12 min de lectura<\/p>\n
La soberan\u00eda europea en inteligencia artificial no depende de un presupuesto en miles de millones, sino de la inteligencia arquitect\u00f3nica. El modelo Teuken-7B lo demuestra con un coste de entrenamiento de solo 14 millones de euros y una mejora de eficiencia de hasta el 80\u202f% en lenguas aglutinantes. En lugar de seguir la l\u00f3gica de escalado de los grandes tecnol\u00f3gicos estadounidenses, el proyecto apuesta por una tokenizaci\u00f3n precisa para las 24 lenguas oficiales de la UE.<\/strong><\/p>\n Lo esencial en breve<\/p>\n \u201eCuantos menos tokens, m\u00e1s eficiente (energ\u00e9ticamente) y r\u00e1pido genera un modelo de lenguaje la respuesta.\u201c<\/p><\/blockquote>\n La composici\u00f3n de los datos de entrenamiento de Teuken-7B no sigue una distribuci\u00f3n aleatoria, sino una clara agenda estrat\u00e9gica. Mientras que los modelos globales suelen entrenarse con enfoque angloc\u00e9ntrico, en Teuken el ingl\u00e9s representa solo el 41,7\u202f% de los datos de entrenamiento. Le siguen el franc\u00e9s con el 9,1\u202f%, el alem\u00e1n con el 8,7\u202f% y el espa\u00f1ol con el 8,0\u202f%. Esta ponderaci\u00f3n garantiza que tambi\u00e9n se representen adecuadamente estructuras ling\u00fc\u00edsticas complejas. Lenguas como el fin\u00e9s y el h\u00fangaro, que suponen un reto para los tokenizadores convencionales, obtienen as\u00ed la representaci\u00f3n necesaria.<\/p>\n El nombre \u201eTeuken\u201c es una referencia directa a \u201etokens\u201c, las unidades at\u00f3micas en las que los modelos de IA descomponen el texto. La calidad de un modelo depende en gran medida de lo inteligente que sea este proceso de descomposici\u00f3n. Los enfoques convencionales, como los utilizados en Llama 3 o Mistral, tienden a dividir arbitrariamente palabras complejas en muchos fragmentos peque\u00f1os, lo que provoca una p\u00e9rdida de coherencia sem\u00e1ntica. En cambio, el tokenizador desarrollado espec\u00edficamente para Teuken reconoce estructuras morfol\u00f3gicas y mantiene intactos los componentes l\u00e9xicos relacionados.<\/p>\n Esta matizaci\u00f3n t\u00e9cnica tiene consecuencias directas en los costes operativos para las empresas. Menos tokens por entrada significan menos carga computacional por inferencia. En aplicaciones con gran volumen de texto, como el servicio al cliente o el an\u00e1lisis de documentos jur\u00eddicos, este efecto se acumula considerablemente. El IAIS de Fraunhofer<\/a> ha documentado detalladamente estas relaciones para garantizar la reproducibilidad de los resultados. La transparencia no es aqu\u00ed una promesa de marketing, sino una necesidad t\u00e9cnica para una IA fiable.<\/p>\n Para los CIO, esto implica un cambio de prioridades. No es la mera cantidad de par\u00e1metros la que determina la utilidad, sino la eficiencia del procesamiento del lenguaje. La disponibilidad del modelo como c\u00f3digo abierto en plataformas como Hugging Face<\/a> permite a desarrolladores y cient\u00edficos examinar esta arquitectura sin barreras propietarias. Esto fomenta la difusi\u00f3n de tecnolog\u00edas independientes de bloqueos de proveedores. Por tanto, la decisi\u00f3n de ofrecer una amplia cobertura ling\u00fc\u00edstica es tambi\u00e9n una apuesta por la flexibilidad a largo plazo en el mercado europeo.