software · 3 menciones
DeepSeek ha lanzado una API compatible con OpenAI y Anthropic, permitiendo a los desarrolladores acceder a sus modelos de lenguaje utilizando las mismas herramientas y SDKs que ya emplean para interactuar con OpenAI y Anthropic. La API, disponible en https://api.deepseek.com y https://api.deepseek.c
DeepSeek-V4 es una nueva generación de modelos de lenguaje de gran escala (LLM) desarrollados por DeepSeek AI, que se destacan por su capacidad para procesar contextos extremadamente largos, hasta un millón de tokens. Esto representa un avance significativo, ya que la mayoría de los LLM tradicionale
DeepSeek AI ha lanzado oficialmente la versión preliminar de DeepSeek V4, una nueva familia de modelos de lenguaje de código abierto que promete eficiencia y rendimiento mejorados. La compañía ha puesto a disposición dos modelos principales: DeepSeek-V4-Pro, con 49 mil millones de parámetros activos
Una nueva evaluación comparativa llamada LamBench ha revelado un panorama competitivo entre los modelos de lenguaje grandes (LLMs). La prueba, publicada recientemente, evalúa el rendimiento de estos modelos en tareas de inferencia. El modelo 'gpt-5.4' lidera la clasificación con un 91.7% de precisió
Un nuevo proyecto llamado 'deepclaude' ofrece una alternativa significativamente más económica a la herramienta de agente autónomo de codificación de Claude Code de Anthropic. Utilizando modelos de DeepSeek V4 Pro, OpenRouter o cualquier backend compatible con Anthropic, 'deepclaude' permite mantene
DeepSeek ha anunciado cambios en los precios de su API y la futura eliminación de algunos modelos. La compañía, especializada en inteligencia artificial, ha ajustado los precios por cada millón de tokens (la unidad básica de texto que procesa el modelo), cobrando por la cantidad total de tokens de e
Alibaba presentó el modelo Qwen3.7-Max, que demostró una capacidad de autonomía excepcional al optimizar un kernel de código durante 35 horas en hardware desconocido sin documentación previa. El modelo se enfrentó a procesadores T-Head ZW-M890 PPUs desconocidos para mejorar una operación de atención
Los principales laboratorios de inteligencia artificial muestran un escepticismo creciente ante la escalada indefinida de parámetros y datos de entrenamiento, según un análisis publicado este 18 de junio. El artículo señala que el paradigma del «cuanto más grande, mejor» quedó en entredicho cuando e
**Xiaomi ha presentado MiMo-V2.5-Pro-UltraSpeed, una variante de su modelo MoE de 1,02 billones de parámetros (42B activos) capaz de generar hasta ~1200 tokens por segundo sobre un único nodo de 8 GPUs comerciales.** El hito no es solo una cifra de marketing: es la primera vez que un modelo de esca
El enrutamiento de modelos —asignar cada petición al modelo de IA más adecuado— es una práctica cada vez más común entre desarrolladores y equipos que combinan varios modelos de lenguaje. Este artículo recoge tres principios básicos desarrollados por Try-Works a partir de su experiencia creando role
La familia MiMo-V2.5, compuesta por las versiones MiMo-V2.5 y MiMo-V2.5-Pro, integra varias decisiones arquitectónicas orientadas a reducir el coste de razonamiento en contextos largos: atención híbrida con ventana deslizante (Hybrid SWA), que comprime el almacenamiento de la KVCache a aproximadamen
Un análisis experimental con 1.008 imágenes SVG generadas por siete modelos de IA de frontera concluye que no hay indicios de que los laboratorios estén optimizando sus modelos contra el popular test informal de Simon Willison: dibujar un pelícano en bicicleta. La prueba, conocida como "pelicanmaxxi
