LLMs y Modelos
Grandes modelos de lenguaje: GPT, Claude, Gemini, Mistral y pesos abiertos.
41 published articles
contexto efectivo, límites de salida y el impuesto oculto de las ventanas largas
Su modelo de IA dice que puede leer 1 millón de tokens. Miente. Aquí están las matemáticas reales.
Los cuatro LLMs de frontera anuncian contextos de más de 1 millón de tokens, pero la recuperación efectiva, los límites de salida y el costo real difieren considerablemente. DeepSeek V4 Pro lidera en límite de salida y costo, Gemini sobresale por debajo de 200K tokens y Claude Opus gana en almacenamiento en caché para revisión interactiva de código. Este análisis desglosa las cifras de abril de 2026.
2026-06-30
Inteligencia Artificial
OpenJarvis ofrece una alternativa local a los agentes de IA basados en la nube
OpenJarvis 1.0 de los laboratorios Hazy Research y Scaling Intelligence de Stanford permite ejecutar agentes de IA personales localmente a través de Ollama, con acceso a la nube opcional. Incluye configuraciones preestablecidas para resúmenes matutinos, investigación en documentos y asistentes de código local, priorizando la eficiencia y la privacidad mientras rastrea energía, costo y latencia.
2026-05-28
Alibaba Cloud
Anolisa v0.3 brinda a los agentes de IA una red de seguridad y un botón de deshacer
El sistema operativo de agentes de Alibaba Cloud, Anolisa, llega a la versión 0.3 con un módulo de seguridad dedicado llamado AgentSecCore, visualización de costos en tiempo real y capturas instantáneas del espacio de trabajo que permiten deshacer acciones de agentes en milisegundos.
2026-05-07
Investigación en seguridad de IA
Los modelos de IA no pueden dejar de pensar en voz alta. Eso es tanto una buena noticia como una pesadilla para la seguridad.
Claude Sonnet 4.5 puede controlar su cadena de pensamiento solo el 2.7% del tiempo, frente al 61.9% para los resultados finales. La brecha plantea preguntas abiertas sobre la solidez de la monitorización de CoT como mecanismo de seguridad, y nadie sabe por qué existe.
2026-03-09
Edición de imágenes
Usuarios de Reddit construyeron un editor de imágenes que supera a los laboratorios en su propio juego
RealEdit, un conjunto de datos de 48.000 solicitudes reales de edición de imágenes de Reddit, muestra que los modelos actuales rinden por debajo en tareas reales de usuarios. Un modelo entrenado con estos datos supera a los competidores por hasta 165 puntos Elo, y también aumenta la precisión de la detección de deepfakes en 14 puntos porcentuales.
2025-05-01