Las nuevas herramientas de Alibaba hacen que los agentes de IA trabajen durante horas y reducen el tiempo de entrenamiento hasta un 85 %
Las nuevas herramientas de Alibaba permiten que los agentes de IA trabajen durante horas y reducen el tiempo de entrenamiento un 85 %.
Cuando los agentes de IA necesitan aprender a pensar durante mucho tiempo
Muchos de nosotros estamos acostumbrados a sistemas de IA que responden a una pregunta y luego terminan. Pero el frente más interesante de la investigación en IA trata de otra cosa: agentes que pueden trabajar de forma autónoma durante horas, tomar miles de decisiones por el camino y mantener un contexto complejo sin perder el hilo.
Este es precisamente el tipo de sistema en el que el grupo de investigación Qwen, de Alibaba, se centra con el lanzamiento de QwenGyre, un marco de trabajo elástico para el aprendizaje por refuerzo. Según MarkTechPost, el marco está diseñado específicamente para los llamados agentes XLong-horizon, sistemas de IA que manejan hasta un millón de tokens por ejecución y pueden realizar una tarea durante varias horas seguidas.
Para ponerlo en perspectiva: un millón de tokens equivale aproximadamente a 750 000 palabras, o a una estantería entera de libros de no ficción. Se trata, por tanto, de agentes que no solo responden, sino que trabajan.
El problema técnico del que nadie hablaba
Entrenar este tipo de agentes está asociado a un problema que rara vez se discute fuera del ámbito de la investigación, pero que es fundamental: tiempos de espera y desperdicio de recursos.
Cuando una ejecución de entrenamiento incluye tareas de longitud muy variable, unas se resuelven en segundos y otras tardan horas, aparece un cuello de botella clásico. Los procesadores gráficos que esperan a las ejecuciones lentas permanecen inactivos. Además, el historial de decisiones ramificado de los agentes tiende a disparar el consumo de memoria de forma explosiva.
QwenGyre resuelve esto de manera elegante al dividir los procesadores gráficos en celdas dinámicas que pueden alternar entre generar datos de entrenamiento y realizar el entrenamiento en sí. Suena técnico, pero el principio es sencillo: ninguna tarjeta de procesamiento debe quedarse esperando cuando hay trabajo por hacer.
Los resultados hablan por sí solos
El efecto es notable. En el modelo más grande de Qwen, un modelo impresionante de 2,4 billones de parámetros, se completaron 48 pasos de entrenamiento en 75 horas con QwenGyre. El método más rápido siguiente necesitó 134 horas para la misma cantidad de trabajo. Es una reducción de aproximadamente un 44 % en tiempo absoluto, y en la práctica significa que se pueden ejecutar casi el doble de experimentos de entrenamiento en el mismo tiempo.
Al mismo tiempo, los resultados de evaluación mejoraron del 52,5 % al 58,5 %, un salto que no es trivial en un nivel de rendimiento como este.
Como desarrollador de sistemas, me impresiona que el equipo de Qwen no se haya conformado con acelerar el entrenamiento, sino que también haya mejorado la capacidad del modelo en la misma jugada. Esto indica que la asignación dinámica de recursos no solo ahorra tiempo, sino que también hace posible un mejor aprendizaje.
La pieza que falta
Sin embargo, hay un punto en el que el entusiasmo se modera: no se ha publicado ningún código abierto con motivo del lanzamiento. Es llamativo, sobre todo si se tiene en cuenta que el equipo de Qwen se había caracterizado anteriormente por ser relativamente abierto con sus modelos y herramientas.
En un sector donde la apertura a menudo impulsa el ritmo colectivo de desarrollo, esta ausencia es notable. La cuestión es si se debe a consideraciones comerciales, a la política de seguridad o, sencillamente, a que el código aún no está listo para el público.
China acelera, y se nota
QwenGyre no es un fenómeno aislado. Encaja en una tendencia más amplia en la que los laboratorios chinos de IA ofrecen infraestructura técnica de primer nivel con intervalos cada vez más cortos. Desde los métodos de entrenamiento eficientes de DeepSeek hasta la serie de modelos de Qwen, cada vez resulta más evidente que la competencia por el liderazgo en la infraestructura de IA ya no es una carrera de dos caballos entre OpenAI y Google.
Para quienes seguimos el sector, es un recordatorio de que los avances técnicos más interesantes de estos momentos no siempre llegan de donde se espera, y de que la eficiencia del entrenamiento es tan importante como el tamaño del modelo a la hora de determinar quién lidera la carrera.