Mezcla de expertos en IA: por qué un modelo puede ser muchos

La mezcla de expertos en IA es una arquitectura donde una red grande se divide en muchas subredes especialistas más pequeñas, y una capa de enrutamiento manda cada fragmento de texto solo a unas cuantas en lugar de ejecutar todo. Por eso Gemini 3.7 Flash, anunciado en agosto de 2026, salió a la mitad del precio por millón de tokens del 3.6 Flash que reemplazó, tres semanas después de ese. No porque Google se haya puesto generoso. Porque el modelo solo despierta una fracción de sí mismo para cada palabra.

Si la escuela de tu hijo eligió una herramienta de IA más barata este año, esta arquitectura es la razón principal de que exista.

Puntos clave

• Una capa de mezcla de expertos contiene muchas subredes tipo feed-forward (los “expertos”) más una pequeña red de compuerta que elige cuáles usar para cada entrada.
• El artículo de 2017 que introdujo la versión moderna (Shazeer et al., con Hinton, Le y Dean como coautores) reportó mejoras de más de 1000 veces en capacidad del modelo con pérdidas menores de eficiencia computacional, en modelos de hasta 137 mil millones de parámetros.
• La distinción clave es parámetros totales contra parámetros activos. Un modelo puede “saber” mucho mientras solo “usa” poco por palabra, y tú pagas por lo activo.
• El resumen de Google de agosto de 2026 describió a Gemini 3.7 Flash como su “modelo de trabajo más inteligente hasta ahora para código y agentes”, a un precio de lanzamiento de la mitad del costo original del 3.6 Flash por millón de tokens.
• Esta arquitectura es la razón de que los niveles baratos se hayan puesto buenos. También es la razón de que un modelo barato sea raramente irregular: las decisiones de enrutamiento son una fuente de falla que los modelos densos no tienen.

Qué hace la arquitectura en realidad

Empecemos por lo que reemplazó. Un transformer denso ejecuta todos sus parámetros para cada palabra. Si el modelo tiene 70 mil millones de parámetros, los 70 mil millones participan en predecir la siguiente palabra, sea parte de una función de Python o de un poema sobre ranas. Es simple y es un desperdicio.

Una capa de mezcla de expertos cambia una pieza. En cada capa donde el modelo denso tendría una sola red feed-forward, la mezcla de expertos pone muchas en paralelo y agrega una pequeña red de compuerta cuyo único trabajo es decidir cuáles usar.

El artículo de 2017 que volvió esto práctico, “Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer”, de Noam Shazeer, Azalia Mirhoseini, Krzysztof Maziarz, Andy Davis, Quoc Le, Geoffrey Hinton y Jeff Dean, describe una capa con “hasta miles de subredes feed-forward” donde una red de compuerta entrenable determina “una combinación dispersa de estos expertos para cada ejemplo”. Su afirmación central: “mejoras superiores a 1000 veces en la capacidad del modelo con pérdidas menores de eficiencia computacional en clústeres modernos de GPU”, demostrado en modelos de hasta 137 mil millones de parámetros.

La palabra que hace el trabajo es dispersa. La compuerta normalmente elige dos expertos entre docenas o cientos. Así, un modelo con un billón de parámetros totales podría activar solo 30 mil millones para cada palabra. Los parámetros totales determinan cuánto puede guardar el modelo. Los parámetros activos determinan cuánto pagas y qué tan rápido corre.

Una cosa que hay que corregir de inmediato, porque el nombre invita al error: los “expertos” no son especialistas en materias humanas. No hay un “experto en matemáticas” ni un “experto en francés”. Lo que aprende cada experto es opaco, emerge del entrenamiento y a menudo corresponde a patrones que ninguna persona nombraría. El enrutamiento se aprende, no se diseña.

Por qué esto aparece en la factura de tu familia

La economía es toda la historia. Como solo corre una fracción de la red por palabra, un modelo de mezcla de expertos de cierta calidad cuesta mucho menos de servir que un modelo denso de esa calidad. Ese ahorro va directo a los niveles de precio, y los niveles de precio son entre lo que las escuelas y las familias de verdad eligen.

