Modelos

Rumble-2-Flash: un modelo de voz de 500 millones que roza a otro de 30.000

Un modelo de voz de 500 millones de parámetros se ha quedado a un pelo de otro sesenta veces mayor en llamadas reales de atención al cliente. La pregunta ya no es si la transcripción puede salir de la nube, sino cuánto se pierde al sacarla.

Lucía GarcíaLucía García
Popularidad: 560
Una onda de audio larga en tono turquesa con una sola barra naranja sobre un fondo oscuro

Un modelo de voz de 500 millones de parámetros se ha quedado a un pelo de otro sesenta veces mayor en llamadas reales de atención al cliente. La pregunta ya no es si la transcripción puede salir de la nube, sino cuánto se pierde al sacarla.

Rumble-2-Flash: 500 millones de parámetros frente a 30.000

Reson8 publicó el 18 de noviembre Rumble-2-Flash, un modelo de reconocimiento de voz de 500 millones de parámetros con licencia Apache 2.0. La compañía lo presenta como un open speech model, es decir, un modelo de voz abierto que cualquiera descarga y ejecuta en su propia máquina.

La comparación que da sentido al anuncio es de tamaño. En el banco de pruebas de AppTek, 302 horas de llamadas de asistencia con 14 acentos del inglés, Rumble-2-Flash se queda en un 7,86% de tasa de error por palabra. Nvidia Nemotron 3.5 Transcribe, con 30.000 millones de parámetros, saca un 7,78%.

Ocho centésimas entre uno y otro. Gana el grande. El margen, en una llamada telefónica, se nota poco.

Eso es lo que cambia para quien construye un producto. La transcripción que antes exigía un puñado de GPU se puede montar en hardware corriente, con más de 40 idiomas y detección automática de la lengua. Para una empresa pequeña, la diferencia entre alquilar capacidad en la nube y comprar un servidor es la diferencia entre un gasto variable y una inversión. Y esa cuenta se hace una vez.

El Open ASR Leaderboard y el 6,96% multilingüe

El Open ASR Leaderboard es la clasificación pública donde se comparan los modelos de voz sobre conjuntos de audio estándar. En su pista multilingüe, Rumble-2-Flash promedia un 6,96% de error sobre nueve idiomas: chino, alemán, francés, italiano, español, portugués, hindi, neerlandés e inglés.

En la pista inglesa se queda en un 6,6% de tasa de error por palabra. Según Reson8, ese promedio supera a omniASR-LLM 7B de Meta, un modelo unas quince veces mayor, y queda por delante de Whisper large-v3.

El español entra en esa media. ¿Y el español? Hay una advertencia que la propia cifra esconde: un promedio de nueve idiomas no dice nada sobre la calidad en cada uno. Entre el español de Madrid, el de Ciudad de México y el de Buenos Aires hay diferencias de vocabulario y de ritmo que un número agregado no desglosa.

Apache 2.0, vLLM y el despliegue que importa

La licencia Apache 2.0 permite uso comercial sin pedir permiso ni pagar regalías. Es la parte aburrida del anuncio. También la que decide más compras.

El modelo funciona en Transformers y en vLLM sin código propio y sin necesidad de recurrir a trust_remote_code, la opción que obliga a ejecutar scripts del autor del modelo y que muchos equipos de seguridad prohíben. La arquitectura sigue a Qwen3-ASR.

Los controles de salida también cuentan para un producto real: números en cifras o en palabras, muletillas incluidas o excluidas, repeticiones literales, idioma forzado y un modo de salida analizada cuando se detecta la lengua.

La velocidad es la otra mitad. Reson8 habla de más de 7.000 RTFx en lotes completos, que en sus palabras equivale a procesar una hora de audio en medio segundo. A ese ritmo, la restricción deja de ser el tiempo de cómputo y pasa a ser el ancho de banda con el que llega el audio.

Para una clínica o un despacho en España que quiera transcribir conversaciones con pacientes o clientes, la combinación de licencia abierta y ejecución local evita sacar el audio de la propia red. Con el RGPD en medio, eso ahorra más papeleo que cualquier ajuste de precisión.

