La startup de optimización de inteligencia artificial Refiant Inc. lanzó Protea, un conjunto de modelos de IA de contexto largo liderados por una ventana de contexto de 10 millones de tokens que, según la compañía, se encuentra entre las más grandes jamás puestas a disposición del público. Los modelos se lanzaron el 8 de julio de 2026 en refiant.ai sin lista de espera ni proceso de aprobación.
Las ventanas de contexto determinan cuánta información puede contener un modelo en la memoria de trabajo a la vez. La mayoría de los principales modelos de IA actuales no manejan más que unos pocos cientos de miles de tokens antes de que el rendimiento se degrade, lo que obliga a los desarrolladores a buscar soluciones que dividen grandes conjuntos de datos en fragmentos. Refiant dice que Protea eleva ese techo significativamente. Para obtener una cobertura continua de los lanzamientos de modelos de IA y las tendencias de la industria, los lectores pueden encontrar las últimas noticias sobre IA en nuestra página de inicio.
Qué significan 10 millones de tokens en la práctica
Una ventana de contexto de 10 millones de tokens equivale aproximadamente a 7,5 millones de palabras, o unas 15.000 páginas de texto. Refiant enmarca las implicaciones prácticas en términos claros: se puede cargar una base de código empresarial completa a la vez, al igual que un archivo regulatorio completo o años de datos de ensayos clínicos que antes tenían que dividirse y alimentarse a un modelo pieza por pieza.
La empresa lo expresa aún más concretamente. Diez millones de tokens pueden contener hasta cinco años de correo electrónico y mensajes de Slack de una persona, o décadas de sus informes y archivos. Un equipo de ingeniería podría cargar una base de código completa y ejecutar análisis en un día. Una aseguradora podría examinar años de reclamaciones sin primero dividir los datos en pedazos.
Protea está disponible en tres versiones que abarcan 1 millón, 5 millones y 10 millones de tokens, lo que brinda a los desarrolladores flexibilidad para adaptar el tamaño del contexto a su carga de trabajo y presupuesto.
Abordar el problema del perdido en el medio
Uno de los desafíos más persistentes con las ventanas de contexto grandes es el llamado problema de pérdida en el medio, una debilidad documentada donde los modelos se mantienen precisos al principio y al final de una entrada pero pierden la pista del material enterrado entre esos puntos finales. Refiant dice que Protea aborda específicamente este problema, aunque la compañía aún no ha publicado resultados de referencia detallados que demuestren la mejora.
El problema del perdido en el medio ha sido un obstáculo importante para la adopción práctica de modelos de contexto largo. Incluso cuando un modelo técnicamente acepta millones de tokens, su confiabilidad en la información en medio de ese contexto a menudo ha sido cuestionable, lo que limita la utilidad en el mundo real para tareas como el análisis de la base de código completa.
Fundado en optimización de enjambre y búsqueda evolutiva
Refiant fue fundada en 2025 por Viroshan Naicker, Siddharth Gutta y Mathew Haswell. Naicker es un matemático cuántico, mientras que sus cofundadores provienen de finanzas y experiencia en escalamiento comercial. El equipo sostiene que los modelos modernos de IA son profundamente ineficientes y que ya existen mejores métodos en la naturaleza.
El enfoque de Refiant toma prestado de la búsqueda evolutiva y del comportamiento de enjambres, los mismos principios de inteligencia colectiva observados en bandadas de pájaros, bancos de peces y colonias de hormigas. La compañía aplicó por primera vez este enfoque a la compresión de modelos, reduciendo con éxito el GPT-OSS-120B de OpenAI para ejecutarlo en una MacBook Pro con solo 12 gigabytes de RAM. Esos resultados de compresión ayudaron a asegurar asociaciones de investigación con el Imperial College London y el Centro Sargent de Ingeniería de Sistemas de Procesos de la University College London.
Financiamiento y planes futuros
El lanzamiento de Protea sigue a una ronda inicial de 5 millones de dólares que Refiant cerró a principios de 2026, liderada por VoLo Earth Ventures. La empresa fundada en Sudáfrica tiene ahora su sede comercial en el Reino Unido.
El director ejecutivo, Viroshan Naicker, señaló que durante más de un año se ha hablado de la IA de contexto prolongado, pero en realidad no ha estado disponible comercialmente. El cofundador y director de productos, Mathew Haswell, agregó que los clientes quieren modelos con los que puedan probar y construir en lugar de más listas de espera, una crítica directa al enfoque de acceso cerrado adoptado por muchos laboratorios de inteligencia artificial más grandes.
Refiant dijo que ya ha ejecutado un prototipo interno con 100 millones de tokens, aunque sigue siendo una pregunta abierta cómo compararlo y convertirlo en un producto. El lanzamiento de Protea es la primera de tres etapas planificadas, y la compañía promete más dentro de tres meses.
La carrera de la IA a largo plazo se calienta
Refiant ingresa a un mercado de IA de contexto largo cada vez más competitivo. Si bien los principales laboratorios han ampliado gradualmente las ventanas de contexto, la mayoría de los modelos disponibles comercialmente todavía operan muy por debajo del umbral de 10 millones de tokens. La decisión de Refiant de lanzar sin lista de espera y con acceso inmediato representa un contraste con el enfoque de lanzamiento por etapas común entre los competidores más grandes.
La metodología de optimización enjambre de la empresa también la distingue de sus rivales que dependen principalmente del escalado de transformadores convencionales. Queda por ver si los algoritmos inspirados en la naturaleza pueden ofrecer ventajas de rendimiento sostenidas a escala de producción, pero el historial de compresión de Refiant y las asociaciones universitarias dan credibilidad al enfoque.
Manténgase a la vanguardia de la IA
Los modelos Protea ya están disponibles en refiant.ai. Para obtener más cobertura y análisis de la industria de la IA, visite AI Buzz Wire.
Leer más noticias sobre IA →
