Se dice que el mundo tech avanza gracias a lenguajes de programación como Python, pero un nuevo lenguaje, Mojo, puede estar a punto de cambiar esto. Y todo porque el pasado 18 de agosto de 2026, durante ModCon 2026 en San Francisco, Modular anunció que Mojo, su lenguaje de programación de alto rendimiento, es ahora completamente open source bajo licencia Apache 2.0, incluyendo su compilador y toda su cadena de herramientas.
La decisión llega siete días después de que Mojo alcanzara la versión 1.0, y tres semanas después de que Qualcomm, la conocida empresa de chips, completara la adquisición de Modular por unos 3.900 millones de dólares. Así, lo que parece una noticia mínima y sin importancia, significa toda una revolución. Sobre todo para el ecosistema de la inteligencia artificial, un ecosistema que se construye sobre Python, pero que choca cada vez más con sus límites de rendimiento. En este punto, Mojo se presenta como el heredero perfecto: un lenguaje que comparte sintaxis con Python, compila a código nativo con velocidad de C o C++, y apunta a ejecutarse sobre cualquier acelerador de IA sin reescribir el software.
Pero no es un lenguaje solo para IA, es un lenguaje que se puede usar para uso general, y eso puede cambiar por completo el ecosistema Python que tanto ha crecido por una razón: la facilidad de acceder al lenguaje, portarlo y usarlo en todo tipo de dispositivos.
Mojo, un Python supervitaminado
Mojo nació como una respuesta interna de Modular al problema de programar su propia infraestructura: para hacer lo mismo había que combinar Python, C++, CUDA y lenguajes de kernel. Chris Lattner, cofundador y CEO de Modular (creador del compilador LLVM, del lenguaje Swift y del frontend Clang), y Tim Davis, diseñaron un lenguaje que Modular describe como “Python++”, destacando la sintaxis y usabilidad de Python, con control de bajo nivel y rendimiento de C++, Rust o CUDA.
Técnicamente, Mojo es un lenguaje compilado (ahead-of-time) construido sobre la infraestructura de compiladores MLIR y LLVM. Soporta abstracciones de costo cero, tipado estático opcional, metaprogramación en tiempo de compilación, gestión manual de memoria y tipos SIMD. Incluye palabras clave como let/var o fn, junto a def, que conserva el comportamiento dinámico de Python. La meta declarada es convertirse con el tiempo en un superset del lenguaje haciendo que el código Python válido sea código Mojo válido. Con esto en mente, se busca facilitar la migración de código desde Python a Mojo, con todos los beneficios que ello conlleva, especialmente, de cara al rendimiento.
WordPress apuesta por humanos para competir con la IA
El problema de los “N lenguajes” y el hardware heterogéneo
La tesis de Modular para impulsar esto es; que la IA ha fragmentado la programación de sistemas. Los equipos que entrenan y despliegan modelos manejan hoy varios lenguajes a la vez: Python para el modelo, C++ para el runtime, CUDA u OpenCL para los kernels de GPU, y los stacks propietarios de cada fabricante de aceleradores. Mojo quiere unificar ese “problema de los N lenguajes” en uno solo, capaz de apuntar a CPUs, GPUs, NPUs y ASICs de distintos fabricantes con el mismo código fuente.
Esa premisa se ha vuelto más urgente con la diversificación del hardware de IA. Durante años, CUDA de NVIDIA fue de facto el único camino para el cómputo acelerado. Pero el mercado de inferencia se ha fragmentado: Google entrena y sirve con TPUs, Amazon con Trainium, y Qualcomm, AMD e Intel compiten por los centros de datos. En ModCon 2026, Modular anunció soporte para AWS Trainium, TPUs de Google, el Qualcomm Cloud AI 100 y los aceleradores Qualcomm Dragonfly, además de las GPU de NVIDIA y AMD que ya soportaba. Esto significa que cada vez que un acelerador nuevo entra al mercado, los desarrolladores deben reescribir una parte de su stack tecnológico, pero ahora con Mojo, ese problema desaparece.
Más rápido que Python
La promesa comercial de Mojo descansa en cifras de rendimiento agresivas. Modular afirma que, en cargas de cómputo intensivo, Mojo puede ser hasta 68.000 veces más rápido que Python puro y alcanzar el nivel de C++ o CUDA. Un ejemplo del potencial de Mojo es una prueba canónica que consiste en calcular la distancia euclidiana entre vectores de 10 millones de elementos. El problema resuelto usando Python tarda unos 790 ms en completarse, pero con Mojo, solo se tarda 13 ms. Esto es, unas 60 veces más rápido que Python y el doble de rápido que la misma operación con NumPy.
