Wu Dao 3.0: La versión china de GPT-5
Cuando Estados Unidos cortó el acceso de China a chips avanzados, la Academia de Inteligencia Artificial de Pekín se enfrentó a una elección: quejarse de las restricciones o trabajar a su alrededor. Eligieron la segunda opción.
Wu Dao 3.0, lanzado en julio de 2023, tira el manual de instrucciones. No hay modelos masivos de billones de parámetros compitiendo por los titulares. En su lugar, BAAI ahora construye modelos compactos que las startups chinas pueden ejecutar realmente sin necesitar un almacén lleno de GPUs.
Por qué BAAI cambió de dirección
Wu Dao 2.0 hizo titulares en 2021 con 1,75 billones de parámetros, afirmando rivalizar con GPT-3. Dos años después, BAAI archivó silenciosamente ese enfoque. Las razones son:
- Sanciones de chips de EE. UU. limitaron el acceso a GPUs avanzadas
- Costos de entrenamiento para modelos masivos se volvieron prohibitivos
- Política del gobierno chino se desplazó hacia aplicaciones prácticas sobre proyectos de prestigio
- Realidad del mercado mostró que la mayoría de las empresas necesitan herramientas especializadas, no gigantes de propósito general
La nueva estrategia: construir una colección de modelos más pequeños (llamados Aquila) que trabajen juntos. Piensa en microservicios en lugar de monolitos.
Wu Dao 3.0 explicado
Wu Dao 3.0 no es un solo modelo. Es un ecosistema de herramientas de IA especializadas lanzadas bajo la marca Aquila:
AquilaChat: Modelos de diálogo
Dos tamaños disponibles:
- 7 mil millones de parámetros: Compite con LLaMA 7B y modelos de código abierto similares
- 33 mil millones de parámetros: Apunta a conversaciones más complejas
Ambos fueron entrenados en textos chinos (40%) e ingleses (60%). La versión más pequeña se ejecuta en hardware de consumo; no necesitas un centro de datos.
BAAI afirma que AquilaChat 7B supera a modelos internacionales comparables, aunque los benchmarks independientes siguen siendo limitados.
Los orígenes: Cómo comenzó Wu Dao
El desarrollo comenzó en octubre de 2020, varios meses después del lanzamiento de GPT-3. El nombre Wu Dao (悟道) se traduce como "camino hacia la conciencia" en chino, un nombre ambicioso para un proyecto ambicioso.
Wu Dao 1.0 se lanzó el 11 de enero de 2021, con cuatro modelos especializados trabajando juntos. Cada uno manejaba tareas diferentes: Wen Yuan (2,6 mil millones de parámetros) se centró en preguntas y respuestas y corrección gramatical. Wen Lan (1 mil millones de parámetros) generó descripciones de imágenes utilizando 50 millones de pares de imágenes. Wen Hui (11,3 mil millones de parámetros) escribió poesía, creó videos y manejó razonamiento complejo. Wen Su, construido sobre Google's BERT, predijo estructuras de proteínas similares a AlphaFold.
Luego llegó Wu Dao 2.0 el 31 de mayo de 2021. BAAI hizo titulares, afirmando 1,75 billones de parámetros, diez veces más grande que los 175 mil millones de GPT-3. Los medios lo llamaron "el sistema de IA lingüística más grande hasta ahora". Los comentaristas lo vieron como el intento de China de competir directamente con el dominio de la IA estadounidense.
La realidad de los datos de entrenamiento
Wu Dao 2.0 utilizó 4,9 terabytes de imágenes y texto, 1,2 TB de chino, 1,2 TB de inglés, más datos de imágenes. GPT-3 fue entrenado con 45 terabytes de texto solo. Wu Dao tenía diez veces más parámetros pero menos de una décima parte de los datos de entrenamiento.
El conjunto de datos WuDao Corpora para la versión 2.0 contenía 3 TB de texto web, 90 TB de datos gráficos (630 millones de pares de texto/imagen) y 181 GB de diálogo chino que representa 1,4 mil millones de rondas de conversación.
Esta discrepancia entre la cantidad de parámetros y los datos de entrenamiento sugirió algo importante: Wu Dao 2.0 utilizó una arquitectura diferente llamada Mezcla de Expertos (MoE). A diferencia del modelo "denso" de GPT-3, donde todos los parámetros se activan para cada tarea, los modelos MoE activan solo a los expertos relevantes para cada entrada. Esto requiere mucha menos potencia de cálculo para entrenar, pero la investigación ha demostrado que los modelos MoE de billones de parámetros funcionan de manera comparable a modelos densos cientos de veces más pequeños.
