📂 Categoría: AI,vercel,gemini | 📅 Fecha: 1783408318
🔍 En este artículo:
El director ejecutivo de Vercel dijo que las empresas ya no dependen de un único laboratorio de inteligencia artificial para todas sus necesidades.
«El año pasado, mucha gente elegía un socio de laboratorio y decía que construirían todo en OpenAI o Anthropic», dijo el director ejecutivo Guillermo Rauch en una entrevista el lunes con TechCrunch.
Pero dijo que las empresas ahora entienden cómo funciona cada parte de la pila de IA (desde el modelo, el arnés, la plataforma de datos, la zona de pruebas y la puerta de enlace) y que “cada parte es plug and play”.
«Puedes usar OpenAI, puedes usar Anthropic o puedes usar Gemini», agregó. Dijo que está viendo un fuerte crecimiento en Gemini en particular, ya que los modelos Gemini presentan «características impresionantes de precio/rendimiento» a medida que escalan.
Modelos chinos como DeepSeek y GLM-5.2 de Z.ai también están experimentando una rápida adopción, afirmó.
Rauch añadió que el último año ha sido «todo acerca de la creación de prototipos» para la IA, donde todo el mundo ha estado construyendo agentes de IA. A partir de ahora, las empresas “se involucran en la realidad de los agentes productivos y en algunos de sus desafíos”.
Vercel, con sede en San Francisco, es una plataforma en la nube que ayuda a los desarrolladores a alojar y lanzar sitios web y aplicaciones.
Los comentarios del ejecutivo se producen cuando las empresas se dan cuenta de que el dinero gastado en IA no se traduce directamente en un mayor valor para los clientes. Se acabaron los días en que se instaba a los empleados a quemar tantos tokens de IA como fuera posible, y las empresas ahora están considerando cómo reducir el gasto o utilizar la IA de manera más efectiva.
El director ejecutivo de Coinbase, Brian Armstrong, dijo en un artículo de X en junio que estaba experimentando con el uso de LLM chinos como GLM-5.2 y K2.7 de Kimi AI de forma predeterminada, que son más baratos que los de los laboratorios de inteligencia artificial estadounidenses como Anthropic y OpenAI.
También habló sobre los modelos de enrutamiento: las sugerencias de sus ingenieros de enrutamiento sobre qué modelos son los más apropiados para la tarea en cuestión, para no utilizar modelos de frontera costosos para tareas simples.
El comentario de Rauch sobre las empresas que se asocian con diferentes laboratorios de IA para diferentes tareas es similar a cómo las empresas solían elegir un importante proveedor de nube, como Amazon Web Services o Microsoft Azure, pero desde entonces han adoptado estrategias de múltiples nubes para evitar la dependencia de un solo proveedor y optimizar los costos.