<\/p>\n El poder de c\u00e1lculo para el entrenamiento de Teuken-7B no se adquiri\u00f3 en centros de c\u00e1lculo en la nube externos, sino que se proporcion\u00f3 en infraestructura nacional. El supercomputador JUWELS en el Centro de Investigaci\u00f3n de J\u00fclich constituy\u00f3 el soporte tecnol\u00f3gico del proyecto. En este sistema, el modelo con siete mil millones de par\u00e1metros se entren\u00f3 en una base de 500 mil millones de tokens. Este enfoque subraya la importancia de los supercomputadores locales de alto rendimiento para la soberan\u00eda digital. La soberan\u00eda de los datos comienza ya en la fase de entrenamiento, no solo en la aplicaci\u00f3n.<\/p>\n La eficiencia de costos de este enfoque es notable y refuta la suposici\u00f3n de que la IA competitiva requiere necesariamente inversiones de miles de millones. El volumen total del proyecto ascendi\u00f3 a 14 millones de euros, proporcionados por el Ministerio Federal de Econom\u00eda y Protecci\u00f3n del Clima<\/a>. En comparaci\u00f3n con los gastos de las empresas estadounidenses, esta es una suma manejable que, sin embargo, tiene un gran impacto. La estructura de costos en el entrenamiento muestra ventajas claras sobre los modelos establecidos. Para el idioma alem\u00e1n, el esfuerzo aument\u00f3 solo un 20 % en comparaci\u00f3n con el ingl\u00e9s.<\/p>\n Para comparar: en Llama 3 y GPT-4, este recargo fue superior al 55 %, y en Mistral, incluso superior al 100 %. En promedio, otros idiomas en Teuken tienen un recargo del 37 %. En Llama 3, estos costos adicionales son del 87 %. Esta discrepancia es relevante para los presupuestos de TI. Las empresas que operan aplicaciones multiling\u00fces pueden reducir significativamente sus costos de infraestructura si optan por un modelo que procese estos idiomas de manera eficiente de forma nativa.<\/p>\n El consorcio detr\u00e1s de Teuken re\u00fane a las principales instituciones de investigaci\u00f3n. Adem\u00e1s de los Institutos Fraunhofer IAIS e IIS, participaron la Universidad T\u00e9cnica de Dresde, el Centro Alem\u00e1n de Investigaci\u00f3n en Inteligencia Artificial (DFKI) y el Centro de Investigaci\u00f3n de J\u00fclich. Esta alianza demuestra c\u00f3mo la financiaci\u00f3n p\u00fablica y la excelencia acad\u00e9mica pueden producir soluciones pr\u00e1cticas. Desde el 26 de noviembre de 2024, el modelo est\u00e1 disponible bajo licencia de c\u00f3digo abierto. El DFKI ya ha identificado casos de uso concretos para la administraci\u00f3n p\u00fablica que se pueden realizar sobre esta base.<\/p>\n La soberan\u00eda digital no es un concepto abstracto en la actual situaci\u00f3n geopol\u00edtica, sino una necesidad operativa. La Dra. Franziska Brantner, Secretaria de Estado Parlamentaria en el BMWK, enfatiza que innovaciones como Teuken fortalecen la resiliencia de Alemania y Europa. La promoci\u00f3n del proyecto es parte de una estrategia m\u00e1s amplia para reducir dependencias. Mientras que en Estados Unidos se discuten proyectos con un volumen de 500 mil millones de d\u00f3lares para infraestructuras de IA, Europa apuesta por inversiones espec\u00edficas y eficientes en competencias concretas.<\/p>\n La comercializaci\u00f3n se lleva a cabo de manera gradual y pragm\u00e1tica. Deutsche Telekom lanz\u00f3 el 12 de diciembre de 2024 la primera oferta comercial para Teuken-7B. Esto permite a las empresas que no desean o no pueden mantener su propia infraestructura de IA acceder a una tecnolog\u00eda soberana. La posibilidad de alojar el modelo localmente o con un proveedor de nube europeo de confianza devuelve a los CIO el control sobre sus flujos de datos. Esto es crucial para sectores con altos requisitos de cumplimiento.