#LLM
Cobertura curada sobre «LLM»: lanzamientos, investigación, benchmarks, código abierto.
Cómo OpenAI mantuvo en pie Azure Cosmos DB bajo la carga de 1.000 millones de usuarios de ChatGPT
Modal supera los $1 mil millones de ARR y se valora en $16 mil millones gracias a la demanda de sandboxes
Ai2 demuestra que los jueces LLM de novedad se rompen con unas pocas palabras en el prompt
OvisOCR3: un modelo de 0,8 mil millones de parámetros que lee documentos mejor que los sistemas especializados
Investigadores de ATH-MaaS combinaron cinco tareas distintas de reconocimiento de documentos en un solo modelo compacto, que supera a los sistemas OCR…
Sonnet 4.6 con el servidor MCP de Sourcegraph supera a Fable 5: 0,698 frente a 0,568
En nueve tareas de CodeScaleBench, el económico Claude Sonnet 4.6 con búsqueda de código ganó seis veces al modelo estrella Fable 5 y costó casi la mitad por punto…
Conflicto de conocimiento en RAG: por qué se necesita una probabilidad de acierto del contexto, no un algoritmo rígido
Investigadores del Instituto de Correos y Telecomunicaciones de Hanói demuestran que cualquier regla fija para elegir entre los datos recuperados y el conocimiento…
SpaceX recibe $40 mil millones de Apollo para GPU y vaticina la extinción de los neoclouds
Liquid AI lanza LFM3: seis modelos multimodales de 2B con contexto de 256K
Black Forest Labs lanza FLUX.3 Klein: 1024×1024 en 2 segundos en una H100
Google DeepMind encuentra un fallo en softmax: el gradiente se anula con un margen de 16,6
pgvector frente a Qdrant: benchmark con 100 000 vectores de 1536 dimensiones
Machine Learning Mastery propone una medición reproducible de pgvector y Qdrant: mismo HNSW, 1536 dimensiones, 100 000 vectores, p50/p95/p99 y QPS en un portátil…
Tencent lanza Youtu-Parsing-Omni: un solo modelo analiza documentos, audio y video
Youtu-Parsing-Omni convierte páginas, fotos, audio y vídeo en un registro estructurado, anclado a un lugar y un momento. Lo hace con un solo codificador y un solo…
AdaPRA: Un agente supervisor eleva el rendimiento de la IA en tareas de ciencia de datos en 24,5 puntos de percentil
AOS-Bench pone a prueba a los agentes de IA: el rendimiento cae entre 13 y 23 puntos con tareas en paralelo
CuraLoc localiza bugs en el código con un 59,3% más de precisión que sus rivales y usa 10 veces menos tokens
Una CNN de 2015 supera a GPT-6 Astra y Claude Fable 5.1 en el diagnóstico del cáncer de piel
YADRO prohíbe a su LLM tocar las cifras y publica más de 10 informes al día sin intervención humana
En tres meses, analistas de YADRO montaron un servicio con Dify, Trino y Airflow: el código calcula las métricas, el modelo comenta con marcadores y cada mañana…
Anthropic revela cómo construye Claude con el propio Claude: el cerebro, separado de las manos
Los responsables de ingeniería y producto de Anthropic explican cómo funcionan Opus 5.5 y Managed Agents. Los ingresos por empleado subieron de $1,4 millones a $6,6…