Flash-MSA es el primer conjunto de kernels de código abierto que permite entrenar de forma eficiente modelos con MiniMax Sparse Attention (MSA), un mecanismo de atención dispersa inspirado en DeepSeek Sparse Attention que varios modelos frontera —DeepSeek V3.2, DeepSeek V4-Pro, GLM-5.2, LongCat-2.0
Un experimento comportamental con seis modelos multimodales de inteligencia artificial —Claude Fable 5, GPT-5.6, GPT-4o, Grok 4.5, Kimi K3 y DeepSeek V4-Pro— demuestra que el precio estimado de una misma pieza de bisutería varía hasta 3,6 veces en función del atuendo de la persona fotografiada. La i
AGI Ranker, un proyecto que ofrece una puntuación abierta de inteligencia artificial general (AGI Score) para modelos de frontera, ha publicado en pocos días seis versiones de mantenimiento (de la v2.0.1 a la v2.0.6) centradas en subsanar errores de contenido y de experiencia de uso detectados tras
El desarrollador y wikimedista Hay Kranen reflexiona, tras asistir a Wikimania 2026 en París, sobre el futuro del movimiento Wikimedia en la era de la inteligencia artificial. Partiendo de la célebre partida entre Garry Kasparov y Deep Blue en 1997, plantea que la comunidad no compite contra máquina
DeepSeek ha anunciado el lanzamiento de la versión general de DeepSeek-V4-Pro, su nuevo modelo insignia orientado a flujos de trabajo agenticos en producción. La compañía destaca mejoras sustanciales en capacidades de agente y un control flexible del esfuerzo de razonamiento, aplicable también a V4-
DeepSeek consolida en apenas nueve meses una de las hojas de ruta más aceleradas del sector de la inteligencia artificial generativa. Según el registro oficial de cambios de su API, la compañía china transitó desde la versión estable DeepSeek-V2.5 —presentada el 5 de septiembre de 2024— hasta DeepSe
CostPerPrompt es una herramienta web que recopila y actualiza de forma automática los precios de más de 232 modelos de lenguaje y de imagen, y los convierte en estimaciones concretas de gasto mensual para chatbots, agentes, sistemas RAG, voz y cargas de trabajo por API. La página ofrece calculadoras
Wafer ha logrado ejecutar el modelo abierto Kimi K3, de 2,8 billones de parámetros, en un nodo de ocho GPUs AMD MI355X con 288 GB de VRAM cada una, alcanzando 952 tokens por segundo agregados y 118 tok/s en flujo único. El resultado multiplica por 3,8 el rendimiento agregado por nodo y por 1,3 el de
La documentación oficial de DeepSeek detalla cómo invocar sus modelos mediante la Responses API, el formato introducido por OpenAI y soportado por herramientas como Codex. El endpoint base es https://api.deepseek.com y basta con apuntar el SDK de OpenAI hacia esa URL, indicando la clave de DeepSeek,
Una comparativa independiente ha sometido a 18 modelos de inteligencia artificial de frontera a 153 ejecuciones autónomas sobre el benchmark de optimización nanoGPT, conocido por exigir eficiencia en el entrenamiento de modelos pequeños. El objetivo era medir cuál de estos sistemas consigue el mejor
GLM-5.3 lidera el Ed-o-meter, una evaluación de 17 modelos basada en tareas reales y de bajo coste. El modelo obtuvo un 100 % de éxito en las cinco categorías medidas —programación, datos, tareas cotidianas, seguridad y uso de herramientas—, una puntuación de rúbrica de 9,3 y un coste total de 0,28
La empresa china StartLux, fundada por el veterano programador Chen Danyan —ex cofundador de Shanda Network— presentó su modelo StartLux-V1.0-27B-Preview, un modelo local de 27.000 millones de parámetros que quedó en segundo lugar en la prueba MCP-Universe de la Academia China de Tecnología de la In
La startup Magic ha presentado una actualización de su investigación en preentrenamiento de modelos de inteligencia artificial en la que afirma haber multiplicado por más de diez la eficiencia computacional de su receta frente a los principales modelos de código abierto disponibles. Según la compañí
