Español
Puedes seguir todas las grandes presentaciones de IA y aun así perderte la mitad del trabajo interesante. Para marzo de 2026, los modelos de Kimi, Qwen y MiroMind, junto con proyectos de investigación especializados, están dando a los desarrolladores más opciones de las que sugiere la habitual lista de suscripciones.
Es una ola, pero no un único lunes en el que de pronto aparecieron media docena de modelos. Algunos llegaron con semanas o meses de diferencia. Y «código abierto», «pesos descargables» y «prueba gratuita de una API» son cosas distintas, por mucho entusiasmo que ponga internet en echarlas a la misma canasta de compras.
El problema de los lanzamientos secretos
Tomemos Hunter Alpha: un modelo presentado de forma anónima en OpenRouter que resultó ser una versión temprana de MiMo-V2-Pro, de Xiaomi. El anuncio de lanzamiento de Xiaomi identifica esa conexión y describe un modelo con más de un billón de parámetros totales, 42 mil millones de parámetros activos y una ventana de contexto de hasta un millón de tokens.
Eso lo convierte en un competidor interesante. No lo convierte en un modelo de pesos abiertos descargable: el lanzamiento de Pro ofrece acceso mediante API, con precios según el uso. Las pruebas anónimas y el acceso promocional no deben confundirse con una promesa de uso gratuito permanente.
La parte teatral es el disfraz. Un modelo que aparece con un nombre misterioso da a los desarrolladores algo sobre lo que discutir antes de que el logotipo de la empresa entre en escena. Pero un lanzamiento secreto no demuestra que todos los laboratorios sigan ahora la misma estrategia a escondidas.
Kimi K2.5 y el enjambre de agentes que nadie pidió (pero todos necesitaban)
Moonshot AI presentó Kimi K2.5 en enero, no entre los lanzamientos de esta semana. Su anuncio técnico describe la programación a partir de información visual y una versión preliminar de investigación de Agent Swarm capaz de coordinar hasta 100 subagentes.
La idea es que un orquestador divida un trabajo grande en tareas paralelas: estudiar un tema por aquí, investigar otro por allá y reunir después los resultados. Menos un asistente haciendo malabares con todo; más una oficina que ha descubierto que puede celebrar varias reuniones a la vez. Que eso resulte tranquilizador depende de tu experiencia con las oficinas.
Hay una distinción importante entre productos. El acceso a los pesos del modelo o a un punto de acceso de la API no incluye automáticamente toda la experiencia alojada de Agent Swarm. El agente necesita herramientas y un sistema de orquestación a su alrededor; el anuncio de Moonshot presenta Swarm como una versión preliminar de investigación en Kimi.com.
Otra novedad útil llegó el 19 de marzo: Cloudflare incorporó Kimi K2.5 a Workers AI, con una ventana de contexto de 256k, llamadas a herramientas y entradas visuales. Un desarrollador puede utilizar ese servicio de inferencia alojado sin gestionar personalmente los servidores del modelo. Construir una aplicación fiable a su alrededor sigue siendo una tarea aparte.
Qwen 3.5 Small: ambiciones de bolsillo
Los lanzamientos más pequeños de Qwen3.5 de Alibaba incluyen varios tamaños, no un único modelo llamado «Small». La ficha del modelo 9B declara una puntuación de 81,7 en GPQA Diamond, frente al 80,1 de GPT-OSS-120B en su tabla comparativa.
Es un resultado llamativo en una exigente prueba de preguntas científicas. No demuestra que un modelo de nueve mil millones de parámetros iguale al más grande en todas las tareas. La misma tabla contiene otras pruebas en las que cambia el orden. Ir de compras por las pruebas de rendimiento resulta mucho más fácil si solo visitas un pasillo.
Dividir las cantidades totales de parámetros tampoco te dice exactamente cuánto más rápida o pequeña será una aplicación en funcionamiento. La arquitectura, la precisión numérica y la memoria utilizada al procesar una conversación también importan.
Las variantes más pequeñas hacen más accesible la experimentación local. Pero «funciona en cualquier iPhone reciente con 4 GB de RAM» es una promesa demasiado amplia: el dispositivo, la aplicación, el formato del modelo y la longitud del contexto deben ser compatibles entre sí. Una configuración realmente local puede mantener las instrucciones en el dispositivo; descargar los pesos por sí solo no te dice si la aplicación que los utiliza envía algo a otro lugar.
MiroThinker: investigar es más que pensar con más esfuerzo
El MiroThinker v1.0 72B de MiroMind merece figurar en esta conversación, aunque el artículo de investigación que lo acompaña data de noviembre de 2025.
