SiMa.ai lanza Palette 3.0 y promete 3,5X más velocidad de generación en el chip
SiMa.ai presentó Palette 3.0, la nueva versión del software que corre sobre sus procesadores de IA en el borde Modalix, con una promesa concreta: generar texto hasta 3,5 veces más rápido dentro del mismo presupuesto de energía. El DevKit 3.0 se vende a US$1.499 en Estados Unidos y Europa, e incluye módulo Modalix, placa portadora, gabinete, fuente de alimentación y 500GB de almacenamiento.
Para quien construye un robot, un dron o una cámara industrial, lo importante no es el multiplicador sino de dónde sale. Manuel López Roldán, gerente de producto de GenAI de la compañía, lo resumió a VentureBeat: «Todo es software». Es decir, las mejoras corren sobre el silicio que los clientes ya compraron, sin necesidad de cambiar de hardware.
¿Qué cambia realmente Palette 3.0 en el trabajo con varios modelos?
El cambio central está en cómo se reparte el chip cuando el dispositivo tiene que hacer más de una tarea de IA a la vez.
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →- Los procesos ahora envían sus solicitudes directamente a los controladores del kernel del sistema operativo, sin pasar por un servicio intermedio.
- Cada motor de hardware atiende una solicitud por vez, pero distintos motores trabajan en paralelo.
- Los desarrolladores pueden asignar prioridades a cada solicitud.
El ejemplo que dio López Roldán es el de un feed de cámara que necesita detección de objetos continua mientras un modelo de lenguaje agrega contexto ocasional sobre la escena. La detección recibe prioridad alta y el modelo de lenguaje usa el acelerador cuando queda libre.
En las demostraciones de SiMa.ai, un solo chip Modalix corrió un modelo de lenguaje junto a tres modelos de visión-lenguaje, y otro ejercicio puso seis contenedores Docker compartiendo los recursos del chip, desde detección de objetos hasta estimación de pose 3D. La compañía también mostró YOLOv26 detectando objetos en 60 streams simultáneos de 720p con 600 frames por segundo agregados (unos 10 fps por stream).
Un detalle que VentureBeat señala y que conviene tener presente: el material de la presentación no aclara cuánto podría esperar una solicitud de alta prioridad bajo carga sostenida. Eso queda para que cada equipo lo mida en su propia aplicación.
De dónde sale el 3,5X: decodificación especulativa
La mayor ganancia viene de la decodificación especulativa. La técnica redacta varios tokens por adelantado y deja que el modelo objetivo los verifique en conjunto, reduciendo la cantidad de pasos secuenciales para producir una respuesta.
Los algoritmos que usa Palette 3.0 son EAGLE3, DFlash y predicción multi-token para Gemma 4. En la presentación de la compañía, las mejoras de throughput de decodificación van de 2,21x a 3,49x frente a la generación convencional sobre los mismos modelos. El mejor resultado destacado combina DFlash N16 con Qwen3.5 9B.
TNW reportó el detalle de esa medición: el modelo pasó de 11,98 a 41,75 tokens por segundo con un consumo de unos 7,5W en ambos casos, y la energía por token cayó de 0,627 a 0,182 joules. SiMa.ai corrió esas pruebas sobre cinco prompts fijos, incluida una demostración matemática y un script de Python, y reconoció que el objetivo era medir ganancias en condiciones favorables.
Hay una segunda prueba mucho más cercana a un producto real: un asistente automotriz que debía convertir comandos como «tengo frío» en una llamada de función correcta. Las 900 solicitudes medidas devolvieron la llamada esperada y fueron entre 1,35 y 2,06 veces más rápidas. La mejora es menor porque la técnica no acelera el procesamiento del prompt.
SiMa.ai también estima que el chip usó entre 25,9% y 51,4% menos energía por solicitud de cómputo con un consumo promedio similar. Ese cálculo cubre solo el trabajo de cómputo del chip: la energía total de un robot también depende de sensores y motores.
El Model Browser y el dato que importa para equipos en campo
El Model Browser actualizado, que según la compañía queda disponible el 17 de noviembre, no solo muestra throughput y latencia: expone consumo del chip, uso de CPU y memoria, y cómo se ejecuta cada capa del modelo. Para modelos con varias configuraciones, deja ver cómo la menor precisión numérica afecta velocidad y exactitud. Es exactamente la información que necesita un equipo que hizo fine-tuning con sus propios datos y no sabe qué configuración probar primero.
El botón de descarga entrega un artefacto listo para correr localmente en Modalix. Quien quiera reconstruirlo puede usar scripts de un repositorio público que parten del modelo original en fuentes como GitHub, Hugging Face o Roboflow. López Roldán lo describió así: se puede replicar el flujo exacto.
Para instalaciones con conectividad intermitente o nula, hay otro punto relevante: la placa no necesita conexión a internet. Los paquetes de actualización se descargan en un sitio conectado y se instalan después en los dispositivos en campo.
¿Cómo se compara Palette 3.0 con Nvidia Jetson y Hailo?
