Apple construye una nueva arquitectura de IA sobre los modelos fundacionales de Google Gemini
Apple anunció hoy una renovación importante de su plataforma Apple Intelligence, basada en modelos fundacionales co-desarrollados con Google utilizando las tecnologías detrás de la familia Gemini. La nueva arquitectura, presentada en la WWDC 2026, está diseñada para ejecutarse tanto en el dispositivo como en servidores a través de la infraestructura existente de Private Cloud Compute de Apple.
Detalles clave
- Modelos fundacionales de Apple: Co-desarrollados con Google, estos modelos impulsan la nueva Apple Intelligence. Apple describe la colaboración como "profunda".
- Soporte multimodal: Los modelos ahora manejan comprensión y generación de imágenes, incluyendo creación de imágenes realistas, edición avanzada de fotos y respuesta a preguntas visuales.
- Variante de mayor capacidad: Algunos dispositivos obtendrán una versión con capacidades adicionales: generación de voz, mayor precisión en dictado y comprensión mejorada del lenguaje natural. Apple no especificó qué dispositivos.
- Orquestador del sistema: Un nuevo componente se sitúa en el centro de la arquitectura, coordinando funciones de forma segura entre plataformas. Adapta las respuestas según la aplicación activa y la tarea actual del usuario, permitiendo "inteligencia verdaderamente a nivel de sistema".
- Privacidad: Apple reitera que los datos del usuario solo se utilizan para ejecutar la solicitud inmediata y no son accesibles para Apple ni terceros. Expertos externos pueden verificar las garantías de privacidad en cualquier momento.
Apple presentó el anuncio como un contraste con los competidores que "avanzan rápidamente" sin considerar a los usuarios, y enfatizó su compromiso con el procesamiento en el dispositivo y Private Cloud Compute.
Para los desarrolladores que usan agentes de codificación de IA, esto significa que los futuros SDK y herramientas de Apple podrían exponer estos modelos a través de las APIs de Private Cloud Compute, permitiendo flujos de trabajo de agentes con garantías de privacidad. El patrón del orquestador podría servir como referencia para construir sistemas de enrutamiento de tareas entre modelos en el dispositivo y en la nube.
📖 Lee la fuente completa: HN AI Agents
👀 Ver también
Estrategia Comercial de Anthropic: Los Ingresos por API Impulsan las Limitaciones del Nivel de Consumidor
Los niveles de suscripción para consumidores de Anthropic operan con pérdidas, subsidiados para construir participación mental en IA, mientras que su negocio de API genera ingresos. El nivel Pro de $20 está intencionalmente limitado para filtrar usuarios hacia suscripciones Max de mayor valor.
El Cumplimiento del Prompt del Sistema Claude se Degrada en Conversaciones Largas
Los agentes basados en Claude muestran un cumplimiento degradado de las indicaciones del sistema después de 40-50 mensajes, ignorando las reglas de formato y olvidando las restricciones. El problema surge porque las indicaciones del sistema compiten con el historial de conversación por el peso de atención en la ventana de contexto.
Yann LeCun en la ONU: La IA de código abierto es el único camino hacia la soberanía global
En la Semana del Código Abierto de la ONU, Yann LeCun argumentó que la IA propietaria es demasiado costosa y centralizada, proponiendo una plataforma federada de código abierto llamada Project Tapestry donde los países contribuyen con datos a través de vectores de parámetros sin compartir datos sin procesar.
Evolución de la Arquitectura de Caché KV: Desde GPT-2 hasta Mamba
El análisis de los costos de memoria de la caché KV muestra que GPT-2 utilizaba 300 KiB/token, Llama 3 lo redujo a 128 KiB/token con atención de consultas agrupadas, y DeepSeek V3 logró 68.6 KiB/token con atención latente multi-cabezal. Mamba/SSMs eliminan por completo la caché KV mediante estados ocultos de tamaño fijo.