Segun MarkTechPost (AI/ML News), Mirendil, laboratorio de investigación en inteligencia artificial, ha presentado Fern 0.1, su primer modelo de lenguaje especializado en desarrollo de software. Este sistema se distingue por su capacidad de manejar hasta 10 millones de tokens de contexto, equivalente a aproximadamente 23 megabytes de código o medio millón de líneas. Esta escala supera notablemente el tamaño de bases de código como Megatron-LM, permitiendo que el modelo procese repositorios completos, registros de entrenamiento o trazas de agentes en una sola ejecución. La versión inicial, construida a partir de Mirendil-Base mediante una ronda breve de entrenamiento posterior, está disponible solo en acceso hosteado, sin compartir pesos abiertos ni versiones cuantizadas.
El modelo opera dentro de un rango de parámetros de 0.1 a 0.5 trillones, aunque los valores exactos de parámetros activos no se han revelado. Sus capacidades se centran en tareas técnicas de desarrollo, no en interacciones generales. Según el equipo, Fern 0.1 se posiciona como un sistema de recuperación de contexto de larga duración, destacando en tareas de código agente, donde puede ejecutar comandos hasta que se cumplan pruebas. En pruebas internas, alcanza un rendimiento del 100% en el benchmark RULER para recuperación de textos, desde 32 kilotokens hasta 10 millones, mientras que en el Terminal Bench 4.0 registra un porcentaje de error del 6.1%, frente al 66.4% de Claude Opus 5.5. Este desempeño indica una eficiencia sólida en contextos largos, aunque aún queda por alcanzar el nivel de los modelos de vanguardia.
Las aplicaciones definidas por Mirendil abarcan seis áreas clave: análisis de grandes repositorios, ejecución de código agente hasta que pruebas pasen, investigación de bucles de entrenamiento, diagnóstico de ejecuciones largas, revisión de trazas completas de agentes y auditoría de fragmentos de entrenamiento para detectar duplicidades o contaminación. El proceso de creación se basa en un entrenamiento inicial de un investigador en tres meses, con un gasto total de menos de 10 millones de dólares, incluyendo experimentos y uso de tokens por agentes. Sorprendentemente, más del 99% del código generado durante el desarrollo fue escrito automáticamente por agentes inteligentes, lo que resalta el papel de los sistemas autónomos en la innovación tecnológica.
Para los profesionales peruanos en finanzas, administración o tecnología, este avance representa un punto de inflexión en la automatización de tareas técnicas. Aunque Fern 0.1 no está diseñado para uso general, su capacidad de procesar grandes volúmenes de datos en tiempo real puede aplicarse a auditorías de sistemas, análisis de registros financieros o gestión de procesos internos. En un entorno donde la eficiencia y la precisión son cruciales, herramientas como esta permiten reducir errores humanos y acelerar decisiones basadas en datos, especialmente en entornos de alto volumen como los bancos o empresas de tecnología.