El mito de los ‘prompts negativos’ en MiniMax H3

¿Alguna vez te has preguntado por qué los modelos de IA avanzados como MiniMax H3 parecen ignorar los famosos ‘prompts negativos’? Es una duda muy común cuando se empieza a experimentar con estos sistemas, y la respuesta revela algo fascinante sobre cómo han evolucionado las arquitecturas de generación.

La clave está en entender que H3 ha sido diseñado desde su núcleo para funcionar con una sola condición positiva por paso. A diferencia de los modelos tradicionales, donde se separan las instrucciones positivas y negativas, H3 utiliza un enfoque llamado guidance-distilled. Esto significa que el modelo ya fue ‘destilado’ durante su entrenamiento para interpretar todo lo que le escribes como parte directa de la descripción deseada.

Esto cambia radicalmente nuestra forma de comunicarnos con estos sistemas. En lugar de darle al modelo una lista de cosas a evitar, como en los métodos antiguos, lo más efectivo es describir explícitamente el estado o comportamiento que queremos conservar. Por ejemplo, en vez de escribir ‘no camera movement’, puedes decirle: «The camera remains completely locked in a fixed position throughout the entire shot…».

Aunque existen implementaciones experimentales que intentan añadir mecanismos de guía negativa para H3, la forma nativa y más eficiente sigue siendo esta comunicación directa. Básicamente, no se trata de filtrar lo que no quieres, sino de ser tan claro con el modelo sobre qué es exactamente lo que deseas crear.