El hub Huawei Ascend suma 26 réplicas de modelos abiertos en cinco horas
El hub Huawei Ascend Modelers añadió el jueves 26 nuevas entradas en cinco horas, y ninguna es un modelo insignia nuevo. Se trata de réplicas y reempaquetados de pesos abiertos de Google DeepMind, Tencent ARC, Stability AI, Meta y AMD, para que los desarrolladores puedan prescindir de Hugging Face. La entrada más útil es el codificador SigLIP SO400M para búsqueda de imágenes. Por ahora, el hub es un almacén de modelos ajenos y no de lanzamientos propios de Huawei.
Procesado por IA desde X: @AiChinaNews; editado por Hamidun News
El jueves, el ecosistema Huawei Ascend hizo un día de inventario. En cinco horas, su hub Modelers sumó 26 entradas, y ninguna era un modelo insignia nuevo. Son sobre todo réplicas y reempaquetados de pesos abiertos de Google DeepMind, Tencent ARC, Stability AI, Meta y AMD, además de un conjunto de versiones ajustadas. La intención es clara: un desarrollador con chips Ascend debe encontrar el catálogo habitual de modelos abiertos sin depender de Hugging Face. Para quienes construyen productos en el ecosistema chino, es una señal de que la alternativa local crece rápido en contenido.
¿Qué puede llegar realmente a su pila tecnológica?
La entrada más útil es, sin embargo, la más conocida: SigLIP SO400M (checkpoint patch14-384) de Google DeepMind. La arquitectura no es nueva. Es el «ojo» muy usado en muchos sistemas multimodales: relaciona imágenes y texto, por lo que sirve para clasificación sin ajuste fino, búsqueda de imágenes mediante descripciones y otras tareas en las que hay que entender qué aparece en una foto. Ahora puede obtenerse dentro del ecosistema Ascend.
La segunda pieza útil es PIIP-LLaVA, un modelo de 7.000 millones de parámetros que sigue instrucciones sobre imágenes con el esquema LLaVA. Está construido sobre los codificadores ConvNeXt-L y CLIP-L. Frente a las demostraciones multimodales voluminosas resulta modesto, pero modelos así suelen llegar más a producción.
Entre las variantes compactas destaca PVC-InternVL2-8B de OpenGVLab. Es la única entrada con una diferencia real respecto al modelo base: InternVL2 ajustado para la percepción, es decir, reconocimiento de texto en imágenes, lectura de gráficos y documentos, y razonamiento sobre varias imágenes. Los pesos en bf16 bajo licencia MIT caben en un solo acelerador. Para dispositivos de borde, la empresa Axera añadió dos versiones de Qwen: Omni de 3B y otra de 7B dividida en partes. El propio hub publicó pequeños Qwen de 1,7B y 0,5B.
Adaptadores, reempaquetados y lastre evidente
Más ruido, pero menos novedad, aportan los adaptadores T2I-Adapter de Tencent ARC para Stable Diffusion XL: siete entradas independientes. Entre ellas hay un adaptador de profundidad basado en ZoeDepth, una segunda variante de profundidad basada en MiDaS (unos 779 millones de parámetros), contornos Canny, bocetos, dibujo lineal y OpenPose. Son pesos ligeros complementarios: dan a SDXL control sobre la composición de la imagen sin conectar un ControlNet completo, en el formato estándar de diffusers. Desde la ingeniería está bien, pero la presentación es extraña: Canny se publicó dos veces en un mismo día y cada variante se anunció como un lanzamiento aparte.
Entre los reempaquetados de modelos ajenos figuran dos versiones de DeepSeek-R1-Distill-Llama-8B para AMD Ryzen AI: un paquete ONNX para NPU y una versión híbrida NPU más gráficos integrados, bajo la herramienta Ryzen AI 1.7.1, ambas con licencia MIT. Permiten ejecutar un modelo de razonamiento de forma privada y sin conexión en portátiles Windows corrientes, sin tarjeta gráfica dedicada. La lista incluye también un reescalador x4 basado en difusión de Stability AI, el adaptador de identidad facial InstantID para SDXL y un LoRA ligero para bocetos en FLUX.
Lo demás es la parte menos convincente. Dos checkpoints de OpenO1 SFT (proyecto de la comunidad, licencia Apache 2.0, incluida la v3.
1) intentan replicar el modelo de razonamiento o1, pero según la descripción del propio listado, la tarjeta del modelo necesita trabajo. Una licencia libre no demuestra calidad. La familia OpenCodeReasoning recibió dos entradas en veinte minutos para un conjunto diminuto de ejemplos de razonamiento sobre código (licencia Apache 2.
0). El modelo borrador promete una generación de código entre 2 y 4 veces más rápida, pero el encabezado no ofrece confirmación alguna. Llama 2 7B, publicado por Meta hace tres años, aparece en noviembre de 2026 presentado como novedad.
Cierra la ventana FlanFred, un modelo poco claro con ajuste por instrucciones y sin una descripción adecuada.
Qué se desprende de todo esto
La conclusión principal no está en un modelo concreto, sino en el ritmo. Huawei está logrando que Hugging Face deje de ser imprescindible para sus desarrolladores, y a este ritmo lo conseguirá. La limitación es evidente: por ahora el hub acumula sobre todo trabajo ajeno y no publica el suyo propio. En la práctica, conviene mirar SigLIP, PVC-InternVL2-8B y las versiones para Ryzen AI si necesita multimodalidad o inferencia sin conexión. El resto es un catálogo que crece más deprisa de lo que se llena de sentido. El verdadero punto de inflexión llegará cuando aparezca en Modelers el primer modelo propio de Huawei, y no otra réplica más.
- 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 puede llegar realmente a su pila tecnológica?
La entrada más útil es, sin embargo, la más conocida: SigLIP SO400M (checkpoint patch14-384) de Google DeepMind. La arquitectura no es nueva. Es el «ojo» muy usado en muchos sistemas multimodales: relaciona imágenes y texto, por lo que sirve para clasificación sin ajuste fino, búsqueda de imágenes mediante descripciones y otras tareas en las que hay que entender qué aparece en una foto. Ahora puede obtenerse dentro del ecosistema Ascend.
¿Qué se sabe sobre Adaptadores, reempaquetados y lastre evidente?
Más ruido, pero menos novedad, aportan los adaptadores T2I-Adapter de Tencent ARC para Stable Diffusion XL: siete entradas independientes. Entre ellas hay un adaptador de profundidad basado en ZoeDepth, una segunda variante de profundidad basada en MiDaS (unos 779 millones de parámetros), contornos Canny, bocetos, dibujo lineal y OpenPose. Son pesos ligeros complementarios: dan a SDXL control sobre la composición de la imagen sin conectar un ControlNet completo, en el formato estándar de diffusers.
¿Qué se sabe sobre Qué se desprende de todo esto?
La conclusión principal no está en un modelo concreto, sino en el ritmo. Huawei está logrando que Hugging Face deje de ser imprescindible para sus desarrolladores, y a este ritmo lo conseguirá. La limitación es evidente: por ahora el hub acumula sobre todo trabajo ajeno y no publica el suyo propio. En la práctica, conviene mirar SigLIP, PVC-InternVL2-8B y las versiones para Ryzen AI si necesita multimodalidad o inferencia sin conexión. El resto es un catálogo que crece más deprisa de lo que se llena de sentido.
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.