SiMa.ai no compite contra un único producto intercambiable, sino contra un abanico de opciones de cómputo en el borde. Estos son los precios publicados de hardware de desarrollo, según el artículo original:
- SiMa.ai DevKit 3.0: US$1.499, con cotizaciones de producción a través de la compañía.
- Nvidia Jetson Orin Nano Super: kit de desarrollo a US$399.
- Nvidia Jetson AGX Thor: kit de desarrollo a US$5.499.
- Raspberry Pi AI HAT+ 2 con Hailo-10H: add-on a US$200, sin contar la placa Raspberry Pi que lo aloja.
La opción con Hailo ofrece un punto de entrada mucho más barato, pero hay que sumar placa, almacenamiento y otros componentes. La documentación de Raspberry Pi describe soporte para modelos de lenguaje y visión-lenguaje de hasta aproximadamente 6.000 millones de parámetros, frente al ejemplo de 20.000 millones en arquitectura mixture-of-experts que cita SiMa.ai. Conviene recordar que la cantidad de parámetros por sí sola no establece exactitud ni velocidad.
Un punto de transparencia que el artículo original deja abierto: la licencia Apache 2.0 cubre la librería Palette Neat core, pero los términos del compilador y el firmware seguían sin confirmarse. Y no hay precio separado del software Palette 3.0 ni tarifas publicadas de hardware para volumen de producción.
¿Qué significa esto para tu startup?
Si tu producto corre percepción y razonamiento en el mismo dispositivo, la pregunta ya no es qué modelo es más inteligente, sino cuál responde dentro de su plazo cuando compiten por la misma memoria y el mismo acelerador.
Tres acciones concretas antes de decidir:
- Mide tu propia carga, no la del demo. El Model Browser te deja comparar consumo, memoria y ejecución por capas, pero las cifras de decodificación de SiMa.ai salen de prompts fijos y condiciones favorables. Corre tu caso real, con tus prompts y tu presupuesto de vatios, antes de comprometer una arquitectura.
- Presupuesta la migración. La propia nota de release indica que pasar de la versión 2.1.3 a 3.0.0 requiere una migración, y que los desarrolladores deben recompilar las aplicaciones nativas contra los componentes correspondientes. Si tienes producto en campo, ese trabajo es costo de ingeniería, no una actualización silenciosa.
- Separa el precio del kit del costo de despliegue. Los US$1.499 cubren hardware de desarrollo. El presupuesto de producción necesita cotización de hardware a volumen e integración. Pide ambas cosas juntas antes de comparar contra Jetson o Hailo.
El contexto: un mercado de chips para IA en el borde que se multiplica
El movimiento de SiMa.ai ocurre en una categoría que crece rápido. Según el informe Edge AI Chips Market de ResearchAndMarkets difundido por GlobeNewswire, el mercado de chips de IA en el borde pasó de US$16.800 millones en 2025 a una estimación de US$20.600 millones en 2026, y proyecta US$106.000 millones en 2036, con una tasa compuesta anual del 17,8% entre 2026 y 2036. El mismo informe cita 542.000 robots industriales instalados en 2024, dato de la International Federation of Robotics.
A nivel de infraestructura, IDC proyecta —según recogió CRN— que el mercado de edge computing casi duplicará para 2029 los US$265.000 millones que alcanzó en 2025.
El respaldo de la propia compañía también es dato duro. SiliconANGLE reportó que SiMa.ai, fundada en 2018 por su CEO Krishna Rangasayee, levantó US$150 millones en una ronda Serie C a una valuación de US$1.450 millones en septiembre, co-liderada por Fidelity Management & Research y Amplify Partners, y que acumula US$500 millones levantados. Entre sus clientes y socios figuran Robert Bosch, Emerson Electric y Synopsys. En esta release, la firma india de ingeniería Mistral Solutions aparece como partner.
El apetito por el sector no es aislado: TNW consignó que este año Analog Devices acordó comprar Alif Semiconductor y que Syntiant presentó una solicitud para salir a bolsa.
Conclusión
Palette 3.0 no es un chip nuevo: es una apuesta a que la ventaja competitiva en IA física se juega en el software que exprime silicio ya desplegado. Para un equipo con hardware en producción, eso significa mejoras sin recambio de componentes, pero también trabajo de migración y la obligación de validar cada número con su propia carga.
La cifra de 3,5X es un techo medido en condiciones favorables; el rango de 1,35x a 2,06x de la prueba automotriz es más representativo de lo que verá un producto real. Planifica con el segundo número y trata el primero como potencial, no como línea base.
Fuentes
- VentureBeat: Local and offline edge AI gets a boost as SiMa.ai launches Palette 3.0 (fuente original)
- SiliconANGLE: SiMa.ai’s Palette 3.0 runs many AI models on one chip
- TNW: SiMa.ai says Palette 3.0 makes LLMs on its chips up to 3.5x faster
- Yahoo Finance / Business Wire: SiMa.ai Builds on Its Industry-First Agentic Palette Software Suite
- Yahoo Finance / GlobeNewswire: Global Edge AI Chips Market Forecast 2026-2036
- CRN: The 50 Hottest Edge Hardware, Software And Services Companies 2026
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →













