Thinking Machines Lab presenta modelos de IA para interacción en tiempo real
La startup de Mira Murati, Thinking Machines Lab, ha lanzado modelos de interacción capaces de manejar audio y video nativos en pantalla completa en tiempo real. Una demostración mostró traducción sincrónica, búsqueda web y colaboración multipersona sin retraso.
Thinking Machines: Cómo Mira Murati reescribe las reglas, convirtiendo la latencia en el mayor enemigo de la IA
Lo que realmente está sucediendo
Thinking Machines Lab, de Mira Murati, acaba de presentar un prototipo funcional de "modelos de interacción" — y esto no es solo otro sistema multimodal. Es una reorganización fundamental de cómo la IA percibe el tiempo y la presencia humana. Todos los modelos actuales, desde GPT-4o hasta Gemini, operan en modo paso a paso: el usuario envía una solicitud, el sistema piensa y luego responde. Entre medias, el modelo está ciego y sordo. Murati llama a esto la "camisa de fuerza de la interfaz" a la que los humanos deben adaptarse.
TML-Interaction-Small es un modelo de mezcla de expertos de 276 mil millones de parámetros (12 mil millones activos) que procesa audio y video en fragmentos de 200 milisegundos mientras genera simultáneamente una respuesta. La latencia de cambio de turno es de 0,40 segundos, frente a 0,57 de Gemini-3.1-flash-live y 1,18 de GPT-realtime-2.0. El sistema puede interrumpir una conversación sin ser invitado, notar una señal visual (un error de código, una persona que entra en el encuadre) y reaccionar, todo sin módulos externos de reconocimiento de voz como Whisper.
Pero la velocidad no es lo principal. Lo principal es el cambio arquitectónico: la interactividad se ha convertido en una propiedad del modelo, no del envoltorio de software. Es la diferencia entre un coche con un timbre de bicicleta atornillado y un coche diseñado alrededor del conductor.
Cronología y contexto
La historia de Thinking Machines es una crónica de la mayor guerra de talentos en la historia de Silicon Valley.
Febrero de 2025: Mira Murati, exdirectora de tecnología de OpenAI y arquitecta de ChatGPT, anuncia la fundación de Thinking Machines Lab. El cofundador de OpenAI, John Schulman, y varios investigadores clave se van con ella.
Julio de 2025: La empresa recauda la ronda semilla más grande de la historia: 2 mil millones de dólares con una valoración de 10 a 12 mil millones. Participan Andreessen Horowitz, NVIDIA, Accel, ServiceNow, Cisco y AMD.
Agosto de 2025: The Wall Street Journal informa que Mark Zuckerberg intentó personalmente comprar Thinking Machines. Tras ser rechazado, Meta captó a más de una docena de sus aproximadamente 50 empleados.
Octubre de 2025: Lanzamiento de Tinker, una plataforma para ajustar modelos de código abierto. Entre los primeros usuarios se encuentran grupos de investigación de Princeton, Stanford y Berkeley.
Enero de 2026: Un golpe bajo. Tres cofundadores — Barrett Zoph, Luke Metz y Sam Schoenholz — regresan a OpenAI. Murati declara públicamente que despidió a Zoph por "comportamiento poco ético". Una investigación posterior de Wired revela relaciones personales no reveladas entre Zoph y una ejecutiva. OpenAI cuestiona la caracterización de Murati en un memorando interno.
Marzo-abril de 2026: Thinking Machines contraataca. La empresa capta a Soumith Chintala, creador de PyTorch de Meta, y lo nombra director de tecnología. Simultáneamente, se firma un acuerdo estratégico con NVIDIA para desplegar al menos 1 gigavatio de sistemas Vera Rubin. Expertos de la industria estiman el costo de dicha infraestructura en 500 mil millones de dólares. También se amplía la asociación con Google Cloud basada en GB300.
Mayo de 2026: El clímax. Thinking Machines demuestra modelos de interacción, probando que seis meses de pérdidas de talento no detuvieron el desarrollo.
Ganadores y perdedores
Ganador: Meta — el beneficiario menos obvio. Zuckerberg obtuvo acceso a desarrolladores clave de Thinking Machines sin comprar la empresa. Soumith Chintala, creador de PyTorch, es ahora el director de tecnología de Murati, lo que significa que el ecosistema de PyTorch sigue siendo dominante en Thinking Machines, beneficiando indirectamente a Meta.
Perdedor: OpenAI. Perder a Schulman y la fuga de talentos hacia Murati obligó a la empresa a gastar recursos en contraofensivas de captación. El regreso de Zoph y Metz es una victoria, pero pírrica. OpenAI tuvo que justificar públicamente la contratación de un empleado con una sombra reputacional. Peor aún: Thinking Machines creó un producto que ataca directamente la interfaz insignia de OpenAI: el modo de voz de ChatGPT.
Perdedor: Google. Gemini-3.1-flash-live, anunciado como un avance en interacción en tiempo real, ya está obsoleto sobre el papel. 0,57 segundos frente a 0,40 es la diferencia entre "casi como un humano" y "humano".
