★
Menú
Inicio Cómo se construye Lista de seguimiento El stack
Hardware ChipsComparar chips Servidores y sistemasRedes MemoriaFundiciones y empaquetado Refrigeración
Instalaciones Centros de datosEnergía ProyectosCloud y cómputo GPU
Inteligencia Modelos de IASoftware Productos de IABenchmarks Artículos de investigaciónConjuntos de datos Conceptos
Ecosistema EmpresasAcciones PersonasCronología TendenciasEl futuro de la IA
Aprender Noticias Consulta los datos Agentes IA
Acerca de Sobre nosotros Metodología Datos y API Aviso legal
Opciones
DATOS Y API

Acceso JSON gratuito de solo lectura a los datos en caché del sitio.

Modo oscuro

Vista guiada
¿Nuevo en el mundo de los chips, los centros de datos y la jerga de modelos? Explicamos los términos clave mientras navegas, en lenguaje claro. Los mismos datos, con la ayuda integrada.

Vista experta
Ya conoces el stack. Solo los datos: limpios, rápidos y compactos, sin explicaciones adicionales. Esta es la vista predeterminada.

Idioma de la interfaz
‹ Atrás
Inicio › Conceptos › Scaling Laws

Scaling Laws

Concepto Entrenamiento e inferencia

The empirical curves that justify the capex on this site.

Estás viendo un explicador de concepto: qué significa este término en lenguaje claro, y los registros que conecta.

Scaling laws (Kaplan 2020; Chinchilla 2022) show model loss falling predictably as compute, parameters and data grow together — the smooth curves that convinced investors trillion-dollar infrastructure was rational. Chinchilla corrected the recipe (more data per parameter); test-time compute added a second axis; the open question — whether pre-training returns are flattening — is the trillion-dollar debate, with Ilya Sutskever's 'age of scaling is over' remarks its sharpest statement.

Cómo se conecta con el resto del stack

Los enlaces de esta ficha de un vistazo: haz clic en un grupo para ir directamente a él.

Fuentes

Kaplan scaling laws ↗

Registro revisado a fecha de 2026-01-15 — ver Metodología.