IA hoy ELYZA libera modelos japoneses abiertos basados en LLM‑jp‑4 bajo Apache 2.0
ELYZA publica dos modelos basados en LLM-jp-4 con licencia Apache 2.0; investigadores usan versiones de 8B en servidores sin GPU para educación y salud. La estrategia nipona combina academia, industria y despliegue local: una hoja de ruta replicable para América Latina.
KDDI, a través de su filial ELYZA, liberó el 2 de octubre dos modelos de lenguaje japoneses —ELYZA-Thinking-1.0-llm-jp-4-33b y su versión Mixture-of-Experts de 32B con 3B activos— bajo licencia Apache 2.0, lo que permite uso comercial sin restricciones. Ambos parten de LLM-jp-4, la base abierta entrenada desde cero en Japón por el Instituto Nacional de Informática (NII), y añaden post-entrenamiento enfocado en razonamiento en japonés; en varios benchmarks superan ya a LLM-jp-4.1, la versión mejorada que el propio NII presentó días antes ITmedia.
La movida no es aislada. El mismo NII liberó la familia llm-jp-4 en tamaños de 1,3B, 3,7B, 8B, 14B y 33B, y grupos de investigación ya la están exprimiendo en entornos reales con hardware modesto. Un equipo de las universidades de Aichi y Mie desplegó variantes cuantizadas de 8B (q4_k_m, Q3_K_M, IQ3_M) en un servidor Xeon de 16 GiB sin GPU dedicada para generar retroalimentación automática en ejercicios de hoja de cálculo de 1.500 estudiantes por semestre; el sistema devuelve la calificación al instante y la explicación en segundo plano, con costos fijos y privacidad de datos IIAI Letters.
En paralelo, el benchmark J-ClinicalBench acaba de publicar 227 documentos clínicos redactados por expertos y nueve tareas médicas reales —asignación de códigos diagnósticos, recomendación de medicación, simplificación de informes para pacientes— para evaluar modelos propietarios y abiertos en japonés; los resultados de baseline incluyen a la familia llm-jp, marcando la primera referencia de utilidad práctica en salud nipona LREC 2026.
Qué importa para América Latina
El patrón japonés repite tres palancas que la región puede copiar sin pedir permiso:
- Base pública + capa privada: NII entrena el tronco con dinero público; ELYZA y universidades añaden valor y lo devuelven abierto. Brasil (NILC/UFSCar), Chile (CENIA) o México (Cinvestav) ya tienen corpus y clústeres; el siguiente paso es coordinar licencias Apache 2.0 desde el día cero.
- Cuantización agresiva como norma, no excepción: Los experimentos en educación y salud corren en 8B cuantizados a 3–4 bits en CPUs corrientes. Un banco mediano en Bogotá o un hospital en Lima pueden replicar la inferencia local sin facturas de nube en dólares.
- Benchmarks de dominio propio: J-ClinicalBench no tradujo MedQA; escribieron 227 notas clínicas reales. LatAm necesita sus propios benchmarks en español y portugués para banca, retail, agronegocio y sector público; sin ellos, cualquier "modelo soberano" es solo marketing.
Riesgo operativo concreto
El modelo queda cubierto por la licencia Apache 2.0, pero no los datos de ajuste fino ni los prompts de producción. ELYZA ya tuvo que matizar su claim de “completamente nacional” tras señalar que el modelo base usa tokenizadores y código de origen global ITmedia. En LatAm, cualquier auditoría regulatoria (LGPD en Brasil, Ley 25.326 en Argentina) exigirá trazabilidad de todo el pipeline, no solo del checkpoint final.
En la jugada japonesa se demuestra que la IA soberana viable no nace de un mega-clúster, sino de un ecosistema que alinea academia, teleco y regulador alrededor de modelos abiertos, hardware barato y evaluaciones de dominio real. La región tiene los ingredientes; falta la receta coordinada.
