Latam-GPT (CENIA)

Brief

70 mil millones de parámetros entrenados con 300 mil millones de tokens de corpus latinoamericano. El primer gran modelo de lenguaje abierto de la región, coordinado desde Chile con 60 instituciones de 15 países.

El detalle

Arquitectura Llama 3.1, entrenado sobre un corpus regional curado —humanidades, educación, ciencias de la salud, políticas públicas, economía, medioambiente, artes y estudios de pueblos originarios— incluyendo variantes dialectales de español y portugués que los modelos globales sub-representan. AWS optimizó el entrenamiento de 25 a 9 días. Financiado por el Ministerio de Ciencia de Chile, CAF, AWS y Data Observatory.

Por qué está en la lista

Porque define el sustrato sobre el que construirán muchas de las startups de esta lista. Un modelo entrenado mayoritariamente en inglés estadounidense no sabe qué es un "colectivo" en Buenos Aires, un "camión" en México o una "micro" en Santiago —y esa ignorancia se propaga a cada producto construido encima. Latam-GPT es el primer intento serio y abierto de corregirlo a escala continental. Y CENIA hizo algo que casi nadie hace: en abril de 2026 publicó dos benchmarks propios para medir cuánto sabe realmente el modelo sobre la región, en lugar de reportar métricas en inglés y llamarlo éxito.

• 70.000 millones de parámetros · +300.000 millones de tokens de corpus regional
• 60+ instituciones de 15 países · 100+ profesionales
• Entrenamiento optimizado de 25 a 9 días con AWS (−64%)
• Lanzado públicamente el 10 de febrero de 2026
• Open source

Estado

No es una startup: es un consorcio público-académico. Entra en la lista porque es la pieza de infraestructura de IA más consecuente de la región.