En aquesta segona quinzena d’agost, els temes que penso destaquen més són: 1-Els agents cada cop més tendència, 2 -Els models oberts xinesos ja competeixen de tu a tu, 3-La IA ja ajuda a construir IA, 4-Els agents necessiten control i permisos, 5-El futur potser no serà escollir un model, 6- Els models petits cada vegada fan més coses. Tot seguit ho teniu detallat:
1. Els agents són la gran tendència
La IA deixa de limitar-se a respondre preguntes i comença a fer feines..
Tot i que els usuaris de base, no tècnics continuaran utilitzant el model de xat per fer preguntes i respostes, els agents són la tendència.
A la secció «Articles d’interès» d’aquesta web, teniu un article que explica que són els agents, però vull deixar aquí un exemple didàctic:
Amb el xat pregunto:
«Quines visites em recomanes fer a París en 3 dies?»
El xat et respon amb una llista d’itineraris, museus, restaurants recomanats, horaris orientatius… Però aquí s’acaba la seva feina:
Amb un agent:
Li dones el mateix objectiu, però formulat com una tasca a completar: «Reserva’m 3 dies a París amb entrades al Louvre i la Torre Eiffel, i fes-me reserva a un parell de restaurants ben valorats a prop de cada zona que visitem.»
I l’agent, en comptes de només respondre amb text, actua: obre navegadors, connecta a serveis de reserves, entra a les webs oficials, compara horaris disponibles, omple formularis, completa les compres i confirma les reserves. Al final no tenim una llista de suggeriments, sinó entrades i reserves reals fetes.
En tot cas i pensant en el món d’empresa, la tendència actual és que un mateix model, pugui activar diversos agents:
Es tracta de
divisió del problema + interacció i ajuda mútua entre els agents.
És una altra manera d’augmentar la capacitat d’una IA sense haver de construir immediatament un model més gran.
2. Els models oberts xinesos ja competeixen de tu a tu
Fa un any molta gent només coneixia ChatGPT, Claude i pocs models més.
Si no teniu clar en concepte de sistemes oberts, a la secció «Articles d’interès» hi teniu un article explicatiu.
Ara sentim parlat de:
- DeepSeek
- Qwen
- GLM
- Hy4 (Tencent)
- etc…
Això explica molt bé que:
Ja no hi ha tres empreses occidentals dominant la IA.
És un canvi molt important, però cal que tingueu clar el concepte de model obert, i també les seves variants. Ho trobareu explicat a l’article corresponent a la secció «Articles d’interès».
DeepSeek, Qwen, GLM i altres models xinesos ja no són simplement experiments de laboratori o projectes subvencionats. Comença a aparèixer un mercat comercial considerable al seu voltant, encara molt menor que el d’OpenAI o Anthropic. Reuters.
3. La IA ja ajuda a construir IA
La «destil·lació» és una tècnica legítima i molt utilitzada en IA (per exemple, per fer models més petits i eficients).
La destil·lació és una tècnica d’entrenament en què un model «estudiant» (normalment més petit) aprèn a imitar les respostes d’un model «mestre» (normalment més gran i potent), en comptes d’aprendre només de dades originals. El mestre genera respostes a moltes preguntes, i l’estudiant s’entrena per reproduir aquest comportament — així n’hereta bona part de la capacitat, però amb molt menys cost de còmput.
Però això genera un debat si es fa sense autorització sobre els sistemes d’altres companyies, cosa que aixeca qüestions de propietat intel·lectual i seguretat nacional.
Des del llançament de DeepSeek R1 el gener de 2025, empreses com OpenAI han advertit als legisladors nord-americans que la startup xinesa DeepSeek estaria intentant replicar els seus models i usar-los per entrenar els propis.
El febrer de 2026 Anthropic també va acusar tres empreses xineses d’IA (DeepSeek, Moonshot AI i MiniMax) de campanyes coordinades per extreure informació del seu model Claude, inundant-lo amb grans volums de prompts especialment dissenyats per entrenar models propis.
És important remarcar que són al·legacions, no fets judicialment provats.
També i parlant d’aquest passat agost, i ara en sentit positiu, és interessant la tasca d’Anthropic. Els creadors de Claude han estat, investigant en els seus models.
