Nueva investigación revela capacidades ocultas en el chip M4 y el sistema Claude

Durante años, el Neural Engine (ANE) de Apple permaneció oculto tras estrictas limitaciones diseñadas únicamente para tareas de inferencia. Sin embargo, a partir de 2026, esas barreras han sido eliminadas. Recientemente, el ingeniero Manjeet Singh, en colaboración con Claude AI, logró realizar ingeniería inversa del funcionamiento interno del ANE del chip M4, demostrando a la comunidad tecnológica mundial que un Mac mini es mucho más que un dispositivo para tareas cotidianas: también puede utilizarse directamente para entrenar modelos Transformer.
La clave de este avance radica en eludir el marco tradicional CoreML. Con el apoyo de Claude AI, Manjeet Singh exploró la estructura del lenguaje MIL y los formatos binarios E5, lo que permitió un control directo sobre el hardware del ANE. Los resultados experimentales son sorprendentes: ejecutar un modelo Transformer de una sola capa en el chip M4 alcanza una eficiencia energética máxima de hasta 6,6 TFLOPS por vatio, lo cual es 80 veces mayor que el de las GPUs profesionales A100 y más de 50 veces superior al de las GPUs H100.
Anteriormente, la industria creía ampliamente que los chips NPU eran incapaces de realizar tareas de entrenamiento debido a capacidades hardware insuficientes. No obstante, este esfuerzo de ingeniería inversa reveló una realidad diferente: el hardware no era la verdadera limitación; más bien, eran las restricciones software de Apple las que suponían el principal obstáculo. Hoy en día, los desarrolladores ya pueden completar el entrenamiento completo del modelo Stories110M en un Mac mini, con todo el sistema consumiendo menos de un vatio de energía.
Este desarrollo está transformando el panorama de la revolución de la IA. Los altos costos asociados a las soluciones informáticas tradicionales, que alguna vez llegaron a decenas de miles de dólares, ahora parecen insignificantes en comparación con la excepcional eficiencia energética del chip M4. Para los desarrolladores independientes y los laboratorios domésticos, los costosos clusters de GPU ya no son la única opción viable. Este dispositivo compacto sobre el escritorio se está convirtiendo en un potente superordenador capaz de permitir iteraciones a bajo costo de modelos a gran escala.
Aunque aún hay espacio para mejoras en términos de eficiencia de uso y persisten varios desafíos técnicos, este avance ha abierto nuevas posibilidades. Según señalan los desarrolladores, este tipo de exploración inversa colaborativa entre humanos y máquinas marca la llegada del entrenamiento de IA en el edge. En el futuro, un MacBook en tus manos podría dejar de ser simplemente un dispositivo de consumo para convertirse en una unidad informática personal capaz de evolucionar continuamente, en cualquier momento y lugar.
Artículo relacionado
El lanzamiento global de la campaña de campus de Seed de ByteDance ofrece acciones virtuales para captar a los mejores talentos en modelos grandes
En el competitivo panorama de los modelos de lenguaje grandes, asegurar el talento de primer nivel sigue siendo el activo estratégico más crítico.El 1 de abril, ByteDance anunció el lanzamiento de su iniciativa global de reclutamiento de campus Seed
Suno añade marcas de agua a las canciones en medio de batallas legales
Suno, la plataforma que permite a los usuarios generar música creada por inteligencia artificial, ha presentado nuevas funciones para etiquetar las pistas producidas en la plataforma, restringir las descargas y actualizar las normas de la comunidad c
Musk admite que Grok filtró código de usuarios, promete borrar todos los datos históricos
Elon Musk abordó directamente la controversia por privacidad relacionada con Grok Build, comenzando con un simple "Verdadero" para confirmar la validez del incidente. Se comprometió a que todos los datos de usuario cargados previamente en SpaceXAI se
Recomendaciones de temas especiales relacionados
comentario (0)
0/500

Durante años, el Neural Engine (ANE) de Apple permaneció oculto tras estrictas limitaciones diseñadas únicamente para tareas de inferencia. Sin embargo, a partir de 2026, esas barreras han sido eliminadas. Recientemente, el ingeniero Manjeet Singh, en colaboración con Claude AI, logró realizar ingeniería inversa del funcionamiento interno del ANE del chip M4, demostrando a la comunidad tecnológica mundial que un Mac mini es mucho más que un dispositivo para tareas cotidianas: también puede utilizarse directamente para entrenar modelos Transformer.
La clave de este avance radica en eludir el marco tradicional CoreML. Con el apoyo de Claude AI, Manjeet Singh exploró la estructura del lenguaje MIL y los formatos binarios E5, lo que permitió un control directo sobre el hardware del ANE. Los resultados experimentales son sorprendentes: ejecutar un modelo Transformer de una sola capa en el chip M4 alcanza una eficiencia energética máxima de hasta 6,6 TFLOPS por vatio, lo cual es 80 veces mayor que el de las GPUs profesionales A100 y más de 50 veces superior al de las GPUs H100.
Anteriormente, la industria creía ampliamente que los chips NPU eran incapaces de realizar tareas de entrenamiento debido a capacidades hardware insuficientes. No obstante, este esfuerzo de ingeniería inversa reveló una realidad diferente: el hardware no era la verdadera limitación; más bien, eran las restricciones software de Apple las que suponían el principal obstáculo. Hoy en día, los desarrolladores ya pueden completar el entrenamiento completo del modelo Stories110M en un Mac mini, con todo el sistema consumiendo menos de un vatio de energía.
Este desarrollo está transformando el panorama de la revolución de la IA. Los altos costos asociados a las soluciones informáticas tradicionales, que alguna vez llegaron a decenas de miles de dólares, ahora parecen insignificantes en comparación con la excepcional eficiencia energética del chip M4. Para los desarrolladores independientes y los laboratorios domésticos, los costosos clusters de GPU ya no son la única opción viable. Este dispositivo compacto sobre el escritorio se está convirtiendo en un potente superordenador capaz de permitir iteraciones a bajo costo de modelos a gran escala.
Aunque aún hay espacio para mejoras en términos de eficiencia de uso y persisten varios desafíos técnicos, este avance ha abierto nuevas posibilidades. Según señalan los desarrolladores, este tipo de exploración inversa colaborativa entre humanos y máquinas marca la llegada del entrenamiento de IA en el edge. En el futuro, un MacBook en tus manos podría dejar de ser simplemente un dispositivo de consumo para convertirse en una unidad informática personal capaz de evolucionar continuamente, en cualquier momento y lugar.
El lanzamiento global de la campaña de campus de Seed de ByteDance ofrece acciones virtuales para captar a los mejores talentos en modelos grandes
En el competitivo panorama de los modelos de lenguaje grandes, asegurar el talento de primer nivel sigue siendo el activo estratégico más crítico.El 1 de abril, ByteDance anunció el lanzamiento de su iniciativa global de reclutamiento de campus Seed
Suno añade marcas de agua a las canciones en medio de batallas legales
Suno, la plataforma que permite a los usuarios generar música creada por inteligencia artificial, ha presentado nuevas funciones para etiquetar las pistas producidas en la plataforma, restringir las descargas y actualizar las normas de la comunidad c
Musk admite que Grok filtró código de usuarios, promete borrar todos los datos históricos
Elon Musk abordó directamente la controversia por privacidad relacionada con Grok Build, comenzando con un simple "Verdadero" para confirmar la validez del incidente. Se comprometió a que todos los datos de usuario cargados previamente en SpaceXAI se





Hogar






