Imagina que quieres que una IA lea un contrato confidencial, una factura escaneada o un informe interno largo, y prefieres no enviar nada de eso a un servicio en la nube. Ese es el problema para el que está pensado Alpie Seed 9B, un nuevo modelo del laboratorio indio 169Pi AI: un modelo de razonamiento lo bastante pequeño como para funcionar en un portátil, una estación de trabajo e incluso un móvil, sin conexión a internet.
Qué ha publicado exactamente 169Pi
Alpie Seed 9B es un modelo de visión y lenguaje de pesos abiertos con 9.000 millones de parámetros. «Pesos abiertos» significa que se publican los propios archivos del modelo entrenado, así que puedes descargarlos y ejecutarlos en tu equipo. «Visión y lenguaje» quiere decir que, además de texto, acepta imágenes y, según 169Pi, también vídeo. Se distribuye con licencia Apache 2.0, que permite el uso personal y comercial dentro de sus condiciones.
No es un modelo creado desde cero. Su ficha en Hugging Face indica que usa la arquitectura de Qwen3.5-9B y que se reentrenó en dos fases: un ajuste supervisado con un adaptador DoRA y, después, aprendizaje por refuerzo con GRPO (Group Relative Policy Optimization), un método que premia las mejores respuestas entre varias generadas. El resultado tiene un modo de «pensamiento», en el que razona paso a paso antes de responder, y otro modo más rápido sin ese paso.
Puedes ejecutarlo con Ollama (ollama run 169pi/alpie-seed, con las etiquetas q2, q3 y vision), con archivos GGUF para herramientas como llama.cpp y LM Studio, o con Transformers, vLLM y SGLang en equipos más potentes. Un detalle importante si trabajas con imágenes: en Ollama solo la etiqueta vision acepta imágenes; las demás figuran como solo texto.
¿Hasta qué punto son fiables las cifras?
169Pi informa de un 84,32 por ciento en GPQA Diamond (preguntas de ciencia de nivel de posgrado), un 82,54 por ciento en MMLU-Pro, un 72,99 por ciento en LiveCodeBench v6, un 61,20 por ciento en SWE-Bench Verified (corrección de errores reales de software, medida con un andamiaje de agente) y un 90,30 por ciento en OCRBench, una prueba de lectura de documentos y texto. Como referencia, la ficha sitúa a Qwen3.5-9B, su modelo base, en 81,7, 82,5, 65,6 y 60,0 en las cuatro primeras.
Son resultados declarados por el propio desarrollador, con el razonamiento extendido activado. La ficha reconoce que las puntuaciones de otros modelos salen de sus fichas e informes y no se han vuelto a medir con la misma configuración, así que las comparaciones entre modelos son solo orientativas. La cifra de SWE-Bench depende además del andamiaje de agente utilizado.
Empecemos por la tarea que necesitas resolver, porque las mejoras no son uniformes. En razonamiento de texto y programación, Seed queda claramente por encima de su base Qwen en la tabla de 169Pi. En varias pruebas de visión, no: MMMU-Pro (68,70 frente a 70,1), MathVision (76,76 frente a 78,9) y MMStar (78,87 frente a 79,7) salen algo más bajas. Si lo que más te importa es resolver matemáticas a partir de imágenes, el reentrenamiento no parece haber ayudado; si buscas razonamiento, código o lectura de documentos, las cifras declaradas apuntan en la dirección contraria. 169Pi también enumera sus puntos débiles: un 76 por ciento en reconocimiento de escritura a mano, un 66 por ciento en expresiones matemáticas manuscritas y un 13,24 por ciento en Humanity’s Last Exam.
¿De verdad funciona en un portátil o un móvil?
La página de investigación de 169Pi recoge pruebas sin conexión con versiones cuantizadas de entre 5,2 y 5,6 GB aproximadamente. La cuantización guarda los pesos con menos bits: el modelo ocupa menos a cambio de algo de precisión. 169Pi ofrece versiones de 2, 3, 4 y 16 bits.
Las velocidades de generación declaradas son de unos 110,66 tokens por segundo en una GPU NVIDIA RTX PRO 4500 para estaciones de trabajo, unos 14,1 en un Mac M2 con 16 GB, 9,59 en un iPhone 17 Pro, 5,90 en un Samsung Galaxy Z Flip8 y 1,95 en un equipo Windows que solo usa la CPU. Un token es un fragmento pequeño de texto, a menudo parte de una palabra. En esas pruebas, el pico de memoria rondó los 5,5 GB en el Mac y los 7 GB en los móviles. 169Pi no indica requisitos mínimos, y el tamaño de un archivo no equivale a la memoria que necesitará cualquier instalación.
En la práctica, unos 14 tokens por segundo en un Mac permiten seguir el texto mientras aparece, mientras que las cifras del móvil encajan mejor con preguntas cortas que con informes largos. El dato de la CPU es el aviso más honesto: sin GPU ni Apple Silicon, un modelo que escribe un razonamiento largo antes de responder se hará lento.
¿Qué significa la ventana de contexto de 262K?
La ventana de contexto es la cantidad de texto que el modelo puede tener en cuenta a la vez. Alpie Seed 9B admite de forma nativa 262.144 tokens, en principio suficiente para documentos muy largos. Sin embargo, las mediciones de 169Pi solo llegaron a 32.000 tokens, y su página de investigación advierte que no se extrapolen los resultados más allá. La memoria también crece con el contexto: en las pruebas en BF16, el pico de memoria de la GPU pasó de unos 17,9 GB con 1.000 tokens a unos 26,3 GB con 32.000.
Mi lectura es que conviene planificar con el rango probado, no con el máximo del titular. Si quieres analizar un informe completo en un portátil de 16 GB, divídelo en secciones y revisa las respuestas; la ventana completa de 262K es algo que deberías probar en tu propio equipo antes de confiar en ella.
Qué cambia el uso local y dónde termina
Ejecutar un modelo en local significa que tus instrucciones y archivos se procesan en tu dispositivo y no en el servidor de un proveedor. 169Pi lo describe como una forma de que los datos puedan quedarse dentro del entorno de una organización. Es una posibilidad que abre esa configuración, no una garantía formal: las aplicaciones, complementos y sistemas de almacenamiento que rodean al modelo siguen decidiendo qué sale de tu equipo.
Quedan otras preguntas abiertas. 169Pi no ha publicado la composición de sus datos de entrenamiento, y advierte que sus cifras no serán idénticas en todo el hardware. Para un equipo que maneja documentos sensibles, Seed merece una prueba cuidadosa precisamente porque los pesos son abiertos y la licencia es permisiva; la prueba sensata son tus propios documentos, tu propio equipo y tus propias tareas, comparados con el modelo que usas hoy.
