--- service: "Publicasta" schema_version: "1.0" article_id: 327 title: "Needle 2 acerca un modelo de acción de 14 MB a los robots y sube la exigencia de seguridad" language: "es" default_language: "en" canonical_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=es" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=es" api_url: "https://publicasta.com/api/public/v1/channels/robots/articles/needle2_14mb_action_model_robots_2026_08_15?lang=es" channel_url: "https://publicasta.com/api/public/v1/channels/robots" channel_articles: "https://publicasta.com/api/public/v1/channels/robots/articles" search_url: "https://publicasta.com/api/public/v1/search" documentation_url: "https://publicasta.com/api-docs#reading-publicasta" openapi_url: "https://publicasta.com/api-docs/openapi.json" published_at: "2026-08-15T07:49:38+00:00" updated_at: "2026-08-15T07:49:38+00:00" translations: - language: "ar" html_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=ar" markdown_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.md?lang=ar" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=ar" - language: "de" html_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=de" markdown_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.md?lang=de" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=de" - language: "en" html_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=en" markdown_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.md?lang=en" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=en" - language: "es" html_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=es" markdown_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.md?lang=es" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=es" - language: "fr" html_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=fr" markdown_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.md?lang=fr" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=fr" - language: "pl" html_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=pl" markdown_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.md?lang=pl" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=pl" - language: "ru" html_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=ru" markdown_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.md?lang=ru" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=ru" - language: "zh" html_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=zh" markdown_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.md?lang=zh" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=zh" --- # Needle 2 acerca un modelo de acción de 14 MB a los robots y sube la exigencia de seguridad > El pequeño modelo de Cactus promete control local y privado de dispositivos, pero los robots físicos necesitan rechazos, políticas y confirmaciones tanto como velocidad. El lanzamiento de Needle 2 por Cactus Compute parece, a primera vista, otra noticia sobre un modelo lingüístico diminuto. Para robótica, el punto es más concreto. La empresa lo presenta como un modelo abierto de 45 millones de parámetros para llamadas a herramientas, uso de dispositivos y extracción estructurada, empaquetado en un binario de 14 MB con unos 28 MB de RAM por sesión. La página oficial apunta a teléfonos, wearables, hogar conectado, Raspberry Pi, microcontroladores recientes y robots pequeños: máquinas que quizá necesiten convertir una orden humana en una acción física sin esperar a la nube. ![Centro local de IA coordinando un robot doméstico, un teléfono, un wearable y herramientas de hogar inteligente sin conexión a la nube](https://publicasta.com/storage/projects/11/pages/327/2026/08/c9600b61-707f-4ae3-aa45-25de76d984ba.webp) La pregunta importante no es si un modelo de 45M puede conversar como un asistente de frontera. No puede, y tampoco es su trabajo. Un robot útil necesita a menudo algo más estrecho: convertir “baja las luces del pasillo”, “abre la pinza a la mitad”, “registra este sensor” o “pregunta antes de abrir la puerta” en una llamada segura con parámetros correctos. Needle 2 forma parte de un giro desde chatbots generales hacia modelos locales de acción. Ese giro puede dar velocidad, privacidad y bajo coste, pero también traslada errores del texto al mundo físico. ## Qué afirma Cactus Cactus describe Needle 2 como un modelo para tool calling, device use y structured extraction. Según la página, usa una Simple Attention Network, se comprime con Cactus Quants en CQ2-bit y se entrega con su propio motor. Las cifras son pequeñas: 45 millones de parámetros, binario de 14 MB, unos 28 MB de RAM máxima, cerca de 500 tokens por segundo en Raspberry Pi 5, 400 a 1.500 en dispositivos de realidad virtual como Meta Quest 3S y Apple Vision Pro, y 300 a 700 en algunos teléfonos de menos de 200 dólares. Conviene tratar esas cifras como afirmaciones del proveedor hasta que pruebas independientes las reproduzcan con dispositivos, esquemas y cargas reales. Aun así, el objetivo de empaquetado importa. GitHub describe `cactus-compute/needle` como un modelo de 14 MB para teléfonos, wearables, hogar inteligente y robots. El repositorio `cactus-compute/cactus` se presenta como runtime e inferencia para móviles, wearables, hogar inteligente y robots. Hugging Face lista `Cactus-Compute/needle2` con etiquetas de tool-calling, function-calling, on-device, edge, quantization y WebAssembly, ligado al artículo arXiv:2607.18363. No es solo marketing: hay modelo, código y una posición clara en el borde. ## Por qué los robots necesitan esta capa La mayoría de robots no necesitan un conversador enciclopédico dentro del control. Un robot doméstico, un rover de inspección, un asistente wearable o un concentrador de hogar necesita un intérprete compacto entre personas, sensores y actuadores. Los parsers clásicos funcionan cuando las órdenes son previsibles. Los modelos grandes en la nube funcionan cuando latencia, privacidad, conexión y coste son aceptables. Entre ambos queda el dispositivo cotidiano que debe actuar rápido, localmente y barato, con más flexibilidad que un menú fijo. Ahí los modelos pequeños de llamadas a funciones se vuelven interesantes. Pueden traducir lenguaje natural a comandos estructurados, extraer parámetros de frases imperfectas y rechazar peticiones irrelevantes si el entrenamiento y las restricciones son