De la IA de comercio a los modelos de frontera: la década de infraestructura de Hanzo

La mayoría de las empresas de IA empezaron en 2022. Nosotros empezamos en 2014.

Esa distancia importa más de lo que parece. Doce años de decisiones de infraestructura, experimentos fallidos, diseños de protocolos e intuiciones de producción ganadas a pulso se acumulan en algo que no se puede comprar ni imitar: un conocimiento arquitectónico profundo. Esta es la historia técnica de cómo Hanzo pasó de un motor de recomendaciones para el comercio electrónico a ejecutar 94+ modelos de frontera a escala de inferencia.

2014: los cimientos — Crowdstart y EARLE

Hanzo nació como Crowdstart, una plataforma de IA para el comercio con un problema engañosamente concreto: predecir qué clientes comprarían, a qué precio y en qué momento, y actuar sobre esa predicción de forma automática.

El primer sistema que de verdad importó fue EARLE — el Entity-based Adaptive Recommendation Learning Engine. EARLE no era un filtro colaborativo sencillo. Mantenía grafos de entidades a través de jerarquías de producto, segmentos de clientes y secuencias de comportamiento, y actualizaba los pesos de las aristas en tiempo real a medida que llegaban los flujos de transacciones. El almacén de datos subyacente se construyó sobre nuestra propia capa distribuida de clave-valor: una decisión deliberada para controlar la latencia en el nivel de persistencia, en lugar de aceptar las contrapartidas de las bases de datos gestionadas que había entonces.

Lo que EARLE nos enseñó: la latencia es una restricción de diseño de primer orden, no una pasada de optimización. Una recomendación que llega 200ms tarde no se entrega: se abandona.

2015: analítica en tiempo real en el perímetro

En 2015, EARLE ya no bastaba. Los clientes necesitaban no solo recomendaciones, sino canalizaciones completas de analítica de comportamiento: análisis de embudo, seguimiento de cohortes y atribución de ingresos entre canales de marketing. Construimos un motor de analítica en streaming con una ingesta de eventos sub-50ms y una latencia de consulta en el rango de los milisegundos de un solo dígito.

Este trabajo fijó un patrón que hemos mantenido desde entonces: ser dueños del camino crítico. Cada componente de la ruta caliente — serialización, indexación, planificación de consultas — se escribió según nuestras especificaciones. Las dependencias externas solo se toleraban en la periferia.

El bus de eventos pub/sub que construimos en 2015 para conectar EARLE con la capa de analítica es el antepasado directo de la infraestructura de eventos que sostiene la plataforma actual de Hanzo. La interfaz cambió. La arquitectura, no.

2016: optimización de marketing con algoritmos genéticos

Los algoritmos genéticos aplicados al marketing parecen obvios en retrospectiva. En 2016, prácticamente nadie los usaba en producción.

El sistema mantenía una población de configuraciones de campaña — estrategias de puja, variaciones creativas, árboles de segmentación de audiencia — y las hacía evolucionar mediante la presión de selección que aplicaban los resultados reales de conversión. Las mutaciones estaban acotadas: necesitábamos reproducibilidad y auditabilidad, y una mutación puramente aleatoria no podía darlas. La función de aptitud fue multiobjetivo desde el principio y equilibraba ingresos, margen, valor de vida del cliente y restricciones de exposición de marca.

Fue nuestra primera experiencia gestionando la contrapartida entre exploración y explotación a escala de producción. La lección que interiorizamos: el algoritmo no puede ser más listo que su señal de aptitud. Basura entra, basura sale no es un cliché en el aprendizaje automático: es una ley arquitectónica.

2017: Techstars y el lanzamiento de la plataforma

Techstars '17. Usamos el programa no para validar, sino para distribuir: los contactos con clientes de comercio empresarial cuya escala pondría a prueba de esfuerzo lo que habíamos construido.

La plataforma de Hanzo se lanzó a finales de 2017 como la primera suite integrada de IA para el comercio: recomendaciones de EARLE, el motor de optimización genética, analítica en tiempo real y una nueva capa de orquestación de campañas, conectados mediante una superficie de API unificada. La arquitectura fue event-sourced desde el principio; cada cambio de estado de una campaña era un evento durable, lo que nos daba una pista de auditoría completa y la capacidad de reproducir el historial para reentrenar los modelos.

Techstars '17 nos enseñó algo que ya sospechábamos: la distribución no es un problema de producto. Es un problema de infraestructura. No podéis vender a empresas si vuestros sistemas se caen.

