DeepSeek y su mHC: ¿Revolución en IA o escepticismo justificado? Los primeros resultados generan debate en 2026
- ¿Qué propone realmente DeepSeek con su concepto mHC?
- ¿Por qué los expertos mantienen escepticismo?
- El contexto del éxito reciente de DeepSeek
- ¿Hacia dónde va la investigación en IA?
- Preguntas frecuentes sobre DeepSeek y el mHC
La startup china DeepSeek ha sacudido el mundo de la inteligencia artificial con su propuesta de modelos mHC, que prometen mayor eficiencia energética sin añadir hardware. Sin embargo, expertos como el profesor Guo Song advierten que la investigación está en fase inicial y cuestionan su escalabilidad. Mientras tanto, los modelos lingüísticos V3 y R1 de DeepSeek ya superan benchmarks con menos datos de entrenamiento.
¿Qué propone realmente DeepSeek con su concepto mHC?
DeepSeek, la emergente compañía china de IA, afirma haber desarrollado una arquitectura revolucionaria llamada "complejo mayor de histocompatibilidad" (mHC) que podría cambiar las reglas del juego. Según Liang Wenfeng, fundador y CEO, este enfoque permite crear modelos más potentes sin incrementar el consumo energético, algo crucial en una industria donde el entrenamiento de grandes modelos puede costar millones en electricidad.
El núcleo de la innovación está en las "Hiper-conexiones", introducidas en 2024. Imagínese una autopista neuronal: donde los ResNet tradicionales son de un solo carril, el mHC propone múltiples vías para que la información fluya. "Es como comparar una calle rural con una autopista de ocho carriles", comenta Song Linqi de la Universidad de Hong Kong, aunque advierte: "Más carriles sin semáforos pueden causar accidentes".
¿Por qué los expertos mantienen escepticismo?
El documento técnico publicado la semana pasada ha generado tanto entusiasmo como dudas. Los tests realizados con modelos de 27 mil millones de parámetros muestran resultados prometedores, pero los modelos actuales más avanzados superan los 100 mil millones. "Es como probar un motor nuevo en un coche pequeño cuando necesitas mover un camión", analiza el profesor Guo Song de HKUST.
Otro punto conflictivo es la infraestructura requerida. "El mHC podría ser demasiado complejo para institutos pequeños o dispositivos móviles", señala Guo. Esto plantea dudas sobre su aplicabilidad real fuera de laboratorios bien financiados.
El contexto del éxito reciente de DeepSeek
El interés por DeepSeek no surge de la nada. Según datos de CoinMarketCap, su modelo lingüístico DeepSeek V3 y el modelo de razonamiento R1 han demostrado un rendimiento excepcional en benchmarks recientes, igualando o superando a competidores que usaron hasta 10 veces más datos de entrenamiento.
En plataformas como BTCC, el token asociado a DeepSeek ha mostrado una volatilidad interesante tras estos anuncios, aunque -como siempre decimos- esto no constituye consejo de inversión. Los traders parecen divididos entre el escepticismo académico y el entusiasmo tecnológico.
¿Hacia dónde va la investigación en IA?
Lo más fascinante del mHC podría ser su impacto teórico. "En lugar de pequeños ajustes a modelos existentes, esto podría inspirar diseños completamente nuevos", opina Guo. Es como cuando pasamos de las máquinas de vapor a los motores de combustión: no es solo mejorar, es repensar todo el sistema.
Sin embargo, como bien señala Cryptopolitan, la historia de la IA está llena de conceptos brillantes que nunca escalaron. El verdadero test para el mHC llegará cuando intente competir con los gigantes actuales como GPT-5 o Gemini Ultra.
Preguntas frecuentes sobre DeepSeek y el mHC
¿Qué ventajas tiene el mHC sobre arquitecturas tradicionales?
El mHC promete mayor eficiencia computacional y energética al permitir múltiples rutas de procesamiento paralelo, aunque esto aún no se ha demostrado a gran escala.
¿Por qué algunos investigadores dudan del mHC?
Expertos como Song Linqi señalan que las hiperconexiones pueden causar inestabilidad durante el entrenamiento, y los tests actuales usan modelos relativamente pequeños comparados con los estándares industriales.
¿Cómo han performado otros productos de DeepSeek?
Sus modelos V3 y R1 han mostrado resultados impresionantes en benchmarks, superando a competidores que usaron más datos, lo que da cierta credibilidad a sus afirmaciones sobre el mHC.