buenas. Un brazo robótico no necesita escribir un ensayo antes de moverse; necesita escoger una acción permitida, completar distancia u objeto y detectar ambigüedad. Un controlador doméstico no debe debatir antes de cambiar el termostato; debe distinguir temperatura, iluminación, seguridad, música o ninguna acción. ## La reacción de Hacker News tocó el nervio El hilo Show HN sobre Needle2 atrajo mucho interés técnico. Sirve como señal de atención, no como prueba de rendimiento. También expuso el problema: usuarios mostraron casos en los que la demo web parecía elegir herramientas dudosas, incluidas menciones a `lock_door` ante entrada irrelevante y confusión con frases como hacer una habitación “lo más oscura posible”. Un fallo de demo no condena al modelo; el esquema podía ser de juguete y sin barreras de producción. Pero la advertencia es correcta. En un chatbot, una herramienta mal elegida produce una respuesta torpe o una API fallida. En un robot, puede mover una pinza, calentar una habitación, abrir una cerradura, arrancar un motor o silenciar una alarma. Tool calling deja de ser solo JSON cuando la herramienta controla el entorno. Devolver una estructura válida es el comienzo del problema de seguridad, no su solución. ## La salida estructurada no basta Esquemas, gramáticas y decodificación restringida ayudan mucho: evitan JSON roto, limitan tipos, enumeran herramientas y facilitan validación. No deciden por sí mismos si una petición debe activar algo. Si una orden es irrelevante, maliciosa, ambigua o sin contexto, la respuesta segura puede ser no actuar, pedir aclaración o escalar a un humano o a un modelo mayor. Para robótica esto es decisivo. Una gramática fuerza `tool_name` a una lista, pero no garantiza que “hay demasiada luz” signifique bajar lámparas, cerrar persianas, mover un robot o no hacer nada. Un validador rechaza una temperatura peligrosa, pero no sabe si un niño junto al altavoz puede abrir la puerta. Un modelo local de acción necesita políticas: listas permitidas, clases de riesgo, umbrales de confianza, identidad del usuario, estado del dispositivo, límites de frecuencia y confirmación explícita para acciones de impacto. ## Ventajas y riesgos de lo local El argumento a favor de 14 MB en el dispositivo es fuerte. Las órdenes de voz y el contexto del hogar no salen al servidor. El sistema funciona sin red. La latencia cae. Un creador puede construir un robot barato sin pagar cada inferencia. Un wearable o asistente doméstico maneja rutinas sin enviar hábitos privados. Para robots educativos, dispositivos asistivos e inspección barata, esa economía puede decidir si el producto existe. Pero lo local acelera también el error. La nube suele tener cuentas, monitorización, actualizaciones centrales y política de servidor. Un modelo pequeño puede quedar embebido en miles de productos con firmware, esquemas y propietarios distintos. Si asocia ruido o habla ajena con una acción, el aparato puede actuar antes de que el fabricante vea el problema. Por eso la seguridad debe estar en el producto: confirmaciones para herramientas peligrosas, separación entre seguridad y comodidad, permiso para decir “sin acción”, registros completos, pruebas con ruido, negaciones, bromas, niños, varios idiomas y contradicciones de sensores. ## Frente a alternativas Needle 2 no sustituye a todos los enfoques. Los sistemas clásicos de intención siguen siendo excelentes cuando el espacio de comandos es pequeño y la seguridad manda. Modelos locales mayores en teléfonos o PC razonan mejor pero consumen más memoria y energía. Plataformas como los modelos locales de Apple apuntan a capacidades ricas en hardware premium. Otros modelos compactos de function calling atacan el mismo punto con más parámetros y coste. La importancia de Needle 2 es que presiona desde abajo. Pregunta cuánta ruta de acción cabe en un binario minúsculo. Si basta para rutinas seguras bajo política estricta, es una capa importante para robots. Si resulta rápida pero demasiado dispuesta a llamar herramientas, también aporta una lección: hay que medir tasa de falsas acciones, rechazos correctos, precisión de parámetros, recuperación ante ambigüedad y comportamiento con conjuntos de herramientas limitados, no solo tokens por segundo. ## Qué probar ahora La evidencia útil debe venir de pruebas en los dispositivos objetivo: Raspberry Pi 5, móviles Android baratos, pantallas domésticas, placas tipo ESP32 cuando sea realista, puentes Home Assistant, prototipos ROS y cargas de wearable. Hay que medir latencia completa, memoria máxima, energía y temperatura. Los esquemas deben incluir acciones seguras y peligrosas, no solo clima o calculadora. Las pruebas de seguridad deberían ser públicas. Entregue entradas irrelevantes, órdenes ambiguas, negaciones, bromas, contexto conflictivo y frases hostiles. Mire si el modelo devuelve no acción. Mire si pide confirmación antes de cerraduras, calor, movimiento o seguridad. Mire si empeora al añadir herramientas y si los idiomas no ingleses degradan con gracia. En dispositivos físicos, la métrica más importante puede ser callar correctamente. ## Conclusión Needle 2 no es un cerebro robótico terminado. Es mejor verlo como candidato a una capa refleja local: cerca de sensores y actuadores, capaz de traducir órdenes comunes en acciones limitadas, auditables y verificables. Muchos robots domésticos y dispositivos inteligentes necesitan precisamente eso. Puede hacer que un asistente responda al instante, que un wearable sea privado o que un robot pequeño funcione sin GPU. El precio es disciplina. Tool calling en robótica exige políticas, simulación, registros, confirmaciones y buen rechazo. Un modelo de 14 MB que elige una función impresiona. Uno que sabe no elegirla cuando la acción es peligrosa o confusa sería aún más importante. El avance cercano puede no ser un humanoide ni un cerebro gigante en la nube, sino un modelo local diminuto rodeado de suficientes barreras para pulsar el botón correcto y dejar quietos los peligrosos. ## Fuentes Página de lanzamiento de Cactus Compute Needle 2 y material del runtime Cactus; repositorios GitHub `cactus-compute/needle` y `cactus-compute/cactus`; modelo Hugging Face `Cactus-Compute/needle2`; arXiv 2607.18363 sobre Simple Attention Networks; hilo Show HN solo como señal de reacción y posibles fallos.