Por Canuto  

Mirendil presentó Fern 0.1, un modelo orientado a programación que admite hasta 10 millones de tokens de contexto. En las pruebas difundidas por la empresa, mostró capacidad para recuperar información de textos extensos, pero también una brecha frente a modelos frontera en tareas de programación autónoma.

***

  • Fern 0.1 admite una ventana de contexto de hasta 10 millones de tokens, equivalente, según Mirendil, a unos 23 MB de código o medio millón de líneas.
  • En las pruebas RULER difundidas por la empresa, el modelo obtuvo 100% en recuperación de una sola aguja hasta 10 millones de tokens, aunque su resultado de QA multi-hop cayó a 45%.
  • En Terminal Bench 4.0, Fern 0.1 logró 6,1%, frente al 66,4% de Claude Opus 5.5 en la comparación citada por Mirendil.

 

 

Mirendil presentó Fern 0.1, su primer modelo de inteligencia artificial, con una ventana de contexto de hasta 10 millones de tokens y un enfoque específico en programación e investigación en IA. La empresa calcula que esa capacidad permite procesar alrededor de 23 MB de código, equivalentes a cerca de medio millón de líneas, en una misma sesión. El anuncio sitúa al sistema como una herramienta para analizar repositorios extensos, registros de entrenamiento y trazas de agentes sin dividirlos en fragmentos pequeños.

La amplitud de contexto es el principal argumento del lanzamiento, pero no implica que Fern supere a los modelos más avanzados en todas las tareas. En las pruebas difundidas por Mirendil, el modelo sobresale en ciertos ejercicios de recuperación de información larga y queda muy por detrás de alternativas frontera en programación autónoma. La compañía ofrece acceso anticipado alojado; no anunció pesos abiertos ni versiones cuantizadas.

Un modelo especializado con contexto de hasta 10 millones de tokens

Fern fue diseñado para actividades de investigación y desarrollo en IA, no como un asistente generalista centrado en conversación. Mirendil plantea seis usos: trabajar con bases de código grandes, ejecutar ciclos de programación con agentes hasta que pasen las pruebas, desarrollar código de investigación y revisar tuberías de datos o evaluaciones. También apunta a depurar entrenamientos mediante registros extensos, leer trazas completas de agentes y detectar duplicados, contaminación o datos basura en fragmentos de preentrenamiento.

La ventana de 10 millones de tokens busca que un desarrollador pueda cargar un repositorio amplio o varios días de trazas en una sola interacción, en lugar de depender de múltiples consultas con contexto parcial. Según la explicación de la empresa, el volumen alcanza una base de código comparable en escala a Megatron-LM. La cifra de tokens no equivale a una cantidad fija de líneas para cualquier proyecto, pero Mirendil la traduce como unos 23 MB de código o medio millón de líneas para ilustrar su alcance.

La compañía describe Fern 0.1 como la primera versión construida a partir de Mirendil-Base tras una breve etapa de postentrenamiento. El tamaño total del modelo se ubicaría entre 0,1 y 0,5 billones de parámetros, aunque Mirendil no publicó una cifra exacta ni reveló cuántos parámetros permanecen activos durante la inferencia. Tampoco especificó una licencia ni dio acceso público a los pesos, por lo que la evaluación externa y la posibilidad de instalarlo por cuenta propia siguen limitadas.

En su comparación de características, Mirendil sitúa a Fern frente a Kimi-K3, desarrollado por Moonshot AI, y GLM-5.3, de Z.ai. Atribuye a Kimi-K3 2,8 billones de parámetros totales y 104.000 millones activos, además de una ventana de 1.048.576 tokens; para GLM-5.3 indica 753.000 millones totales, cerca de 40.000 millones activos y el mismo límite de contexto. Fern ofrece texto y código, mientras que la tabla asigna entrada de texto, imagen y video a Kimi-K3 y solo texto a GLM-5.3.

Entrenamiento, datos y ambiciones de Mirendil

Mirendil afirma que un solo investigador preentrenó Mirendil-Base durante tres meses y medio, con un costo de cómputo inferior a USD 10 millones. La firma también asegura que agentes de IA escribieron más de 99% del código, mientras el investigador decidió qué probar y cuándo intervenir.

De acuerdo con la compañía, el conjunto de entrenamiento se nutrió exclusivamente de fuentes públicas, entre ellas GitHub, código disponible públicamente, páginas web y conjuntos de datos públicos. Mirendil sostiene que no recurrió a destilación, datos sintéticos ni datos con licencia. También dice que desarrolló el código desde cero utilizando PyTorch y JAX, detalles que describen el proceso según el laboratorio, pero que no equivalen a una auditoría independiente de los datos o del entrenamiento.

Fern es el más pequeño de tres modelos que Mirendil tiene en planificación. La empresa informa que el preentrenamiento de Mirendil-Base-Large, cuyo rango previsto va de 0,5 a 2 billones de parámetros, supera 80% de avance; Mirendil-Base-XL, proyectado entre 2 y 10 billones, supera 20%. Esas cifras expresan el estado de avance comunicado por el laboratorio, no resultados de rendimiento publicados para los dos modelos mayores.