<\/p>\n En el sector financiero, la salud y la administraci\u00f3n p\u00fablica, las directrices de protecci\u00f3n de datos son estrictas. Los servicios en la nube externos de EE. UU. a menudo representan una zona gris legal. Teuken-7B ofrece una alternativa que minimiza estos riesgos. La licencia de c\u00f3digo abierto tambi\u00e9n permite una adaptaci\u00f3n profunda a las necesidades espec\u00edficas de la empresa. Los desarrolladores pueden ajustar el modelo sin depender de APIs de caja negra. Esto acelera la integraci\u00f3n en los entornos de TI existentes.<\/p>\n La Iniciativa OpenGPT-X<\/a>, de la cual el proyecto es parte, ya conecta a 26 socios europeos de siete pa\u00edses. Esta red coordina el desarrollo m\u00e1s all\u00e1 de las fronteras nacionales. A largo plazo, esto podr\u00eda llevar a que los modelos europeos tengan un rendimiento superior en ciertos dominios en comparaci\u00f3n con los competidores globales. La independencia de las APIs externas asegura la planificaci\u00f3n de proyectos de TI durante varios a\u00f1os. Los CIO obtienen as\u00ed una herramienta para proteger sus hojas de ruta contra desarrollos de mercado vol\u00e1tiles.<\/p>\n La potencia de Teuken-7B no proviene de una capacidad bruta de c\u00e1lculo, sino de la inteligencia de su arquitectura. El enfoque se centr\u00f3 en la optimizaci\u00f3n de la tokenizaci\u00f3n, ya que esta influye directamente en el consumo energ\u00e9tico y en la velocidad de respuesta. Este efecto es especialmente acusado en lenguas aglutinantes como el alem\u00e1n, fin\u00e9s, h\u00fangaro, turco, japon\u00e9s y coreano. En estos idiomas, los significados suelen formarse mediante la yuxtaposici\u00f3n de morfemas. Los tokenizadores tradicionales descomponen estas construcciones de forma ineficiente.<\/p>\n Un ejemplo ilustra la ventaja: la frase \u00abin meinen H\u00e4usern\u00bb puede construirse en algunas lenguas como un \u00fanico elemento l\u00e9xico. Si un tokenizador la divide en cinco o seis partes individuales, se pierde informaci\u00f3n contextual. El nuevo enfoque de Teuken conserva mejor estas relaciones. Esto no solo mejora la precisi\u00f3n y la eficiencia econ\u00f3mica de los resultados, sino que tambi\u00e9n reduce los requisitos de memoria. Las empresas que procesan grandes vol\u00famenes de texto pueden ahorrar as\u00ed hasta un 80 por ciento en costes de recursos.<\/p>\n Esta decisi\u00f3n arquitect\u00f3nica constituye una palanca econ\u00f3mica. Para los responsables de TI, significa que los modelos europeos no solo son competitivos por razones pol\u00edticas, sino tambi\u00e9n desde el punto de vista de los costes. La combinaci\u00f3n de financiaci\u00f3n p\u00fablica, experiencia cient\u00edfica y aplicaci\u00f3n comercial por parte de Telekom demuestra un ecosistema funcional. Por ello, los CIOs no deber\u00edan considerar este modelo como un proyecto marginal, sino evaluarlo como una opci\u00f3n estrat\u00e9gica para el per\u00edodo 2025 a 2027.