Voxel51 presenta la plataforma unificada de datos 3.0, dirigida a equipos de IA física

El 15 de octubre de 2026, Voxel51 presentó Voxel51 3.0, una plataforma de datos multimodales de extremo a extremo para IA física que reúne búsqueda, selección, anotación y evaluación en un único sistema extensible. En el anuncio de la empresa, su cofundador y director ejecutivo, Brian Moore, la calificó como «el lanzamiento más importante de la empresa hasta la fecha». Ahora, los equipos pueden probar gratis la plataforma con sus propios datos en app.voxel51.com.

El lanzamiento también cambia el nombre del producto empresarial de la compañía: Voxel51 es el nuevo nombre de FiftyOne Enterprise, mientras que FiftyOne sigue siendo el nombre del proyecto de código abierto. Moore escribió que la empresa lleva años trabajando con equipos que implementan IA en sistemas autónomos, robótica, fabricación y atención sanitaria, y que, durante los últimos meses, reconstruyó la plataforma en torno al trabajo con datos que comienza cuando un modelo deja de ser un prototipo: investigar fallos, seleccionar conjuntos de entrenamiento y evaluar modelos en situaciones del mundo real.

Búsqueda multimodal y compatibilidad con series temporales

Voxel51 Search es un índice persistente de búsqueda híbrida que combina la recuperación semántica con consultas léxicas y filtros aplicados a contenido no estructurado y metadatos estructurados de conjuntos de datos multimodales. Según el anuncio, Search indexa automáticamente los conjuntos de datos y calcula las representaciones vectoriales, de modo que las consultas están disponibles desde el primer día. Además, mantiene las representaciones vectoriales y los campos estructurados consultables en su formato nativo y los combina durante la recuperación. Para la recuperación vectorial, la plataforma utiliza LanceDB, cuya arquitectura columnar permite realizar búsquedas vectoriales junto con índices escalares y de texto completo, y mantiene separados el almacenamiento y la capacidad de cómputo.

Los equipos controlan la propia canalización de representaciones vectoriales, incluidos los datos que se convierten en representaciones, el modelo y los recursos de cómputo que se utilizan y el momento en que se generan. También pueden aplicar actualizaciones incrementales sin tener que reconstruir todo el conjunto de datos. El lanzamiento incorpora compatibilidad nativa con datos multimodales de series temporales: se pueden visualizar varias señales de sensores en una misma línea de tiempo, y las representaciones vectoriales a nivel de segmento permiten recuperar momentos concretos dentro de grabaciones largas, en lugar de representar un episodio completo con una sola representación vectorial.

Voxel51 Agent y el etiquetado agéntico

Voxel51 Agent encadena búsqueda, selección, anotación y evaluación en flujos de trabajo repetibles, creados con más de 45 herramientas MCP, más de 80 operadores y 18 habilidades de código abierto. El anuncio describe varios ejemplos de uso: un equipo de robótica busca comportamientos específicos en miles de episodios para crear conjuntos de entrenamiento y evaluación específicos; un equipo de percepción parte de un fallo del modelo para encontrar situaciones similares de cola larga, generar nuevas anotaciones y volver a evaluar; y, durante la preparación de las anotaciones, los casos inciertos se derivan a revisores humanos. Agent también puede escribir código para añadir nuevas funciones, y todos los flujos de trabajo heredan los permisos y los controles de seguridad y gobernanza definidos por la organización.

En una publicación del 8 de octubre de 2026, antes del lanzamiento, Voxel51 afirmó que Agent se basa en Model Context Protocol, un estándar abierto para conectar aplicaciones de IA con herramientas externas, y que se conecta a más de 100 proveedores de modelos, entre ellos Anthropic, OpenAI y Google. Está disponible mediante opciones de implementación en la nube, híbridas, locales, en entornos aislados y gestionadas. La empresa informó que, al comparar el rendimiento en las mismas tareas de agentes de Claude Sonnet 5, Claude Opus 5, GPT-5.1 y Gemini 3.1 Pro, encontró diferencias de costo de hasta 15 veces.

La versión 3.0 también unifica los flujos de trabajo de anotación para datos 2D, 3D, de video y multimodales, e incorpora control de calidad automatizado, métricas de anotadores y herramientas para gestionar la revisión con intervención humana. Su función de etiquetado agéntico utiliza modelos de visión y lenguaje para generar etiquetas a partir de instrucciones en lenguaje natural y ejemplos, con flujos de revisión para validar los resultados. La empresa, citando su encuesta State of Physical AI de 2026, afirmó que los equipos sobresalientes dedican más de la mitad del tiempo de sus proyectos al trabajo con datos, a una tasa casi 3 veces superior a la de los equipos que tienen dificultades; el gráfico de la encuesta sitúa esas proporciones en el 58 % de los equipos sobresalientes y el 21 % de los equipos con dificultades.

Trazabilidad de los datos en cuatro niveles

Voxel51 3.0 incorpora trazabilidad de los datos en cuatro niveles, detallada en una publicación complementaria de Ritchie Martori, arquitecto jefe, del 9 de octubre de 2026. Un registro de actividad a nivel de implementación muestra quién realizó una acción, cuándo ocurrió y a qué afectó en toda la implementación; un registro de actividad a nivel de conjunto de datos hace un seguimiento de los cambios en cada conjunto de datos; el historial de edición a nivel de muestra permite rastrear los cambios en etiquetas, metadatos y otras propiedades; y el versionado de conjuntos de datos captura instantáneas inmutables para que los equipos puedan comparar estados anteriores, reproducir flujos de trabajo e identificar los datos exactos utilizados para el entrenamiento o la evaluación.

La arquitectura de eventos subyacente utiliza fiftyone-mq para programar trabajos y Activity Core para el seguimiento de eventos, lo que proporciona una base compartida para los registros de auditoría, las métricas de anotación y la supervisión de trabajos. Los permisos y la visibilidad de los flujos de trabajo vinculan cada cambio en los datos con la persona o el trabajo automatizado que lo realizó.

Diseño independiente del modelo y talleres de Nebius

La plataforma está diseñada para ser independiente del modelo, por lo que los equipos pueden utilizar sus propios modelos fundacionales y específicos del dominio para generar embeddings, realizar el etiquetado automático, ejecutar inferencias y evaluaciones, sin quedar atados a una pila tecnológica predefinida. El anuncio señala que los modelos fundacionales de propósito general se han entrenado principalmente con texto e imágenes de internet, y que apenas han tenido acceso a los datos multimodales de sensores que generan los sistemas físicos. También indica que, fuera de unos pocos ámbitos con abundante financiación, como la conducción autónoma, los equipos de IA física suelen necesitar combinar modelos fundacionales con modelos específicos del dominio y sus propios datos de entrenamiento.

Históricamente, para conocer las capacidades empresariales de Voxel51 había que hablar primero con su equipo; con la versión 3.0, se puede acceder gratuitamente mediante autoservicio en app.voxel51.com, y las implementaciones autohospedadas siguen estando disponibles previa consulta a la empresa. Voxel51 también anunció que colabora con la empresa de servicios en la nube de IA Nebius, cuyos desarrolladores ejecutan flujos de trabajo como la generación de embeddings y el etiquetado automático en Nebius AI Cloud durante eventos prácticos. Las dos empresas organizarán nueve talleres adicionales sobre IA física en Canadá y Estados Unidos hasta noviembre de 2026, y las inscripciones ya están abiertas.