# TorchTitan suma nuevos modelos y funciones de aprendizaje por refuerzo

> La plataforma de PyTorch ya permite entrenar los modelos más recientes de pesos abiertos e incorpora TitanRL, una pila unificada para el aprendizaje por refuerzo.

Oossa · 2026-10-21 · https://oossa.com/es/torchtitan-adds-new-model-support-and-reinforcement-learning-features

TorchTitan, la plataforma de entrenamiento nativa de PyTorch, anunció varias mejoras. Ahora admite los modelos más recientes de pesos abiertos, como Muse Spark Open, Qwen3‑VL, Kimi K2.7, Kimi K3 y DeepSeek‑V4, todos integrados con su paralelismo de 5 dimensiones. La misma versión incorpora TitanRL, un marco de aprendizaje por refuerzo que reutiliza exactamente el mismo modelo preentrenado tanto para el preentrenamiento como para la inferencia, sin necesidad de mantener bases de código separadas. Entre las mejoras de rendimiento hay kernels más rápidos, una gestión de memoria optimizada y nuevas funciones de comunicación que aceleran el entrenamiento a gran escala.

## Los hechos

- La lista de nuevos modelos incluye Muse Spark Open, Qwen3‑VL, Kimi K2.7, Kimi K3 y DeepSeek‑V4
- TitanRL permite usar el mismo código de modelo para el preentrenamiento, el posentrenamiento y la inferencia

## Por qué importa

Los investigadores pueden adoptar los modelos más recientes y realizar experimentos de aprendizaje por refuerzo sin reescribir código, lo que ahorra tiempo y reduce los errores.

## Fuentes y referencias

1. [TorchTitan Update: New SOTA Models, Performance at Scale, TitanRL](https://pytorch.org/blog/torchtitan-update-new-sota-models-performance-at-scale-titanrl/) – PyTorch

Última actualización: 2026-10-21