Contexto técnico
He investigado esta historia y, por ahora, esto es lo que se perfila: la cifra de 800 mil millones de parámetros activos circula como una estimación en debates de X, no como un anuncio oficial de Anthropic. Aquí ya me detengo, porque para una implementación real de IA, los rumores sobre un "modelo inmenso" no sirven de nada si no está claro qué se puede acceder realmente a través de la API.
Según filtraciones más consistentes, Mythos parece ser un modelo MoE con un tamaño total de unos 10 billones de parámetros. La parte activa en un solo pase, a juzgar por las referencias, podría estar en el rango de 800 mil millones a 1,2 billones. Esto suena más plausible que la frase desnuda «modelo base de 800B».
Y algo aún más importante: al parecer, Mythos no se está preparando como un análogo público masivo de GPT-4 con acceso abierto para todos. En varias fuentes se repite la misma idea: el modelo se mantiene en acceso anticipado, a través de canales restringidos, por los riesgos de ciberseguridad. Así que la gran pregunta ahora no es solo su potencia, sino quién va a poder siquiera tocarlo.
En cuanto al precio, también hay niebla. He visto rumores de 25/125 dólares por millón de tokens, pero eso sigue siendo un susurro del mercado, no un hecho. Por lo tanto, comparar Mythos con modelos de producción normales en coste total de propiedad aún es prematuro.
Qué implica esto para el negocio y la automatización
Si Mythos es realmente tan potente, se beneficiarán los equipos que necesitan escenarios pesados: investigación de seguridad, código complejo, razonamiento en varios pasos, flujos de agentes con alta calidad de respuesta. Pero si el acceso sigue restringido, la mayoría de las empresas no podrán sencillamente integrar este modelo en sus procesos.
Los perdedores serán quienes armen su hoja de ruta sobre la exageración. Yo no basaría la automatización de IA en un modelo sin SLA claros, sin una API estable y sin precios confirmados.
En la práctica, la elección suele ser más aburrida y más honesta: o esperar por un acceso restringido y asumir los riesgos, o construir soluciones de IA para negocio sobre modelos ya disponibles, con enrutamiento adecuado, validación y una capa de respaldo. En Nahornyi AI Lab resolvemos justamente estas disyuntivas para los clientes: no especulamos sobre rumores, sino que diseñamos arquitecturas de IA para que el negocio no dependa de un único modelo llamativo. Si usted enfrenta una decisión parecida, mi equipo y yo podemos ayudarle a desarrollar una integración de IA sin magia innecesaria y con una economía clara.