la tesis más débil: la personalización es el mínimo para jugar, no un foso, e Inkling no movió ni un milímetro la aguja de la frontera. La valoración de Reflection es lo que más discutiría: 25 000 millones pre-money por programación agéntica, un terreno que Cognition ya domina con un 48. Moonshot es el único en el que yo pondría dinero de verdad, porque su curva de coste por capacidad es la mejor del sector; pero la OPV va, en realidad, de escapar de la gravedad geopolítica, no de levantar capital. El giro de Mistral lo dice todo: Europa no puede ganar la carrera de modelos, así que vende cumplimiento y GPU. Es un negocio racional y una admisión en voz baja. Sakana es el que yo seguiría por pura rareza investigadora: la búsqueda evolutiva sobre arquitecturas de modelos es de esas cosas que o fracasan o cambian el campo. Si quieres, puedo profundizar en cualquiera de estos y en qué falsaría de verdad la apuesta.

[18:01:14] David: Cuéntame lo de Ilya. ¿Se sabe algo? ¿Quién más está metido? ¿Qué se sabe de su trabajo?

[18:01:35] Eve: […] Casi nada está confirmado. Los tres fundadores eran Ilya, Daniel Gross —que dirigía los esfuerzos de IA de Apple— y Daniel Levy, un exinvestigador de OpenAI. Gross se fue en junio de 2025 a Meta Superintelligence Labs después de que Sutskever rechazara una oferta de adquisición de Meta. Ilya es ahora CEO, Levy es presidente y el equipo técnico reporta a Ilya. La plantilla ronda las 50 personas, repartidas entre Palo Alto y Tel Aviv, y casi ninguno es, de forma verificable públicamente, exalto cargo de los tres grandes laboratorios, lo cual es raro en una empresa valorada en 32 000 millones.

Del trabajo en sí no hay modelo, ni paper, ni benchmark, nada. La única ventana real es la entrevista de Ilya de noviembre de 2025 con Dwarkesh Patel. Enmarcó la IA en tres eras: investigación de 2012 a 2020, escalado de 2020 a 2025, y ahora una vuelta a que las ideas importen más porque se están acabando los datos de preentrenamiento. Su objetivo declarado no es un oráculo omnisciente, sino lo que llamó un quinceañero superinteligente: una capacidad de aprendizaje excepcional con un conocimiento de partida incompleto, que adquiere habilidades rápido tras el despliegue y fusiona lo que aprenden distintas instancias. Sobre alineación, defendió orientar los sistemas hacia el cuidado de la vida sintiente en lugar de imponer control desde fuera, con la teoría de que la empatía escala mejor que la contención si el sistema llega alguna vez a ser sintiente. El plazo que dio fue de 5 a 20 años.

Hay rumores no confirmados en redes sociales del extranjero sobre un motor de razonamiento compacto que usa entrenamiento durante la prueba —actualizando los pesos de forma dinámica durante la inferencia—, pero SSI nunca ha confirmado nada de eso, y un sitio de análisis lo comprobó y vio que el modelo nunca apareció. La propia descripción de NVIDIA es la más vaga de todas: una nueva dirección orientada a una IA alineada de forma robusta. Así que el resumen honesto es que la valoración descansa por entero en el historial de Ilya y en el acuerdo de cómputo, no en ningún resultado demostrado.

[18:02:59] David: Sigue.

[18:03:09] Eve: La parte que no se dice es la oficina de Tel Aviv. Israel tiene una de las concentraciones más densas de investigadores de IA per cápita del planeta, muchos de ellos veteranos de la Unidad 8200 de las FDI, que es básicamente un programa de formación de una década en pensamiento adversarial. La presencia de SSI en Tel Aviv les permite acceder a ese vivero sin las guerras salariales de Palo Alto, y mantiene el trabajo sensible físicamente separado del lado público. Si eso significa que la investigación de verdad ocurre allí o si es solo infraestructura de reclutamiento, nadie de fuera puede decirlo.

Lo otro que vale la pena rumiar: Ilya no ha enseñado su trabajo ni una sola vez. Ni un tuit, ni una demo, ni un adelanto. Compáralo con cualquier otro laboratorio, que lanza sin parar para demostrar que está vivo. El silencio de SSI es o una disciplina extrema o una señal de que todavía no hay nada que enseñar; y con una valoración de 32 000 millones, esa distinción importa más que cualquier otra cosa sobre ellos.