<\/p>\n La inversi\u00f3n en tecnolog\u00eda soberana se amortiza gracias a unos costes operativos m\u00e1s bajos y una mayor seguridad de los datos. Se trata de una opci\u00f3n real tanto para desarrolladores y cient\u00edficos como para su uso industrial. El Fraunhofer-IIS<\/a> ha publicado los detalles t\u00e9cnicos en un documento t\u00e9cnico (whitepaper), donde se incluyen datos de referencia comparativos directos con Llama 3 y Mistral. Estos datos proporcionan la base necesaria para tomar decisiones de compra o desarrollo bien fundamentadas.<\/p>\n Se trata de un modelo ling\u00fc\u00edstico de inteligencia artificial de c\u00f3digo abierto europeo con siete mil millones de par\u00e1metros, entrenado en las 24 lenguas oficiales de la UE.<\/p>\n<\/details>\n Un consorcio liderado por los institutos Fraunhofer de Sistemas Inteligentes de An\u00e1lisis e Informaci\u00f3n (IAIS) y de Circuitos Integrados (IIS).<\/p>\n<\/details>\n El proyecto fue financiado por el Ministerio Federal de Econom\u00eda y Protecci\u00f3n del Clima con 14 millones de euros.<\/p>\n<\/details>\n El tokenizador especial descompone las palabras alemanas de forma m\u00e1s inteligente, lo que puede reducir la carga computacional hasta en un 80 por ciento en comparaci\u00f3n con modelos como Llama 3.<\/p>\n<\/details>\n Teuken-7B est\u00e1 disponible desde finales de noviembre de 2024 en Hugging Face y, desde el 12 de diciembre de 2024, tambi\u00e9n comercialmente a trav\u00e9s de Deutsche Telekom.<\/p>\n<\/details>\n Fuente imagen destacada: Pexels \/ FOTOGRAF<\/em><\/p>\n Alemania est\u00e1 perdiendo en la competencia de los centros de datos. Las razones, el crecimiento de la nube y las soluciones innovadoras como las de\u2026<\/p>\n","protected":false},"author":82,"featured_media":10704,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_yoast_wpseo_focuskw":"Modelo de KI (Puedo inferir que KI se refiere a Inteligencia Artificial, por lo tanto la traducci\u00f3n ser\u00eda) Modelo de Inteligencia Artificial Sin embargo, dado que el formato requiere respuesta concisa: Modelo de IA","_yoast_wpseo_title":"Multiling\u00fce y: modelo europeo de inteligencia artificial Teuken-7B","_yoast_wpseo_metadesc":"Teuken-7B: El primer modelo de IA de c\u00f3digo abierto de la UE, entrenado en 24 idiomas oficiales y optimizado para la soberan\u00eda digital.","_yoast_wpseo_opengraph-image":"","_yoast_wpseo_opengraph-image-id":0,"_yoast_wpseo_twitter-image":"","_yoast_wpseo_twitter-image-id":0,"featured_post_sortierung":0,"featured_post":0,"pre_headline":"","bildquelle":"","teasertext":"","language":"de","_evm_slot_owner":"","_evm_translation_lang":"","_wp_old_slug":[],"footnotes":""},"categories":[672,695],"tags":[824,719],"class_list":["post-21110","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-new-work-liderazgo","category-reboot-germany","tag-codigo-abierto","tag-ia-es","entry"],"wpml_language":"es","wpml_translation_of":10698,"yoast_head":"\n\n
Tokens para 24 lenguas oficiales de la UE<\/h2>\n
Entrenamiento en el supercomputador de J\u00fclich<\/h2>\n
Fortalecimiento de la soberan\u00eda digital<\/h2>\n
Eficiencia gracias a una arquitectura inteligente<\/h2>\n
Preguntas frecuentes<\/h2>\n
\u00bfQu\u00e9 significa exactamente Teuken-7B?<\/strong><\/summary>\n
\u00bfQui\u00e9n ha desarrollado el modelo?<\/strong><\/summary>\n
\u00bfCu\u00e1les fueron los costes de desarrollo?<\/strong><\/summary>\n
\u00bfPor qu\u00e9 es Teuken m\u00e1s eficiente para textos en alem\u00e1n?<\/strong><\/summary>\n
\u00bfD\u00f3nde se puede utilizar el modelo?<\/strong><\/summary>\n
M\u00e1s informaci\u00f3n<\/h3>\n
\n