2018: Checkout 2.0 y detección de fraude con aprendizaje automático

El fraude en los pagos es un problema resuelto para los grandes bancos. Para las plataformas de comercio que sirven a comerciantes del mercado medio, no lo estaba en 2018.

Checkout 2.0 introdujo la detección de fraude basada en aprendizaje automático como un componente de pago de primer orden. La arquitectura del modelo era un conjunto: árboles con potenciación del gradiente para rasgos tabulares (composición del carrito, coincidencia de las direcciones de envío y facturación, huella del dispositivo) combinados con un modelo de secuencia sobre el historial reciente de pedidos. El conjunto era deliberadamente poco profundo: la interpretabilidad era un requisito de producto, no una preferencia de investigación. Los comerciantes necesitaban entender por qué se había marcado una transacción.

El sistema de fraude operaba con una latencia sub-100ms por decisión, incluidas la extracción de rasgos, la inferencia del modelo y la aplicación de reglas. Eso exigía colocalizar el entorno de ejecución de la inferencia con el servicio de pago, en lugar de enrutar a través de una API de predicción aparte. La complejidad operativa era mayor; el perfil de latencia no era negociable.

2019: API Gateway V1, criptografía de retículos y ecosistema de SDK

Tres hilos concurrentes en 2019 que solo convergieron años después.

API Gateway V1 nació de un problema práctico: teníamos diez servicios internos y cuarenta integraciones externas. Cada servicio tenía su propia historia de autenticación, limitación de tasa y observabilidad. Construimos una capa de pasarela unificada — aún no la pasarela de IA que publicamos hoy, pero la misma arquitectura de base: enrutamiento de peticiones, middleware de autenticación, limitación de tasa por consumidor y registro estructurado. La Hanzo AI Gateway de 2026 es la séptima iteración mayor de este sistema.

La investigación en criptografía de retículos empezó como trabajo de fondo. El proceso de estandarización de criptografía poscuántica del NIST estaba en marcha y lo seguíamos de cerca. La pregunta que nos hicimos: si estamos construyendo infraestructura durable, ¿cuál es el modelo de amenaza criptográfica en un horizonte de 15 años? La respuesta apuntaba con claridad a la resistencia cuántica. Empezamos a integrar CRYSTALS-Dilithium y CRYSTALS-Kyber en nuestra infraestructura experimental de firma: un trabajo que alimentó de forma directa nuestra infraestructura de firma poscuántica de producción al año siguiente.

Ecosistema de SDK: los primeros SDK de Hanzo se publicaron en 2019 y cubrían Python, TypeScript y Go. El principio de diseño era una superficie mínima con la máxima componibilidad. Desde entonces hemos publicado seis generaciones de SDK. El principio no ha cambiado.

2020: criptografía poscuántica en producción

La investigación sobre retículos de 2019 pasó a producción en 2020. Las premisas de diseño eran nítidas: seguridad poscuántica desde la base, una capa de firma capaz de alojar la lógica de aplicación como preocupación de primer orden, y unas características de rendimiento que hicieran prácticas, a escala, las firmas resistentes a la cuántica.

El motor de firma introdujo rondas de compromiso basadas en umbral que aportan garantías deterministas dentro de un tiempo acotado, en lugar de apoyarse en un muestreo repetido para obtener una confianza probabilística. El resultado práctico: las firmas se verifican en menos de un segundo en condiciones normales, con una degradación predecible bajo carga adversaria.

Cada clave de firma usa CRYSTALS-Dilithium desde el principio. No como una vía de actualización opcional, sino como un requisito de base. El sobrecoste de rendimiento de las firmas poscuánticas es real, pero manejable; publicamos nuestras pruebas de rendimiento, incluidas las optimizaciones de verificación de firmas por lotes que situaron el sobrecoste por firma por debajo de 0.3ms.

2021: investigación multimodal y los primeros borradores de MCP

En 2021 se nos hizo evidente la capacidad demostrada de la arquitectura transformer para unificar representaciones de texto, imagen y audio. Pusimos en marcha un programa de investigación multimodal que acabó convirtiéndose en la arquitectura Jin: un marco unificado de codificador-decodificador para la comprensión entre modalidades.

