El cofundador de $NEAR, Illia Polosukhin, ha lanzado Delta League, una competición pública que invita a cualquiera a enviar mejoras a un modelo abierto de inteligencia artificial. La plataforma, anunciada por @ilblackdragon, funciona con @near_ai para el ecosistema de @NEARProtocol ($NEAR).
Cómo funciona Delta League
Los participantes envían ediciones a los pesos de un modelo, los números internos que dan forma a sus respuestas. Según el sitio web de Delta League, los participantes pueden enviar un LoRA, una diferencia de pesos dispersa o densa, o un punto de control completo, y cada cambio mantiene su linaje de modelo. La plataforma verifica los pesos y luego ejecuta validaciones y pruebas privadas para que los participantes puedan comparar sus puntuaciones con las del modelo original.
Cada edición se puntúa con un conjunto de pruebas oculto, y cada versión verificada permanece abierta para que otros la continúen. Esto permite a los colaboradores ampliar trabajos anteriores en lugar de empezar desde cero, y cada cambio queda registrado con el modelo que modificó.
La primera prueba usa Qwen3.5 0.8B, un modelo abierto pequeño. Hasta ahora, cinco ediciones verificadas han elevado su puntuación del 18,6 % al 19 %. La mejora es modesta, pero demuestra que el proceso de verificación funciona en un modelo activo.
Qwen3.5 es una familia de modelos de pesos abiertos de Alibaba. La entrada de Wikipedia sobre Qwen señala que Alibaba publicó Qwen3.5 de pesos abiertos en febrero de 2026.
Lo que viene
En los próximos días llegará el soporte para cambiar el diseño de los modelos y pruebas personalizadas para empresas. Permitir cambios en la arquitectura de un modelo, y no solo en sus pesos, ampliaría la gama de aportaciones que el concurso puede aceptar. Las pruebas personalizadas permitirían a las empresas medir las ediciones con sus propias tareas.
El lanzamiento encaja con el trabajo más amplio de Polosukhin en torno a la IA abierta y controlada por los usuarios. Es coautor del artículo de 2017 "Attention Is All You Need", que presentó la arquitectura Transformer, y ahora dirige el trabajo en $NEAR AI, según Fast Company. En una entrevista en podcast resumida por Open Commons, sostuvo que publicar únicamente los pesos de un modelo no convierte a un sistema de IA en código abierto, y que la apertura real también requiere acceso a los datos de entrenamiento, las recetas y la metodología.
Delta League prueba una vía distinta para mejorar: cambios verificados y colectivos sobre un modelo compartido, con resultados puntuados con datos que los participantes no pueden ver. Queda por demostrar hasta dónde puede elevar este enfoque a modelos más grandes, y los primeros resultados son pequeños.
Fuentes
