← Todas las noticias

Equipo de la Universidad de Hong Kong publica la familia YN: YN-mini de 421M alcanza 37.000 token/s en una GPU y simula 12 millones de hogares con 14 GPU

Según informó Machine Heart el 6 de noviembre de 2026, el equipo de Luo Ye, de la Universidad de Hong Kong, publicó el marco de simulación multisgente a escala social S²-MAS y dio a conocer la familia de modelos de decisión YN (de 421M a 9B) y el motor Genese; el informe señala que YN-mini, de 421 millones de parámetros, alcanza 37.000 token/s en una sola A100 y completa la simulación de 12 millones de hogares en unas 4 horas con 14 GPU.

Publicado Actualizado

Qué ha cambiado

Según informó Machine Heart el 6 de noviembre de 2026, el equipo del profesor Luo Ye, de la Universidad de Hong Kong, publicó el marco de simulación multisgente a escala social S²-MAS y dio a conocer la familia de modelos de decisión YN. El marco consta de tres partes: una base de aproximadamente 500 millones de perfiles de hogares consumidores (cada uno con 36 campos estructurados), los modelos de decisión YN y el motor de simulación Genese. El informe señala que el equipo convirtió 4,17 millones de pares reales de preguntas y respuestas de encuestas al formato «estado del hogar + pregunta + opciones»; el modelo usa un tronco preentrenado más una cabeza de decisión, donde un tronco ModernBERT o Qwen codifica el contexto y la cabeza de decisión puntúa las acciones candidatas y las normaliza con softmax en probabilidades de elección, sin generación autorregresiva token a token. La familia YN cubre cuatro tamaños de parámetros (421M, 322M, 4B y 9B), con 10 variantes de entrenamiento en total; el modelo principal, YN-mini, tiene unos 421 millones de parámetros, se compone de un tronco ModernBERT-large de 395 millones de parámetros más una cabeza de puntuación de opciones, se entrenó con SFT en dos etapas y RLCD, y la simulación de decenas de millones de hogares del artículo usa su versión MLX FP16. El equipo también publicó el código de entrenamiento y evaluación, los scripts para reproducir gráficos científicos y resultados agregados, 2 millones de perfiles de hogares sintéticos independientes y 32.000 entradas de tareas sin etiquetar, y señala que los modelos y parte de los datos sintéticos se ofrecen bajo sus respectivas condiciones de uso científico. En cuanto a la evaluación, el informe señala que en 240.458 preguntas de opción múltiple de finanzas del consumidor de un solo turno reservadas para prueba (119 versiones de preguntas, 8.275 grupos de hogares encuestados), YN-mini obtiene 74,55 % de precisión y 38,37 % de F1 macro, 9,30 puntos porcentuales más que Jev 1.13 y 5,68 puntos más que GLM-5.3-Flash; en 500 grupos de muestreo fijo por grupos (14.441 registros), la evaluación emparejada con GPT-6-Astra arroja 74,73 % frente a 69,34 %. El informe también señala que, en pruebas de despliegue en una sola A100, YN-mini alcanza 37.000 token/s, 22,72 veces el rendimiento de la API de Jev. El experimento de escala usó 14 GPU (8 H100 de 80 GB y 6 A100 de 40 GB), dividió la tarea en 2400 unidades de trabajo ejecutadas en paralelo por pipeline y completó en 3 horas, 59 minutos y 17 segundos la simulación de 12 millones de hogares, 24 millones de decisiones emparejadas y 288 millones de estados de libros mensuales, con un promedio extremo a extremo de unas 1672 decisiones de hogar por segundo y unos 886.000 token/s. Del lado del motor, el informe señala que Genese tarda 6,17 segundos en ejecutar un turno de 1000 agentes en una sola T4, un 17 % y un 20 % menos que OASIS y OneSim, respectivamente; con el mismo backend de decisión fijo, su velocidad de ejecución es de 2,12 a 4,10 veces la de AgentSociety, OneSim, OASIS y MiroFish. El equipo también realizó una prueba de predicción de consumo con 1060 hogares reales; el informe señala que YN-Master-9B, que decide de forma independiente, tiene un error absoluto medio anual de 51.312 yuanes, un 3,42 % menos que la referencia de racionalidad perfecta tipo HANK y un 3,15 % menos de error cuadrático medio; YN-Lite-4B tiene una distancia de ajuste un 14,26 % menor que esa referencia al agrupar por ingresos.

