Shawn Wang dijo que Ripple-65B, una nueva herramienta para escribir código, se entrenó por 32 millones de dólares, lo que, según afirmó, equivalía a una décima parte del costo de los modelos de programación de código abierto más avanzados anteriores.
Conclusiones clave
Shawn Wang dijo que Ripple-65B se entrenó por 32 millones de dólares, una décima parte del costo del modelo de última generación anterior de código abierto para programación agéntica
Los sistemas de programación agéntica inspeccionan bases de código, planifican pasos, escriben archivos, prueban cambios y repiten el proceso para corregir errores, lo que requiere contextos más largos y un uso reiterado de herramientas
El escritor e inversor Shawn Wang, conocido en internet como swyx, publicó la cifra en X.
Aun así, la cifra en sí es noticia porque el costo de entrenamiento se ha convertido en uno de los campos de batalla más importantes de la IA abierta.
Ripple-65B pone el costo en primer plano
Cada vez se evalúa más a los modelos abiertos según dos criterios a la vez. Uno es la calidad en las pruebas de referencia.
El otro es cuánto dinero y capacidad de cómputo hicieron falta para alcanzarla.
Por eso importa la afirmación de que costó 32 millones de dólares. Si es cierta, sugiere que los equipos que buscan un buen rendimiento en programación quizá no necesiten presupuestos de laboratorios de vanguardia para seguir siendo competitivos, al menos en clases de modelos especializados.
La programación agéntica se refiere a sistemas de IA que hacen más que autocompletar una línea.
Pueden inspeccionar una base de código, planificar pasos, escribir archivos, probar cambios y repetir el proceso para corregir errores. Estas tareas son costosas porque requieren ventanas de contexto más largas, una verificación más exhaustiva y el uso repetido de herramientas.
Leer también: el laboratorio de IA Nanbeige lanza un modelo 33B mientras su liderazgo en pruebas sacude a sus rivales
La pugna por los modelos abiertos ha cambiado desde principios de 2026
A principios de año, muchos lanzamientos de modelos abiertos destacaban la cantidad de parámetros, la longitud del contexto o los buenos resultados en pruebas de referencia.
Los lanzamientos más recientes hacen más hincapié en la eficiencia de costos, porque a las empresas les importa cuánto cuesta entrenar y ofrecer un modelo, no solo qué puntuación obtiene en una tabla de laboratorio.
Ese cambio también ha modificado lo que se considera un lanzamiento significativo. Un modelo que iguala a un rival usando menos capital puede influir en la financiación, los precios de la nube y la adopción del código abierto incluso antes de que concluyan las evaluaciones externas.
La misma lógica contribuyó a atraer la atención hacia otros lanzamientos de código abierto para programación y razonamiento durante el último día.
Los lectores ya no solo preguntan qué modelo gana. También quieren saber quién puede permitirse seguir mejorándolo.
Qué debe demostrar Ripple-65B a continuación
La carencia más evidente es la documentación.
Sin un artículo completo, una receta de entrenamiento o un apéndice con resultados de pruebas de referencia, los desarrolladores externos aún no pueden comprobar si la afirmación de que costó una décima parte compara casos equivalentes.
La siguiente prueba significativa sería el lanzamiento del modelo, un paquete de evaluación o una clasificación pública que muestre cómo se compara Ripple-65B en tareas de agentes de programación, y no solo en la autocompletación de código estática. Si aparecen esos materiales, la cifra de costos podría tener más peso entre los desarrolladores que eligen entre plataformas abiertas y cerradas.
Presupuesto de entrenamiento: qué significa la afirmación de los 32 millones de dólares
El presupuesto de entrenamiento es el costo total de la capacidad de cómputo y los gastos relacionados que se utilizan para transformar datos sin procesar e infraestructura básica en un modelo.
En un modelo grande como Ripple-65B, gran parte de la factura normalmente correspondería al tiempo de uso de GPU, el almacenamiento, las redes y el trabajo de ingeniería. Cuando un equipo afirma haber entrenado un modelo abierto por 32 millones de dólares, está haciendo una afirmación económica tanto como una afirmación de investigación.
Eso importa a dos grupos.
Los desarrolladores quieren modelos más baratos porque un menor costo de entrenamiento puede traducirse en precios de inferencia más bajos y actualizaciones más frecuentes.
A los inversores les interesa porque cambia quién puede competir. Una empresa capaz de crear un modelo de programación sólido sin gastar como un laboratorio de vanguardia amplía el campo de juego.
Para Ripple-65B, el siguiente paso es sencillo.
Publicar pruebas suficientes para que otros puedan comprobar si la versión más barata también funciona bien en flujos de trabajo de programación reales.
Leer a continuación: la Comisión Europea abre un plan de 525 millones para que las pequeñas empresas puedan fabricar chips