Las claves de la IA

Hecho por una IA. Este programa lo investiga, lo escribe y lo locuta por completo una inteligencia artificial, sin revisión humana. Puede contener errores. Las fuentes de cada noticia están en la descripción.

Parte diario IA · jueves, 29 de octubre de 2026 · 11 min

Cartesia mide su modelo sin tokenizador contra los de siempre

Cartesia publica cómo sus redes jerárquicas sustituyen al tokenizador y aprenden solas dónde cortar el texto, con ganancias grandes en código y en ADN. Alphabet ya paga la obra de la IA vendiendo acciones y emitiendo deuda, mientras uno de cada nueve dólares que ingresa Microsoft ya viene de OpenAI. Además, Gemini 4 Carbon llega primero a un índice recién cambiado, una auditoría desmonta las pruebas de que la IA enseña mejor, los agentes suspenden de asesor fiscal y Stack Overflow baja de mil preguntas al mes.

Descargar el audio (MP3)

Guion

Antes de leer una sola palabra, todo modelo de lenguaje pasa el texto por una picadora que nadie le dejó elegir. Cartesia, una empresa de modelos de voz, ha publicado los resultados de quitarle esa picadora y dejar que el modelo aprenda solo dónde cortar, y lo que sale no es un ajuste fino, sino una pregunta sobre una pieza que el sector daba por cerrada.

La picadora es el tokenizador. Antes de entrenar, un algoritmo recorre un corpus y va fusionando los pares de letras más frecuentes hasta tener un diccionario de trozos, unos ciento veintiocho mil en los modelos de Meta. A partir de ahí el modelo nunca ve letras: ve números de ese diccionario. Es un diseño hecho a mano, fijo para siempre y pensado para lo más común, que es el inglés de la web. Por eso un texto en español se trocea en más piezas que el mismo texto en inglés, y en hindi en muchas más. Quien paga por token paga un recargo por no escribir en inglés.

Cartesia lleva desde 2025 con una alternativa que llama redes jerárquicas. Funcionan en tres pisos. Abajo, una red pequeña lee el texto byte a byte, que es lo más crudo que hay. En medio, un enrutador decide dónde termina cada trozo: compara el vector de cada byte con el del anterior y, cuando el ángulo entre ellos se abre, es decir, cuando el coseno cae por debajo de cierto umbral, corta ahí. Es como leer en voz alta y respirar donde cambia el sentido, no cada cinco letras. Arriba, el modelo grande trabaja solo con esos trozos, y al final otra red pequeña los vuelve a desplegar en bytes para predecir el siguiente. Esas redes de abajo y de arriba son capas de tipo Mamba, cuyo coste crece en línea recta con la longitud y no con su cuadrado, y por eso leer byte a byte no arruina la cuenta. Todo se entrena junto: el modelo aprende a la vez qué decir y cómo trocear lo que lee.

El experimento que acaban de publicar es cuidadoso en lo que importa. Montaron una escalera de modelos normales con su tokenizador, entrenado incluso sobre los mismos datos para no darle ventaja a nadie, y cambiaron solo la picadora, igualando parámetros, cálculo y hasta el tamaño medio de los trozos. La red jerárquica llega a la misma calidad con algo más de una quinta parte menos de cálculo, y en las pruebas de tareas concretas la ventaja sube a unas dos veces. En código es donde más se nota: en lenguajes que el modelo no había visto, como Prolog o Fortran, la ventaja mediana ronda las tres veces. Y cuando le quitan las ataduras y le dejan dos pisos de troceo, un modelo de unos tres mil millones de parámetros alcanza al SmolLM3 de Hugging Face con unas diez veces menos datos de entrenamiento, aunque con una versión de la red que Cartesia todavía no ha publicado.

Lo más curioso es lo que hace al leer. Si un nombre de variable inventado aparece por primera vez, lo parte en varios trozos, como haría cualquier tokenizador con una palabra rara. Cuando ese nombre se repite, empieza a tratarlo como una sola pieza. Aprende vocabulario dentro de la misma conversación, algo que un diccionario fijo no puede hacer por construcción. Cartesia lo ha probado también con ADN, donde no hay palabras que valgan, y dice ganar unas seis veces en cálculo frente a un modelo normal.

Hay objeciones serias. La escala es pequeña: tres mil millones de parámetros, lejos de los modelos de frontera, y en este campo muchas ideas brillan en pequeño y se apagan al crecer. La comparación con SmolLM3 se hizo contra una reproducción montada por la propia Cartesia, y los autores admiten que no saben del todo cómo comparar con justicia, porque su red comprime el código más y el inglés menos que el tokenizador, de modo que cada uno gasta el cálculo en sitios distintos. Tampoco es la primera vez que se intenta: Meta publicó a finales de 2024 su transformador latente de bytes, que agrupaba bytes según lo difícil que era predecir el siguiente, y no ha desplazado a nadie. Y Cartesia tiene su propio interés, que está en la voz: en el audio no existe un buen tokenizador, y si esta arquitectura gana, gana su negocio.

