Durante años, la industria de la IA ha operado bajo una premisa simple y costosa: para construir los mejores modelos, necesitas la mayor cantidad de dinero. La era de los entrenamientos masivos —cientos de millones de dólares por un solo modelo— se ha justificado por un salto correspondiente en capacidad. El Ernie 5.1 de Baidu torpedea esa premisa con precisión quirúrgica. Al alcanzar un rendimiento de frontera en múltiples benchmarks mientras reduce los costes de pre-entrenamiento a solo el seis por ciento de lo que requieren modelos comparables, Baidu ha hecho algo realmente trascendental: ha demostrado que el paradigma del escalado no es una ley de la naturaleza. Es una decisión de ingeniería, y además subóptima.
El corazón del Ernie 5.1 es un método que Baidu denomina el 'marco de entrenamiento elástico Once-For-All'. En lugar de entrenar modelos separados o incluso destilar un modelo grande a posteriori, Baidu optimiza una familia completa de arquitecturas de modelos simultáneamente en una sola ejecución. Diferentes profundidades, anchuras y números de expertos activos se consideran conjuntamente, compartiendo pesos y aprendiendo juntos. Ernie 5.1 es simplemente la mejor configuración extraída de esa familia. Esto no es nuevo en el mundo de los modelos pequeños —la búsqueda eficiente de arquitecturas neuronales existe desde hace años—, pero escalarlo a un sistema con más de dos billones de parámetros totales es un hito de ingeniería genuino. El ahorro de costes es una consecuencia directa de amortizar la exploración entre todos los submodelos posibles.
Baidu también abordó el notorio 'efecto balancín' en el entrenamiento multi-habilidad, donde mejorar la capacidad de codificación degrada el razonamiento o la creatividad. Su pipeline de post-entrenamiento en cuatro etapas es elegante. Primero, un fine-tuning supervisado conjunto construye una base amplia. Luego, modelos expertos especializados para tareas de código, lógica y agentes se entrenan en paralelo. Un modelo estudiante aprende de los tres simultáneamente mediante knowledge distillation. Finalmente, una etapa de reinforcement learning abierto restaura la variedad creativa que la destilación pura tiende a eliminar. Este pipeline es inteligente porque reconoce que ningún modelo puede ser bueno en todo, pero en lugar de mantener los expertos separados en tiempo de inferencia, obliga a un estudiante compacto a absorber lo mejor de cada uno. El resultado es un modelo que obtiene una puntuación de 1.223 en el Search Arena Leaderboard (cuarto a nivel mundial, primero entre los modelos chinos) y supera a DeepSeek-V4-Pro en benchmarks de agentes, todo mientras cuesta aproximadamente un tercio de los parámetros de su predecesor.
Seamos claros sobre lo que esto significa para los desarrolladores. La narrativa dominante ha sido que la IA de frontera es un juego en el que el ganador se lo lleva todo, reservado para los hiperescaladores con presupuestos computacionales ilimitados. Ernie 5.1 refuta directamente esa narrativa. Si un modelo puede entrenarse por el 6% del coste de sus pares igualando o superando su rendimiento, entonces la barrera de entrada para la IA de última generación acaba de derrumbarse. Las organizaciones que anteriormente descartaron la posibilidad de entrenar modelos competitivos —laboratorios regionales, grupos académicos, empresas medianas— de repente tienen un camino viable. El enfoque 'Once-For-All' podría convertirse en la plantilla por defecto: invertir una vez en una familia grande, y luego extraer el mejor submodelo para tu presupuesto de despliegue.
Pero hay una advertencia importante que no se puede ignorar. Baidu no ha publicado los pesos abiertos de Ernie 5.1, y sus afirmaciones sobre los benchmarks siguen siendo no verificables por la comunidad de investigación independiente. La historia de la empresa de modelos cerrados y prioridades alineadas con el gobierno debería hacer reflexionar a cualquier profesional serio. La ingeniería es impresionante, pero la falta de transparencia significa que no podemos auditar los datos de entrenamiento, la metodología de evaluación ni el comportamiento del modelo en tareas sensibles. Esto importa porque el avance en eficiencia de costes solo es útil si puede ser adoptado y adaptado por el ecosistema en general. Los modelos cerrados no pueden replicarse, fine-tunearse ni estudiarse para seguridad. En ese sentido, Ernie 5.1 es una victoria de ingeniería pero una pérdida para la ciencia abierta.
En última instancia, Ernie 5.1 debe interpretarse como un punto de prueba, no como un producto. Demuestra que la industria ha estado pagando de más de forma flagrante por la calidad de los modelos. La carrera por construir modelos más grandes y caros siempre ha estado impulsada por la suposición de que más parámetros y más FLOPs son la única palanca. Baidu ha demostrado que un entrenamiento más inteligente —no solo más grande— puede ofrecer los mismos resultados a una fracción del coste. La siguiente pregunta natural es: si los laboratorios chinos pueden reducir los costes en un 94% en un modelo cerrado, ¿qué podría hacer una comunidad abierta con el mismo enfoque? Quizás nunca lo sepamos, pero la señal es clara. La era del escalado derrochador ha terminado. Larga vida a la inteligencia eficiente.