Los primeros borradores del Model Context Protocol surgieron de un hilo paralelo: estábamos construyendo marcos de agentes y nos enfrentábamos al problema de fondo de gestionar el estado a lo largo de interacciones de varios turnos con modelos que no tenían memoria persistente. El protocolo MCP define una interfaz estructurada para el ventanado de contexto, la recuperación de memoria y la transferencia de estado entre modelos. Los borradores de 2021 eran toscos. La implementación de producción de 2026 ha procesado más de mil millones de operaciones de contexto.

2022: el protocolo ASO y el primer ajuste fino de un transformer

Dos contribuciones técnicas de 2022 que marcaron los cuatro años siguientes.

Adaptive Swarm Optimization (ASO) es un protocolo de optimización distribuida inspirado en el comportamiento de los enjambres biológicos. Allí donde los algoritmos genéticos mantienen miembros discretos de una población, ASO mantiene un campo de densidad continuo sobre el espacio de parámetros, con reglas de actualización que equilibran la información local del gradiente frente a restricciones globales de densidad. El protocolo se diseñó para entornos en los que la función objetivo es cara de evaluar y las evaluaciones se reparten en cómputo heterogéneo: un encaje natural para los sistemas de IA multiagente. La primera publicación de ASO apareció a finales de 2022.

Primera ejecución de ajuste fino de un transformer en producción: ajustamos un transformer de pesos abiertos de 7B parámetros para la comprensión de documentos específica del comercio. La ejecución costó $6,200 en cómputo y duró 48 horas. El modelo resultante era un 11% mejor que la base en nuestra suite de evaluación, y considerablemente mejor en nuestra distribución de tareas de producción. Más importante aún, la experiencia operativa — canalizaciones de datos, configuración del entrenamiento distribuido, gestión de puntos de control, arnés de evaluación — se convirtió en la plantilla de cada ejecución de entrenamiento posterior. La calidad del proceso escala; las ejecuciones ad hoc, no.

2023: HMM, marcos de agentes e investigación en PoAI

Hierarchical Model Merging (HMM) fue la respuesta a un problema con el que nos encontrábamos una y otra vez: teníamos varios modelos ajustados, cada uno excelente en su dominio estrecho, y queríamos un modelo unificado que heredara lo mejor de todos ellos. El promediado ingenuo de pesos degrada a todos los especialistas. HMM aplica una estrategia de fusión jerárquica que identifica las representaciones específicas de dominio en el espacio de pesos y las preserva durante la fusión, en lugar de promediarlas hasta disolverlas. La técnica demostró una mejora del 4-7% frente a la fusión ingenua en evaluaciones de dominio apartadas.

Marcos de agentes: el primer entorno de ejecución de agentes de Hanzo se publicó en 2023, construido sobre el protocolo MCP con uso de herramientas, recuperación de memoria y planificación en varios pasos. El diseño fue deliberado: los agentes son procesos con estado, no manejadores de peticiones sin estado. El entorno gestiona el ciclo de vida completo del agente: inicialización, despacho de herramientas, persistencia del estado y recuperación ante errores. Construirlo a nivel de protocolo, y no como código de aplicación, hizo directas las integraciones posteriores.

Investigación de consenso Proof of AI (PoAI): ¿puede hacerse verificable el cómputo de IA y usarse como primitiva de consenso? La pregunta de investigación no es trivial: los cálculos de IA son inherentemente no deterministas en el nivel de la coma flotante. Nuestra investigación en PoAI lo abordó mediante esquemas de cuantización determinista que hacen reproducibles las pasadas hacia delante entre distinto hardware, y así permiten un consenso basado en umbral sobre las salidas del modelo. La investigación alimentó la arquitectura zLLM de la red Zoo.

2024: empieza Zen LM, la arquitectura Jin y las herramientas Hanzo MCP

El proyecto Zen LM empezó en 2024 con una tesis sencilla: los mejores modelos de pesos abiertos deben construirlos quienes más experiencia de producción tienen ejecutándolos. Nosotros teníamos esa experiencia.

Los primeros modelos Zen fueron ajustes finos de modelos base Qwen3-series, orientados a perfiles de capacidad concretos: generación de código, razonamiento de contexto largo y seguimiento de instrucciones. La canalización de entrenamiento construida en 2022 escaló para sostener ejecuciones de 70B+ parámetros sin un rediseño de fondo: la inversión en el proceso dio su fruto.

La arquitectura Jin formalizó nuestra investigación multimodal en un sistema de producción. Jin usa un espacio de tokens unificado para texto, parches de imagen y espectrogramas de audio: sin codificadores específicos de modalidad que exijan caminos separados de entrenamiento e inferencia. La simplificación de la arquitectura eliminó toda una clase de complejidad de servicio: un modelo, un entorno de inferencia, varias modalidades.