El despliegue de Gemini en Google Classroom para estudiantes de todas las edades, anunciado el 4 de agosto de 2026, es la misma economía aplicada a escala de producto. El resumen de IA de Google de agosto de 2026 puso a Gemini 3.7 Flash a “un precio de lanzamiento de la mitad del costo original del 3.6 Flash por millón de tokens”, describiéndolo como “nuestro modelo de trabajo más inteligente hasta ahora para código y agentes” y señalando que salió tres semanas después del 3.6 Flash. Ciclos de lanzamiento tan rápidos, con precios que caen, son la firma de eficiencia arquitectónica.

Se ve el mismo patrón del lado de Anthropic. Claude Haiku 4.5 cuesta 1 dólar por millón de tokens de entrada contra 10 dólares de Claude Fable 5.1, según el precio publicado. Una brecha de diez veces entre niveles no es una decisión de marketing: refleja una diferencia real de cómputo consumido por token.

Dónde se pone raro un modelo de mezcla de expertos

Esta es la parte útil para un papá y que casi nunca se cubre. Esta arquitectura introduce un modo de falla que los modelos densos no tienen: el enrutamiento malo.

Si la compuerta manda una palabra a los expertos equivocados, el modelo produce una respuesta peor de lo que sugeriría su cantidad de parámetros. De ahí salen varias consecuencias.

Desempeño irregular. Un modelo barato de este tipo puede ser excelente en tareas comunes y sorprendentemente débil en las inusuales, porque el enrutamiento se aprende de la distribución de los datos de entrenamiento. Las formulaciones raras se enrutan con menos fiabilidad.

Artefactos de balanceo de carga. Entrenar estos modelos requiere funciones de pérdida auxiliares para que los expertos no queden ignorados ni saturados, un problema trabajado en detalle en el artículo Switch Transformer de Fedus, Zoph y Shazeer. Son compromisos de ingeniería y pueden dejar huecos extraños.

Más difícil de razonar. Con un modelo denso, “el modelo no sabe esto” explica la falla. Con mezcla de expertos, “el modelo lo sabe pero no enrutó ahí” también es posible, y el usuario no tiene forma de distinguir.

La consecuencia práctica para una familia: si un modelo barato da una respuesta raramente mala en algo que debería manejar, reintentar con otra formulación tiene más probabilidad de ayudar que con un modelo denso. Es una táctica genuinamente útil y sale directo de entender la arquitectura.

¿Y en América Latina?

Aquí el precio no es un detalle, es la decisión. Una secretaría de educación en México, una provincia argentina o un colegio en Perú que evalúa darle una herramienta de IA a todos sus estudiantes está mirando exactamente la diferencia entre un dólar y diez dólares por millón de tokens. Esta arquitectura es la razón técnica por la que la primera cifra existe, y por lo tanto la razón por la que un despliegue masivo es plausible.

Los datos ayudan a dimensionarlo. Según PISA 2025 de la OCDE, publicado el 8 de septiembre de 2026, los estudiantes colombianos están entre los que más usan chatbots de IA para aprender en la región, y en México cerca del 73% de los universitarios reporta usar IA para trabajos, según estudios recopilados en la prensa educativa local. Ese uso ya está pasando, en su mayoría con niveles gratuitos o baratos, que es decir: con modelos de mezcla de expertos.

Y de ahí sale la recomendación concreta. Si tu hijo usa un nivel gratuito o económico, no asumas que una mala respuesta significa que el modelo es incapaz. Reformula. En un modelo con enrutamiento aprendido, decir lo mismo de otra manera cambia qué expertos se activan, y muchas veces eso arregla el problema sin pagar más.

Cómo enseñarle esto a tu hijo

La analogía que funciona es la recepción de un hospital, o el mostrador de informes de una biblioteca. Alguien te deriva; no ves a todos.

De 5 a 8 años: la recepción del hospital

Arma cuatro “doctores” en tu casa (cuatro sillas con letreros: huesos, panza, ojos, piel). Tú eres la recepción. Tu hijo describe un problema imaginario y tú lo mandas con uno o dos doctores, no con los cuatro. Pregúntale: “¿Tuvieron que trabajar todos los doctores?”. No. Luego dile: “Las computadoras que contestan preguntas funcionan así. Tienen muchos ayudantes chiquitos adentro y solo despiertan a dos por cada palabra. Por eso son baratas y rápidas”. Haz una ronda donde lo mandes con el doctor equivocado a propósito y deja que note que la respuesta salió peor.