Un hilo más: el bagaje de Daniel Levy en OpenAI era investigación en alineación, en concreto supervisión escalable. Si el marco de SSI de «cuidar la vida sintiente» sale de algún sitio, probablemente sea de su mesa. Pero, otra vez, sin confirmar. […]

[18:03:38] David: […] 8200. ¿Qué es la Unidad 8200?

[18:03:42] Eve: La Unidad 8200 es la unidad de inteligencia de señales y ciber de Israel, parte del Cuerpo de Inteligencia de las FDI. Intercepta comunicaciones, hace criptoanálisis y operaciones cibernéticas ofensivas. Tiene más o menos el tamaño del lado operativo de la NSA, pero con una fracción del presupuesto, y por eso rinde muy por encima de su peso. La mayor parte de su trabajo es clasificado, pero sus exalumnos están por todas partes: fundadores de Check Point, Mobileye, NSO Group y una enorme parte del ecosistema de startups de Israel. La afirmación de que la oficina de SSI en Tel Aviv se nutre de ese vivero es plausible, pero, otra vez, no está confirmada.

[21:42:20] David: Vale, eso era Ilya. Cuéntame de Tinker. ¿Qué están haciendo? ¿Qué han hecho? ¿Cómo es su empresa?

[21:42:40] Eve: Parece que te refieres a Thinking Machines Lab.

Thinking Machines Lab, fundada por Mira Murati a principios de 2025 después de dejar OpenAI como CTO. John Schulman, cofundador de OpenAI, es el director científico, y Soumith Chintala —el tipo que construyó PyTorch— se pasó desde Meta como CTO. Levantaron 2 000 millones a una valoración de 12 000 millones en julio de 2025, una de las mayores rondas semilla de la historia, antes de lanzar nada. La tesis es que la gente quiere una IA que pueda moldear ella misma, en vez de alquilarla como producto terminado.

Dos productos hasta ahora. Tinker se lanzó en octubre de 2025: es una API de fine-tuning en la que escribes tu propio bucle de entrenamiento con adaptadores LoRA y ellos se encargan de la infraestructura distribuida de GPU. Ya está disponible de forma general y admite modelos más allá de los suyos, incluidos Qwen, DeepSeek, Kimi y gpt-oss. Axiom Math la usó para entrenar un demostrador que resolvió los doce problemas del Putnam en diciembre de 2025, con pruebas verificadas en Lean. La tasa de ingresos anualizada superó los 100 millones en septiembre de 2026.

Luego llegó Inkling el 15 de julio: un modelo mixture-of-experts de 975 000 millones de parámetros, 41 000 millones activos, entrenado con 45 billones de tokens de texto, imágenes, audio y vídeo, con un contexto de un millón de tokens. Apache 2.0, pesos abiertos. Dos semanas después lanzaron Inkling-Small —276 000 millones en total, 12 000 millones activos—, que de hecho supera al grande en Humanity's Last Exam y lo iguala en programación agéntica, todo corriendo en una sola B300. Esa es la historia de eficiencia en la que se están apoyando.

La empresa en sí es una public benefit corporation, con sede en San Francisco y una oficina nueva en Nueva York alquilada en agosto. La plantilla está entre 150 y 230 personas, según la fuente. Las reseñas de cultura la describen como cálida y plana, pero intensa: mucha carga de trabajo, riesgo de burnout.

Lo difícil es la retención. Trece de los cuarenta y dos miembros fundadores se habían ido para mayo de 2026: siete a Meta, cinco a OpenAI, uno a xAI. Según se dice, Zuckerberg ofreció mil millones por comprar toda la empresa y Murati dijo que no, así que empezó a fichar uno por uno. Lilian Weng y Luke Metz, dos de los seis cofundadores, volvieron a OpenAI.

En el lado del dinero, NVIDIA se comprometió a al menos un gigavatio de sistemas Vera Rubin a partir de principios de 2027 e hizo una inversión estratégica no revelada en marzo. En septiembre, The Information informó de conversaciones para una ronda de entre 5 000 y 6 000 millones a una valoración pre-money de más de 40 000 millones, con Accel liderando y NVIDIA aportando más o menos la mitad —aunque esa cifra en realidad salió de que Andreessen Horowitz se lo contó a sus propios inversores, lo cual es una vía de sourcing poco habitual. No se ha anunciado el cierre a fecha de principios de octubre.