Impacto para desarrolladores

Para los desarrolladores que planean integrarlo, el cambio más directo está en la forma de invocación. Lo que describe el informe es un tronco preentrenado más una cabeza de decisión: una pasada hacia adelante puntúa las acciones candidatas predefinidas y softmax da una distribución de probabilidad, sin generación token a token; quien llama no necesita analizar texto libre ni paga costo por token por toda la generación. El costo es que las acciones candidatas deben enumerarse de antemano y la tarea queda limitada a opciones cerradas; no sirve para preguntas abiertas ni salida de texto libre. El criterio de evaluación también debería cambiar: las magnitudes comparables son la precisión por pregunta, el F1 macro, si la opción de mayor probabilidad se mantiene estable al invertir el orden de las opciones y cuántas decisiones por segundo se completan con el propio hardware y tamaño de lote, no la calidad de generación ni la preferencia humana. Los 37.000 token/s y las 22,72 veces del informe provienen de una prueba de despliegue en una sola A100, pero la fuente no aclara la precisión ni la configuración del tronco usadas en esa prueba, y la versión MLX FP16 solo está vinculada a la simulación de decenas de millones de hogares del artículo; no son la misma condición, y esas cifras varían con la precisión, el tamaño de lote y el motor, por lo que solo sirven como referencia de orden de magnitud. El valor de Genese se concentra en la consistencia del libro: actualización por lotes de matrices entidad-componente, confirmación del estado del mundo y los eventos en el mismo límite transaccional y reversión de excepciones a la instantánea de la ronda; estos mecanismos responden al riesgo de «se cambió el libro pero no quedó registro» con millones de sujetos. Si la simulación no exige trazabilidad por operación ni reversión, ese beneficio es mucho menor. Además, la arquitectura de puntuación con cabeza de decisión impone nuevas interfaces a toda la pila de simulación: la generación del conjunto de candidatos, la lectura de probabilidades y la liquidación del libro deben separarse en módulos reemplazables de forma independiente; de lo contrario, cambiar de modelo obliga a reescribir el experimento. Cabe destacar que la precisión, el rendimiento y las aceleraciones citados provienen del artículo y de declaraciones del equipo; hasta ahora no hay reproducción independiente.

Integración y evaluación

Las siguientes son recomendaciones condicionales, no hechos del informe. Decisión uno, frente al cambio descrito en el informe de «tronco preentrenado + cabeza de decisión que emite directamente probabilidades de opciones»: si tu carga es de opción múltiple cerrada, por ejemplo predicción de preferencias tipo encuesta o elección de acciones dentro de reglas, puedes considerar el modelo con cabeza de decisión como candidato alternativo a las llamadas generativas. La condición es que el conjunto de candidatos pueda enumerarse y sea fijo antes de cada llamada; si la tarea requiere texto libre o razonamiento abierto, la alternativa no se sostiene y conviene seguir con modelos generativos. El criterio es si la precisión por pregunta y el F1 macro en tu propio conjunto de validación superan la línea base actual, y añadir una prueba de inversión del orden de opciones para ver si cambia la opción de mayor probabilidad; si la precisión no mejora, el beneficio se reduce al costo de inferencia y hay que calcularlo aparte. Decisión dos, frente al diseño de actualización por lotes, confirmación atómica y reversión a instantánea de Genese descrito en el informe: si vas a hacer simulaciones de agentes de más de cien mil, primero reproduce el motor en lugar de cambiar de modelo. La condición es que la simulación exija conciliación por operación; si solo necesitas una media agregada aproximada y no requieres reversión ante excepciones, un script de procesamiento por lotes sencillo puede bastar. El método es ejecutar una ronda de 1000 agentes con el mismo backend de decisión en tu propio hardware, registrar el tiempo y verificar si el libro cuadra operación por operación y si se puede volver a la instantánea de la ronda ante una excepción; el criterio de aceptación es que las cuentas sean reproducibles y la reversión funcione, y luego comparar las decisiones por segundo. El informe compara Genese con OASIS, OneSim, AgentSociety y MiroFish, pero esas cifras provienen de una referencia controlada definida por el equipo; en tus propias pruebas solo son comparables si fijas el mismo backend de decisión. Decisión tres, como condición previa a las dos anteriores, frente a lo indicado en el informe de que «los modelos y parte de los datos sintéticos se ofrecen bajo sus respectivas condiciones de uso científico»: si vas a incluirlo en un producto comercial, confirma repositorio por repositorio si el texto de la licencia y el alcance de autorización cubren tu forma de distribución antes de escribir código; si solo lo usas para reproducir investigación interna, por lo general esto no aplica. Además, GLM-5.3-Flash y DeepSeek-V4.1-Flash, usados como comparación en el informe, tienen entradas correspondientes en el catálogo de KimiSeek y pueden servir como candidatos para tu propia línea base de evaluación, aunque la elección de la línea base depende de tu propia tarea.

