EDICIÓN Nº 069 · Domingo 22 nov 2026
Tecnología

Modelos de IA de billones de parámetros: qué significa esa cifra

Kimi K3 declara 2,8 billones de parámetros y Qwen3.8-Max, 2,4. La palabra clave es «totales»: en estos sistemas casi nunca se enciende todo el cerebro a la vez.

Redacción2026-09-26inteligencia artificial · modelos de lenguaje · parámetros · centros de datos
Apollo 1024 bit core memory module
Foto: Jonathan H. Ward · CC BY-SA 3.0 · Wikimedia Commons · realzada con IA
Datacenter Server Racks (22370909788)
Foto: Carl Lender from Sunrise, USA · CC BY 2.0 · Wikimedia Commons

Durante un par de años el relato dominante de la inteligencia artificial fue el de la miniaturización: modelos cada vez más apañados capaces de funcionar con poca memoria, poca potencia de cálculo y en aparatos modestos. Ahí las familias chinas se hicieron un hueco muy visible, con Qwen y MiniCPM como ejemplos habituales de esa carrera hacia abajo. Lo llamativo es que esa misma industria está tirando ahora con fuerza en la dirección contraria.

Las cifras dan la medida del salto. DeepSeek-V3 se presentó con 671.000 millones de parámetros totales. Moonshot AI llevó Kimi K2 hasta el billón. Y en 2026 la escalada se ha acelerado: Kimi K3 alcanza los 2,8 billones y Alibaba ha situado Qwen3.8-Max en 2,4 billones. Son números que, escritos así, no dicen gran cosa. Conviene desmontarlos.

Un número enorme que no se usa entero

Un parámetro es, simplificando mucho, uno de los diales internos que el modelo ajusta durante el entrenamiento. Cuantos más diales, más capacidad potencial de almacenar patrones del lenguaje, del código o de las imágenes. Durante años la regla fue sencilla: más parámetros, más listo el modelo, pero también más caro de entrenar y más caro de ejecutar en cada consulta.

CDC CYBER 73 memory module
Foto: Jotempe · Public domain · Wikimedia Commons

Esa regla se rompió cuando la arquitectura dominante dejó de ser un bloque compacto. En los diseños de tipo «mezcla de expertos», el modelo se organiza en muchos subconjuntos especializados y un componente enrutador decide, para cada fragmento de texto que procesa, cuáles de esos subconjuntos entran en juego. El resto se queda apagado. Por eso la palabra totales que acompaña a las cifras no es un adorno contable: el número que se anuncia es el tamaño del armario completo, no el de la ropa que uno se pone cada mañana.

La consecuencia práctica es que un modelo puede declarar billones de parámetros y, aun así, tener un coste por consulta mucho más parecido al de un modelo bastante más pequeño. Eso explica que la escalada sea económicamente viable: se gana capacidad sin multiplicar en la misma proporción el gasto de cada respuesta.

  • Parámetros totales: todo lo que el modelo guarda. Determina cuánta memoria hace falta para tenerlo cargado.
  • Parámetros activos: los que realmente intervienen en cada paso. Determinan buena parte de la velocidad y del coste por consulta.
  • Enrutador: la pieza que reparte el trabajo entre expertos. Si se equivoca, la calidad se resiente aunque el modelo sea gigantesco.

Las dos carreras conviven

Es tentador leer esto como un cambio de bando, como si la industria hubiera abandonado los modelos pequeños. No parece el caso: las dos direcciones responden a necesidades distintas. Un modelo compacto que cabe en un portátil o en un móvil sirve para tareas donde importan la latencia, la privacidad y el no depender de una conexión. Un modelo colosal sirve para el otro extremo: razonamientos largos, contextos enormes, tareas de programación complejas.

CLAW 1 circuit board and memory module from a CDC 7600 computer - National Cryptologic Museum - DSC07673
Foto: Daderot · CC0 · Wikimedia Commons

Lo que sí sugiere la escalada de 2026 es que el techo de lo grande no se había tocado todavía, y que quienes habían destacado optimizando hacia abajo tienen ahora la infraestructura y el conocimiento para competir también hacia arriba.

La letra pequeña

Primero, el recuento de parámetros no es una nota de examen. Comparar dos modelos por esa cifra es como comparar dos coches por la cilindrada: informa, pero no decide. La calidad de los datos de entrenamiento, el ajuste posterior y el diseño del enrutado pesan tanto o más.

Racks Amravati Data Center
Foto: PiDatacenters · CC BY-SA 4.0 · Wikimedia Commons

Segundo, un modelo de billones de parámetros totales sigue necesitando una cantidad brutal de memoria para estar cargado y disponible, aunque solo se encienda una fracción en cada paso. No es algo que vaya a ejecutarse en un ordenador doméstico: vive en centros de datos, y el usuario lo toca a través de una API o de una aplicación.

Tercero, «totales» frente a «activos» es exactamente el tipo de matiz que se pierde en los titulares. Cuando una cifra se anuncia sin especificar cuál de las dos es, conviene desconfiar de la comparación que venga detrás.

