Segun MarkTechPost (AI/ML News), Robbyant, la empresa de inteligencia artificial corporativa de Ant Group, ha liberado LingBot-Vision, un modelo de visión basado en transformadores autodesarrollados diseñado para interpretar estructuras espaciales de forma detallada. Este sistema, disponible bajo licencia Apache-2.0 en Hugging Face, cuenta con cuatro variantes: ViT-giant, ViT-large, ViT-base y ViT-small, acompañadas de un informe técnico y código de inferencia. A diferencia de la mayoría de los modelos de visión que priorizan la semántica y descartan detalles físicos como bordes y discontinuidades, LingBot-Vision entiende los límites de los objetos como un elemento fundamental desde el inicio del entrenamiento. Esta estrategia permite que su backbone de 1.1 billones de parámetros rinde igual o mejor que modelos hasta siete veces más grandes, como el DINOv3 de 7 billones de parámetros.
El modelo se entrena mediante un enfoque autodesarrollado llamado "masking de bordes", aplicado sobre una colección de aproximadamente 161 millones de imágenes, seleccionadas de un catálogo web de 2 billones. Esta base de datos no requiere etiquetas humanas, detectores externos ni modelos preentrenados para iniciarse. El proceso de entrenamiento es notablemente más eficiente: el volumen de imágenes es una décima parte del usado por DINOv3, y el número total de ejemplos empleados es menos de un tercio del de ese modelo. Los resultados se centran en la generación de características por parches, adecuadas para ser utilizadas sin modificaciones en tareas posteriores. Para adaptar el modelo a entornos con presupuestos reducidos, se han desarrollado versiones estudiadas: ViT-L (300 millones de parámetros), ViT-B (86 millones) y ViT-S (menos de 86 millones), que mantienen precisión en tareas de percepción espacial dentro de sus categorías de tamaño.
Para el lector peruano, este avance representa una oportunidad clave en el desarrollo de tecnologías aplicadas al sector de la logística, transporte urbano y automatización de procesos industriales. En un contexto donde el crecimiento de infraestructuras y soluciones digitales está acelerándose, modelos como LingBot-Vision pueden ser utilizados para mejorar la detección de objetos en entornos físicos, como el reconocimiento de vehículos en zonas de tránsito o la gestión de estaciones de carga. Aunque aún no se han implementado en el mercado local, su disponibilidad abierta facilita que empresas peruanas de tecnología o logística exploren su uso sin barreras de costo o acceso. Esto resalta la importancia de seguir estos avances, no solo como innovaciones académicas, sino como herramientas prácticas que pueden impulsar la eficiencia en sectores clave del desarrollo nacional.