Mixture of Experts: por qué los modelos grandes ya no usan todos sus parámetros cada vez que responden
Cómo la arquitectura Mixture of Experts permite tener 469.000 millones de parámetros y pagar solo el coste de unos pocos por cada token. La pieza que faltaba para entender por qué los modelos de frontera son baratos y por qué MoE es ya la norma en 2026.