Dónde pierde Rumble-2-Flash: la llamada real

El mismo banco de pruebas de AppTek deja el resultado en su sitio. Qwen3-ASR 1.7B, un modelo más pequeño que Nemotron pero más grande que Rumble, marca un 7,4%. Gana.

Qwen3-ASR 0.6B se queda en un 8,7%, y ahí Rumble-2-Flash sí manda.

La conclusión honesta es una igualdad con un gigante, no un liderazgo. Reson8 presenta el resultado como una paridad, y en este conjunto de llamadas eso es exactamente lo que es. La paridad vale para este banco de pruebas, no para cualquier tarea de voz.

Reson8 y quién debería mirar su factura

Quien paga por minuto a una API de transcripción tiene motivo para probarlo, y también un proveedor de centros de atención con audio sucio, acentos mezclados y ruido de fondo. El caso más claro es el de un equipo que necesite el audio dentro de su propia infraestructura por motivos legales, porque ahí la licencia pesa tanto como la precisión.

Los números, en cambio, salen del modelo y del blog de Reson8. Nadie ha publicado una reproducción independiente, y las 40 lenguas no significan la misma calidad en las 40. La prueba que vale es la propia: una hora de audio del negocio, con sus acentos, y la tasa de error medida a mano sobre una muestra.

Cómo se construyó también explica el resultado. Rumble-2-Flash es un alumno destilado de Rumble-2, el modelo grande de producción de Reson8, con una técnica en la que el estudiante transcribe por su cuenta y el profesor corrige token a token. Como los dos usan tokenizadores distintos, el equipo ideó un método llamado GOLD que fusiona tokens para comparar ambos sobre el mismo texto.

Los pesos están en Hugging Face, en Reson8/Rumble-2-Flash, y el modelo también se sirve por la API de la compañía. SiliconANGLE lo cubrió el mismo 18 de noviembre como descarga libre de pesos abiertos.

Si tu factura de transcripción se mide en horas de audio, la prueba cuesta una tarde y un servidor. Si se mide en miles de llamadas al mes, la decisión ya es de infraestructura, no de modelo.

Compartir esta noticia

Fuentes

Noticias de IA relacionadas

Una ventana de terminal con una curva de recompensa ascendente y una insignia 27B al lado
Modelos

RadixArk entrena 18 días un Qwen3.8-27B y mejora en todo lo que mide

RadixArk no entrenó un modelo desde cero. Cogió un Qwen3.8-27B, le dio 1.200 tareas de agentes y 18 días de refuerzo, y publicó el resultado. La historia está en la factura de cómputo.

Popularidad: 1,330
El contorno de un portátil con tres láminas de capas apiladas que pasan por una flecha de bucle en su interior
Modelos

Inkling 2 Mini cabe en un portátil porque repite las mismas capas tres veces

Thinking Machines Lab resolvió un problema de espacio con una idea que suena a recorte: si el modelo no cabe, que repita las mismas capas. Inkling 2 Mini enseña qué se gana con ese truco y qué queda fuera.

Popularidad: 1,710
Tres anillos de neón orbitando un núcleo pequeño y brillante sobre un fondo azul profundo
Modelos

Gemini 4 Neon llega a la app y el selector pierde dos nombres

Google ha reordenado el selector de la app y ha jubilado dos nombres que mucha gente usaba por costumbre. Neon ocupa el hueco intermedio, y la factura por tarea pesa más que la ficha técnica.

Popularidad: 1,500
Un gran núcleo de modelo rodeado de radios de razonamiento junto a un núcleo rápido más pequeño, con barras de precio en descenso a la derecha
Modelos

GPT-6.2 Astra cuesta un 20% menos y no lidera en todo: qué cambia en tu factura

OpenAI abarata su modelo grande y deja el barato donde estaba. La cuenta que de verdad importa no es el precio del token, sino lo que cuesta terminar una tarea con él.

Popularidad: 1,900