La escala anunciada y el bajo costo declarado dan contexto a la estrategia de Mirendil, aunque por sí solos no permiten comparar la eficiencia del entrenamiento con la de otros laboratorios. El anuncio no detalla una metodología independiente para verificar el gasto, la participación de los agentes o la selección de datos. Para quienes evalúen Fern, el acceso temprano alojado ofrece una vía de prueba, pero la falta de pesos públicos impide reproducir localmente sus resultados o inspeccionar el sistema directamente.

Pruebas de contexto largo: buena recuperación, razonamiento irregular

Mirendil evaluó la predicción del siguiente token sobre repositorios propios concatenados en un flujo de 42,9 MB. Midió la entropía cruzada en bits por byte, donde un valor menor indica una predicción más ajustada, y comparó ventanas de contexto medidas en bytes, no en tokens. En ese análisis, la pérdida de Fern descendió de 0,246 con una ventana de 32.000 bytes a 0,155 con ventanas de 16 y 23 millones de bytes.

La curva sugiere que Fern sigue aprovechando contexto cuando la ventana rebasa los límites utilizados para los otros modelos de la comparación, pero no demuestra que sea el mejor predictor a igual longitud. Con una ventana de un millón de bytes, Mirendil reportó 0,140 para Kimi-K3 y 0,165 para Fern; GLM-5.3 registró 0,170 en la tabla comparativa. Por tanto, el resultado favorable de Fern está en extender la evaluación a contextos mayores, no en superar a Kimi-K3 en ese punto compartido.

En el benchmark RULER, el modelo base obtuvo 100% en recuperación de una sola aguja para las cuatro longitudes evaluadas: 32.000, un millón, cuatro millones y 10 millones de tokens. En recuperación multi-clave logró 100%, 98%, 98% y 90%, respectivamente, mientras que en la tarea multi-clave de todas las agujas mantuvo 100% en cada longitud. Mirendil empleó decodificación codiciosa, desactivó el modo de razonamiento y evaluó coincidencias exactas de cadenas.

Los resultados fueron menos uniformes en seguimiento de variables y preguntas de varios pasos. Fern obtuvo 100%, 95%, 75% y 100% en seguimiento de variables, y 65%, 65%, 60% y 45% en QA multi-hop basada en HotpotQA, según las mismas longitudes de contexto. La caída de esta última tarea a 10 millones de tokens indica que recuperar datos puntuales no garantiza razonar mejor sobre relaciones complejas; además, cada celda de 10 millones usó solo 20 ejemplos, frente a 100 en las demás longitudes.

Programación autónoma: la brecha con modelos frontera

En las pruebas agénticas publicadas por Mirendil, Fern 0.1 alcanzó 44,2% en DeepSWE v1.1, 6,1% en Terminal Bench 4.0, 53,2% en SWE Atlas QnA, 76,5% en SWE-Pro v2 Hard y 73,4% en SWE-Bench Verified. La empresa reunió resultados de fichas de modelos, tablas de clasificación y ejecuciones propias, de modo que las cifras no necesariamente proceden de una única evaluación controlada con idénticas condiciones. En la tabla, Fern se ubica por debajo de los modelos frontera y de los grandes modelos abiertos comparados.

La distancia resulta especialmente marcada en Terminal Bench 4.0: Mirendil reporta 12,6% para Kimi-K3, 41,9% para GLM-5.3 y 66,4% para Claude Opus 5.5, frente al 6,1% de Fern. En SWE-Bench Verified, el modelo registró 73,4%, mientras Kimi-K3 llegó a 93,4%, GLM-5.3 a 95,4% y Claude Opus 5.5 a 98,2%. Estas comparaciones exponen una limitación concreta del debut: la capacidad para alojar más contexto no se tradujo en resultados equivalentes al ejecutar tareas de software.

Fern sí superó a Inkling y Nemotron 3 Ultra en cuatro de las cinco pruebas, según el balance publicado por Mirendil. También igualó a Beam en SWE-Pro v2 Hard con 76,5%, pero quedó por debajo de Beam en SWE-Bench Verified, donde marcó 73,4% frente a 81,6%. El panorama, por tanto, es mixto: hay resultados competitivos ante algunos modelos y tareas, pero los datos divulgados no respaldan presentarlo como sustituto de los sistemas frontera en programación agéntica.

Por ahora, el acceso anticipado alojado permite a desarrolladores interesados solicitar una evaluación, pero Mirendil no comunicó una fecha para publicar pesos ni versiones cuantizadas. La compañía también indicó que prepara resultados adicionales de contexto largo, relevantes para comprobar si la recuperación se sostiene con pruebas más amplias y variadas. Hasta entonces, Fern 0.1 se perfila como una apuesta especializada por procesar repositorios y trazas extensas, con fortalezas y límites que sus propias tablas dejan a la vista.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público

Este artículo fue escrito por un redactor de contenido de IA




ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados