LLM nucleares, benchmarks chinos y la política de la medición: lo más destacado de Import AI 446

El hambre energética de los modelos de lenguaje, las ambiciones de China en materia de benchmarking y una receta sorprendentemente sencilla para los reguladores: la edición 446 de Import AI, uno de los boletines más influyentes del mundo de la inteligencia artificial, resulta inusualmente densa. Son tres temas que merecerían cada uno su propio análisis, pero juntos dibujan un mismo panorama: la industria de la IA entra en una fase en la que sus principales limitaciones ya no son puramente algorítmicas.

Empecemos por la tendencia más tangible: la energía nuclear para centros de datos. El término «Nuclear LLMs» suena a ciencia ficción, pero responde a una lógica muy pragmática. El entrenamiento y la inferencia de los mayores modelos de lenguaje exigen cantidades colosales de electricidad, y esa demanda crece de forma exponencial.

Según distintas estimaciones, en 2027 los centros de datos podrían consumir hasta el 4-6 por ciento de toda la electricidad de Estados Unidos. Las renovables no pueden cubrir la carga base, las centrales de gas generan huella de carbono y la nuclear —estable, potente y relativamente limpia— parece la única opción realista para escalar. Microsoft ya ha cerrado un acuerdo para reactivar el reactor de Three Mile Island, Amazon invierte en pequeños reactores modulares y Google ha firmado un contrato con Kairos Power.

Ya no se trata de una idea marginal, sino de una línea principal, e Import AI deja constancia del momento en que la energía se convierte en un recurso tan estratégico para la IA como los datos y la computación.

El segundo tema de la edición es un nuevo benchmark chino a gran escala para evaluar sistemas de inteligencia artificial. China construye de forma sistemática su propio ecosistema de evaluación de IA, y eso tiene consecuencias de largo alcance. Los benchmarks van más allá de su función como herramientas técnicas: determinan qué cuenta como progreso y qué capacidades de un modelo se consideran importantes y cuáles se ignoran.

Cuando China crea sus propios estándares de medición, en la práctica configura un sistema de referencia alternativo para todo el sector. Mientras los benchmarks occidentales suelen centrarse en tareas relevantes para el mundo anglófono —desde la comprensión de textos hasta la resolución de problemas de olimpiadas matemáticas—, sus equivalentes chinos podrían poner el énfasis en otros aspectos e incluir tareas específicas de los mercados, idiomas y contextos culturales asiáticos. Lo que está en juego trasciende la competencia técnica: es una pugna por definir qué significa una «IA inteligente».

El tercer tema, y quizá el más provocador, gira en torno al trabajo de Jacob Steinhardt, profesor de la Universidad de California en Berkeley y uno de los investigadores más citados en seguridad de la IA. Steinhardt plantea una idea engañosamente simple: antes de regular la inteligencia artificial, hay que aprender a medirla. Parece una obviedad, pero en la práctica es precisamente la falta de métricas fiables lo que convierte cualquier debate sobre la regulación de la IA en un diálogo de sordos.

Los legisladores no pueden fijar umbrales para los sistemas peligrosos si no existen métodos consensuados para determinar que un sistema es peligroso. Las empresas no pueden demostrar la seguridad de sus productos si no hay criterios objetivos de seguridad. Steinhardt propone una intervención política concreta: invertir en herramientas estandarizadas para medir las capacidades de los sistemas de IA.

No prohibir ni restringir, sino medir primero. Es un enfoque que podría obtener apoyo a ambos lados del espectro político, ya que no exige concesiones ideológicas.

Los tres temas comparten un hilo conductor que es fácil perder de vista entre los detalles técnicos. La industria de la IA atraviesa una etapa de madurez. La era en la que el progreso dependía exclusivamente del tamaño de los modelos y del volumen de datos da paso a otra en la que los factores decisivos son de infraestructura, geopolíticos e institucionales. ¿Quién suministrará energía a la próxima generación de modelos? ¿Quién fijará los estándares para evaluarlos? ¿Quién creará las herramientas que permitan a la sociedad controlar esta tecnología?

Import AI, que edita Jack Clark —exdirector de políticas de OpenAI y cofundador de Anthropic—, sigue siendo una de las pocas fuentes capaces de detectar estas conexiones y ponerlas en contexto. La edición 446 recuerda que el futuro de la IA no se decide solo en los laboratorios, sino también en las centrales eléctricas, en los organismos de normalización y en los pasillos del poder. Y quienes lo entienden obtienen una ventaja estratégica.