Modelos de IA: Análisis de capacidades, arquitecturas y guías por familia
El propio modelo, analizado: familias, arquitecturas y compensaciones.
Elegir un modelo es un problema diferente de ejecutarlo. Los tiempos de ejecución, las GPU y las pilas de servicio responden a la pregunta “¿cómo ejecuto esto?”; este clúster responde a “¿qué modelo y por qué este en concreto?”.
Las páginas de esta sección analizan los modelos como artefactos: cómo una familia evoluciona de una generación a la siguiente, qué cambia la arquitectura de un modelo respecto a lo que este puede hacer, y dónde se sitúan los compromisos entre cuantización y capacidad. Cada afirmación se ancla en las fichas de modelos del proveedor, en benchmarks independientes o en ejecuciones medidas; los valores proyectados se etiquetan como proyecciones.
Dónde encaja AI Models en la pila
El sitio divide la cuestión de los modelos en tres capas:
| Capa | Qué abarca | Clúster |
|---|---|---|
| El modelo | capacidad, arquitectura, evolución de la familia, cuantización | Estás aquí |
| El servicio | tiempos de ejecución, idoneidad de GPU, rendimiento, comportamiento del contexto | Alojamiento de LLM · Rendimiento de LLM |
| El sistema | enrutamiento, memoria, agentes, verificación | Sistemas de IA · Arquitectura de LLM |
Una afirmación sobre la capacidad realizada aquí (lo que un modelo denso de 27B soporta a 4 bits, qué emite un decisor de un solo paso hacia adelante) se convierte en una entrada para las decisiones de alojamiento y rendimiento tomadas en otras partes. Los clústeres se separan deliberadamente para que las tablas de benchmark no migren a los ensayos de arquitectura y viceversa.
Mapa del clúster
El clúster es joven y crece por densidad, no por calendario. Lo que existe hoy:
- Estás aquí — este pilar: qué cubre el clúster y dónde están sus límites
- Arquitecturas — ¿Qué viene después de los LLM? Mamba, Difusión y Modelos del Mundo — el panorama post-transformador: modelos de espacio de estado, modelos de lenguaje por difusión y modelos del mundo JEPA, con la evidencia de cada uno
- Familias — Qwen 4: lo confirmado y lo que significa para la IA local — una página de referencia de familia construida en torno a la escala de benchmarks de 27B por generación, la vista previa de la arquitectura Flash-Next y la idoneidad para GPU de consumo
Subclústeres planificados, sembrados cuando existan suficientes páginas relacionadas: benchmarks (comparaciones entre modelos), cuantización (referencias de escalera de bits), embeddings y rerankers (modelos del lado de la recuperación), comparaciones (familia frente a familia).
Arquitecturas de modelos
El análisis de arquitectura pregunta qué hace un cambio de diseño a la capacidad, la memoria y el comportamiento de inferencia; no a qué modelo lidera una tabla de clasificación esta semana. La página principal cubre a los candidatos situados para suceder o complementar al transformador:
- Modelos de espacio de estado (Mamba) — escalado lineal con la longitud de la secuencia a través de un estado recurrente comprimido
- Modelos de lenguaje por difusión — generación de tokens en paralelo en lugar de decodificación de izquierda a derecha
- Modelos del mundo y JEPA — predicción sobre representaciones en lugar de tokens
El patrón híbrido — atención del transformador donde justifica su coste, atención lineal donde no — ya está presente en modelos en producción, y ¿Qué viene después de los LLM? traza tanto la línea de investigación como la evidencia de producción.
Familias de modelos
Las páginas de familia siguen una línea de modelos a lo largo de las generaciones: qué cambió cada lanzamiento, qué ganancias de benchmark son reales frente a las reportadas por el proveedor, y qué significa la siguiente generación para el hardware que posiblemente ya poseas.
La primera cubre la familia de pesos abiertos más ejecutada en GPU de consumo:
- Qwen 4: lo confirmado y lo que significa para la IA local — la hoja de ruta confirmada de Alibaba, la escala de benchmarks 27B de Qwen3.5 → 3.6 → 3.8, Flash-Next como una vista previa de arquitectura ejecutable, y los objetivos de memoria en los que llegará un Qwen 4 de 27B.
Qué no pertenece aquí
Las reglas de límite mantienen el clúster honesto:
- Preguntas de servicio y ajuste — qué tan rápido ejecuta un modelo, cómo ajustar el contexto, qué tiempo de ejecución — pertenecen a Rendimiento de LLM y Alojamiento de LLM. Una página de familia enlaza a esas mediciones en lugar de reproducir tablas de tok/s.
- Uso de modelos dentro de un sistema — niveles de enrutamiento, memoria, diseño de agentes — pertenece a Sistemas de IA y Arquitectura de LLM.
- Modelos del lado de la recuperación — los embeddings y rerankers se analizan aquí como modelos, pero su aplicación dentro de flujos de trabajo reside en RAG.
Cómo conecta este clúster con los otros
- Rendimiento de LLM en 2026 — los contrapuntos medidos de las afirmaciones de capacidad de aquí: la frontera eficiente de los modelos abiertos y las páginas de benchmark de 16 GB convierten “este modelo es capaz” en “este modelo cabe y ejecuta a N t/s”.
- Alojamiento de LLM en 2026 — la decisión de tiempo de ejecución e infraestructura que sigue a la elección del modelo.
- ¿Qué viene después de los LLM? y las páginas de familia se cruzan entre sí: las vistas previas de arquitectura en una familia (Flash-Next) son la evidencia a corto plazo de los cambios arquitectónicos que describe la página del panorama.
