No toda la carrera de la inteligencia artificial se libra dentro de enormes centros de datos. También existe otra, mucho más cerca del usuario, por conseguir modelos suficientemente pequeños como para ejecutarse con menos memoria, menos capacidad de cálculo y en dispositivos mucho más modestos. China se ha convertido en uno de los actores relevantes de ese terreno con familias como Qwen o MiniCPM. Pero mientras esa competición sigue avanzando hacia abajo, algunas de sus mayores tecnológicas están empezando a apostar también por crecer en la dirección contraria.
De cientos de miles de millones. Las cifras permiten ver bastante bien hasta dónde ha llegado esa escalada. DeepSeek-V3 apareció con 671.000 millones de parámetros totales, mientras que Moonshot AI llevó Kimi K2 hasta el billón. El salto se ha acelerado en 2026: Kimi K3 alcanza los 2,8 billones y Alibaba ha situado Qwen3.8-Max en 2,4 billones. Son cantidades totales, y esa última palabra importa mucho: no significa que todos esos parámetros entren en juego en cada paso del procesamiento. Eso es precisamente lo que necesitamos entender a continuación.
Gigantes que no piensan enteros. La arquitectura no es nueva. En 2023, un análisis de SemiAnalysis apuntó a que GPT-4 podía utilizar un diseño Mixture of Experts, o MoE, aunque OpenAI nunca confirmó públicamente ese detalle. La lógica es sencilla: en lugar de poner a trabajar todos los parámetros en cada paso, el sistema activa solo una parte. Qwen3.8-Max lo ilustra bien: reúne 2,4 billones de parámetros, pero utiliza alrededor de 95.000 millones por paso.
Más grande no significa mejor. El número de parámetros nos habla del tamaño, pero no funciona como una clasificación automática de inteligencia o precisión. DeepMind lo demostró en 2022 con Chinchilla: tenía 70.000 millones de parámetros y superó a Gopher, de 280.000 millones, en casi todas las tareas evaluadas utilizando el mismo presupuesto de cómputo para el entrenamiento. Chinchilla había sido entrenado, además, con aproximadamente cuatro veces más datos. La arquitectura, la cantidad y calidad de esos datos y los recursos de computación también condicionan de forma decisiva el resultado.
