El rendimiento en generación de vídeo con IA da un salto interesante con el último avance de Tenstorrent. La compañía ha mostrado su modelo optimizado Wan2.2-14B, ejecutado sobre su infraestructura de servidores Blackhole, con resultados que apuntan directamente a generación de vídeo en tiempos cercanos al tiempo real.
Este tipo de mejora no es incremental. Reducir el tiempo de generación de vídeo es uno de los grandes retos actuales en IA, especialmente cuando se trata de modelos con miles de millones de parámetros y cargas intensivas de cálculo.
Generación en segundos: un salto en rendimiento práctico
En la demostración, el sistema fue capaz de generar un vídeo de 5 segundos en solo 5 segundos, trabajando sobre una resolución de 720p y 81 frames. Más allá de la cifra puntual, el dato relevante es otro: el tiempo de generación se iguala con la duración del contenido, algo que acerca la experiencia al tiempo real.
Además, la compañía afirma haber alcanzado 2,4 segundos para el mismo tipo de vídeo, lo que supone una mejora significativa frente a otras soluciones del mercado.
Desde una lectura analítica, esto cambia el escenario. La generación de vídeo deja de ser un proceso batch lento y empieza a acercarse a un modelo interactivo, donde el usuario podría iterar casi en directo.
Infraestructura Blackhole: cientos de aceleradores trabajando en paralelo
El rendimiento no viene solo del modelo. La base está en el hardware. Tenstorrent ejecuta esta carga sobre servidores con cientos de aceleradores Blackhole, concretamente en configuraciones como 256 unidades distribuidas en varios sistemas Galaxy.
Cada acelerador integra 16 núcleos RISC-V y 32 GB de memoria GDDR6, lo que permite manejar grandes volúmenes de datos con alto ancho de banda.
Aquí está la clave del enfoque. No se trata de un único chip extremadamente potente, sino de escalar el rendimiento mediante paralelismo masivo, algo cada vez más habitual en IA.
Arquitectura abierta: alternativa al modelo propietario dominante
Uno de los elementos diferenciadores es su enfoque técnico. Tenstorrent apuesta por una arquitectura abierta, basada en estándares como RISC-V, evitando dependencia de tecnologías propietarias.
Esto tiene implicaciones claras. Permite mayor flexibilidad en diseño, integración y evolución del sistema, aunque también implica competir en un ecosistema dominado por soluciones cerradas.
Desde un punto de vista estratégico, esto posiciona a la compañía de forma distinta. No compite solo en rendimiento, sino en modelo de plataforma, ofreciendo una alternativa al enfoque tradicional del sector.
Fuente de la imagen: EETimes
Modelo Wan2.2-14B: optimización como factor clave
El modelo utilizado, desarrollado sobre una base de 14.000 millones de parámetros, ha sido optimizado para maximizar la eficiencia en este entorno hardware. No es simplemente un modelo grande, sino adaptado al tipo de arquitectura donde se ejecuta.
Esto refuerza una tendencia clara. El rendimiento en IA ya no depende solo del tamaño del modelo, sino de la optimización conjunta entre software y hardware, algo que empieza a ser determinante.
Lectura de mercado: la carrera por el vídeo en tiempo real se acelera
El avance de Tenstorrent encaja en un contexto más amplio. La generación de vídeo es uno de los próximos grandes frentes de la IA, y la capacidad de hacerlo en tiempo real cambia completamente su aplicación.
Desde creación de contenido hasta simulación o interfaces interactivas, reducir la latencia abre nuevos escenarios de uso, mucho más allá del renderizado offline actual.
En este contexto, el mensaje es claro. Quien consiga dominar la generación de vídeo en tiempo real tendrá una ventaja competitiva clave, y Tenstorrent acaba de mostrar que ese objetivo está más cerca de lo que parecía.
Vía: Wccftech
