Epoch AI: la capacidad de los chips de IA para agentes creció 4,6 veces en un año
Epoch AI calcula que, en un año, la capacidad de todos los chips de IA vendidos para servir a agentes creció 4,6 veces, mientras que el cómputo máximo aumentó solo 2,6 veces. Un agente necesita mantener en caché 262 mil tokens de contexto, así que pesan más la memoria y la conexión entre chips, y ahí Blackwell, que aporta alrededor del 73% de la capacidad, lleva mucha ventaja. Por eso, al elegir hardware para agentes, conviene comparar la memoria y la interconexión, no los FLOPS de la ficha técnica.
Procesado por IA desde TG: @ai_machinelearning_big_data (Machinelearning); editado por Hamidun News
Cuando un equipo elige hardware para agentes de IA, suele fijarse en los teraflops máximos de la ficha técnica. Un nuevo cálculo de Epoch AI muestra que, para tareas de agentes, esa cifra distorsiona mucho la realidad. La organización de investigación evaluó cómo cambió todo el parque de chips de IA vendidos entre el segundo trimestre de 2025 y el segundo trimestre de 2026. La capacidad para servir inferencia de agentes creció 4,6 veces. La potencia de cómputo máxima en operaciones de ocho bits aumentó solo 2,6 veces.
Teniendo en cuenta la incertidumbre de los datos sobre suministros y composición del equipamiento, Epoch ofrece un intervalo del 90%: el crecimiento fue de entre 4,2 y 5,1 veces. Es decir, incluso con la estimación más prudente, el parque multiplicó su capacidad para agentes por más de cuatro.
Por qué la capacidad para agentes crece más rápido que los teraflops
Epoch la mide con su propio índice, IPI. Este indica cuántas solicitudes puede atender un chip de forma simultánea en una tarea típica de agente. En una tarea así, el modelo mantiene en caché 262 mil tokens de contexto: historial de pasos, documentos y resultados de herramientas. Además, por cada solicitud procesa alrededor de mil tokens nuevos.
Imagine a un bibliotecario que tiene sobre la mesa una enorme pila de papeles por cada lector. Su velocidad de lectura apenas importa. Lo que cuenta es cuántas pilas caben en la mesa, con qué rapidez saca la que necesita y con qué facilidad se la pasa a un colega. Con los chips ocurre lo mismo: deciden el volumen y el ancho de banda de la memoria, la conexión entre chips y la capacidad de calcular con menor precisión. La aritmética bruta pasa a un segundo plano.
De ahí las grandes diferencias entre generaciones. Según el índice de Epoch, GB300 es 25 veces más potente que H100 y 8 veces más que H200. En operaciones máximas de ocho bits, GB300 supera a H100 solo 2,5 veces. A mediados de 2026, los chips de Nvidia de las generaciones Blackwell y Blackwell Ultra aportaban alrededor del 73% de toda la capacidad para agentes del parque. Sin embargo, solo representaban la mitad del cómputo máximo.
Lo que el índice no tiene en cuenta
La estimación tiene una limitación que conviene reconocer. IPI se basa en un modelo teórico de las capacidades máximas del hardware y no tiene en cuenta la madurez de la pila de software. Epoch lo contrastó con el modelo Kimi K3: el rendimiento real de GB300 resultó ser aproximadamente la mitad del calculado. Por tanto, las cifras deben leerse como un techo al que el software aún tiene que llegar. Con qué rapidez lo haga dependerá de cada framework y de los equipos que los ajusten.
Además, se trata de una estimación específica para cargas de agentes con contexto largo. Para consultas cortas de chat o para el entrenamiento de modelos, las proporciones entre chips pueden ser distintas.
El crecimiento se ralentizará
Epoch espera que el parque no siga creciendo a este ritmo. Los chips vendidos en el segundo trimestre de 2026 añadieron 3,3 veces más capacidad para agentes que los vendidos en el segundo trimestre de 2025. Es notablemente menos que el crecimiento de todo el parque en el mismo año.
La razón es que muchas de las mayores mejoras llegaron con el salto de Hopper a Blackwell. Según el modelo de Epoch, la capacidad por GPU se multiplica por 8 al pasar de H200 a GB300. De GB300 a VR200, la plataforma de próxima generación con GPU Rubin, la mejora es de solo 2,2 veces. Será más difícil repetir el salto que lograron la memoria y la conexión de Blackwell.
Qué hacer en la práctica
Primero: al planificar infraestructura para agentes, compare los chips por volumen y velocidad de memoria, interconexión entre chips y soporte de baja precisión. Los FLOPS de ficha técnica sirven para estimar el entrenamiento, pero describen mal el contexto largo.
Segundo: reserve margen para el software. Si el rendimiento real es la mitad del calculado, la elección del framework y su ajuste pueden influir en el coste por solicitud tanto como la elección de la generación de chip.
Tercero: no dé por hecho que la capacidad barata para agentes seguirá creciendo al mismo ritmo. Esperar a las próximas generaciones aportará menos ganancia que el paso de Hopper a Blackwell. Quienes se enfrentan al coste de la inferencia harán bien en optimizar ya el contexto y la caché, sin esperar a Rubin.
- 20 nov 2026Los bucles de capas elevan 18 puntos el «razonamiento sin texto» de Nvidia Dory 4B; la puntuación general sube solo 1,5
- 20 nov 2026Nvidia mantiene tras la salida de Huang su apuesta por el código abierto y la compra de Hugging Face por 12 900 millones de dólares
- 20 nov 2026Anthropic, creadora de Claude, recauda $81,3 mil millones en su IPO con una valoración de $1,5 billones
- 20 nov 2026Anthropic recauda $81,3 mil millones en su IPO y supera el récord de SpaceX, de $75 mil millones
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Por qué la capacidad para agentes crece más rápido que los teraflops?
Epoch la mide con su propio índice, IPI. Este indica cuántas solicitudes puede atender un chip de forma simultánea en una tarea típica de agente. En una tarea así, el modelo mantiene en caché 262 mil tokens de contexto: historial de pasos, documentos y resultados de herramientas. Además, por cada solicitud procesa alrededor de mil tokens nuevos. Imagine a un bibliotecario que tiene sobre la mesa una enorme pila de papeles por cada lector. Su velocidad de lectura apenas importa.
¿Qué se sabe sobre Lo que el índice no tiene en cuenta?
La estimación tiene una limitación que conviene reconocer. IPI se basa en un modelo teórico de las capacidades máximas del hardware y no tiene en cuenta la madurez de la pila de software. Epoch lo contrastó con el modelo Kimi K3: el rendimiento real de GB300 resultó ser aproximadamente la mitad del calculado. Por tanto, las cifras deben leerse como un techo al que el software aún tiene que llegar. Con qué rapidez lo haga dependerá de cada framework y de los equipos que los ajusten.
¿Qué se sabe sobre El crecimiento se ralentizará?
Epoch espera que el parque no siga creciendo a este ritmo. Los chips vendidos en el segundo trimestre de 2026 añadieron 3,3 veces más capacidad para agentes que los vendidos en el segundo trimestre de 2025. Es notablemente menos que el crecimiento de todo el parque en el mismo año. La razón es que muchas de las mayores mejoras llegaron con el salto de Hopper a Blackwell. Según el modelo de Epoch, la capacidad por GPU se multiplica por 8 al pasar de H200 a GB300.
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.