Pero el matiz técnico aquí es importante. Python “no es lento” en sí para el cálculo, sino porque delega en bibliotecas escritas en C. NumPy, por ejemplo, es rápido porque su núcleo está en C/C++. La ventaja de Mojo es hacer innecesaria esa capa externa. Para ello, Mojo permite escribir el algoritmo completo en un solo lenguaje que compila a código máquina. Así no hay conversión, Mojo permite hablar directamente con la máquina y su hardware, eliminando capas de abstracción que Python si tiene.
Una migración casi 1:1
Por otro lado, Modular presenta a Mojo como un reemplazo de Python con una migración cercana al 1:1. Sin embargo, Mojo no ejecuta hoy código Python arbitrario sin cambios, en realidad, faltan funciones de la biblioteca estándar (por ejemplo, shutil), no soporta expresiones a nivel de módulo y, hasta hace poco, carecía de f-strings y argumentos de formato con nombre. La propia documentación advierte que el objetivo del superset se irá alcanzando “con el tiempo” y que el foco actual es el cómputo de alto rendimiento, no la compatibilidad superficial.
Sin embargo, donde la migración sí se acerca al 1:1 es en el flujo pragmático que Modular promueve. Mojo puede importar bibliotecas Python directamente usando el runtime de CPython sin modificación, y con una compatibilidad del 100% para librerías existente. Y, en la dirección inversa, puede exponer módulos compilados en Mojo como extensiones nativas de Python. El patrón recomendado es el portado incremental, es decir, dejar el código Python intacto y reescribir en Mojo solo los bucles y hot paths críticos. Esa estrategia, más que un copiar-y-pegar universal, es lo que hace que un proyecto Python migrado “se parezca” a un proyecto Mojo con un esfuerzo mínimo.
Básicamente, Modular te dice que uses Python para las cosas que no son críticas, y dejes los puntos críticos de rendimiento en manos de Mojo y sus ventajas. Una relación Win-Win, para proyectos grandes, porque la ganancia de rendimiento no es insignificante.
Europa construye las autopistas de la IA y deja que China fabrique los coches
Mismo código, nuevo silicio
Pero quizás el punto más relevante de Modular con su presentación, es la documentación del Qualcomm Cloud AI 100, una NPU de inferencia, de cero a servir Gemma 4 31B en menos de seis meses. El lenguaje compila al backend LLVM Hexagon de Qualcomm, y los kernels se escriben con la misma abstracción DeviceContext que ya apunta a GPU NVIDIA y AMD. Así el equipo pasó de un “hola mundo” con GPT-2, a servir el modelo Google Gemma 4 completo con decodificación especulativa y variante MoE, reutilizando la infraestructura existente. La empresa afirma que habilitar cada nueva plataforma requirió una reducción de más de 10x en esfuerzo de ingeniería frente a los stacks tradicionales.
¿Qué significa todo esto? Mojo es capaz de habilitar IA nativa, en local y de alto rendimiento en dispositivos como smartphones, sin tener que reescribir proyectos enteros para lograrlo. Menos coste para las empresas, mayor disponibilidad de código para diseñar plataformas que pueden ir a cualquier parte. Desde comppputadores personales, pasando por supercomputadores, hasta dispositivos embebidos y smartphones.
¿Una amenaza para el ecosistema Python?
El impacto más inmediato es para los desarrolladores de IA que trabajan con Python. Mojo no desaparece el ecosistema Python, de hecho, depende de él para la interoperabilidad, pero ataca exactamente el cuello de botella que más se siente en producción: los hot paths lentos, la gestión manual de kernels y la dependencia de stacks propietarios por acelerador. Para equipos que quieren exprimir hardware no-NVIDIA, o que necesitan un solo lenguaje de extremo a extremo (modelo, kernels, serving), Mojo ofrece una alternativa real a la combinación Python + C++ + CUDA.
El open source del compilador reduce además el riesgo para quien adopta el lenguaje: ya no depende de las releases binarias de una empresa para inspeccionar, depurar o modificar el compilador. Y la estabilidad de 1.0 fija un contrato que permite construir productos a largo plazo. A cambio, quien migre debe asumir que la compatibilidad 1:1 con Python es todavía una meta en construcción, no un estado alcanzado: la migración real pasa por portar de forma incremental y por la interoperación con CPython.
El reto de fondo sigue siendo cultural. Python no domina la IA solo por sintaxis, sino por su comunidad, sus bibliotecas y su ecosistema de herramientas. Mojo tiene a favor un pedigrí técnico inusual, respaldo financiero y ahora el peso de Qualcomm; tiene en contra la necesidad de demostrar que puede construir un ecosistema propio sin reemplazar al de Python, y de sostener su promesa de neutralidad bajo un propietario de chips. Su camino hacia 1.0 y el open source ha sido ejecutado con disciplina; lo que queda por demostrar es si esa disciplina convierte al “heredero” de Python en su reemplazo real.
La IA cambia las reglas del desarrollo, advierte el Banco Mundial