De 9 a 12 años: construir el enrutador

Escribe 20 preguntas en papelitos sobre cuatro temas. Prepara cuatro sobres “expertos”. El trabajo de tu hijo es ser la red de compuerta: leer cada papelito y mandarlo al sobre correcto, rápido, sin leerlo con cuidado completo. Tómale el tiempo. Después cuenten los errores de ruteo. Ahora dale los números reales: el artículo de 2017 usó hasta miles de expertos, y los modelos de hoy normalmente activan dos por palabra entre docenas o cientos. Pregúntale qué pasa cuando el enrutador se equivoca, y conéctalo con el hecho de que una IA barata a veces es raramente mala en una cosa específica.

De 13 en adelante: totales contra activos

Que tu hijo busque dos arquitecturas de modelos (los modelos publicados de este tipo listan parámetros totales y activos) y arme una tabla comparando parámetros totales, parámetros activos y precio por millón de tokens. Luego que calcule la razón entre activos y totales. Su hallazgo: un modelo puede ser enorme en lo que guarda y modesto en lo que ejecuta. Que cierre leyendo el resumen del artículo de Shazeer et al. y encontrando la frase “combinación dispersa”.

La pregunta que debes hacer: “Si un modelo tiene mil ayudantes adentro pero solo usa dos a la vez, ¿qué podría salir mal?”

Denso vs. mezcla de expertos: la comparación honesta

Propiedad	Modelo denso	Mezcla de expertos
Parámetros usados por palabra	Todos	Una fracción pequeña (a menudo 2 expertos entre docenas o cientos)
Costo por token servido	Escala con el tamaño total	Escala con el tamaño activo, no el total
Cuánto puede guardar	Limitado por lo que puedas pagar por ejecutar	Puede ser mucho mayor que lo que corre por palabra
Dificultad de entrenamiento	Directa	Necesita balanceo para que los expertos no queden ignorados ni saturados
Modo de falla	”No lo sabe"	"No lo sabe” o “lo sabía pero enrutó a otro lado”
Consistencia de desempeño	Más uniforme entre tipos de tarea	Puede ser irregular, sobre todo con formulaciones raras
Interpretabilidad	Difícil	Más difícil (las decisiones de ruteo son opacas)
Uso típico en 2026	Niveles altos de razonamiento	Niveles baratos y rápidos (tipo Flash y similares)

La fila que más importa para una familia es la del costo. Esta arquitectura es la razón de que tu escuela pueda pagar una herramienta de IA decente para cada estudiante. La contrapartida aparece como inconsistencia, no como ser uniformemente peor.

Qué hacer en casa

Reformula antes de concluir que el modelo es tonto

Si un modelo barato falla en algo simple, pruébalo dicho de otra manera antes de asumir un límite de capacidad. Otra formulación enruta distinto. Es un experimento de cinco segundos que ahorra mucha frustración y enseña un hecho real sobre el sistema.

Empareja el nivel con la tarea a propósito

Un modelo tipo Flash es excelente para resumir, dar formato, extraer y contestar preguntas factuales. Si tu hijo aún no tiene claro cómo un modelo predice la siguiente palabra, nuestra guía sobre cómo funcionan los modelos de IA es el paso previo. Un nivel alto de razonamiento vale la pena para matemáticas de varios pasos, demostraciones y tareas largas de agentes. Enseñarle a tu hijo a elegir a propósito es la misma habilidad que saber cuándo pensar más tiempo.

No leas “expertos” de forma literal

Si tu hijo cree que esto significa que hay un experto en matemáticas y uno en historia adentro, corrígelo con calma. La analogía correcta está más cerca de la que usamos en redes neuronales explicadas a niños y padres. Los expertos son patrones aprendidos que nadie nombró. Acertar aquí evita toda una familia de intuiciones equivocadas sobre por qué fallan los modelos.

Mira el precio por millón de tokens, no el nombre del modelo

Los nombres de modelos cambian cada mes. El precio por millón de tokens es el número que te dice en qué nivel estás y qué podría pagar la escuela. También es el número que hizo que valiera la pena inventar esta arquitectura.

Lo que no debes hacer

No asumas que más barato significa peor en todo. Google describió un modelo de nivel Flash como su modelo de trabajo más inteligente hasta ahora para código y agentes, a la mitad del precio anterior. El encuadre honesto es que esta arquitectura cambia consistencia por costo, y para casi toda la tarea escolar el cambio conviene. Pero tampoco pongas un nivel barato en las matemáticas más difíciles de tu hijo.