Si se confirma a escala, el primer efecto es de costes: el modelo de dos pisos trabaja con cerca de un cuarenta por ciento menos de posiciones que SmolLM3, y la atención crece con el cuadrado de esas posiciones. El segundo sería de idiomas, aunque está sin medir: el troceo también se aprende de unos datos que son tres cuartas partes inglés, así que quitar el diccionario no quita por sí solo el recargo a los demás idiomas. El tercero toca a quien programa en lenguajes minoritarios, en herramientas internas o en lenguajes recién inventados para un proyecto, que es justo donde los modelos actuales tropiezan y donde esta red mejora más. Para quien usa la IA hoy no cambia nada todavía. Para quien entrena modelos propios en un terreno raro, sea genómica, registros industriales o un lenguaje de dominio, es una vía que merece un experimento pequeño antes que otro ajuste del diccionario.

Otra cosa que se da por fija, y que tampoco lo es: quién paga los centros de datos. Alphabet presentó ayer sus cuentas del tercer trimestre, y la cifra que más dice no está en los ingresos, sino en cómo paga la obra.

El negocio va bien. Google Cloud ha doblado sus ingresos en un año, con un margen operativo de algo más de un tercio, y la venta de sistemas de sus propios chips, los T.P.U., aparece entre lo que empuja ese crecimiento. La búsqueda, en cambio, se frena: crece un doce por ciento, tras un diecinueve y un diecisiete, y eso con las consultas creciendo más que en cinco años: cada búsqueda deja menos dinero. Pero lo que llama la atención es la caja. En el trimestre, Alphabet invirtió en centros de datos más de lo que generó su actividad, y es el segundo trimestre seguido con flujo de caja libre negativo. Para cubrirlo ha hecho tres cosas que una empresa así no hacía: dejar de recomprar acciones en todo el año, cuando el año pasado a estas alturas llevaba unos cuarenta mil millones recomprados; vender acciones nuevas en el mercado poco a poco; y casi triplicar su deuda a largo plazo desde diciembre, además de emitir acciones preferentes convertibles.

Es un cambio de régimen. Durante una década, Alphabet fue una máquina que generaba más dinero del que sabía gastar y lo devolvía a sus accionistas. Ahora les pide dinero. El mecanismo es sencillo: si cada dólar de inversión rinde más que lo que cuesta captarlo, diluir a los accionistas y endeudarse tiene sentido; si no, es pagar hoy con dinero ajeno una apuesta sobre ingresos de dentro de cinco años. La nube es el argumento a favor: ingresos que se doblan con márgenes que mejoran son lo que un inversor quiere ver al otro lado de esa inversión. El argumento en contra es el ritmo: Alphabet, como sus rivales, compromete el gasto antes de saber cuánto tiempo seguirá la nube doblándose, y un año de crecimiento normal dejaría centros de datos a medio llenar con la deuda ya firmada.

Microsoft, que presentó el mismo día, enseña la otra cara. También ha doblado su inversión, pero sigue recomprando acciones, aunque menos que hace un año. Su informe trimestral muestra que OpenAI le generó unos diez mil millones de dólares en el trimestre, entre reparto de ingresos y nube, casi la mitad de lo que le dio en todo el año fiscal anterior: uno de cada nueve dólares que factura. Y OpenAI le debe más que nunca, unos siete mil millones. La empresa que más depende de OpenAI como cliente es también la que mejor se financia sola.

Como Meta, que el martes contamos que pedía noventa y cinco mil millones en acciones, Alphabet ya paga la obra con dinero ajeno, y aquí el precio está a la vista: sus acciones preferentes pagan un seis coma veinticinco por ciento al año. Ese es el listón que cada dólar de centro de datos tiene que superar. Una nube que gana treinta y seis céntimos por dólar con los ingresos doblándose lo supera hoy con holgura; el riesgo es el día en que deje de doblarse. Para los anunciantes, la otra mitad de la cuenta llegó la misma noche: Google lleva a todo el mundo los anuncios de su modo de búsqueda con IA, que es la forma de que cada consulta vuelva a rendir lo que rendía.

El mismo miércoles, unas horas antes de las cuentas, Google DeepMind presentó Gemini 4 Carbon, su modelo más capaz, dos semanas después de Argon. Según Artificial Analysis, queda primero en su índice de inteligencia, por un punto sobre Claude Opus cinco punto cinco, lo que en la práctica es un empate. Ese índice, sin embargo, cambió la víspera: la versión nueva pasa a apoyarse sobre todo en pruebas privadas, y con ella la distancia entre los mejores modelos cerrados y el mejor abierto pasó de tres puntos a doce, y eso contando como abierto a Kimi K3.1 Pro, cuyos pesos aún no se han publicado; entre los que sí se pueden descargar, la distancia es de veintiséis. Nathan Lambert, en su boletín Interconnects, sostiene que el índice exagera esa brecha porque premia sobre todo el trabajo de agente, ve defendible pasar a pruebas ocultas aunque prefiere la transparencia, y recuerda que Artificial Analysis vive de cobrar a los laboratorios por verificar sus resultados. Y Carbon, además, no se puede usar. Por ahora solo lo reciben defensores de ciberseguridad escogidos, gobiernos, operadores de infraestructuras críticas, dentro de un programa de acceso controlado, porque su punto fuerte es encontrar, explotar y parchear fallos de software. Google sí ha publicado el precio, el mismo de Argon durante una temporada y el doble después, y dice haber bajado a cero las trampas en Terminal-Bench, que es justo una de las pruebas de ese índice; en la arena de desarrollo web, según la propia Google, queda cuarto. Lo que no ha publicado es una ficha técnica de cómo está hecho. Con el liderazgo medido en un índice recién estrenado y el modelo cerrado al público, hoy Carbon es más un anuncio de posición que una herramienta.

