software · 1 menciones
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
El equipo EAGLE, en colaboración con vLLM y TorchSpec, ha presentado EAGLE 3.1, una evolución clave en el algoritmo de *speculative decoding*. Esta tecnología, ampliamente utilizada en sistemas de producción, soluciona la fragilidad de sus predecesores ante variaciones en plantillas de chat y entrad
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
StepFun ha lanzado Step 3.7 Flash, un modelo de inteligencia artificial de alta eficiencia diseñado para optimizar el rendimiento de los agentes en entornos reales. Esta nueva versión se centra en la comprensión multimodal y la ejecución de tareas complejas, permitiendo entender imágenes, documentos
El pasado 24 de abril, DeepSeek lanzó su modelo V4, que obtuvo el noveno puesto mundial y el segundo en China según la evaluación de Vals AI. Aunque algunos desarrolladores expresaron decepción por no superar a modelos como GPT-5.4 o Claude Opus 4.6, las pruebas realizadas en escenarios típicos chin
FrontierCode es un nuevo benchmark diseñado por Cognition para evaluar si los modelos de inteligencia artificial son capaces de producir código que un mantenedor humano aceptaría en un repositorio de producción. Frente a pruebas anteriores como SWE-Bench Verified o Pro, que se centran casi exclusiva
Jacky Liang, responsable de relaciones con desarrolladores en OpenRouter, diseñó un experimento singular: once modelos de lenguaje de gran tamaño compitieron en un battle royale 2D de 400 m² durante 30 partidas, con armas, armaduras, vehículos y una zona que se reduce progresivamente. Cada modelo co
Moonshot AI ha lanzado Kimi K2.7 Code, un modelo lingüístico de gran tamaño especializado en tareas de programación. Basado en la arquitectura Mixture-of-Experts, cuenta con 1 billón de parámetros totales y activa 32 mil millones por inferencia. El modelo alcanza una longitud de contexto de 256.000
Investigadores de robótica de Nvidia, junto a colaboradores de la Universidad Carnegie Mellon y la Universidad de California en Berkeley, han desarrollado ENPIRE, un framework tipo harness que permite a agentes de código con IA entrenar robots de manera totalmente autónoma. El sistema envuelve a los
Moonshot AI prepara el lanzamiento de Kimi K3, la próxima generación de sus modelos de frontera abiertos, previsto para el 27 de julio de 2026 a través de su página en Hugging Face. Se trata del primer modelo abierto de la categoría de 3 billones de parámetros, según la compañía, orientado a tareas
OpenWiki es una herramienta de línea de comandos (CLI) diseñada para escribir y mantener actualizada la documentación de un repositorio de código, con un enfoque específico en el uso por parte de agentes de inteligencia artificial. Se instala de forma global con `npm install -g openwiki` y se inicia
Senior SWE-Bench es un benchmark diseñado para evaluar agentes de ingeniería de software con tareas que reflejan el trabajo real de un ingeniero senior, frente a las instrucciones sobreespecificadas típicas de SWE-Bench y SWE-Bench Pro. Sus tareas proceden de pull requests de repositorios que van de
Cloudflare detalla en su blog de ingeniería cómo sirve modelos abiertos de gran tamaño —Kimi K2.6 de Moonshot y GLM 5.2 de Z.ai— en su plataforma Workers AI, sobre GPUs H200 en sus centros de datos, sin renunciar a precisión. El artículo explica tres técnicas que se apoyan en separar las fases de pr
