LLMs y Modelos
Grandes modelos de lenguaje: GPT, Claude, Gemini, Mistral y pesos abiertos.
38 published articles
Inteligencia Artificial
Alibaba acaba de publicar como código abierto un modelo mundial que permite entrenar agentes de IA dentro de un simulador
El equipo Qwen de Alibaba lanzó Qwen-AgentWorld, un modelo mundial de lenguaje que simula entornos de agente en siete dominios. Su proceso de tres etapas, CPT, SFT, RL, produce un simulador que supera a GPT-5.4 en fidelidad y permite a los agentes entrenarse mediante ensayo mental en lugar de costosos despliegues en entornos reales.
2026-07-16
IA Documental
El OCR 4 de Mistral obtiene grandes puntuaciones, pero su propia auditoría demuestra por qué los números de referencia no cuentan la historia real
Mistral OCR 4 introduce cuadros delimitadores, clasificación de bloques y puntuaciones de confianza junto con la extracción de texto, con soporte para 170 idiomas. Logra un 72% de tasa de victorias en preferencia humana y las mejores puntuaciones de referencia, pero el análisis de Mistral muestra que las pruebas de referencia estándar penalizan la salida correcta por artefactos de formato, no por errores de precisión.
2026-07-16
Programación competitiva
NousCoder-14B desafía la programación de olimpiadas con un pipeline de RL abierto
Nous Research lanza NousCoder-14B, un modelo de programación competitiva basado en Qwen3-14B mediante RL. Stack abierto completo: pesos, entorno y suite de evaluación. Dirigido a benchmarks de programación de nivel olimpiada.
2026-07-16
Colaboración Multiagente
El chat grupal es la nueva frontera para los agentes de IA
AgentTeams de Alibaba Cloud y Claude Tag de Anthropic están convirtiendo los chats grupales en el terreno de prueba para la colaboración multiagente. El cambio de conversaciones uno a uno a muchos a muchos introduce desafíos complejos en la gestión del contexto, la gobernanza de permisos y la memoria, y un nuevo paradigma sobre cómo la IA funciona dentro de las organizaciones.
2026-07-16
Desarrollo de IA
El vibe coding es rápido. Enviar lo que construye es donde comienza el trabajo real.
El vibe coding acelera la creación de prototipos y reduce la barrera para los principiantes, pero su deuda técnica oculta, los riesgos de seguridad y la falta de trazabilidad del razonamiento desafían la suposición de que el código generado por IA está listo para producción. Los desarrolladores deben sopesar la velocidad frente al control.
2026-07-14
Rendimiento de LLM
Una startup china de generación de video acaba de superar silenciosamente a Claude Opus en programación
El M2.7 de MiniMax obtiene un 56,22% en SWE-Pro, igualando el rendimiento cercano al de Claude Opus, mientras presume de un 97% de adherencia a habilidades en tareas complejas y una edición superior de productividad ofimática. El modelo señala un cambio de la búsqueda de benchmarks a la implementación de agentes en el mundo real.
2026-07-14
Google DeepMind
Gemma 4 acaba de hacer que todos los demás modelos de peso abierto parezcan 10 veces demasiado grandes
La familia de peso abierto nativamente multimodal Gemma 4 de Google DeepMind introduce modo de pensamiento, arquitectura sin codificador y opciones MoE. El modelo de 2.3B iguala el rendimiento del Gemma 3 de 27B. El modelo de 31B lidera las tablas de clasificación de peso abierto.
2026-07-13
IA de Teledetección
Tokens más inteligentes reducen tres veces los costos de IA satelital sin perder precisión
OlmoEarth v1.1 de Ai4earth reduce los costos computacionales hasta 3 veces frente a v1 para el análisis de imágenes satelitales, utilizando una técnica de fusión de tokens más inteligente que mantiene el rendimiento. Los modelos actualizados permiten actualizaciones de mapas a escala planetaria más económicas para organizaciones asociadas.
2026-07-13
Lean 4
Leanstral 1.5 demuestra que las viejas reglas de los precios de IA no se aplican a las matemáticas
Leanstral 1.5, un modelo de 6 mil millones de parámetros activos, satura miniF2F, resuelve 587 problemas de PutnamBench y descubre 5 errores no reportados previamente en repositorios de código abierto. A aproximadamente $4 por problema, reduce el costo de Seed-Prover en 75 veces y el de Aleph Prover en 15 veces, desafiando la suposición de que la verificación formal requiere presupuestos de cómputo masivos.
2026-07-12
Optimización de sistemas
DSpark demuestra por qué la inferencia rápida de IA es un problema de planificación, no un truco de modelo
El artículo de DSpark de DeepSeek revela que la decodificación especulativa ingenua degrada el rendimiento bajo alta concurrencia. Su solución, la verificación programada por confianza, adapta la longitud del bloque por solicitud y desplaza la frontera de Pareto del rendimiento del servicio.
2026-07-12
Estrategia de datos sintéticos
El atlas de datos de Nvidia muestra por qué los datos sintéticos importan más que los pesos del modelo
El Nemotron Post-Training v3 Prompt Atlas de Nvidia proporciona un mapa interactivo de miles de millones de muestras de datos sintéticos, destacando cómo los datos sintéticos abiertos son la capa faltante para construir agentes de IA confiables. La empresa argumenta que el comportamiento de los agentes debe ser inspeccionable y que los datos sintéticos, publicados de manera abierta, son la única forma de preservar señales propietarias sin exponer secretos comerciales.
2026-07-12
LLMs de contexto largo
La atención bifocal de Jet-Long acaba con el compromiso de escalado fijo para LLMs de contexto largo
Jet-Long adapta el reescalado de RoPE dinámicamente por longitud de secuencia, utilizando una ventana local y una ventana de largo alcance fusionadas mediante inclusión-exclusión. En modelos Qwen3 de hasta 128K de contexto, supera las líneas base zero-shot existentes en más de 2 puntos porcentuales en RULER y logra la menor perplejidad en PG-19, todo ello añadiendo menos de un 4% de sobrecarga en generación.
2026-07-12