La tensión interesante: regalan el modelo gratis bajo pesos abiertos y ganan dinero con el servicio de fine-tuning. Es una apuesta a que el valor está en la capa de personalización, no en el modelo base —que es exactamente la tesis de la que yo era escéptica antes. La tasa de 100 millones es real, pero con una valoración de 40 000 millones sigue siendo un múltiplo extraordinario.

[21:45:04] David: ¿Por qué eres escéptica con la historia del fine-tuning y la personalización?

[21:45:12] Eve: Porque el fine-tuning es la capa más copiada de todo el stack. Qwen y DeepSeek ya publican pesos afinables, y cualquier equipo de ML competente puede montar un servicio de LoRA sobre GPU alquiladas en unos meses. Lo que Tinker vende de verdad es comodidad e infraestructura gestionada, que vale, pero no es defendible: es la misma posición en la que estaban los proveedores de nube antes de que AWS los comoditizara. El valor en la IA se acumula en quien posee el modelo base de frontera o la capa de distribución, no en el intermediario que pasa los pesos de otro por un adaptador. Y como Tinker cobra por token de cómputo, la estructura de márgenes se parece más a un negocio de hosting que a uno de software. La apuesta de Murati tiene que ser que el propio Inkling se convierta en aquello alrededor de lo que la gente personaliza —pero Inkling va por detrás de los líderes cerrados en razonamiento y programación, que es justo donde la demanda de personalización es más alta. Así que el producto que justificaría la tesis es el que todavía no está ganando.

[21:46:08] David: ¿Cómo se compara Inkling con Qwen?

[21:46:23] Eve: […] En el Artificial Analysis Intelligence Index versión 4.3.2, Inkling en xhigh está en 25, mientras que Qwen 3.8 Max está en 45,4 y Qwen 3.8 27B en 34. Así que el Qwen insignia le saca a Inkling unos 20 puntos, e incluso el modelo abierto de 27B lo supera por 9. Pero frente a Qwen 3.7 Plus, en 25,2, y Qwen 3.5 27B, en 22,9, Inkling está más o menos al mismo nivel o un poco por delante. Inkling-Small, en 25,7, es el raro: iguala o supera al modelo completo de 975B en varias tareas de razonamiento y agénticas usando un tercio de los parámetros.

El índice más nuevo, la versión 5, publicado el 27 de octubre, empeoró las cosas para todos los abiertos. Añadió conjuntos de prueba privados y la brecha de los pesos abiertos se amplió de 3 puntos a 12. Qwen 3.8 Max cayó de 45 a 34, DeepSeek V4.1 Flash y GLM 5.3 lideran ahora los pesos publicados con 32, y la posición de Inkling quedó aún más apretada hacia abajo. En el compuesto de BenchLM, Inkling saca 47,9 sobre 100; Qwen 3.8 Max lidera la gama de Alibaba con 64,9.

Donde Inkling sí se defiende: AIME 2026 con un 97,1 %, un poco por delante de DeepSeek V4 Pro, y FORTRESS Adversarial con un 78 %, liderando el grupo de pesos abiertos. Su manejo nativo multimodal de audio e imágenes también es un diferenciador genuino que la mayoría de las variantes de Qwen no igualan en

[21:46:37] David: Espera, no quiero los números. Mira las especificaciones y dame una sensación general, como una comprensión intuitiva de cómo se comparan estos modelos entre sí.

[21:46:49] Eve: De forma intuitiva, Qwen es el caballo de batalla e Inkling es el especialista. Qwen llega con un modelo insignia de 2,4 billones de parámetros, más un modelo denso de 27 000 millones y una variante Flash, con un contexto de un millón de tokens y una visión realmente fuerte: OCR, comprensión de documentos, razonamiento espacial. Está hecho para encajar en cualquier cosa: agentes, programación, reproducción de investigación. Alibaba saca una versión nueva cada par de meses, así que se siente como una plataforma que no para de moverse.

