Según MarkTechPost (AI/ML News), un nuevo avance en inteligencia artificial ha sido presentado por Fastino con GLiNER2.5, una arquitectura diseñada para optimizar la extracción de información. Este modelo introduce una transformación clave: en lugar de evaluar cada posible rango de texto (span enumeration), ahora predice directamente los límites de cada entidad, identificando dónde comienza y termina un dato relevante. Esta adaptación elimina el límite máximo de longitud de entidad, permite un contexto de hasta 4.096 palabras y mantiene el costo computacional lineal respecto a la longitud del texto, siempre que el esquema de extracción sea fijo.
El resultado es notable. En 16 pruebas sin entrenamiento, el modelo multilingüe alcanza un F1 macro de 56,17, superando en 0,08 puntos al modelo anterior GLiNER (56,09) y logrando un avance de 24,75 puntos en el conjunto XNLI. Tres versiones del modelo están disponibles en Hugging Face bajo licencia Apache 2.0, con 74 millones, 194 millones y 287 millones de parámetros. Su implementación es accesible: se puede instalar mediante pip en sistemas que usan Python 3.10 o superior, con el comando pip install "gliner2[local]". No existen proveedores de inferencia actuales que ofrezcan este modelo, por lo que su uso obliga a la operación local en CPU, CUDA o MPS. Esto significa que equipos pequeños pueden ejecutarlo sin necesidad de infraestructura de alto costo, mientras que organizaciones más grandes pueden aprovechar una versión personalizable y privada.
Para el contexto peruano, esta evolución tiene un impacto directo en sectores clave como el derecho, la salud y las finanzas. En el sector legal, por ejemplo, podría automatizar la extracción de cláusulas contractuales, reduciendo errores humanos y acelerando procesos de revisión. En atención médica, permite identificar entidades clínicas con atributos específicos, como negaciones o dosis, mejorando la precisión en registros. En servicios financieros, facilita la detección de datos sensibles, como números de identificación, y optimiza la gestión de reclamaciones. Además, su capacidad para integrarse en sistemas de agentes de IA abre puertas a soluciones más inteligentes en atención al cliente y control de riesgos.
El modelo no solo mejora la eficiencia técnica, sino que también democratiza el acceso a tecnologías de alto rendimiento. Para empresas medianas en el Perú, que operan con recursos limitados, GLiNER2.5 representa una herramienta viable que puede ser integrada sin inversiones masivas en hardware. Su diseño modular y escalable permite adaptarse a diferentes necesidades, desde pequeñas oficinas hasta grandes corporaciones. Así, no solo se trata de una mejora técnica, sino de una oportunidad real para potenciar la productividad en entornos reales.