Sakana AI lanza Fugu Max: El fin de los modelos gigantes, entra la orquestación de agentes baratos

Un retorno a la inteligencia distribuida

Durante una década, la industria de la IA ha intentado optimizar el rendimiento utilizando esencialmente una estrategia: construir modelos monolíticos cada vez más grandes y caros. Sakana AI le da ahora la vuelta a esta narrativa con el lanzamiento de Fugu Max y Fugu Ultra v2. En lugar de gigantes aislados, han apostado por ecosistemas que aprenden a coordinarse entre sí.

Según los fundadores, la propia humanidad es un sistema distribuido, y los futuros sistemas de IA se beneficiarán de la inteligencia colectiva. El nuevo Fugu Max orquesta un gran grupo de modelos más pequeños, a menudo de código abierto o especializados, logrando resultados a la par de los líderes actuales del mercado, pero con costes de tokens drásticamente inferiores.

Despliegue más barato y soberanía de la infraestructura

Para los equipos de desarrollo y las empresas, esto cambia la ecuación del retorno de la inversión. La orquestación demuestra que no es necesario elegir entre coste y rendimiento (Fugu Max empuja la llamada frontera de Pareto en ambas direcciones). Maneja tareas complejas de varios pasos sin depender de los mejores modelos, que también son los más caros, de OpenAI o Anthropic.

La consecuencia es también una reducción fundamental del riesgo de dependencia del proveedor (vendor lock-in). Depender de un único modelo propietario para infraestructuras críticas es peligroso, sobre todo cuando el acceso puede verse restringido de la noche a la mañana por un proveedor o incluso por los controles gubernamentales de exportación. Una arquitectura basada en una orquesta de agentes intercambiables significa que si un modelo se cae, el sistema simplemente lo sustituye por otro.

Quien dirige la banda se queda con el margen

La promesa de un colectivo barato suena atractiva, pero orquestar un rebaño de pequeños modelos conlleva sus propios gastos generales. Al gastar recursos en retransmitir el contexto y mantener la consistencia, el sistema puede perder su ventaja de velocidad. Además, aunque en teoría la red es independiente de un solo gran modelo, la realidad es que la inmensa mayoría de los representantes capaces de código abierto siguen procediendo del mismo puñado de plataformas en la nube o de Meta.

Al mismo tiempo, surge la duda de si el orquestador puede abstraer eficazmente las sutiles diferencias en la forma en que los modelos individuales más pequeños entienden las instrucciones, sin degradar las tareas más complejas en una correspondencia de patrones superficial.

El campo de pruebas será la estabilidad de precios a largo plazo

La señal clave del éxito no será si Fugu Max bate a GPT-4 en un banco de pruebas aislado, sino si puede mantener unos costes estables durante el despliegue corporativo real durante un periodo de meses.

Si la orquestación de agentes resulta ser un éxito, la soberanía de la IA se convertirá no sólo en un concepto teórico para los gobiernos, sino en una norma práctica para las aplicaciones empresariales cotidianas que no pueden permitirse pagar primas a proveedores monopólicos.

El veredicto de Lilith

La verdadera independencia no se consigue construyendo un cerebro gigante propio. Se consigue aprendiendo a cambiar de conductor de forma segura en el momento en que el original sube los precios inesperadamente o pierde el carné.