Wu Dao 2.0 utilizó específicamente FastMoE, la variante MoE de Google. Fue una ingeniería inteligente alrededor de las limitaciones de hardware, aunque el marketing de BAAI enfatizó las cantidades brutas de parámetros en su lugar.
AquilaCode: Generación de texto a código
Aún en desarrollo. Las primeras versiones pueden generar:
- Algoritmos básicos (secuencias de Fibonacci, ordenamiento)
- Juegos simples
- Scripts de utilidad
Aún no al nivel de GitHub Copilot o las capacidades de codificación de GPT-4, pero mejorando. BAAI apunta a desarrolladores que necesitan generación de código en contextos técnicos chinos.
Serie de visión Wu Dao
Una colección de modelos de visión por computadora, no un solo sistema:
EVA (1 mil millones de parámetros): Se centra en el aprendizaje de representación visual. Entrenado en conjuntos de datos públicos, logrando nuevos benchmarks en:
- Reconocimiento de imágenes
- Detección de acciones en video
- Detección de objetos
- Tareas de segmentación
Código abierto, a diferencia de los competidores que mantienen los modelos de visión propietarios.
- EVA-CLIP: BAAI afirma que esta es la mejor alternativa CLIP de código abierto disponible. Maneja la coincidencia de imagen-texto para búsqueda y recuperación.
- Painter: Implementa el aprendizaje visual "en contexto", muestra ejemplos y aprende nuevas tareas visuales sin reentrenamiento. Similar a cómo GPT-3 hace aprendizaje en contexto para texto.
- vid2vid-zero: Herramienta de edición de video zero-shot. Edita videos basados en descripciones de texto sin entrenar en conjuntos de datos especializados de edición de video.
- Emu (modelos multimodales): Maneja tanto imágenes como texto en un solo modelo. Los casos de uso incluyen descripción de imágenes, respuesta a preguntas visuales y generación de contenido.
FlagOpen: La capa de infraestructura
BAAI también ha mejorado la plataforma FlagOpen, que lanzaron a principios de 2023. Este sistema ofrece técnicas de entrenamiento paralelo, inferencia más rápida, herramientas de evaluación y utilidades de procesamiento de datos, esencialmente proporcionando todo lo necesario para desarrollar grandes modelos de IA. 1
Cuando Wu Dao 2.0 debutó por primera vez en la Conferencia Zhiyuan de Pekín, sus creadores mostraron poemas y dibujos chinos generados por él.2 Después de ese evento, se creó un estudiante virtual basado en el modelo de IA de Wu Dao, Zhibing Hua. Wu Dao impulsa al estudiante virtual. Por lo tanto, puede usar su base de conocimientos y capacidades de aprendizaje para escribir poemas, dibujar y componer música.
Aunque estas características no se destacan para Wu Dao 3.0, valen la pena mencionar si planeas utilizar Wu Dao 2.0 para tu empresa en lugar de Wu Dao 3.0.
Figura 1: Poemas generados por Wu Dao 2.03
Benchmarks de aprendizaje zero-shot
- ImageNet: Logra un rendimiento zero-shot de última generación, superando a CLIP de OpenAI.
- UC Merced Land-Use: Registra la mayor precisión zero-shot en clasificación de uso de suelo aéreo, superando a CLIP.
Benchmark de aprendizaje few-shot
- SuperGLUE (FewGLUE): Supera a GPT-3, logrando los mejores resultados de aprendizaje few-shot.
Benchmarks de conocimiento y comprensión del lenguaje
- Detección de conocimiento LAMA: Demuestra una recuperación de conocimiento factual superior, superando a AutoPrompt.
- Prueba Cloze LAMBADA: Supera a Microsoft Turing-NLG en comprensión de lectura y comprensión del contexto.
Texto a imagen y benchmarks de recuperación de imagen a texto
- MS COCO (Generación de texto a imagen): Supera a DALL·E de OpenAI en la generación de imágenes a partir de descripciones de texto.
- MS COCO (Recuperación de imagen-texto en inglés): Supera a CLIP de OpenAI y ALIGN de Google en la recuperación de imágenes a partir de descripciones (y viceversa).
- MS COCO (Recuperación de imagen-texto multilingüe): Supera a UC2 y M3P en recuperación de imagen-texto multilingüe.
- Multi30K (Recuperación de imagen-texto multilingüe): También supera a UC2 y M3P, confirmando sus fuertes capacidades multimodales multilingües.
Wu Dao 3.0 vs. OpenAI GPT
He aquí una comparación exhaustiva de los modelos LLM de Wu Dao 3.0 y varios OpenAI modelos basados en BAAI.4 No podemos proporcionar comparaciones más detalladas y actualizadas para Wu Dao ya que no tiene benchmarks recientes y consistentes disponibles.