Qué observar en los próximos 3 meses

• Semana 4: tu hijo puede explicar que un modelo grande solo usa una parte pequeña de sí mismo para cada palabra, y puede nombrar el trabajo del enrutador.
• Señales de alerta en el mes 2: cree que “expertos” significa materias humanas como matemáticas e historia. O concluyó que el nivel barato es inútil después de una mala respuesta.
• Autoevaluación del mes 3: pídele que prediga cuál de tres tareas (resumir un artículo, resolver un álgebra de dos pasos, escribir una demostración formal) necesita el nivel caro. Acertar en la demostración, con razón, es aprobado.

Preguntas frecuentes

¿Los “expertos” son de verdad expertos en materias?

No. Cada experto es una subred feed-forward cuya especialización emerge del entrenamiento y suele corresponder a patrones estadísticos que nadie nombraría. No hay un experto en matemáticas ni uno en francés. El enrutamiento se aprende, no se asigna a mano.

¿Por qué un modelo de mezcla de expertos es más barato de operar?

Porque solo una fracción pequeña de sus parámetros se activa por cada palabra. Pagas por el cómputo realmente usado, no por los parámetros totales guardados. Esa es la razón directa de que los niveles tipo Flash cuesten una fracción de los niveles altos de razonamiento.

¿Gemini 3.7 Flash es un modelo de mezcla de expertos?

El anuncio de Google de agosto de 2026 lo describe como su modelo de trabajo más inteligente para código y agentes, a la mitad del precio por token del nivel anterior, pero no publica la arquitectura. La mezcla dispersa de expertos es el enfoque estándar para niveles baratos y rápidos en toda la industria; trata la arquitectura específica como no confirmada mientras el laboratorio no lo declare.

¿Esta arquitectura empeora los modelos en algo?

Los vuelve menos consistentes. El enrutamiento puede mandar una entrada a expertos subóptimos, lo que produce fallas que un modelo denso de calidad parecida no tendría. En la práctica eso aparece como debilidad inesperada en formulaciones inusuales, y por eso reformular suele ayudar.

¿Debería pagar un modelo más caro para mi hijo?

Empareja nivel con tarea. Los niveles baratos manejan bien resumir, dar formato y preguntas factuales. Reserva el nivel caro para razonamiento de varios pasos, demostraciones y cualquier cosa donde un error sutil importe. Pagar tarifas altas para todo es la forma más común en que las familias gastan de más en IA.

---

Sobre el autor

Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.

---

Fuentes

1. Shazeer, N., Mirhoseini, A., Maziarz, K., Davis, A., Le, Q., Hinton, G., y Dean, J. (2017). “Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer.” arXiv:1701.06538. https://arxiv.org/abs/1701.06538
2. Google. (2026, agosto). “Google AI updates, August 2026.” The Keyword. https://blog.google/innovation-and-ai/technology/google-ai-updates-august-2026/
3. Anthropic. (2026). “Pricing.” Claude Platform Documentation. https://platform.claude.com/docs/en/about-claude/pricing
4. Fedus, W., Zoph, B., y Shazeer, N. (2022). “Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity.” Journal of Machine Learning Research, 23(120). https://arxiv.org/abs/2101.03961
5. OCDE. (2026, 8 de septiembre). “PISA 2025: Students’ reading and mathematics performance declined sharply across the OECD.” https://www.oecd.org/en/about/news/press-releases/2026/09/pisa-2025-students-reading-and-mathematics-performance-declined-sharply-across-the-oecd.html
6. Pulzo. (2026, septiembre). “Inteligencia artificial en la educación: estudiantes en Colombia lideran uso de IA, según la OCDE.” https://www.pulzo.com/tecnologia/inteligencia-artificial-en-la-educacion-estudiantes-en-colombia-lideran-uso-de-ia-segun-la-ocde-PP5296043A
7. MarkTechPost. (2026, 1 de septiembre). “Anthropic releases Claude Fable 5.1 and Claude Mythos 5.1.” https://www.marktechpost.com/2026/09/01/anthropic-releases-claude-fable-5-1-and-claude-mythos-5-1-52-6-on-terminal-bench-science-and-75-cheaper-cache-reads/