Un desarrollador logra correr una IA de autoconducción L4 en un celular con solo 7MB

Hace apenas unas horas, la comunidad de machine learning quedó con la boca abierta. Un desarrollador bajo el seudónimo moorish-prince acaba de publicar un modelo de autoconducción de código abierto que pesa solo 7MB y es capaz de correr en un celular convencional.

Acostumbrados a los ecosistemas de gigantes como Waymo o Tesla, que dependen de infraestructuras monstruosas en la nube, chips hechos a medida y petabytes de datos, este lanzamiento demuestra que la inferencia local (edge AI) tiene un margen de optimización bestial. El modelo procesa información visual y de sensores en tiempo real para gestionar la navegación, mantenerse en el carril e incluso recuperar el vehículo tras un derrape, todo sin necesidad de conexión a internet.

¿Por qué importa tanto el tamaño?

Esos 7MB no son un detalle de color. Al reducir tanto la huella del modelo, se corta de raíz la dependencia de hardware costoso. Si estás armando un sistema automatizado —ya sea un dron, un rover de exploración o cualquier experimento de robótica—, ahora tienes un punto de partida open-source que no te exige alquilar servidores en la nube ni comprar procesadores dedicados.

La letra chica: escepticismo razonable

El creador afirma que el modelo alcanza un nivel de autonomía 4 (L4), lo que significa que el sistema maneja todas las decisiones sin intervención humana bajo ciertas condiciones. Sin embargo, hay que tomar el dato con cautela:

• Falta de benchmarks oficiales: El modelo se demostró en video, pero la comunidad aún no lo ha sometido a simuladores estandarizados de la industria, como CARLA o nuScenes.
• Entornos controlados: No sabemos cómo se comporta la red neuronal con lluvia, de noche o en un cruce urbano complejo.
• Hardware no especificado: Aunque se indica que corre en un "celular estándar", la documentación todavía no detalla qué chipset o cuánta memoria RAM se utilizó exactamente para la demostración.

Aunque es poco probable que veamos este código manejando autos comerciales mañana, es una prueba de concepto brillante. Abre la puerta para que cualquier desarrollador pueda meter mano en la visión computacional y la inferencia local sin necesitar el presupuesto de Silicon Valley.