Rendimiento de contexto largo
Pruebas en cuatro tareas:5
- VCSUM (resumen en chino)
- LSHT (manejo de secuencias largas en chino)
- HotpotQA (razonamiento multi-salto en inglés)
- 2WikiMQA (QA de múltiples documentos en inglés)
Benchmark de rendimiento de razonamiento
Pruebas en 6 tareas:6
- bAbI #16 y CLUTRR (razonamiento inductivo)
- bAbI #15 y EntailmentBank (razonamiento deductivo)
- αNLI (razonamiento abductivo)
- E-Care (razonamiento causal)
Si quieres usar Wu Dao, puedes configurarlo en tu computadora descargándolo gratis.7
Añadir como fuente preferidaCompetidores de Wu Dao 3.0
Qwen3.5
Qwen3.5 es una familia de modelos de lenguaje grandes de peso abierto de Alibaba diseñada como un sistema nativo multimodal de Mezcla de Expertos (MoE).
El modelo insignia (Qwen3.5-397B-A17B) contiene aproximadamente 397B de parámetros pero activa solo ~17B por inferencia, permitiendo un alto rendimiento con menores costos de computación.
El modelo utiliza una arquitectura híbrida que combina enrutamiento MoE disperso con Redes Delta con Puerta y atención lineal, permitiendo una inferencia eficiente mientras soporta razonamiento avanzado, codificación y comprensión multimodal.
Qwen3.5 fue entrenado en datos multimodales de fusión temprana, permitiéndole procesar texto e inputs visuales dentro de un modelo unificado y alimentar "agentes multimodales nativos" que pueden razonar sobre interfaces y realizar tareas complejas de múltiples pasos.8
Kimi K2.5
Kimi K2.5 es un modelo multimodal de código abierto de Moonshot AI diseñado alrededor de una arquitectura centrada en agentes para codificación y automatización de flujos de trabajo. El modelo integra capacidades de visión y lenguaje, permitiéndole interpretar texto, imágenes y video mientras genera código listo para producción.
K2.5 fue entrenado en aproximadamente 15 billones de tokens multimodales y soporta razonamiento de contexto largo (hasta ~256K tokens) junto con llamadas a herramientas y flujos de trabajo de agentes autónomos.
Una característica distintiva es su paradigma de "enjambre de agentes", donde múltiples agentes coordinados pueden manejar subtareas en paralelo para resolver flujos de trabajo complejos de ingeniería o desarrollo.
Moonshot lanzó el modelo junto con un agente de codificación, posicionando a Kimi K2.5 como una alternativa centrada en desarrolladores a modelos fronterizos propietarios para construir sistemas de software asistidos por IA.9
ERNIE 5.0
ERNIE 5.0 es el modelo fundacional insignia de Baidu y un sistema nativamente omni-modal que procesa y genera texto, imágenes, audio y video dentro de una sola arquitectura.
El modelo reportedly contiene alrededor de 2,4 billones de parámetros utilizando un diseño de Mezcla de Expertos, permitiendo alta capacidad mientras activa solo una fracción de parámetros por inferencia para eficiencia.
ERNIE 5.0 se ha integrado en ERNIE Bot de Baidu y la plataforma empresarial Qianfan, soportando una gama de aplicaciones de IA generativa en productos de consumo y empresariales.10
Preguntas frecuentes
No. Los modelos Aquila apuntan a diferentes casos de uso. Para tareas en idioma chino con recursos de computación limitados, son prácticos. Para capacidades generales en inglés, GPT-5 los supera significativamente.
Sí, los modelos son de código abierto. Consulta las licencias específicas para cada componente de Aquila, pero el uso comercial generalmente está permitido.
Barrera del idioma (documentación), integración del ecosistema (construido para herramientas chinas) y brechas de rendimiento en tareas en inglés.
Cita esta investigación
Elige el formato que se ajuste al lugar donde vas a publicar. Pegar la versión con enlace en tu CMS conserva el enlace de retroceso.
@misc{dilmegani2026,
author = {Dilmegani, Cem},
title = {{Wu Dao 3.0: La versión china de GPT-5}},
year = {2026},
month = mar,
howpublished = {\url{https://aimultiple.com/wu-dao}},
note = {AIMultiple. Recuperado el 5 de Marzo de 2026}
}Enlaces de referencia
Sé el primero en comentar
Tu dirección de correo electrónico no será publicada. Todos los campos son obligatorios. Los comentarios se dejan en su idioma original.