Por qué importa

Para quien usa estas herramientas a diario, el detalle técnico tiene una traducción muy concreta: la próxima vez que lea que un modelo tiene billones de parámetros, sabrá que ese número describe el tamaño del catálogo, no el esfuerzo de cada respuesta. Eso cambia cómo interpretar tanto las promesas de rendimiento como los precios. Y, de fondo, señala algo más interesante: la industria ya no avanza por un único eje. Hay sitio para lo diminuto que cabe en el bolsillo y para lo descomunal que vive en un armario de servidores, y durante un tiempo las dos cosas van a crecer a la vez.

FuentesResumen propio de la redacción a partir de las fuentes citadas; no es una traducción.

Texto generado con inteligencia artificial a partir de las fuentes citadas, sin revisión humana individual (Reglamento UE 2024/1689, art. 50). Las fotos llevan su crédito y licencia; las marcadas como realzadas se han retocado con IA sin alterar su contenido.

💬 Comentarios

Comentarios

Para comentar hay que iniciar sesión (Google, X, Facebook, Apple, Microsoft o cuenta de Disqus). Se moderan insultos, spam y datos personales: normas.

Los comentarios los sirve Disqus, un servicio externo que usa cookies propias y de publicidad. Solo se carga si pulsas el botón. Más información.

Sigue leyendo

Ciencia

Una sola pluma para saber si el escurridizo rascón negro emigra o se queda en Texas

Black bird jumping from a bridge rail

Un equipo de la Universidad de Illinois recorre de noche las marismas de Texas para capturar rascones negros, un ave amenazada, y quitarle una pluma a cada una. Quieren saber si pasan allí todo el año o solo el invierno.

Imagina que es noche cerrada en una marisma de la costa de Texas. Un grupo de investigadores camina levantando mucho las rodillas, como si desfilara en una banda de música, mientras arrastra una cuerda por la hierba. De la cuerda cuelgan varias botellas de plástico y dentro de cada una hay dos o tres juguetes de gato con cascabel. El ruido no es una broma: así se busca a una de las aves más difíciles de ver de Norteamérica, el rascón negro oriental (Laterallus jamaicensis jamaicensis).

Ciencia

Una estrella devoró a otra en Andrómeda y el James Webb llegó a los 47 días

Andromeda Galaxy

Bao, una supergigante de Andrómeda, se tragó a una compañera más pequeña que el Sol. El Webb observó lo que quedó apenas 47 días después del estallido, el seguimiento más rápido de un caso así.

Que dos estrellas se fusionen no es raro en el universo. Lo raro es verlo mientras pasa. Un equipo internacional dice haberlo conseguido con un sistema del borde exterior de la galaxia de Andrómeda, apodado Bao y catalogado como AT 2025abao. Una estrella pequeña fue cayendo en espiral hacia una supergigante hasta acabar dentro de ella. El telescopio espacial James Webb observó lo que quedó solo 47 días después del pico de la erupción. El estudio, firmado en primer lugar por Viraj Karambelkar (Universidad de Columbia), se ha publicado en Nature. Esta pieza es un resumen propio a partir de la nota de prensa de la NASA, no una traducción.

Curiosidades

Un abad medieval acabó en un ataúd romano de segunda mano (y nadie lo sabía)

Catherine, Duke of Buckingham monument, Westminster Abbey 04

El sarcófago romano de la abadía de Westminster guardaba un esqueleto desde hace siglos. Una datación nueva apunta a un abad del siglo XI que se metió en un ataúd con 600 años de uso.

Reciclar está muy bien. Reutilizar un táper, un bote de cristal o una caja de mudanza es de persona responsable. Reutilizar un ataúd romano con más de seis siglos de antigüedad ya es otro nivel. Eso es justo lo que parece que pasó en la abadía de Westminster, en Londres. Un esqueleto que llevaba más de 150 años esperando a que alguien le preguntara el nombre podría tener por fin respuesta, y resulta que el inquilino era un pez gordo.

Juegos

Ubisoft crea Motherbrain, su nuevo estudio de IA generativa para juegos

Logo Ubisoft Montreal

Ubisoft ha abierto Motherbrain, una filial dedicada a aplicar IA generativa a la jugabilidad. Te contamos qué se sabe, de dónde viene y qué sigue en el aire.

Ubisoft ha anunciado una filial nueva con un nombre muy de ciencia ficción: Motherbrain. Se dedicará a la inteligencia artificial generativa aplicada a los videojuegos. La compañía lo comunicó junto a sus resultados del primer semestre de su año fiscal, publicados el 19 de noviembre de 2026, y la noticia ha corrido por los medios especializados. Es una de las búsquedas más repetidas de la semana en torno a la editora francesa. Aquí no hay juego que comprar ni precio que comparar. Lo que hay es un movimiento empresarial que puede cambiar cómo se fabrican algunos de los mundos abiertos más grandes del mercado.