{"id":436187,"date":"2026-08-20T10:02:16","date_gmt":"2026-08-20T08:02:16","guid":{"rendered":"https:\/\/www.cined.com\/?p=436187"},"modified":"2026-08-20T18:43:05","modified_gmt":"2026-08-20T16:43:05","slug":"eddie-ai-trains-editing-model-small-enough-to-run-locally-claims-47-win-rate-against-kimi-k3","status":"publish","type":"post","link":"https:\/\/www.cined.com\/es\/eddie-ai-trains-editing-model-small-enough-to-run-locally-claims-47-win-rate-against-kimi-k3\/","title":{"rendered":"Eddie AI Entrena un Modelo de Edici\u00f3n lo Suficientemente Peque\u00f1o como para Ejecutarse de Forma Local – La compa\u00f1\u00eda afirma una tasa de \u00e9xito del 47% frente a Kimi K3"},"content":{"rendered":"\n

Eddie AI ha publicado una investigaci\u00f3n preliminar que apunta a algo m\u00e1s interesante que una simple actualizaci\u00f3n de funciones. La compa\u00f1\u00eda tom\u00f3 un modelo abierto de nueve mil millones de par\u00e1metros y lo entren\u00f3 para encontrar una historia en material de archivo sin procesar, utilizando un modelo de vanguardia m\u00e1s grande como maestro. Eddie AI afirma que el modelo m\u00e1s peque\u00f1o fue preferido en el 47% de las comparaciones directas con Kimi K3. Lo que no queda claro en el material proporcionado es c\u00f3mo se realizaron esas comparaciones. Aun as\u00ed, la idea subyacente merece atenci\u00f3n: si un modelo relativamente peque\u00f1o puede tomar decisiones editoriales significativas, las futuras herramientas de edici\u00f3n de IA podr\u00edan no depender de grandes modelos basados en la nube.<\/strong><\/p>\n\n\n\n

La investigaci\u00f3n<\/a> utiliz\u00f3 dos modelos espec\u00edficos. Kimi K3, el modelo de vanguardia de peso abierto que lanz\u00f3 Moonshot AI<\/a> el 16 de julio de 2026 que cuenta con 2.8 billones de par\u00e1metros, gener\u00f3 las ediciones del maestro. Qwen3.5-9B<\/a>, parte de la familia de modelos Qwen m\u00e1s peque\u00f1os de Alibaba, sirvi\u00f3 como alumno. La tarea era muy espec\u00edfica: hab\u00eda que encontrar una historia convincente en material de archivo sin procesar, trabajar a nivel de transcripci\u00f3n y evaluar los resultados en un conjunto de prueba de aproximadamente 100 proyectos reales con indicaciones reales. De entrada, el modelo 9B fue el preferido frente a Kimi en alrededor del 10% de las ediciones. Entrenado con los patrones de razonamiento de Kimi mediante LoRA, este porcentaje aument\u00f3 a aproximadamente el 32%. Despu\u00e9s de que el equipo modificara las trayectorias de las que aprend\u00eda el estudiante, alcanz\u00f3 un m\u00e1ximo del 47%.<\/p>\n\n\n\n

\n