La startup europea Multiverse Computing presentó dos modelos de IA ultra-compactos —ChickBrain (3.2B parámetros) y SuperFly (94M)— diseñados para correr localmente en smartphones, relojes y dispositivos IoT. La compañía, con sede en Donostia y unos 100 empleados, llegó en junio a una ronda de € 189 millones (unos U$S 215 millones) y afirma que su tecnología de compresión, CompactifAI, permite reducir drásticamente el tamaño sin perder rendimiento.
Modelos mínimos, capacidades reales
Multiverse lanzó una familia que llama Model Zoo y que, en tono lúdico, nombra a los modelos según tamaños cerebrales animales. El más pequeño orientado a dispositivos es SuperFly, una versión comprimida del modelo abierto SmolLM2-135: pasa de 135 millones de parámetros a 94 millones, y está pensado para tareas como interfaces de voz en electrodomésticos o microcontroladores.
El otro es ChickBrain, con 3.2 mil millones de parámetros —una versión comprimida del Llama 3.1 8B— que la compañía asegura puede ejecutar razonamiento y llega a funcionar “offline” en un MacBook sin conexión a Internet. Según Multiverse, en pruebas internas ChickBrain supera ligeramente al modelo original en benchmarks como MMLU-Pro, Math 500, GSM8K y GPQA Diamond (resultados publicados por la propia empresa).
CompactifAI: compresión “cuántica” para modelos prácticos
La piedra angular del negocio es CompactifAI, el algoritmo de compresión “inspirado en la física cuántica” que —según el cofundador Román Orús— distingue a Multiverse del enfoque clásico de compresión en machine learning. «Tenemos una tecnología de compresión que no es la típica que haría la gente de informática o machine learning, porque venimos de la física cuántica», describió Orús. «Es un algoritmo de compresión más sutil y más refinado».
Orús también destacó el objetivo práctico: «Podemos comprimir el modelo tanto que puedan caber en los dispositivos. Podés ejecutarlos localmente, directamente en tu iPhone o en tu Apple Watch», dijo a la prensa. Esa capacidad abre la puerta a interfaces de voz con latencia mínima y mayor privacidad al evitar envíos continuos de datos a la nube.
Financiación, clientes y rutas comerciales
En junio Multiverse cerró una ronda por € 189 millones (U$S 215 millones) —liderada por Bullhorn Capital, con participación de HP Tech Ventures y Toshiba entre otros— y, desde su fundación en 2019, afirma haber levantado alrededor de U$S 250 millones en total. La startup, con base en Donostia (España), fue cofundada por Román Orús, Samuel Mugel y Enrique Lizaso Olmos, y suma clientes corporativos como BASF, Ally, Moody’s y Bosch.
Sobre alianzas industriales, Orús aseguró: «Estamos hablando con Apple. Estamos hablando con Samsung, también con Sony y con HP, obviamente. HP participó como inversor en la última ronda». Además de vender modelos a fabricantes, Multiverse ofrece una API alojada en AWS que permite a desarrolladores acceder a sus modelos comprimidos —“con tarifas por token frecuentemente más bajas que las de competidores”, según la compañía.
Aplicaciones prácticas y límites
La promesa es clara: llevar chat, voz y razonamiento a dispositivos con conexión limitada o nula, ideal para el IoT (electrodomésticos, sensores industriales) y privacidad por diseño. Ejemplos citados incluyen asistentes de voz en lavadoras o diagnósticos offline en dispositivos con poca potencia.
Sin embargo, hay desafíos: los modelos on-device requieren actualizaciones seguras, gestión de datos locales, y garantías de seguridad y calidad; además, la reducción de tamaño debe validarse ampliamente en terceros para confirmar robustez en casos reales.
Qué mirar en los próximos meses
- Validación independiente de ChickBrain en benchmarks públicos y por terceros.
- Integraciones con fabricantes: si acuerdos con Apple, Samsung, Sony o HP se concretan en productos comerciales.
- Evolución del API en AWS y su estrategia de precios frente a soluciones cloud-first.
- Adopción en clientes industriales (BASF, Bosch, etc.) para casos de visión por máquina y control embebido.
Multiverse apuesta a una idea contundente: si la IA puede comprimirse sin perder rendimiento, la revolución no será solo en la nube sino también en los dispositivos que usamos a diario. La prueba será ver esos modelos funcionando en manos de usuarios finales y en productos reales —y si la promesa de privacidad y eficiencia se traduce en rendimiento operativo y ventas.