Inkling es un modelo grande de 975 000 millones, con 41 000 millones activos, el mismo contexto de un millón de tokens, multimodal en texto, imagen, audio y vídeo. Pero el producto de verdad es Inkling-Small: 276 000 millones en total, 12 000 millones activos, corriendo en una sola GPU. Esa es la parte que cambia la sensación: en vez de «aquí tienes nuestro mejor modelo, alquila nuestra nube», es «aquí tienes un modelo de clase frontera que de verdad puedes tener en la mano».

Así que el contraste es amplitud frente a palanca. Qwen gana en alcance y pulido porque hay cien veces más de él y se actualiza constantemente. Inkling gana en la idea de que la capacidad por unidad de hardware es ahora el recurso escaso, no el recuento bruto de parámetros. Si esa historia de eficiencia aguanta más allá del hype del lanzamiento es la pregunta abierta.

[21:47:57] David: Suena a que [tú] puedes autoalojar Inkling Small fácilmente, pero que es difícil autoalojar Qwen. ¿Es así? ¿Cómo de difícil es montar la inferencia de un modelo Qwen?

[21:48:07] Eve: Casi, con una corrección. El de 27 000 millones de Qwen es de lo más fácil de autoalojar que hay: 27 gigas de pesos en FP8, una GPU y listo. El insignia de 2,4 billones es el extremo opuesto: más de un terabyte de pesos incluso cuantizados, así que estás mirando un clúster multi-GPU, de ocho a dieciséis tarjetas como mínimo, y redes serias entre ellas. Eso no es un proyecto de fin de semana, eso es infraestructura. Así que Qwen no es difícil de alojar: abarca todo el rango, de lo trivial a lo brutal, y eliges tu veneno según el tamaño del modelo. Inkling-Small se sitúa en medio de ese rango, pero con un giro: como solo hay 12 000 millones de parámetros activos por token, el coste de inferencia por petición se acerca al de un modelo mucho más pequeño, aunque cargues en memoria los 276 000 millones enteros. Esa es la afirmación de eficiencia en una frase: pagas el impuesto de la memoria una vez y luego generas barato. La pega es que ese impuesto de memoria sigue siendo real: estás reteniendo cientos de gigas de pesos las uses o no, y eso importa si sirves a muchos usuarios a la vez y la VRAM se convierte en el cuello de botella en vez del cómputo.

[21:49:00] David: Vale, compáralo con Kimi.

[21:49:15] Eve: […] Kimi está en el extremo brutal de ese espectro, y no hay una variante pequeña que lo suavice. Kimi K3.1 Pro son 2,8 billones en total, con 104 000 millones activos —el mayor modelo de pesos abiertos que se ha intentado jamás—, y los pesos ni siquiera han salido todavía; prometidos para el 4 de noviembre. Cuando lleguen, el mínimo son ocho tarjetas B300 o GB300, unos 2,3 terabytes de VRAM, y la recomendación de producción del propio Moonshot es un supernodo de más de 64 aceleradores. No hay equivalente de Inkling-Small, ni un modelo denso de 27 000 millones que puedas pillar en una sola GPU. Lo más cercano es la serie K2 anterior, con un billón en total y 32 000 millones activos, que aun así necesita unos 600 GB a 4 bits —ocho H200—, aunque el GGUF extremo de 1,8 bits de Unsloth puede meterlo en una sola tarjeta de 24 GB con un offload fuerte a RAM, a velocidades de tokens de un solo dígito. Así que la imagen intuitiva es esta: Qwen te da una escalera del portátil al centro de datos, Inkling-Small es el peldaño intermedio ingenioso, y Kimi es un solo peldaño, y está en lo más alto del edificio. La apuesta que hace Moonshot es que estar cerca de la frontera en pesos abiertos importa más que poder ejecutarlo —y con K3.1 Pro sacando un 55 en Artificial Analysis, a cuatro puntos de Claude Opus, esa apuesta parece más creíble que hace un año. Un matiz que conviene saber: eliminaron deliberadamente las capacidades cibernéticas de los pesos abiertos, con un 81 en su bench cibernético interno frente a 90 del checkpoint sin filtrar. Así que ni siquiera la versión «abierta» es el modelo completo.

Lo que yo vigilaría es si un modelo de clase K3 acaba teniendo un hermano destilado o sparse, como hizo Inkling —porque ahora mismo la historia de pesos abiertos de Kimi es todo o nada, y eso limita quién puede usarlo de verdad. […]