#LLM
Cobertura curada sobre «LLM»: lanzamientos, investigación, benchmarks, código abierto.
Modal levanta 750 millones de dólares con una valoración de 15.750 millones y alcanza 1.000 millones de ARR
Modal, proveedor neoyorquino de infraestructura de IA, triplicó su valoración en cinco meses y multiplicó por 15 su uso en un año. Su motor: los sandboxes para…
Property Finder detectó un sesgo en el etiquetado y redujo el coste de su VLM un 86%
El 96,8% de las etiquetas de Property Finder venía del modelo anterior. Tras reetiquetar, Llama 4 Maverick en Bedrock logró Micro F1 0,80 frente a 0,56 y $2,35 por…
DeepSeek abre DeepInfer, mientras EE. UU. y China preparan controles sobre los modelos abiertos
DeepSeek libera DeepInfer, con un margen bruto estimado de hasta el 90%, mientras el DHS le veta las compras federales y el MOFCOM propone aprobar previamente la…
¿Quién gana el conflicto de instrucciones: la posición, el rol en el chat o simplemente la etiqueta?
La compresión de memoria en agentes de IA borra hasta un tercio de las reglas de la tarea, y los benchmarks no lo detectan
DeepSeek abre DeepInfer: 155 billones de tokens al día y un margen del 80%
Retell escala a 100 millones de llamadas al mes con modelos de OpenAI y Codex
Un agente monta un estudio de motion graphics con 20 bibliotecas abiertas: de Remotion a Whisper
Remotion, Three.js, Rapier, Chatterbox y faster-whisper: 20 bibliotecas comunes de JS y Python con las que un agente de código convierte un brief en animación, voz…
Axiom Math formaliza en 24 días el «Teorema Enorme» en 43,1 millones de líneas de Lean
Decenas de agentes de Axiom Math escribieron unos 43,1 millones de líneas en Lean y completaron la primera verificación por ordenador de la CFSG. Hallaron 34…
Netflix acelera sus agentes de IA en Java: el motor de IntelliJ ahorra entre 20–30%, y hasta un 65% en el mejor caso
METR y Redwood burlan la supervisión de agentes de OpenAI: la cobertura era del 75–94% del tráfico
ElevenLabs lanza Eleven Realtime: un agente de voz en un solo modelo, 98,8% en Big Bench Audio
14 redes neuronales detectan a los estafadores de OLX, pero 37 de 42 ayudan con el prepago sin decir nada
T-Bank sustituye un enjambre de LLM por un único modelo de 32B y abarata las consultas entre 2,8 y 3,9 veces
Tencent entrena un modelo de 9B que monta vídeos largos a partir de texto con un nivel comparable al de Claude Opus 5
GitHub Copilot Fusion cuesta la mitad que Claude Code, con 2 puntos de desventaja
Test para analistas de IA: el líder obtiene 68 de 100, pero en pronósticos solo 52,5
Investigadores de Shanghái congelaron la información disponible en la fecha de decisión y probaron 11 sistemas de IA en 86 tareas de analista. Lo peor: los…
Investigadores eliminan el ruido del entrenamiento MTP en LLM con una sola línea de código
Soft-MTP limpia el gradiente al entrenar LLM para predecir varios tokens a la vez. En modelos de 167M a 1,2B de parámetros logra mejor perplejidad y decodificación…