LLMs y Modelos
Grandes modelos de lenguaje: GPT, Claude, Gemini, Mistral y pesos abiertos.
97 published articles
Evaluación de modelos
olmo-eval de Ai2 brinda a los desarrolladores de LLM un microscopio para cada punto de control
olmo-eval de Ai2 aporta diferencias por pregunta y evaluaciones modulares al desarrollo activo de LLM, ayudando a los investigadores a distinguir el progreso real del ruido estadístico.
2026-07-06
Investigación en IA
El horizonte de verificación: por qué verificar agentes de codificación ahora es más difícil que construirlos
Una intuición clásica sostiene que verificar una solución es más fácil que producirla. Para los agentes de codificación actuales, esa intuición se ha invertido: generar soluciones complejas ahora es fácil. Lo difícil es verificarlas de manera confiable.
2026-07-05
Aprendizaje Profundo
M3D y Real-Guidance llevan la destilación de conjuntos de datos a dominios de alta resolución
La destilación de conjuntos de datos ha estado estancada en puntos de referencia de baja resolución, pero un nuevo enfoque llamado M3D lo cambia. Al combinar coincidencia multiescala, un conocimiento previo de la variedad de datos y una estrategia de guía real, se escala a ImageNet-1K con resolución 128×128, logrando un 68.5% de precisión top-1 con solo una imagen por clase y reduciendo el uso de memoria diez veces.
2026-07-05
Inteligencia Artificial
El nuevo modelo de codificación M2.5 de MiniMax lidera el benchmark con un precio del 5%
El modelo M2.5 de MiniMax encabeza el benchmark de codificación Multi-SWE-Bench, supera a los modelos convencionales en tareas de espacio de trabajo y cuesta una décima a una vigésima parte que sus competidores. Los pesos de código abierto están en HuggingFace.
2026-07-04
Investigación y Desarrollo en IA
Ma Jiaqi enseñó a los ingenieros de MiniMax una dura lección sobre tokens olvidados
La investigación interna de MiniMax sobre por qué su modelo M2 no podía generar el nombre 'Ma Jiaqi' reveló un desajuste estructural entre el vocabulario de preentrenamiento y la distribución de datos de postentrenamiento. La causa raíz: los vectores lm_head de tokens de baja frecuencia se desvían durante el SFT, perdiendo la capacidad de generación mientras conservan la comprensión. Una corrección de cobertura completa del vocabulario resolvió el problema y también mitigó la mezcla de idiomas en japonés.
2026-07-04
Inteligencia Artificial
El modelo Phi-4 de Microsoft redefine la eficiencia en una investigación innovadora
El modelo Phi-4 de Microsoft logra una eficiencia de última generación, igualando a modelos más grandes en tareas de razonamiento con significativamente menos parámetros. Publicado el 15 de mayo de 2025, el artículo de investigación reexamina las suposiciones sobre las leyes de escalado en IA.
2026-07-03
Arquitectura sin tokenizador
Aleph Alpha presenta T-Free: una arquitectura sin tokenizador para una IA soberana
Aleph Alpha presenta T-Free, una arquitectura LLM sin tokenizador que mapea palabras directamente a vectores. El enfoque ofrece casi siete caracteres por vector frente a los cuatro típicos, reduciendo costos y consumo de energía, mientras mejora el rendimiento en dominios especializados y lenguas de bajos recursos.
2026-07-03
Inteligencia Artificial
GPT-Live de OpenAI finalmente deja de esperar a que termines de hablar
GPT-Live de OpenAI introduce audio full-duplex para que la IA pueda escuchar y hablar al mismo tiempo. Puede decir 'mjm', esperar durante las pausas y delegar el razonamiento complejo a GPT-5.5 en segundo plano, manteniendo el flujo de la conversación.
2026-07-01
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