Las herramientas Hanzo MCP se publicaron como la primera implementación pública del Model Context Protocol. La suite cubre búsqueda web, ejecución de código, operaciones con ficheros, recuperación de memoria y comunicación entre agentes. Más de diez mil desarrolladores integraron herramientas MCP durante el primer trimestre de disponibilidad.

2025: la familia Zen a escala, la arquitectura MoDE y zenlm.org

Noventa y cuatro modelos. Eso es lo que comprendía la familia Zen a finales de 2025.

La escala exigía una arquitectura de servicio que no se habría podido diseñar sin la investigación BitDelta (arXiv:2402.10193): deltas de modelos ajustados comprimidos a representaciones de signo de 1-bit, lo que reduce la memoria de GPU por variante de decenas de gigabytes a gigabytes de un solo dígito. Con un peso base compartido en la memoria de la GPU y deltas de comportamiento por modelo en una capa de caché, podemos servir 14 variantes de Zen desde una huella de infraestructura que antes bastaba para dos o tres.

Zen MoDE — Mixture of Distilled Experts — es el avance arquitectónico que definió 2025. Los modelos MoE tradicionales entrenan a los expertos desde cero. MoDE combina tres técnicas: inicialización de los expertos a partir de destilación (en lugar de aleatoria), Drop-Upcycling (arXiv:2502.19261) para romper la correlación de pesos entre expertos, y nuestro protocolo de fusión HMM para especializar a los expertos a posteriori sin un reentrenamiento completo. El resultado: Zen4 Max alcanza una calidad de clase 13B con 30B parámetros totales y solo 3B activos por pasada hacia delante.

Variantes abliteradas: el trabajo de eliminación del rechazo — aplicado con cuidado y de forma deliberada a modelos destinados a la investigación y al uso profesional — demostró que las propiedades de comportamiento se pueden localizar en el espacio de pesos. Entender dónde vive el comportamiento dentro de un modelo es conocimiento fundamental, no un atajo. La serie zen4-abliterated es la primera familia de modelos que se publica con coordenadas documentadas de localización del comportamiento.

2026: Hanzo AI Gateway y lo que viene después

El lanzamiento de la pasarela en febrero de 2026 es la culminación del trabajo de pasarela de API iniciado en 2019: un único punto de conexión para 100+ modelos, compatible con OpenAI, sin recargo sobre los proveedores de terceros, y con los modelos Zen como nivel propietario.

Hilos de investigación activos ahora mismo:

GT-QLoRA: adaptación de bajo rango cuantizada con las compuertas descongeladas, para el ajuste de comportamiento en MoE. La LoRA estándar aplicada a modelos MoE deja congeladas las compuertas de enrutamiento, de modo que el ajuste fino no puede afectar a la selección de expertos. GT-QLoRA descongela los parámetros de la compuerta con actualizaciones restringidas: la estructura de enrutamiento puede adaptarse y la especialización de los expertos se conserva.

DSO (Decentralized Semantic Optimization): el protocolo que subyace a la arquitectura zLLM de Zoo. Adaptación de cómputo cero mediante inyección de experiencia, gobernada por mecanismos de DAO. La brecha entre el coste del ajuste fino ($15K+) y el coste de DSO ($18) es real. La arquitectura está en producción en la red Zoo.

MPC seguro frente a la cuántica: protocolos de computación multipartita para los pesos de los modelos, con primitivas poscuánticas. Si los pesos de los modelos son la propiedad intelectual más valiosa de la infraestructura de IA, merecen una protección criptográfica equivalente a la de los mejores activos financieros.

Doce años es mucho tiempo en la IA. El suficiente para ver cómo los ciclos de expectación van y vienen, cómo paradigmas enteros se sustituyen unos a otros, y cómo empresas construidas sobre el SOTA del año pasado se hunden cuando el SOTA se mueve. Lo que sobrevive es la infraestructura: las canalizaciones de datos, los sistemas de servicio, las implementaciones de protocolos y el conocimiento operativo ganado a pulso que hacen posible publicar y ejecutar IA de verdad, a escala.

Llevamos construyendo esa infraestructura desde 2014. No hemos terminado.

Hanzo AI es Techstars '17. Construimos IA de frontera y la infraestructura para ejecutarla. hanzo.ai