MiniMax M3.1 Flash en vLLM sobre AMD MI355X multiplicó su velocidad por 4 en 20 días
Los aceleradores de AMD solían perder frente a Nvidia no por el hardware, sino por un software poco pulido. SemiAnalysis informa de que la velocidad del modelo MiniMax M3.1 Flash en el motor vLLM sobre AMD MI355X se multiplicó por 4 en menos de 20 días. La mejora viene de los nuevos kernels de Inferact en FlyDSL, que calculan en orden fijo, sin suma atómica. Quien calcule el coste por token en AMD debería revisar sus mediciones antiguas.
Procesado por IA desde X: @SemiAnalysis_; editado por Hamidun News
Cuando un equipo elige hardware para ejecutar modelos de lenguaje, a menudo se decanta por Nvidia. La razón no es que sus tarjetas sean siempre más rápidas, sino que su software lleva años afinándose. En AMD ocurría lo contrario: el acelerador es potente, pero los programas para él iban rezagados. Por eso llamó la atención una breve publicación de los analistas de SemiAnalysis: según sus datos, la velocidad del modelo MiniMax M3.1 Flash en el motor vLLM sobre el acelerador AMD MI355X se multiplicó por 4 en menos de 20 días.
Qué ha pasado exactamente
Conviene aclarar los nombres. AMD MI355X es un acelerador para tareas de IA, equivalente a las tarjetas de gama alta de Nvidia. vLLM es un motor abierto que ejecuta modelos de lenguaje y atiende las peticiones que reciben. MiniMax M3.1 Flash es el modelo con el que se hizo la medición. Inferact es la empresa que ha publicado los nuevos kernels para las tarjetas de AMD. FlyDSL es el lenguaje en el que están escritos.
En programación de GPU, un kernel es un programa pequeño que ejecuta una operación básica, como multiplicar matrices o reunir las respuestas de los expertos en un modelo MoE. De la calidad de estos programas depende directamente cuántos tokens por segundo genera la tarjeta. Un kernel deficiente significa que una tarjeta cara pasa tiempo ociosa. Según SemiAnalysis, la mejora de 4 veces se debe a los nuevos kernels de Inferact. Es una historia típica de optimización de software: la tarjeta es la misma, pero ahora trabaja bastante más rápido.
Hay una salvedad importante: la publicación no incluye cifras absolutas. No da tokens por segundo, ni el punto de partida, ni la configuración de la prueba. Por tanto, «4 veces» es un aumento respecto a un punto inicial, no un veredicto de que «AMD es más rápida que Nvidia».
Qué significa que los kernels sean «deterministas»
Los autores señalan aparte que los nuevos kernels son deterministas: nunca usan suma atómica para acumular resultados. Imagine a un centenar de cajeros que anotan a la vez su recaudación en una misma celda compartida. La suma atómica garantiza que ninguna anotación se pierda. Pero el orden de las anotaciones cambia un poco cada vez.
En la aritmética escolar, el orden de los sumandos no importa. En el cálculo en coma flotante sí importa: por el redondeo, la suma puede diferir en las últimas cifras. Por eso una misma petición al modelo, en el mismo hardware, a veces da números ligeramente distintos de una ejecución a otra. Un kernel determinista reúne el resultado en un orden fijo y la respuesta se repite bit a bit.
Aquí es donde resulta útil. Ha actualizado la versión de vLLM o cambiado la configuración y quiere saber si el modelo responde peor. Si los cálculos no se repiten, no se puede distinguir una degradación real del ruido. Con kernels reproducibles, la prueba da el mismo resultado. Lo mismo vale para depurar una respuesta extraña y para el aprendizaje por refuerzo, donde las discrepancias entre la generación y el entrenamiento estropean la señal.
Normalmente la reproducibilidad se paga con velocidad. Por eso resulta interesante precisamente la combinación: kernels deterministas que, además, lograron una mejora de 4 veces. La publicación, eso sí, no afirma que una cosa haya causado la otra. Solo indica que la mejora se logró con esos kernels.
Qué hacer en la práctica
Primero, no descarte AMD por mediciones de hace un mes. Si su cálculo del coste por token o la elección de clúster se basa en cifras antiguas, pueden haberse quedado desfasadas varias veces. Segundo, compruebe el resultado con su propio modelo: la mejora se ha mostrado para un modelo concreto, MiniMax M3.1 Flash, y en otras arquitecturas puede ser distinta. Tercero, si necesita reproducibilidad, verifique qué kernels están activados en su compilación de vLLM.
Hay también limitaciones que conviene reconocer. Es una publicación en X, no un informe técnico: no hay metodología, ni comparación con Nvidia, ni datos de latencia o precio. La mejora en 20 días pudo partir de un punto bajo, cuando el soporte del modelo acababa de aparecer. Pero la dirección está clara: la competencia en inferencia se decide cada vez más en el nivel de los kernels y los compiladores, y no solo en el silicio. Cuanto mejor sea el software abierto para AMD, más opciones y más argumentos tendrán los equipos al negociar el precio.
- 18 nov 2026Sciforium acelera DeepSeek-V4.1-Flash en AMD hasta 1 129 tokens por segundo
- 18 nov 2026Hugging Face redirige las peticiones a LLM a través de OpenRouter: un 46% menos de errores por falta de capacidad
- 18 nov 2026Los ingresos de Nvidia por centros de datos suben un 110% hasta los $107,6 mil millones: la pausa de la IA no ha hecho mella
- 18 nov 2026BRIA lanza RMBG-3.0: elimina el fondo en 6 segundos y vence a BiRefNet en el 75,9% de los duelos
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué ha pasado exactamente?
Conviene aclarar los nombres. AMD MI355X es un acelerador para tareas de IA, equivalente a las tarjetas de gama alta de Nvidia. vLLM es un motor abierto que ejecuta modelos de lenguaje y atiende las peticiones que reciben. MiniMax M3.1 Flash es el modelo con el que se hizo la medición. Inferact es la empresa que ha publicado los nuevos kernels para las tarjetas de AMD. FlyDSL es el lenguaje en el que están escritos.
¿Qué se sabe sobre Qué significa que los kernels sean «deterministas»?
Los autores señalan aparte que los nuevos kernels son deterministas: nunca usan suma atómica para acumular resultados. Imagine a un centenar de cajeros que anotan a la vez su recaudación en una misma celda compartida. La suma atómica garantiza que ninguna anotación se pierda. Pero el orden de las anotaciones cambia un poco cada vez. En la aritmética escolar, el orden de los sumandos no importa. En el cálculo en coma flotante sí importa: por el redondeo, la suma puede diferir en las últimas cifras.
¿Qué se sabe sobre Qué hacer en la práctica?
Primero, no descarte AMD por mediciones de hace un mes. Si su cálculo del coste por token o la elección de clúster se basa en cifras antiguas, pueden haberse quedado desfasadas varias veces. Segundo, compruebe el resultado con su propio modelo: la mejora se ha mostrado para un modelo concreto, MiniMax M3.1 Flash, y en otras arquitecturas puede ser distinta. Tercero, si necesita reproducibilidad, verifique qué kernels están activados en su compilación de vLLM. Hay también limitaciones que conviene reconocer.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.