Jev entrega decisiones 40–200 veces más rápido que los LLM en lugar de texto, y Google responde con un análogo
Un agente a menudo no necesita texto, sino una elección rápida: qué herramienta invocar o si una acción es peligrosa. TypeSafe AI presentó Jev: el modelo recibe la descripción de una situación y una lista de preguntas, y en una sola pasada devuelve respuestas con probabilidades, sin necesidad de analizar texto. Según la compañía, en estas tareas es entre 40 y 200 veces más rápido que los LLM convencionales. En noviembre, Google respondió con Gemini Decision 1, así que para decisiones rápidas en agentes conviene prestar atención a este tipo de modelos.
Procesado por IA desde Хабр: NLP; editado por Hamidun News
Imagine un agente de soporte al que le llega el correo de un cliente. Debe resolver tres cosas: devolver el dinero, derivar la consulta a una persona o simplemente responder, y decidir si hace falta una verificación adicional. Un LLM convencional escribiría para ello un párrafo de texto que luego habría que analizar con un parser.
En septiembre de 2026, TypeSafe AI propuso otro camino: el modelo Jev no genera texto en absoluto. Recibe la descripción de la situación y una lista de preguntas con opciones de respuesta predefinidas, y devuelve de inmediato la elección con su probabilidad. Según la propia compañía, en tareas de automatización adecuadas esto es entre 40 y 200 veces más rápido que los LLM tradicionales.
El 11 de noviembre, Google entró en este nicho con Gemini Decision 1. Veamos qué son estos modelos y qué otras alternativas a GPT ya han salido de los laboratorios.
Modelos que no escriben texto: Jev y Gemini Decision 1
Los LLM tipo GPT tienen dos rasgos característicos: la arquitectura Transformer solo decodificador y la generación autorregresiva, en la que cada token siguiente se predice a partir de los anteriores (como el T9, pero mucho más potente). Son propiedades independientes, y cualquiera de las dos puede sustituirse.
Jev renuncia a la generación secuencial allí donde la aplicación necesita una respuesta concreta: elegir una herramienta, clasificar una consulta, evaluar un riesgo, determinar el siguiente paso. Las preguntas se procesan en paralelo y el resultado llega estructurado, junto con las probabilidades. El modelo se entrena con el método Reinforcement Learning for Calibrated Decisions (RLCD). Este enseña no solo a elegir la opción correcta, sino también a estimar con honestidad la confianza en ella: si el modelo dice «estoy seguro al 90 %», en la realidad debería ser así.
La cifra de 40–200 veces debe leerse con cautela. Es una comparación del proveedor en escenarios específicos, no una aceleración universal de la IA. La compañía todavía no ha revelado la arquitectura interna de Jev, así que es prematuro clasificarla como SSM o atención lineal. Además, Jev no pretende sustituir a los LLM universales: un modelo puede escribir código, mientras que otro decide rápidamente qué herramienta invocar.
Gemini Decision 1 funciona según el mismo principio: en una sola pasada evalúa las opciones y devuelve probabilidades e indicadores de confianza. Pero es multimodal: entiende texto, imágenes, audio, vídeo y PDF, mantiene un contexto de hasta 256 mil tokens y acepta hasta 1000 preguntas independientes por solicitud. Google afirma una latencia de 150–250 ms y un precio de $0,10 por millón de tokens de entrada, mientras que los tokens de salida no se cobran. Según las pruebas de la propia compañía, el modelo supera a Jev en parte de los benchmarks, pero no en todos. Google lo utiliza para enrutar consultas entre modelos y para verificar la seguridad de las herramientas.
Redes recurrentes, atención lineal e híbridos
Las redes recurrentes no han desaparecido: se han rediseñado. RWKV mantiene un estado recurrente durante la inferencia, pero se entrena en paralelo. A pesar de Key y Value en su nombre, no tiene un KV-cache creciente (la memoria con las claves y valores anteriores). xLSTM actualiza la LSTM clásica con gating exponencial y memoria matricial. El equipo de NXAI entrenó un modelo de 7.000 millones de parámetros y publicó el código y los pesos. Pero tener los pesos abiertos no significa que el modelo encaje fácilmente en su servidor de inferencia: hacen falta kernels específicos, cuantización y un batching adecuado, y en eso el Transformer tiene una gran ventaja.
La atención lineal comprime el historial en un estado compacto para no almacenar las claves y valores de cada token. La cuestión principal es no borrar lo importante. DeltaNet corrige la memoria teniendo en cuenta la asociación ya guardada antes de escribir. Gated DeltaNet controla el olvido, y Kimi Delta Attention (KDA) lo hace por canales. En 2026, NVIDIA propuso Gated DeltaNet-2, en el que el borrado y la escritura se regulan por separado.
En la práctica, lo más habitual son los híbridos. Qwen3-Next-80B-A3B tiene 80 000 millones de parámetros, de los cuales unos 3 000 millones están activos por token, y alterna capas Gated DeltaNet con atención global. La diferencia entre parámetros totales y activos se debe al MoE, no a una nueva arquitectura.
