- Soumith Chintala deja Meta y se une al Thinking Machines Lab de Mira Murati.
- Los informes indican una contratación rápida, importantes objetivos de financiación y una herramienta inicial, Tinker, en pruebas piloto.
- La presencia de código abierto de PyTorch crece, con una adopción generalizada y un artículo histórico en NeurIPS.
- DeepLearning.AI lanza un Certificado Profesional PyTorch en Coursera para mejorar las habilidades de los desarrolladores.
El mundo de la IA está presenciando una transición crucial a medida que... Cocreador de PyTorch Sumith Chintala Deja Meta para unirse a Thinking Machines Lab, una nueva empresa fundada por la exdirectora de tecnología de OpenAI, Mira Murati. Esta decisión pone de relieve el ritmo al que los investigadores líderes están reestructurando equipos y prioridades en toda la industria.
Más allá de los titulares, el cambio señala la evolución de las estrategias en torno al marco en el que muchos investigadores e ingenieros confían a diario. Los cambios de liderazgo pueden reflejar un cambio hacia una gestión comunitaria más amplia y nuevas direcciones en el desarrollo de productos y la colaboración en investigación.
Cambios de liderazgo en PyTorch
Después de más de una década ayudando a dar forma a la infraestructura de IA de Meta, Soumith Chintala anunciado a principios de noviembre de 2025 Que renunciaría a la dirección de PyTorch y dejaría la empresa. Poco después, confirmó su incorporación a Thinking Machines Lab, destacando la solidez del equipo y el deseo de crear cosas nuevas.
La trayectoria de Chintala ha sido ampliamente citada como inspiración: desde Hyderabad y VIT hasta la cofundación de PyTorch en 2016, Convertir un conjunto de herramientas centrado en la investigación en un estándar que ahora impulsa trabajos de vanguardia en laboratorios, empresas emergentes y grandes empresas.
Bajo su dirección, PyTorch evolucionó de un favorito experimental a un plataforma lista para producciónEl crecimiento, la gobernanza y las contribuciones de la comunidad del marco consolidó su papel como piedra angular de flujos de trabajo de aprendizaje automático modernos.
Su salida se produce en medio de reorganizaciones más amplias en importantes organizaciones de inteligencia artificial. Si bien los detalles varían según el informe, el hilo conductor es claro: Se están reajustando los equipos y las hojas de ruta Competir en una era definida por la escala del modelo, las cadenas de datos y la implementación a nivel global.
Objetivos, contratación y primeras señales de productos de Thinking Machines
Mira Murati fundó el Laboratorio de Máquinas Pensantes con un enfoque en lo que ella describe como inteligencia general colaborativa. El objetivo principal del grupo es construir... sistemas multimodales para la interacción humana natural, con énfasis en vías de investigación a productos responsables y escalables.
Los informes apuntan a un interés sustancial de los inversores: una ronda de capital semilla anterior de 2 millones de dólares se ha discutido ampliamente, junto con conversaciones que hacen referencia a una posible valoración en el $ 50- $ 60 billones La contratación parece estar en pleno auge, lo que refleja la carrera por reunir talento interdisciplinario que abarque infraestructura, investigación y producto.
La primera herramienta de la startup, Tinker, ha sido descrita como un sistema para simplificar la ajuste fino de modelos de lenguaje grandes. Los primeros pilotos en instituciones como Princeton y Stanford y las pruebas con usuarios empresariales iniciales sugieren una implementación medida a medida que el equipo itera con la retroalimentación del mundo real.
Varios informes también destacan a destacados reclutas y asesores en toda la industria, lo que indica que Thinking Machines está construyendo un banco de pruebas profundo para acelerar el desarrollo en medio de una intensa competencia por la experiencia.
La huella de código abierto de PyTorch sigue expandiéndose
PyTorch se ha convertido en una plataforma preferida para la investigación y la producción, con un uso citado en más de 150,000 proyectos públicosSu impacto es visible en todo el mundo. Visión artificial, PNL y modelado generativo, donde la creación rápida de prototipos y la implementación flexible son esenciales.
Un hito notable fue el primer artículo completo de PyTorch en NeurIPS (2019), escrito por Adam Paszke y colaboradores, que documenta las decisiones de diseño principales hasta la versión 0.4. Ese trabajo codificó los principios del marco y ayudó a unificar un ecosistema creciente de bibliotecas y herramientas.
Desde la gobernanza de la Fundación PyTorch hasta las vibrantes contribuciones de la comunidad, la trayectoria del marco ilustra cómo La colaboración de código abierto se escala Cuando la investigación, la infraestructura y la educación se alinean en torno a objetivos compartidos.
Impulso educativo: un nuevo Certificado Profesional de PyTorch
DeepLearning.AI anunció el Certificado Profesional de PyTorch para Aprendizaje Profundo en Coursera, impartido por Laurence Moroney. El programa se centra en cómo... Construir, entrenar e implementar modelos de PyTorch, con el objetivo de hacer que el aprendizaje profundo práctico sea más accesible para un público más amplio.
Para los estudiantes y los equipos, este tipo de ruta estructurada puede acortar el tiempo necesario para pasar de los fundamentos a la producción. Al estandarizar los proyectos prácticos y las mejores prácticas, El certificado amplía la cartera de talentos y apoya a las organizaciones que están formalizando sus stacks MLOps alrededor de PyTorch.
Cómo podría evolucionar el ecosistema a partir de aquí
A medida que Thinking Machines avanza y otros laboratorios duplican la infraestructura, la comunidad PyTorch se beneficiará de un enfoque renovado en eficiencia, herramientas y capacitación distribuidaLa siguiente fase probablemente incluirá Vínculos más estrechos entre la investigación y el despliegue, teniendo en cuenta la seguridad y la fiabilidad.
Mientras tanto, la comunidad de desarrolladores sigue ampliando los límites con proyectos que combinan rigor y accesibilidad. Artículos e implementaciones educativas, desde tutoriales básicos hasta... Guías completas sobre cómo crear StyleGAN en PyTorch—seguir reduciendo las barreras para los profesionales en todos los niveles.
Con una trayectoria comprobada en código abierto y una creciente gama de recursos de capacitación, PyTorch está posicionado para seguir siendo un pilar central en el desarrollo de IA. La combinación de liderazgo experimentado que se une a nuevas empresas, la energía comunitaria sostenida y los caminos de la educación formal sugieren un ciclo de innovación que alimenta tanto la experimentación como la adopción en el mundo real.
