El repositorio 'euromesh' presenta un modelo cuantitativo y un breve informe que responde a una pregunta concreta: ¿puede Europa disponer de un modelo de IA soberano de clase frontera sin esperar a que entren en funcionamiento los grandes centros de datos de un gigavatio? La respuesta que arroja el modelo es afirmativa, aunque como solución provisional. Europa ya opera decenas de exaflops de cómputo público para IA repartidos entre los superordenadores EuroHPC y las 19 AI Factories nacionales, mientras que un campus de 1 GW tarda una media de 7,6 años en obtener conexión a la red eléctrica, según fuentes como AWS y la AIE. Con un entrenamiento federado de baja comunicación (estilo DiLoCo), ese cómputo ya disponible podría producir un modelo de clase frontera hacia 2028, frente a alrededor de 2033 para un nuevo campus de gigavatio. El proyecto se estructura en tres capas: eficiencia por FLOP del entrenamiento distribuido, tiempo hasta disponibilidad de cada nodo y una tarjeta de puntuación por región en tiempo, coste, carbono y viabilidad. El resultado depende casi por completo de los plazos de conexión a red; la penalización de eficiencia del entrenamiento federado es de segundo orden, según el análisis de sensibilidad. El repositorio incluye el código, los parámetros con etiquetas de confianza, 52 pruebas pytest, un PDF reproducible y un dataset de plazos de conexión para siete regiones. Los autores subrayan que se trata de un modelo independiente, no revisado por pares, y que el cómputo europeo es propiedad pública pero aún no es utilizable para una ejecución coordinada: las máquinas EuroHPC son compartidas, heterogéneas y de acceso por lotes. El entrenamiento distribuido a escala frontera no está demostrado por encima de unos 10.000 millones de parámetros, por lo que el objetivo es un modelo creíble de clase frontera, no un resultado garantizado de 405.000 millones. Los datos y figuras están actualizados a junio de 2026.
Noticias agregadas con IA