Resulta que en IA, lo pequeño también gana (la otra apuesta de Microsoft)

Todo el mundo habla de modelos gigantes: miles de millones de parámetros, centros de datos del tamaño de un pueblo, facturas de luz de escándalo (de eso va este otro artículo). Pero Microsoft hizo una apuesta paralela que casi nadie cuenta… y que igual te toca más de cerca: los modelos pequeños.

Se llaman SLM (Small Language Models). Y su gracia se resume en una frase: en IA, más grande no siempre es mejor.

La idea que lo cambió todo: dale libros, no basura

La historia arranca en 2023, con un paper de Microsoft de título casi provocador: "Los libros de texto son todo lo que necesitas".

¿Qué hicieron? En lugar de entrenar su modelo con todo internet —foros, ruido, comentarios sin sentido—, lo entrenaron con datos de "calidad de libro de texto". Material limpio, bien explicado, pedagógico. Como estudiar para un examen con buenos apuntes en vez de con mil pestañas abiertas.

El resultado fue una bofetada de realidad para la industria: ese primer modelo, llamado Phi-1, tenía apenas 1.300 millones de parámetros y se entrenó en 4 días con 8 tarjetas gráficas. Una miseria comparado con los gigantes. Y aun así, igualaba a modelos mucho más grandes.

La lección quedó grabada: la calidad de los datos importa más que la cantidad. Un modelo pequeño, bien alimentado, le puede ganar a uno enorme mal alimentado.

De bebé a campeón: la familia Phi

Desde entonces, la familia Phi no ha parado de crecer —siempre con la misma filosofía— y cada versión subió el listón:

• Phi-2 (2.7B) ya superaba a modelos del doble y triple de su tamaño.
• Phi-3-mini fue el momento "ajá": cabía y corría en un teléfono móvil. IA de verdad, en tu bolsillo.
• Phi-4 (14B) llegó a superar a GPT-4o en pruebas de ciencia y matemáticas (STEM). Un peso pluma noqueando a un peso pesado.
• Phi-4-mini y Phi-4-multimodal son los más recientes: el mini gana a modelos más grandes en razonamiento y código; el multimodal entiende texto, imágenes y voz a la vez, y hasta le saca ventaja a rivales como Gemini 2.0 Flash.

¿Y lo mejor? Casi todos son abiertos, con licencia libre (MIT). Cualquiera puede usarlos, gratis, para producto o investigación. Microsoft no los esconde: los reparte.

El truco que llevas (quizá) en tu portátil: Phi-Silica

Aquí viene la parte que te toca directamente. Microsoft cogió un Phi y lo metió dentro de Windows. Se llama Phi-Silica, y vive en los Copilot+ PC: corre en el chip especializado de tu portátil (la NPU), sin enviar nada a la nube.

¿Para qué sirve? Para cosas que ya están ahí: la función Click to Do, y reescribir y resumir textos en Word y Outlook, todo en local. Y lo hace volando: responde en milésimas de segundo y consume tan poca energía que no te tumba la batería.

La frase que lo resume: puedes hacerle consultas casi ilimitadas, rapidísimas y sin pagar ninguna suscripción extra. Porque el modelo ya está en tu equipo. No hay taxímetro de la nube corriendo.

¿Y esto por qué importa? (más de lo que parece)

Porque los modelos pequeños no compiten con los gigantes: les hacen equipo.

Piensa en una orquesta. No para todo necesitas a la sección entera de metales tocando a todo volumen. A veces basta un solista. Los SLM son justo eso: el solista de bolsillo para la tarea rápida, privada y barata —resumir un correo, reescribir un párrafo, contestar una duda— sin molestar al gigante de la nube.

Y para una empresa, eso abre tres puertas enormes:

• Privacidad: tus datos no salen del dispositivo.
• Coste: nada de pagar por cada consulta a un modelo gigante.
• Sin conexión: funcionan aunque te quedes sin internet.

Que la carrera de la IA no se gana solo a lo bruto.

 

Mientras todos miran a los modelos colosales, Microsoft jugó las dos cartas: los grandes para la potencia, y los pequeños para la astucia. Unos viven en centros de datos enormes; otros, en tu portátil, calladitos, haciéndote el día más fácil.

La moraleja es casi de cuento: a veces, el pequeño bien preparado le gana al grande. Y en la próxima fase de la IA, lo verdaderamente inteligente será saber cuándo usar cuál.