En Kimi Linear 48B-A3B, de Moonshot AI, hay una capa de atención completa por cada tres capas KDA: los bloques baratos procesan la mayor parte de la secuencia, mientras que las capas globales mantienen el acceso directo al contexto. En estos modelos el KV-cache se conserva para las capas globales, así que el ahorro real depende del batch, de la longitud del texto y de la calidad de los kernels de cómputo.
Convoluciones y difusión: LFM3, LLaDA, Mercury
Liquid AI demostró que las convoluciones también sirven para el texto. En LFM2, las convoluciones cortas se combinan con algunas capas de atención, y la arquitectura se ajustó al hardware real, incluidas las CPU móviles. El 27 de octubre de 2026 salió LFM3 para texto, visión y audio. En el LFM3-1.7B de texto, de 24 capas, 13 son convolucionales, 5 de atención local y 6 de atención global. No es un modelo sin atención: simplemente no se necesita en cada capa. El objetivo son los agentes locales con límites estrictos de memoria, energía y latencia.
Los LLM de difusión cambian el orden de generación. El modelo parte de una secuencia parcialmente oculta y, en varios pasos, refina muchas posiciones a la vez. LLaDA mostró resultados competitivos en varias tareas con escalas de 6.
000–10.000 millones de parámetros, aunque por dentro sigue siendo un Transformer: la diferencia está en la generación no autorregresiva. Mercury, de Inception Labs, llegó a una API comercial y a la generación de código.
El refinamiento paralelo ofrece un alto rendimiento en las pruebas publicadas, pero las iteraciones adicionales cuestan cómputo, así que la ganancia depende de la longitud de la respuesta y del hardware. Para el código, la idea resulta atractiva: las ediciones suelen necesitarse en mitad de un archivo. Sin embargo, la calidad de esta edición debe comprobarse con diffs reales.
Qué debe hacer el desarrollador
No conviene confundir MoE, cuantización, speculative decoding y RAG con nuevas arquitecturas: son formas de abaratar los LLM, no un reemplazo de GPT. La elección debe guiarse por la restricción del producto. Para el procesamiento en streaming, los modelos recurrentes; para repositorios largos, los híbridos; para asistentes locales, los modelos compactos adaptados a CPU o NPU; para decisiones rápidas dentro de un agente, modelos como Jev y Gemini Decision 1.
Por ahora, ni RWKV, ni la atención lineal, ni la difusión han desplazado de forma universal al Transformer: tiene una infraestructura madura y un escalado probado. Es más útil preguntarse no qué modelo es más inteligente, sino qué arquitectura, en qué hardware y con qué andamiaje agéntico resuelve mejor su tarea. Todas las cifras de aceleración aquí son afirmaciones de los proveedores, así que compruébelas con su propia carga de trabajo.
- 21 nov 2026La red neuronal MIRA dibuja Rocket League a 20 fps, pero el ping llega a 460 ms
- 21 nov 2026Google creó una copia cerrada de internet con bancos falsos para entrenar a los agentes de IA de Chrome
- 21 nov 2026En la prueba MLPerf participan por primera vez Nvidia Rubin y TPU Ironwood: 153 sistemas
- 21 nov 2026Google abre la preventa de sus gafas inteligentes con Gemini desde 395 $: las ventas empiezan el 10 de diciembre
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Modelos que no escriben texto: Jev y Gemini Decision 1?
Los LLM tipo GPT tienen dos rasgos característicos: la arquitectura Transformer solo decodificador y la generación autorregresiva, en la que cada token siguiente se predice a partir de los anteriores (como el T9, pero mucho más potente). Son propiedades independientes, y cualquiera de las dos puede sustituirse. Jev renuncia a la generación secuencial allí donde la aplicación necesita una respuesta concreta: elegir una herramienta, clasificar una consulta, evaluar un riesgo, determinar el siguiente paso.
¿Qué se sabe sobre Redes recurrentes, atención lineal e híbridos?
Las redes recurrentes no han desaparecido: se han rediseñado. RWKV mantiene un estado recurrente durante la inferencia, pero se entrena en paralelo. A pesar de Key y Value en su nombre, no tiene un KV-cache creciente (la memoria con las claves y valores anteriores). xLSTM actualiza la LSTM clásica con gating exponencial y memoria matricial. El equipo de NXAI entrenó un modelo de 7.000 millones de parámetros y publicó el código y los pesos.
¿Qué se sabe sobre Convoluciones y difusión: LFM3, LLaDA, Mercury?
Liquid AI demostró que las convoluciones también sirven para el texto. En LFM2, las convoluciones cortas se combinan con algunas capas de atención, y la arquitectura se ajustó al hardware real, incluidas las CPU móviles. El 27 de octubre de 2026 salió LFM3 para texto, visión y audio. En el LFM3-1.7B de texto, de 24 capas, 13 son convolucionales, 5 de atención local y 6 de atención global. No es un modelo sin atención: simplemente no se necesita en cada capa.
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.