Si un índice puede mover la clasificación de un día para otro, una pila de metaanálisis puede fabricar un consenso. Hay treinta y nueve metaanálisis publicados sobre si la IA mejora el aprendizaje, y los treinta y nueve dicen que sí. Patrick O'Neill, profesor de Ivy Tech, un colegio universitario de Bloomington, en Indiana, auditó catorce de ellos, y el pasado día veinte, en un seminario con Justin Reich, del M.I.T., y Beth Tipton, de Northwestern, presentó lo que ha encontrado después. Ninguno de los catorce sostenía lo que concluía. Mezclaban cosas que no se pueden sumar: estudiantes de enfermería con tres horas semanales de tutoría frente a otros sin ninguna, como si la diferencia fuera mérito de la IA. Había estadísticas imposibles y referencias inventadas. Y debajo de todo, un sesgo de publicación de manual: dos de cada tres convocatorias de artículos pedían expresamente trabajos sobre los beneficios. Un metaanálisis que suma solo lo que se quiso publicar no mide nada; fabrica una certeza. La novedad es el primer avance de su propio metaanálisis, hecho con métodos serios: cuarenta y cuatro experimentos bien diseñados, con efectos que van de muy buenos a muy dañinos y que, de media, se quedan en torno a cero. Susanna Loeb, de Stanford, va más lejos: de casi novecientos estudios que ha revisado su equipo, solo veinte pasaron el corte de calidad, casi ninguno en colegios de primaria y secundaria de Estados Unidos, y con eso todavía no hay material para un metaanálisis que sirva. Lo que queda en pie no es que la IA no sirva en clase, sino que el efecto depende tanto del uso que la media no dice nada, y que la certeza que se ha citado miles de veces estaba hecha de selección.

Surge AI, una empresa que fabrica datos de entrenamiento y pruebas para los laboratorios, ha publicado un examen de asesoría fiscal para agentes: cincuenta encargos reales, con cerca de mil ochocientos documentos entre declaraciones, nóminas, contratos y hasta la foto de un recibo escrito a mano. Solo aprueba quien cumple casi todos los criterios de un experto. Los tres primeros son de Anthropic, cliente de Surge, y el mejor, Claude Sonnet cinco punto cinco, aprueba uno de cada diez. Lo interesante es dónde fallan. No en las cuentas, sino en ver el problema que el cliente no planteó. Una clienta pregunta cuál de dos fechas le conviene para vender su piso; las dos sirven, pero hay un plazo más adelante en el que pierde la exención, y GPT-6 Astra no lo vio en ninguno de sus cinco intentos, mientras que Opus lo vio en los cinco. En otro encargo, una pareja que se separa pregunta cómo repartir sus planes de pensiones; Opus dio por hecho en los cinco intentos que no estaban casados, cuando sus papeles mostraban un matrimonio informal, sin boda, que Texas reconoce y que podía seguir siendo válido, y Astra pidió comprobarlo casi siempre. Ningún modelo gana en todo, y el fallo que importa es el mismo: contestar bien a la pregunta equivocada. Para quien usa estos agentes en trabajo profesional, la consecuencia práctica es que se les puede delegar el cálculo y la búsqueda en los papeles, pero la pregunta de qué falta por preguntar sigue siendo trabajo de quien firma, o hay que exigírsela al agente de forma explícita.

Stack Overflow, el foro donde varias generaciones de programadores aprendieron preguntando, ha recibido en lo que va de octubre menos de mil preguntas, según su propia interfaz de datos. En octubre del año pasado fueron más de cinco mil. Que la gente pregunta ahora al asistente y no al foro se sabe desde hace tiempo; lo que este umbral deja ver es la otra cara. Los modelos de programación aprendieron, en buena parte, de ese archivo público de dudas y respuestas votadas, donde un error quedaba corregido a la vista de todos. Las preguntas no han desaparecido: se han mudado a conversaciones privadas que guardan las empresas de IA. Para la librería que salga el año que viene ya no habrá un hilo público con la respuesta buena arriba, y lo que se aprenda sobre ella quedará en los registros de quien tenga más usuarios. Para quien programa, la consecuencia es práctica: en herramientas nuevas, la documentación oficial y el código fuente vuelven a ser la fuente fiable, porque el modelo tendrá menos ejemplos humanos de los que fiarse.

Lo que más pesaba hoy estaba decidido antes de que nadie empezara a medir: dónde se corta una palabra, qué pruebas entran en un índice y qué estudios se invitan a publicar.

Fuentes