software · 1 menciones
Moonshot AI ha lanzado Kimi K2.5, un modelo de lenguaje de código abierto de 1 billón de parámetros que utiliza 'agent swarms' (enjambres de agentes) para tareas complejas, ofreciendo una ejecución 4.5 veces más rápida que los modelos de agente único y capacidades de codificación visual a partir de
Moonshot AI ha lanzado Kimi K2.5, un modelo de lenguaje de código abierto de 1 billón de parámetros que utiliza 'agent swarms' (enjambres de agentes) para tareas complejas, ofreciendo una ejecución 4.5 veces más rápida que los modelos de agente único y capacidades de codificación visual a partir de
Un repositorio en línea, alojado en sebastianraschka.com, ha sido creado para rastrear y comparar las arquitecturas de los últimos modelos de lenguaje grandes (LLM). La “Galería de Arquitecturas LLM” recopila diagramas y hojas de datos de modelos como Llama 3 8B, DeepSeek V3, Gemma 3, Qwen3, Mistral
**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 optimizador Muon se ha consolidado como una herramienta clave para el entrenamiento de modelos de lenguaje de última generación como Kimi K2 o GLM-5, ya que requiere menos pasos que AdamW para alcanzar una misma pérdida. Sin embargo, cada paso de Muon es más costoso debido a su procedimiento de o
Moonshot AI, laboratorio chino de inteligencia artificial, ultima el lanzamiento de Kimi K3, un nuevo modelo de código abierto con entre 2 y 3 billones de parámetros que, según fuentes anónimas citadas por el Financial Times, igualará o superará el rendimiento de Opus 4.8, el modelo de Anthropic. Se
Un artículo de opinión fechado el 17 de julio de 2026 sostiene que Apple es, sin que casi nadie lo perciba, el verdadero dominador de la inteligencia artificial, y que NVIDIA camina hacia la irrelevancia. La tesis central es que la carrera de entrenamiento de modelos es la métrica equivocada: lo dec
Las leyes de escalado clásicas (estilo Chinchilla) indican qué arquitectura entrenar fijando un presupuesto de FLOPs y minimizando la pérdida. Pero los clústeres no facturan FLOPs: facturan horas de GPU. Sheng Zha, junto con Soumajyoti Sarkar y Yuxin Tang, presenta en un nuevo artículo el marco MOSA
Mike Kasberg, ingeniero de software en Strava, relata en su blog cómo recuperó un reloj inteligente PineTime de 27 dólares —que tenía arrinconado en un cajón desde hacía dos años— para programarle una esfera inspirada en los Casio de toda la vida. Inspirado por un tuit de Steve Ruiz sobre programar
La autora, académica y antigua gestora universitaria, sostiene que la educación superior está perdiendo el tren de la inteligencia artificial. Cuatro años después de la irrupción de ChatGPT, las universidades siguen enfrascadas en debates sobre atletismo, diversidad ideológica o financiación federal
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