Ganador: NVIDIA. Jensen Huang sigue cubriendo sus apuestas magistralmente. NVIDIA es inversor en OpenAI, Thinking Machines y Anthropic. Quienquiera que gane la carrera de modelos de IA, los chips se compran en Santa Clara. El acuerdo de 1 gigavatio con Vera Rubin significa que, incluso si Thinking Machines no despega como negocio, NVIDIA ya tiene pedidos para los próximos años.
Lo que los medios no están diciendo
Perspectiva uno: El movimiento periférico del que nadie habla. Toda la presentación de Thinking Machines gira en torno a la voz y el video de baja latencia. Pero la verdadera importancia económica de los modelos de interacción no reside en los centros de llamadas, sino en la industria. Un modelo con un sentido del tiempo integrado puede monitorear una línea de producción, una operación quirúrgica o un experimento químico e intervenir sin que se lo pidan, simplemente al notar una anomalía. Actualmente, esto requiere sistemas de visión por computadora separados que no pueden hablar. Thinking Machines unifica esto en una sola arquitectura. Si el producto llega a las empresas, reemplazará no a los chatbots, sino a toda una clase de sistemas SCADA de seguridad industrial. Eso es un mercado de unos 80 mil millones de dólares, que todas las reseñas de startups ignoran.
Perspectiva dos: El problema de la reproducibilidad. Los codificadores de voz externos como Whisper se pueden intercambiar, cambiando la calidad del reconocimiento. Pero en la arquitectura de Thinking Machines, no hay codificadores: el audio va directamente como un espectrograma dMel a través de un embedding ligero. Esto significa que el modelo no se puede "arreglar" reemplazando un componente. Si alucina con ciertos acentos o dialectos, todo el sistema debe ser reentrenado. Para los clientes corporativos, esto plantea un riesgo de dependencia del proveedor a una escala que OpenAI nunca soñó.
Perspectiva tres: ¿Pirámide financiera o nuevo Intel? El patrón en el que NVIDIA invierte en startups de IA, y esas startups gastan el dinero recaudado en chips de NVIDIA, recuerda a algunos analistas la burbuja de internet de finales de los 90. Pero hay una diferencia crucial: las empresas de telecomunicaciones en 1999 tendían fibra que nadie usaba. Thinking Machines está construyendo centros de datos para una demanda existente: los pedidos ya están hechos, la capacidad se necesita ahora. Solo se convertirá en una burbuja si el mercado de servicios de IA colapsa, pero por ahora las valoraciones están subiendo. 12 mil millones de dólares para una empresa sin un producto público es agresivo, pero ocho meses antes de la demostración del modelo de interacción, la valoración ya estaba en ese nivel.
Pronóstico: Próximos 30 y 90 días
30 días (hasta mediados de junio de 2026). Thinking Machines abrirá acceso limitado a una vista previa de investigación para socios seleccionados. Los candidatos más probables: Redwood Research (ya trabajó con Tinker), Stanford y Princeton. Espero que pruebas independientes confirmen la latencia de 0,4 segundos, pero revelen problemas con el multilingüismo: la arquitectura se entrenó principalmente en inglés, y el rendimiento en idiomas asiáticos con diferentes estructuras de pausa será peor.
Mientras tanto, los competidores intensificarán sus esfuerzos. OpenAI casi con certeza anunciará una actualización de GPT-realtime con latencia reducida, probablemente a 0,5-0,6 segundos. Google intentará contrarrestar integrando Gemini con el ecosistema Android en Google I/O, que tradicionalmente se celebra en mayo.
90 días (hasta mediados de agosto de 2026). Este es un período crítico para Thinking Machines como negocio. La empresa ha gastado al menos 200-300 millones de dólares en infraestructura y salarios desde su fundación (130 empleados, muchos de ellos ex-OpenAI con paquetes de compensación de 2-5 millones de dólares al año más bonos de firma). Si no surgen clientes corporativos de pago fuera de la comunidad de investigación en 90 días, comenzarán las conversaciones sobre una nueva ronda de financiación.
La seguridad industrial será el primer mercado. Thinking Machines debe firmar al menos un contrato importante con un fabricante de Fortune 500: una asociación con Siemens o Rockwell Automation, cuyos sistemas de gestión de producción necesitan monitoreo en tiempo real, parece lógica.
El evento más importante en el horizonte de 90 días es la decisión de Meta. Después de que Zuckerberg no lograra comprar la empresa y luego captara a parte del equipo, tiene dos opciones: copiar completamente la arquitectura de Thinking Machines para Llama 5, o proponer un nuevo acuerdo, esta vez hostil. Dado que Soumith Chintala es ahora el director de tecnología de Murati y conoce el funcionamiento interno de Meta, apostaría por la copia.
En conclusión: Thinking Machines pasó de la idea al producto en 16 meses, superando a los sistemas insignia de OpenAI y Google en el parámetro clave del futuro: el tiempo de reacción. Si Murati puede convertir una ventaja tecnológica en un negocio sostenible es una cuestión para los próximos tres meses. Pero una cosa ya está clara: la era de hacer esperar a la IA está terminando.
— Editorial Team
Aún no hay comentarios.