Flower Labs presenta un modelo pensado para salir de la nube

Flower Labs publicó Endeavor 1.0 el 1 de septiembre de 2026, y la propia entrada de blog de la empresa - firmada por el científico jefe Nicholas Lane junto a sus colegas Lorenzo Sani y Yan Gao - lo describe como "un modelo generalista de vanguardia para razonamiento, programación y trabajo de agentes a largo plazo, disponible a través de Flower o para despliegue privado". Esa segunda opción es el verdadero producto: una organización puede ejecutar Endeavor en sus propios servidores en lugar de llamar a una API alojada, y el modelo se construye alrededor del aprendizaje federado, un método de entrenamiento que permite mejorar un modelo a partir de datos guardados en ubicaciones separadas sin que esos datos salgan de esas ubicaciones.

La promesa práctica es que un hospital, un banco o una administración pública puedan usar un modelo de vanguardia sin enviar historiales de pacientes, registros de transacciones o material clasificado a la nube de un tercero. Flower Labs defiende esta idea desde su fundación en 2023, cuando construyó un marco de código abierto para el aprendizaje federado; Endeavor es su primer intento de combinar esa infraestructura con un modelo lo bastante bueno como para competir con los sistemas de propósito general que la mayoría de las empresas ya usan por defecto.

Quién está detrás de Flower Labs, y quién presta atención

Flower Labs es una spinoff de la Universidad de Cambridge con oficinas en Londres y Hamburgo, fundada por un equipo que incluye antiguos alumnos de Y Combinator, y ha recaudado unos 23 millones de libras desde 2023, según las informaciones sobre el lanzamiento. Nicholas Lane, cofundador y científico jefe de la empresa, es catedrático de aprendizaje automático en Cambridge y planteó el argumento de la empresa en términos explícitamente políticos en el lanzamiento: "Europa no debería tener que alquilar su inteligencia indefinidamente a un puñado de empresas estadounidenses."

La empresa menciona al NHS británico y a JP Morgan como clientes o socios piloto. Ambos operan bajo normas estrictas de protección o localización de datos que dificultan justificar internamente una solución solo en la nube, y ambos son el tipo de comprador cuyos equipos de compras preguntan, antes que nada, adónde van los datos.

Lo que realmente implica alojar uno mismo un modelo de vanguardia

Una suscripción a una API en la nube esconde su coste operativo dentro de una factura mensual; alojar uno mismo un modelo de vanguardia traslada ese coste al balance y a la plantilla propios del comprador, y esa es la decisión real que toma una organización al comparar Endeavor con GPT-5.6 Sol o Claude Fable 5 mediante una API estándar. Ejecutar la inferencia de un modelo de esta escala en las propias instalaciones significa poseer o alquilar los aceleradores necesarios, mantener un equipo de operaciones de aprendizaje automático que aplique parches y actualizaciones, y construir la propia capa de coordinación de aprendizaje federado que permite a varias sedes o departamentos contribuir al entrenamiento sin reunir sus datos en bruto en un solo lugar.

Nada de esto es exclusivo de Flower Labs; todo proveedor de "IA soberana" que vende despliegue local pide al comprador cambiar una suscripción predecible por un compromiso de capital y personal que solo compensa si el modelo sigue siendo útil durante años, no meses. El componente de aprendizaje federado añade una capa adicional que la mayoría de los compradores no había tenido que evaluar antes: demostrar que el protocolo de coordinación que mantiene los datos de un hospital dentro del hospital resiste realmente un ataque decidido o un error de configuración, y no solo la descripción de marketing que hace Flower Labs de él.

Las cifras de los benchmarks aún no tienen fuente independiente

Flower Labs afirma que Endeavor iguala a GPT-5.6 Sol de OpenAI y a Claude Fable 5 de Anthropic en algunas tareas y supera a Kimi K3 de Moonshot en otras, y cada una de esas comparaciones se apoya por ahora en las propias pruebas de Flower Labs. Ningún organismo independiente de benchmarking ha publicado una reproducción de estos resultados hasta la fecha, y los materiales de lanzamiento de la empresa no especifican qué conjuntos de pruebas, categorías de tareas o condiciones de evaluación produjeron las afirmaciones de igualdad y superioridad.

Esa laguna pesa más para Endeavor que para un modelo puramente alojado en la nube, porque un comprador que evalúa un despliegue local no puede simplemente cancelar una suscripción si el modelo rinde por debajo de lo esperado tras unas semanas de uso real; ya ha comprometido presupuesto de hardware e integración antes de poder hacer su propia comparación a gran escala. Las referencias al NHS y a JP Morgan funcionan de forma parecida: son una señal de credibilidad real, porque ambas organizaciones tienen motivos para ser cautelosas con las afirmaciones de los proveedores, pero las relaciones las describe la propia Flower Labs, y ninguna de las dos instituciones ha publicado su propio informe de resultados.

El argumento de la soberanía es el producto, y todavía hay que comprobarlo

El planteamiento de Nicholas Lane sobre Endeavor como respuesta a alquilar inteligencia a empresas estadounidenses sitúa a Flower Labs dentro de un debate político europeo en marcha, no solo dentro de una categoría de producto, y ese planteamiento cumple una función comercial real: ofrece a los compradores del sector público y de industrias reguladas un proveedor cuyo discurso entero coincide con una preferencia de compra que varios gobiernos de la UE ya han expresado en público. Ese contexto convierte el lanzamiento de Endeavor en un dato real dentro del debate sobre la IA soberana, en lugar de otro anuncio de financiación disfrazado.

Eso no verifica las afirmaciones subyacentes. Un comprador que compare Endeavor con una suscripción de un gran proveedor en la nube todavía tiene que responder dos preguntas separadas antes de comprometer presupuesto: si el modelo rinde como se promete en sus propias cargas de trabajo, y si el coste operativo de alojarlo uno mismo es menor que lo que ya paga por comodidad. Flower Labs ha dado al mercado un producto real con el que poner a prueba esas preguntas; todavía no ha dado a nadie fuera de la empresa las pruebas para responderlas.

Servola Journal

Hacemos esto por todos los que intentan mantenerse al día con lo que la tecnología le está haciendo a nuestras vidas. Las personas que la construyen, y las personas a las que les ocurre. Servola Journal existe para que lo que aprendemos pertenezca a todos ellos.

Nadie nos paga por esto. Sin anuncios, sin muro de pago, gratis para todos. Simplemente creemos que entender lo que nos está pasando a todos no debería depender de quién pueda permitirse pagar por ello.

Si esto te dio algo hoy, dinos que sigamos adelante. Síguenos, deja un me gusta, o escribe un comentario positivo. Leemos cada uno, y son lo que nos mantiene en marcha.

Leer a continuación: Domyn capta 1.100 millones, el 90% es deuda  |  Cuando el correo exige elegir jurisdicción