El motor de Ruben Llorach diseña chips — y aprende rápido

Ruben Llorach está armando un motor creativo con Claude que puede tomar un diseño de chip y acomodar el routing — los cables que conectan cada pin — en 2 segundos en una sola RTX 5090. El modelo tiene apenas 34M de parámetros y aprendió razonamiento espacial 3D de los ejemplos. No necesita reglas escritas a mano; aprendió la geometría, el evitar obstáculos y seguir los cables mirando ejemplos.

Lo que más mola es que la parte difícil del chip routing — coordinar cientos de nets entre múltiples capas sin choques — es el mismo problema que hace que el software EDA cueste $50k al año. Las herramientas internas de NVIDIA corren en clusters de GPU por horas. Su modelo hace una versión en 2 segundos.

El salto de una grilla demo a un chip real es un problema de data, no de modelo. La arquitectura ya generaliza — 97.9% de token accuracy en el dataset rich lo demostró. Si le metes data real de routing de chips, aprende routing real de chips. Si pega 60–70% de conectividad completa en netlists de producción, ya no es una curiosidad de investigación — está amenazando una industria EDA de miles de millones.

Y aquí está el loop que se siente: mejor modelo de routing hace diseños de chip más densos y rápidos, que hacen hardware de entrenamiento más rápido, que hace un mejor modelo de routing. Los modelos de 100M y 200M que vienen no son solo números de benchmark. Son si la cosa funciona a escala.

Por qué nos importa: Ruben está demostrando que un modelo chiquito puede superar herramientas grandes cuando aprende la geometría directo. Eso es lo que aparece en nuestras herramientas — las tías y los tíos que corren negocios propios no necesitan un modelo de 100GB; necesitan algo que funcione ya, en su hardware, sin esperar la nube.