Su enfoque de «escalado interactivo» aumenta la interacción con las herramientas y el entorno externo. El agente recopila información y utiliza la retroalimentación para mejorar su trabajo. Eso es distinto de limitarse a ejecutar más ciclos de razonamiento interno antes de responder.
El desarrollador declara un 81,9 % en GAIA-Text-103, un subconjunto textual específico. Es un resultado prometedor para un agente de investigación, no una puntuación universal para todas las tareas de razonamiento ni una demostración de que todo flujo de trabajo de pago con GPT-5 tenga un sustituto gratuito equivalente.
Los pesos se pueden descargar. Ejecutar un modelo de 72B y las herramientas que lo acompañan sigue requiriendo recursos. Los pesos abiertos eliminan una barrera; no convencen a una GPU de trabajar a cambio de visibilidad.
Los especialistas: CUDA Agent y FireRed
CUDA Agent, descrito en un artículo de investigación del 27 de febrero, aborda la optimización de kernels de GPU. Sus autores combinan el aprendizaje por refuerzo con un entorno de desarrollo que comprueba la corrección y mide el rendimiento. Declaran resultados sólidos en KernelBench.
Es investigación especializada, no una garantía de que un asistente listo para usar vaya a optimizar cualquier fragmento de código para GPU mejor que cualquier modelo generalista. La lección interesante es que el entrenamiento, las herramientas y un objetivo medible pueden funcionar juntos. No intenta escribir poesía, lo que probablemente sea un alivio tanto para la GPU como para la poesía.
FireRed-Image-Edit 1.1, publicado el 3 de marzo, trabaja con imágenes, no con video 4K. El proyecto enumera mejoras en la coherencia de los retratos, la combinación de elementos, el estilo del texto y las ediciones de maquillaje.
Busca seguir las instrucciones de edición conservando detalles visuales útiles. Eso no equivale a garantizar que solo cambien los píxeles solicitados. La configuración de inferencia optimizada del proyecto también indica 30 GB de memoria de GPU: aquí «ligero» está haciendo un trabajo bastante distinto del que hace en la descripción de una aplicación para teléfono.
Cloudflare ofrece otro ejemplo de integración de un modelo en un flujo de trabajo concreto. En su anuncio de marzo, describe el uso de Kimi K2.5 en un proceso automatizado de revisión de código, visible mediante su revisor Bonk en los repositorios públicos de Cloudflare. Eso demuestra la implementación de la propia Cloudflare, no promete que todos los equipos puedan prescindir de sus revisores humanos.
Un panorama más amplio, no solo laboratorios más pequeños
Nada de esto necesita un cuento de hadas sobre cinco investigadores en un garaje que dejan atrás a todos los demás. Alibaba y Xiaomi son empresas de gran tamaño. Distintas organizaciones están explorando diferentes combinaciones de modelos, herramientas y distribución, y «no es uno de los tres nombres habituales» no significa «pequeño laboratorio independiente».
El cambio útil es una mayor variedad de opciones. Tal vez quieras pesos descargables, un punto de acceso alojado económico, un modelo local pequeño o un sistema diseñado para una tarea concreta. Esas necesidades no apuntan todas al mismo producto.
Para conocer la historia relacionada de las herramientas de desarrollo que crean sus propios modelos, consulta nuestro análisis del modelo de programación de Cursor (en inglés). El software que rodea al modelo importa tanto como el nombre que aparece en su ficha.
Qué significa esto si no eres desarrollador
No necesitas tener tu propio servidor para que esta tendencia te importe:
- Más opciones locales: los modelos pequeños descargables dan a los desarrolladores de aplicaciones más margen para ofrecer funciones sin conexión, cuando el hardware y la implementación lo permiten.
- Más flujos de trabajo especializados: un modelo acompañado de herramientas adecuadas puede resultar útil sin ganar en todas las pruebas de rendimiento generales.
- Más formas de pagar: las suscripciones, las API cobradas según el uso y el alojamiento propio tienen costos distintos. Los pesos gratuitos son una parte de esa comparación.
- Más competencia: Kimi, Qwen y sus pares merecen ser considerados por sus capacidades reales, en lugar de ser descartados porque otra marca acapara los titulares.
La mayor noticia de IA de marzo quizá no sea un solo lanzamiento. Quizá sea la creciente cantidad de lugares en los que vale la pena mirar. La brecha no se ha cerrado por arte de magia en todas partes, pero la lista de candidatos está creciendo. Nuestra solidaridad con tu carpeta de marcadores.
Traducción al español del artículo original en inglés del 2026-03-23. Traducido con ayuda de IA el 2026-11-02; las referencias temporales siguen siendo las del original.