Límites y cuestiones pendientes

Hay varias incertidumbres que conviene conservar. Primera, la precisión, el rendimiento y las aceleraciones del informe son autodeclarados por el equipo; el conjunto de evaluación proviene de preguntas cerradas de un único escenario, las finanzas del consumidor, y el propio informe indica que esa ventaja no representa capacidad de generalización ni razonamiento abierto; el 74,55 % del artículo y el 74,73 % del muestreo fijo por grupos provienen de muestras distintas y no deben mezclarse. Segunda, la fuente no aclara la configuración de la prueba de 37.000 token/s en una sola A100 (precisión, tronco, tamaño de lote); solo vincula la versión MLX FP16 con la simulación de decenas de millones de hogares del artículo, no son la misma condición y no pueden generalizarse entre sí. Tercera, aunque se publicaron los pesos, se ofrecen bajo condiciones de uso científico; pesos abiertos no equivalen a una licencia de código abierto reconocida por la OSI, y el alcance comercial debe verificarse por cuenta propia. Cuarta, ni la familia de modelos de decisión YN ni versiones como YN-mini, YN-Lite-4B o YN-Master-9B tienen una entrada con coincidencia exacta en el catálogo actual de KimiSeek; este sitio no recoge esa serie, y el informe tampoco menciona una API oficial ni un servicio alojado de la serie YN. Si más adelante un proveedor lo ofrece, su disponibilidad, precio y cuotas dependerán del proveedor o del servicio de alojamiento y no significan que este sitio lo haya integrado. Quinta, la evaluación humana de calidad de los perfiles se hizo sobre 100 perfiles de encuesta reales procesados, el experimento de predicción de consumo usó los registros de consumo reales de 1060 hogares descritos en el informe y las preguntas de evaluación también provienen de encuestas reales; esas fuentes de evidencia no son datos sintéticos, pero todas salen de un proceso de evaluación diseñado y ejecutado por el propio equipo, con referencias (como la de racionalidad perfecta tipo HANK) y métricas definidas por el equipo, sin reproducción de terceros. Lo realmente compuesto por población sintética son la base de 500 millones de perfiles y el experimento de simulación de 12 millones de hogares, cuyas conclusiones agregadas dependen de la calibración estadística del proceso generativo. Sexta, la prueba de memoria que reescribe los años a 2031 usa solo 12 variantes de formulación por modelo, por lo que es evidencia preliminar. Séptima, el informe no aporta validación con datos de comportamiento externos sobre si distribuciones extremas como que todos los hogares con miembros mayores de 65 años elijan posponer la compra en ambas condiciones se acercan a la realidad; esto es una inferencia basada en el informe, no una conclusión de la fuente.

Tres minutos hasta la primera llamada

Crea una cuenta y una clave de API. El coste de las llamadas se descuenta de tu saldo. 30 % de descuento en tu primera recarga. Recarga ¥500, paga ¥350, recibe ¥500 de saldo. Recarga ¥1000, paga ¥850, recibe ¥1000 de saldo La recarga mínima sigue siendo de ¥10, adecuada para pruebas.

Fuentes y proceso editorial

3.7万token/s实现千万级家庭仿真,准确率超越硅谷Jev模型,港大罗晔教授团队发布YN决策模型

La IA ayudó con el análisis y la traducción de las fuentes citadas, seguidos de controles automáticos. Las recomendaciones no son resultados de pruebas. Consulta el catálogo actual para precios y disponibilidad.