- com evitar adulació
- com evitar trampes
- com reentrenar altres models
Molt fàcil d’explicar en una frase:
«La IA ja ajuda els investigadors a millorar la següent generació de IA.»
4. Els agents necessiten control i permisos
Aquestes darreres setmanes ha aparegut molta literatura al voltant d’aquest tema i algunes notícies amb titulars aparentment alarmant, que de fet, busquen cridar l’atenció.
És una bona oportunitat per recordar una idea molt senzilla:
Un agent és com donar unes claus a algú.
Però no totes les claus obren totes les portes.
5. El futur potser no serà escollir un model
Aquestes darreres setmanes han anat apareixent noms com.
OpenRouter.
Stripe.
Snowflake.
Ramp.
etc…
Per entendre que fan aquests productes, ho resumirem amb l’exemple OpenRouter:
OpenRouter és una capa (un «proxy») que es situa entre la teva aplicació i els diferents proveïdors de models d’IA (OpenAI, Anthropic, Google, Meta, etc.).
En comptes de connectar-te directament a cada empresa amb una API i una clau diferents, envies una única petició a OpenRouter, indiques quin model vols i la reenvia al proveïdor disponible per a aquest model. El catàleg és molt ampli.
Per què és important:
- Un sol punt d’accés: un compte, un saldo de crèdit, un format de petició i un únic lloc on veure què has gastat en cada model que has fet servir, en lloc de gestionar factures i claus per separat amb cada empresa.
- Fiabilitat: si un proveïdor cau o satura, OpenRouter pot redirigir automàticament la petició cap a un altre proveïdor disponible.
- Flexibilitat de cost/qualitat: permet triar entre optimitzar per preu, per latència o per qualitat segons la tasca, cosa molt útil quan estàs prototipant i encara no saps quin model et convé més.
En resum: per a algú que vol experimentar amb molts models d’IA diferents sense haver de gestionar deu contractes i deu integracions diferents, OpenRouter simplifica molt les coses — és com un «endoll universal» per accedir a l’ecosistema de models.
Tots apunten al mateix:
Potser nosaltres no decidirem si volem GPT, Claude o Gemini.
Un sistema ho decidirà automàticament.
Aquesta és una idea molt potent i molt poc explicada als mitjans.
6. Els models petits cada vegada fan més coses.
No tot consisteix a fabricar monstres gegants.
Podem mencionar alguns exemples:
- Faraday
- Parse
I és una tendència molt interessant:
perquè no sempre guanya el model més gran.
Resumim que fa cada un:
Faraday
Faraday és un agent científic.
Li dones un article de recerca i intenta reproduir els experiments descrits, gairebé com ho faria un investigador: formula hipòtesis, escriu codi, executa proves, analitza els resultats i torna a provar si cal.
La gràcia és que parteix d’un model relativament petit (27.000 milions de paràmetres), però en aquesta tasca específica arriba a competir amb models molt més grans.
Idea clau: no sap fer «de tot»; està entrenat per ser molt bo fent recerca científica.
Parse
Parse és un model especialitzat a llegir documents complicats.
No respon preguntes. El que fa és convertir PDFs, formularis, factures o informes en informació ben estructurada perquè un altre model d’IA la pugui entendre.
Per exemple, és capaç de distingir correctament:
- taules,
- columnes,
- formularis,
- imatges,
- peus de foto,
- l’ordre de lectura d’una pàgina.
Sense aquest pas, un LLM podria interpretar malament un document.
Idea clau: és una mena de «traductor» entre els documents humans i els models d’IA.
Conclusió
Fa un any la tendència era construir models cada vegada més grans.
Ara també apareix una altra estratègia:
Construir models petits, molt especialitzats, que facin una sola feina però la facin extraordinàriament bé.
És una mica com comparar:
- un metge de capçalera, que sap una mica de tot (ChatGPT, Claude, Gemini…), amb
- un radiòleg (Parse) o un investigador biomèdic (Faraday), que saben moltíssim d’una feina concreta.
Crec que aquesta és una tendència que veurem cada vegada més, especialment en el món dels agents, on diversos models especialitzats poden col·laborar per resoldre una mateixa tasca.
Deixa un comentari