El mapa de modelos de 2026
'Modelo de IA' se usa para una sola cosa vaga. Pero ¿cuál?
La idea que hay dentro
No hay un solo tipo de modelo. Base, instruct, reasoning, embedding, multimodal, imagen, voz y agentes son roles: un asistente de frontera puede cumplir varios a la vez, y los productos reales conectan varios.
Después de esta lección
Puedes nombrar las principales familias de modelos, base, instruct, reasoning, embedding, multimodal, imagen o video, voz y agentes, y decir para qué sirve cada una.
Adónde lleva
Esa es la caja de herramientas. El resto del curso es cómo conectarla en algo que se pueda lanzar.
Dentro de esta lección
Ese es el escenario real de la lección, en pausa. Reclama tu pase para operarlo.
Mira cómo funciona la IA de verdad, de principio a fin.
Esta lección es solo una parada del arco completo. Desbloquéalo todo y consérvalo de por vida.
Lo que obtienes
- El camino principal de 34 lecciones, una ruta que sí se termina, de una palabra a los agentes
- Rutas por objetivo para usar IA en el trabajo y construir funciones con IA
- Labs de jefe que te hacen aplicar un acto entero, no solo reconocerlo
- Repaso espaciado que trae cada idea de vuelta antes de que la olvides
- Memoria del curso: cada término definido, con enlaces a donde aparece por primera vez
- Una tarjeta de capacidades para compartir cuando termines el camino principal
- Acceso de por vida en cualquier dispositivo, con todas las lecciones futuras incluidas
No son videos para mirar. Predices, operas la máquina y luego lo demuestras. Por eso se queda.
99 lecciones y retos interactivos. Sin videos, sin código.
Pase de lanzamiento gratis: acceso de por vida, sin tarjeta
¿Nuevo por aquí? Las primeras lecciones son gratis para probar. Empieza con la lección 0.1
Qué muestra esta lección
No hay un solo tipo de modelo. Base, instruct, reasoning, embedding, multimodal, imagen, voz y agentes son roles: un asistente de frontera puede cumplir varios a la vez, y los productos reales conectan varios.
La pregunta con la que abre
'Modelo de IA' se usa para una sola cosa vaga. Pero ¿cuál?
El recorrido, en palabras de la propia lección
- Un modelo de chat no puede buscar. Ese es el trabajo de otra familia.
- Necesitas buscar en tus propios documentos. ¿Qué modelo hace ese trabajo?
- No hay una sola 'IA'. Toca una familia para ver para qué sirve.
- Tres roles, un producto. Así se ve de verdad la 'IA integrada'.
- Un producto normalmente conecta varias de estas. Conecta este.
- Necesitas encontrar el pasaje correcto entre 10,000 PDFs. ¿Qué modelo hace eso?
- Buscar por significado es trabajo de un modelo de embedding: convierte texto en vectores para que los significados cercanos queden juntos (1.2, 5.2). Un modelo de chat más grande no ayuda. Distinto trabajo, distinta familia.
- El mapa se plegó: un asistente frontier hoy es multimodal por defecto, nativo en herramientas, y razona con un dial, un despachador integrado (el router) decide cuándo pensar más tiempo. Así que lee estas familias como roles que un mismo modelo puede jugar varios a la vez, no como especies separadas. Los especialistas siguen ganando donde importan el costo, la velocidad o el control.
- Cada familia de aquí viene en dos sabores. Los modelos de pesos abiertos (la clase DeepSeek, Qwen, GLM) son archivos que puedes descargar: los corres en tus propias máquinas, mantienes los datos privados, les haces fine-tuning. A mediados de 2026 están a meses de la frontera por una fracción del precio, y llevan buena parte del tráfico en los routers de modelos neutrales, los marketplaces agregadores que dirigen tu petición al modelo abierto que elijas.
- Los modelos de API cerrada (GPT, Gemini, Claude) tienen la capacidad pico, pero los rentas por una API y no controlas nada por dentro. Quien compra lo pesa por trabajo: costo, privacidad y control empujan hacia pesos abiertos; la capacidad máxima empuja hacia las APIs cerradas (E.7).
- Un asistente de soporte: escucha las llamadas de clientes, busca en tus docs de ayuda y redacta respuestas para tu equipo.
- Ya sabes leer el mapa. Cuando un producto diga 'IA integrada', nombra los roles: voz de entrada, búsqueda con embeddings, asistente de salida. Un modelo frontier puede incluso jugar dos de esos roles él solo; la búsqueda en docs sigue necesitando un modelo de embedding.
La idea clave
Puedo distinguir las familias de modelos y decir qué trabajo hace cada una.
Qué puedes hacer después de esta lección
Puedes nombrar las principales familias de modelos, base, instruct, reasoning, embedding, multimodal, imagen o video, voz y agentes, y decir para qué sirve cada una.
Ponte a prueba: Necesitas buscar el pasaje correcto entre miles de tus propios documentos. ¿Qué familia de modelo?
- Un modelo de embedding(correcta)
- Un modelo de chat más grande
- Un modelo de imagen
- Un modelo de reasoning
Buscar en tu propio texto por significado es lo que hace un modelo de embedding: convierte texto en vectores para que los significados cercanos queden juntos. Un modelo de chat no busca, y uno más grande tampoco.
Adónde lleva: Esa es la caja de herramientas. El resto del curso es cómo conectarla en algo que se pueda lanzar.
Este es el resumen escrito. La lección en sí es interactiva: arriba predices, arrastras y operas el mecanismo, y la revelación te responde.