Surge una nueva generación de IA basada en modelos energéticos (EBM) busca superar las limitaciones de los LLM tradicionales

Lima, Perú, 7 de diciembre de 2025.— A medida que la inteligencia artificial transforma industrias críticas, emerge una nueva arquitectura que promete superar los límites de los modelos basados únicamente en lenguaje. Logical Intelligence ha alcanzado un hito decisivo con su herramienta Aleph, reforzando el camino hacia una IA matemática, verificable y segura para entornos de alta exigencia.

Un cambio de paradigma: de modelos basados en lenguaje a modelos sin tokens

Durante más de una década, el desarrollo de la inteligencia artificial ha girado en torno a los Large Language Models (LLMs), sistemas que predicen palabras mediante cadenas de tokens. Aunque potentes, estos modelos presentan limitaciones críticas: generan alucinaciones, requieren enormes recursos de cómputo y fallan en entornos donde se exige lógica estricta y resultados verificables.

Logical Intelligence propone una alternativa radical: modelos independientes del lenguaje, libres de tokens, capaces de buscar soluciones correctas sin depender de predicción de palabras. Esta tecnología está cimentada en Energy Based Models (EBM) no auto regresivos y matemáticamente derivados.

Aleph logra 76% en el Putnam Benchmark: un hito científico

La compañía anunció que su herramienta Aleph alcanzó una puntuación de 76% en el Putnam Benchmark, una de las pruebas más rigurosas para evaluar razonamiento matemático en IA. Este benchmark exige que los modelos generen pruebas matemáticas verificables en lugar de descripciones en texto.

Aunque Aleph fue construido sobre un LLM, superó a todos los modelos públicos evaluados y a los sistemas híbridos que aún dependen de arquitecturas lingüísticas, demostrando que los EBM nativos pueden ofrecer IA confiable y verificable.

Construimos Aleph como una herramienta interna, no como nuestro modelo principal”, señaló Eve Bodnia, fundadora y CEO de Logical Intelligence. “Su desempeño confirma que nuestras bases son sólidas y apenas representan una fracción de lo que nuestro modelo central logrará”.

Por qué los EBM superan a los LLM en razonamiento estructurado

La mayoría de sistemas de IA razonan igual que escriben: palabra por palabra, formando cadenas frágiles donde un token incorrecto puede invalidar todo el resultado. Además, el modelo solo recibe una evaluación final, sin identificar dónde falló el razonamiento.

Los EBM funcionan de manera distinta:

• No piensan en palabras: operan en estados matemáticos continuos.

• No generan texto de forma secuencial: actualizan su estado interno completo en cada iteración.

• Pueden corregir el rumbo, explorar alternativas y converger en respuestas estables y verificables.

Este comportamiento se asemeja más al razonamiento de un matemático entrenado que al de un motor de texto predictivo.

Por ello, los EBM están mejor posicionados para entornos donde la incertidumbre es inaceptable:

• vehículos autónomos

• aviación y manufactura avanzada

• redes eléctricas

• infraestructura nacional

• defensa y robótica

• diseño de chips

Si necesitas certeza, no puedes depender de la predicción de palabras”, enfatizó Bodnia. “Necesitas un sistema que trabaje desde la estructura del problema”.

Aleph: matemática formal y pruebas verificables a escala

Aleph convierte problemas matemáticos en enunciados formales y genera pruebas verificables por máquina. Su capacidad para producir grandes volúmenes de pruebas válidas representa un avance significativo: la mayoría de sistemas de IA describen matemáticas; muy pocos pueden demostrar algo.

Aleph nos ofrece un nuevo nivel de certeza en la IA actual”, afirmó Bodnia. “Es la primera señal de lo que es posible cuando construyes sistemas basados en verdad matemática”.

Logical Intelligence ya colabora con organizaciones de sectores estratégicos para evaluar aplicaciones tempranas de Aleph en laboratorio y ambientes controlados.

La compañía lanzará en 2026 su modelo general de propósito, diseñado con razonamiento matemático verificable a escala industrial.

Aleph es nuestro primer hito”, concluyó Bodnia. “El sistema completo llegará en 2026”.

Nota de Redacción | IT/USERS®

La evolución de la inteligencia artificial vive hoy un punto de inflexión. Este anuncio de Logical Intelligence —al presentar avances basados en modelos energéticos matemáticos (EBM), libres de lenguaje— marca un giro significativo en un panorama dominado por los Large Language Models (LLMs). Estos nuevos enfoques proponen una IA que no predice palabras, sino que razona desde estructuras matemáticas verificables, reduciendo riesgos de alucinación y comportamientos impredecibles.

Para entornos críticos como infraestructura, automatización, salud, energía o transporte, la certeza lógica no es un ideal: es un requisito. La posibilidad de construir sistemas cuya corrección pueda ser demostrada mediante pruebas formales abre una ruta distinta hacia una IA más confiable, auditable y apropiada para misiones de alta responsabilidad.

Desde IT/USERS® observamos con atención este desplazamiento conceptual: del texto hacia la matemática, de la predicción hacia la verificación, de la probabilidad a la certeza operacional. Este tipo de innovación tendrá repercusiones en la industria global y, eventualmente, en los ecosistemas tecnológicos de América Latina, donde la necesidad de soluciones confiables, eficientes y sostenibles es cada vez más urgente.

La presentación de Aleph —una herramienta capaz de generar pruebas matemáticas verificables— no es solo un logro técnico; es una señal del camino que podría tomar la IA en los próximos años. Una IA que piensa menos como un generador de texto y más como un matemático disciplinado: rigurosa, transparente y diseñada para no fallar.

IT/USERS® continuará siguiendo de cerca esta tendencia, que podría redefinir la relación entre humanos, máquinas y los sistemas que sostienen nuestra civilización digital.

Tu Opinión Importa

¿Crees tú que las arquitecturas matemáticas como los EBM serán esenciales para la IA segura en infraestructura crítica? Comparte tu perspectiva usando #superfan y #itusersawards2024-25.

Apoya al Periodismo Independiente

¿Te sirvió en algo este contenido?, ayúdanos a combatir la Desinformación, dona desde S/ 1.00 a nuestro PLIN 943-438-457