# El equipo de PyTorch de Hugging Face reporta mejoras de MPS en PyTorch 2.15

- Publicada: 2026-10-20T00:00:00.000Z
- Actualizada: 2026-10-25T10:07:19.252Z
- Sección: Desarrollo
- Página: https://aidailyjournal.com/es/n/2026/10/19/hugging-face-s-pytorch-team-reports-mps-gains-in-pytorch-2-15/
- Fuentes: [Hugging Face](https://huggingface.co/blog/mps-pytorch-2-15)

## Resumen

En una publicación, el equipo de PyTorch de Hugging Face dice que PyTorch 2.15 añade FP8 a MPS, con la mitad del espacio de BF16, además de nuevas rutas para acelerar modelos de lenguaje, operaciones matemáticas, audio, video y entrenamiento. El equipo reporta que los modelos de mezcla de expertos (MoE) se volvieron entre 5 y 6,5 veces más rápidos al decodificar; en una M3 Ultra, Qwen3.6-35B-A3B pasó de 9,4 a 61,3 tokens/s, mientras que el softmax sobre el vocabulario se volvió aproximadamente 8 veces más rápido.

El equipo también dice que la decodificación del VAE de video de Wan2.2 ahora alcanza un máximo de unos 8 GiB de memoria, frente a 270 GiB, y que una corrección mejoró la calidad de imagen de Qwen-Image-2.1 en MPS. PyTorch 2.15 requiere macOS 15 o posterior y Python 3.11 o posterior.

## Por qué importa (interpretación editorial)

Las mejoras informadas por el equipo de Hugging Face podrían hacer más viable ejecutar modelos de lenguaje, imagen y video en Macs con MPS, especialmente en tareas limitadas por memoria. El requisito de macOS 15 y Python 3.11 restringe qué entornos pueden aprovechar estos cambios.

_Resumen escrito por AI Daily Journal con palabras propias, a partir de las fuentes anteriores. Para más detalles, lee los artículos originales._