IA de código abierto
Los modelos abiertos — Llama, Mistral, DeepSeek, Qwen y otros — están alcanzando a los laboratorios cerrados y permiten ejecutar IA en tu propio hardware, sin depender de un proveedor. Eso cambia el equilibrio de poder, el debate sobre seguridad y la economía del sector. Aquí está todo sobre la IA de código abierto: lanzamientos de pesos abiertos, licencias, despliegue local y la carrera contra los modelos cerrados.
DetectorScope convierte la caja negra de los detectores de texto de IA en un sistema transparente
Google DeepMind hace que los detectores de texto de IA expliquen sus decisiones: autoencoders dispersos extraen rasgos comprensibles sin perder precisión y rinden…
Mistral presenta la línea Voxtral 3: reconocimiento de 50 idiomas y agentes de voz para el sector corporativo
La francesa Mistral lanza Voxtral 3: modelos STT y TTS con un pipeline de voz integral, latencia inferior a 500 ms y opción de despliegue local.
MemT 1.0 integra la memoria en el modelo y apunta a la automejora de la IA
Llega MemT 1.0: la memoria debe ser una capacidad integrada del modelo, no un añadido externo. El detonante del debate fue el caso de DeepSeek y un contexto agotado.
Investigadores enseñan a los LLM a adaptarse al dialecto: el método CAP y 10 familias de modelos
Agent4Sci: Claude Opus mejora los récords en 20 benchmarks científicos un 10,4%
Together AI lanza Post-Training: RL y SFT en B200 a 9 dólares por hora de GPU
Artificial Analysis lanza HealthBench: GPT-6 Astra lidera con un 66,0%
Los agentes de IA potentes ceden el turno al humano en el 80% de los casos en que su ruta es más corta
Un laberinto para dos muestra que los modelos que resuelven la tarea solos delegan de forma selectiva: cerca del 80% de las primeras decisiones si la ruta del…
SpatialScout: el mejor agente VLM solo logró reconstruir el 41,71% del mapa 3D de una habitación
El nuevo benchmark SpatialScout evalúa si los agentes VLM pueden explorar escenas y construir un mapa de objetos por sí solos. Claude Opus 5.5 obtuvo un 41,71%, y…
Investigadores describen cómo JEPA selecciona características: importan las relaciones, no las características aisladas
Cuatro actores chinos construyen mundos de vídeo interactivos en tiempo real
Stanford Online publica la lección 12 del curso AA274A: visión clásica para robots
Tres puntos de inflexión de la IA: de ChatGPT a los agentes y la inteligencia física
Moonshot abre Kimi K2: un MoE de 1 billón de parámetros diseñado para agentes
Moonshot AI publica los pesos de Kimi K2: 1 billón de parámetros, 32 mil millones activos y 15.5 billones de tokens de entrenamiento sin un solo fallo. Está pensada…
Moonshot lanza Kimi K2.5: un enjambre de 100 subagentes y 1500 llamadas a herramientas
Moonshot presenta Kimi K2.5, un modelo multimodal abierto: 15 billones de tokens de entrenamiento adicional, hasta 100 subagentes y tareas complejas hasta 4,5 veces…