Mirendil presenta Fern, un primer modelo anunciado con un contexto de 10 millones de tokens
El nuevo laboratorio apuesta por la longitud de contexto más que por el tamaño. Fern 0.1 aún no está disponible, y sus propias puntuaciones en código quedan claramente por debajo de las de los mejores modelos.
Mirendil, un nuevo laboratorio de IA, presentó el 26 de octubre su primer modelo, Fern. Su argumento cabe en una cifra: una ventana de contexto anunciada de hasta 10 millones de tokens, es decir, según la empresa, unos 23 MB de código o medio millón de líneas en memoria de trabajo a la vez. A modo de comparación, GPT-6.1 Terra de OpenAI, disponible ese mismo día en Amazon Bedrock, acepta hasta 1 millón de tokens de entrada.
Apostar por el contexto más que por el tamaño
Mirendil defiende una tesis sencilla: para que un modelo sea más capaz, se puede aumentar su número de parámetros, pero también la cantidad de información que puede consultar de una vez. Fern 0.1, la primera versión, se basa en Mirendil-Base, un modelo de 0,1 a 0,5 billones de parámetros (la empresa solo da un intervalo), preentrenado desde cero y después afinado con un breve post-entrenamiento.
Los usos previstos son los de los equipos que desarrollan IA: auditar datos de entrenamiento, depurar un entrenamiento a partir de sus registros, leer trazas de agentes de principio a fin, trabajar con repositorios de código muy grandes. Dos modelos base más grandes, Large (de 0,5 a 2 billones de parámetros) y XL (de 2 a 10 billones), están en fase de preentrenamiento.
Lo que muestran las cifras de la empresa
Sobre la longitud de contexto, Mirendil publica una prueba RULER: la búsqueda de un dato aislado («single needle») acierta al 100% en todas las longitudes probadas, hasta 10 millones de tokens. Pero a esa longitud la puntuación se basa en solo 20 ejemplos, y la propia empresa anuncia resultados más completos «próximamente». Encontrar una aguja en un pajar es la prueba más sencilla; razonar sobre la totalidad de un contexto así es mucho más difícil.
En programación, las puntuaciones de Fern 0.1, medidas por Mirendil con la herramienta OpenCode en un solo intento, quedan lejos de las mejores: 73,4% en SWE-Bench Verified y 76,5% en SWE-Bench Pro v2-Hard, donde el mismo gráfico atribuye un 90,2% a GPT-6 Astra. Los métodos de medición varían de un modelo a otro en ese gráfico, lo que limita el alcance de la comparación.
Todavía no se puede usar
Lo esencial: Fern 0.1 no está disponible. La página indica un acceso «próximamente» y ofrece una solicitud de acceso anticipado. No se ha anunciado precio, API ni pesos abiertos.
Nuestro análisis
Un contexto de 10 millones de tokens, si de verdad es aprovechable, cambiaría la forma de trabajar con grandes bases de código o largas trazas de agentes. Pero, por ahora, Fern es un anuncio: una sola prueba de contexto publicada sobre una muestra pequeña, puntuaciones de código por detrás de los líderes y ningún acceso público. Volveremos sobre él cuando se pueda probar.
Fuentes
- Mirendil — Introducing Fern Fuente primaria — puntuaciones tomadas de los gráficos interactivos de la página
- AWS — OpenAI GPT-6.1 Terra is now generally available on Amazon Bedrock Fuente primaria — elemento de comparación (ventana de contexto de GPT-6.1 Terra)
Una fuente primaria procede directamente de la empresa, el laboratorio o la organización implicados. Una fuente secundaria recoge la información sin ser su autora: la señalamos como tal. ¿Has visto un error? Consulta nuestra política de correcciones.
