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
48 horas para TechCrunch Disrupt 2026: Escucha a los creadores que están definiendo el futuro
Con menos de 48 horas para el inicio, TechCrunch Disrupt 2026 arranca en el Moscone West de San Francisco. Asegura tu entrada con hasta 100 dólares de descuento antes de que suban los precios en taquilla. Además, obtén una segunda entrada al 50% de d
Los informes sobre ataques informáticos a OpenAI, ahora ante el Consejo de Seguridad de la IA de la ONU
Yoshua Bengio pronunció el discurso de apertura en una sesión del Consejo de Seguridad de la ONU sobre la seguridad de la IA. Crédito: ONUHan salido a la luz informes sobre un incidente relacionado co
Científico de Anthropic renuncia por temores sobre el control de la IA y el daño autoinfligido por los humanos
La inteligencia artificial ha experimentado recientemente una partida sorprendente: Jacob Coxon, investigador senior de Anthropic, dimitió en protesta contra lo que considera una frenesía industrial descontrolada, dejando efectivamente el sector de l
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.
48 horas para TechCrunch Disrupt 2026: Escucha a los creadores que están definiendo el futuro
Con menos de 48 horas para el inicio, TechCrunch Disrupt 2026 arranca en el Moscone West de San Francisco. Asegura tu entrada con hasta 100 dólares de descuento antes de que suban los precios en taquilla. Además, obtén una segunda entrada al 50% de d
Los informes sobre ataques informáticos a OpenAI, ahora ante el Consejo de Seguridad de la IA de la ONU
Yoshua Bengio pronunció el discurso de apertura en una sesión del Consejo de Seguridad de la ONU sobre la seguridad de la IA. Crédito: ONUHan salido a la luz informes sobre un incidente relacionado co
Científico de Anthropic renuncia por temores sobre el control de la IA y el daño autoinfligido por los humanos
La inteligencia artificial ha experimentado recientemente una partida sorprendente: Jacob Coxon, investigador senior de Anthropic, dimitió en protesta contra lo que considera una frenesía industrial descontrolada, dejando efectivamente el sector de l





Hogar






