Sapient apuesta a que los modelos diminutos superan a los LLM en razonamiento; el HRM de código abierto alcanza 11,4K estrellas

Sapient Intelligence construye arquitecturas de IA inspiradas en el cerebro, empezando por el Modelo de Razonamiento Jerárquico (HRM), un sistema recurrente de dos módulos (un planificador lento más un ejecutor rápido) orientado a tareas de razonamiento complejas y deterministas en las que fallan los LLM, con aplicaciones empresariales en robótica, logística, salud y previsión climática.

Que el razonamiento jerárquico inspirado en el cerebro —un planificador lento más un ejecutor rápido— supera a los transformers escalados, con 27 millones de parámetros y 1.000 ejemplos.

22 millones de dólares en ronda semilla con una valoración de 200 millones, liderada por Vertex Ventures, Sumitomo Group y JAFCO (anunciada en diciembre de 2024).

Fundada en 2024 en Singapur por Guan Wang y Austin Zheng, Sapient Intelligence se propuso cuestionar la premisa de que una mejor IA implica modelos más grandes. El equipo sostuvo que los LLM de transformers autorregresivos son débiles en razonamiento de múltiples pasos y horizonte largo, y recurrió a la neurociencia: el cerebro organiza la computación de forma jerárquica entre regiones que operan a distintas escalas temporales (VentureBeat; Digit).

En diciembre de 2024 la startup anunció una ronda semilla de 22 millones de dólares con una valoración de 200 millones, liderada por Vertex Ventures, Sumitomo Group y JAFCO (Digit). A mediados de 2025 publicó HRM: dos módulos recurrentes acoplados —un planificador lento de alto nivel y un ejecutor rápido de bajo nivel— que permiten una «convergencia jerárquica» con 27 millones de parámetros entrenados con cerca de 1.000 ejemplos por tarea. VentureBeat informó una puntuación de 40,3% en ARC-AGI (frente a 34,5% de o3-mini-high), resultados casi perfectos en Sudoku-Extreme y Maze-Hard (donde los modelos de cadena de pensamiento obtuvieron 0%) y una aceleración declarada de aproximadamente 100x en la finalización de tareas. El código se publicó en GitHub en agosto de 2025 y pasó a formar parte del ROSS Index del cuarto trimestre de 2025: 11,4K estrellas, un crecimiento de 11,4x, con fecha de 24 de octubre de 2025.

Los LLM autorregresivos son débiles en razonamiento de múltiples pasos y horizonte largo, por lo que Sapient apuntó a una carencia real en lugar de competir de frente en tareas de lenguaje.

Un modelo de 27 millones de parámetros con 1.000 ejemplos de entrenamiento es una afirmación falsable y reproducible; publicarlo como código abierto convirtió los resultados de los benchmarks en confianza de la comunidad y estrellas de GitHub.

La valoración semilla de 200 millones se basó en la arquitectura, no en un producto: los inversores apostaron a que la computación jerárquica inspirada en el cerebro podría convertirse en una capa de razonamiento general en lugar de otra carrera de modelos.

Al apuntar a dominios deterministas y sensibles a la latencia (robótica, logística, diagnóstico), Sapient eligió problemas donde «más inteligente, más pequeño y más rápido» tiene un valor económico claro.

La cuña de Sapient fue la evidencia: un modelo pequeño, abierto y reproducible que supera a los gigantes en benchmarks difíciles convence más que cualquier artículo; las estrellas de GitHub como motor de credibilidad.

A fecha de 2 de septiembre de 2026, Sapient Intelligence sigue activa y financiada con capital semilla: HRM continúa siendo de código abierto en GitHub (11,4K estrellas a finales de octubre de 2025, ROSS Index del cuarto trimestre de 2025), y la empresa afirma que está evolucionando HRM de un solucionador de problemas especializado hacia un módulo de razonamiento más general, con trabajos iniciales en salud, previsión climática y robótica, incluida una precisión declarada del 97% en previsiones climáticas estacionales (Korben, 27-08-2025).