Investigamos modelos especializados para el trabajo que repiten las empresas, y publicamos lo que medimos.
Explora la investigación
Los modelos frontera son generalistas de alquiler. Para el trabajo que repiten tus agentes de IA, un modelo entrenado con ese trabajo es más barato y más rápido.
Cada despliegue con un socio de diseño deja algo reutilizable en el endpoint adaptativo y en la plataforma Ertas, como un sistema de evaluación o una receta de entrenamiento. La investigación elige los problemas, y los despliegues demuestran el método con tráfico real.
Trabaja con el laboratorioErtas AI es un laboratorio de investigación aplicada en IA en Brunswick, Melbourne. La mayoría de los institutos de investigación en IA de Australia están en universidades y en CSIRO. Un laboratorio aplicado parte del trabajo que repiten las empresas y sus agentes de IA, entrena modelos especializados para ese trabajo y compara cada uno con un modelo frontera en la misma tarea.
Nuestra investigación se organiza en tres líneas: especialistas del tamaño justo, modelos que aprenden del tráfico y economía unitaria de los agentes. Cada resultado que publicamos pertenece a una de ellas.
Cuán pequeño puede ser un modelo entrenado para una tarea sin dejar de igualar en ella a un modelo frontera, y cuánto cuesta ejecutarlo.
QMSum: un modelo de 1.2B entrenado en Ertas obtuvo 35,41 de ROUGE-1 frente a 32,43 del mejor de cinco modelos propietarios alojados (artículo, 18 de agosto de 2026).
Lee el artículo de QMSumCómo las solicitudes y las valoraciones de producción se convierten en datos de entrenamiento, y cómo una nueva versión se gana su lugar. Es el método detrás del endpoint adaptativo.
Todavía no hay nada publicado. Los resultados aparecerán en nuestra página de investigación.
Adónde va el gasto en IA cuando los agentes funcionan a escala, y qué tareas se repiten en volumen con el mayor coste por token. Son las tareas para las que vale la pena entrenar un modelo.
Análisis de OpenRouter (12 de octubre de 2026): la clasificación, la extracción y la transformación supusieron el 20,8% del gasto clasificado en modelos durante 30 días.
Lee el análisis del gastoPublicamos métodos, mediciones, código y modelos. Cada cifra lleva su fecha y su comparación, y corregimos nuestros números en público cuando una ejecución posterior los desmiente.
Artículos, código y modelosColaboraciones de investigación, subvenciones y prensa
hello@ertas.ai