48 noticias
Mientras la atención del sector y de Washington se concentraba este verano en los últimos modelos frontier de Anthropic y en quién podía acceder a ellos, los desarrolladores siguieron construyendo sobre alternativas abiertas. Los modelos abiertos de origen chino representaron el 41% de las descargas
El repositorio ai-trains-ai, publicado por Danau5tin, implementa una canalización de código abierto con dos bucles de aprendizaje por refuerzo (RL) independientes que se entrenan mutuamente. En el bucle externo, un agente entrenador basado en Qwen3-35B-A3B con un adaptador LoRA aprende, mediante GRP
Investigadores del MIT han desarrollado una técnica de auditoría que identifica si un modelo de inteligencia artificial ha sido ajustado para generar material de abuso sexual infantil (CSAM) sin necesidad de producir ninguna imagen, sortea así las barreras legales y éticas que bloqueaban los control
nanoGPT-Seis es un repositorio de código abierto que enseña, paso a paso, el ciclo completo de preentrenamiento de un modelo de lenguaje aplicado a la ciencia de los terremotos. El proyecto combina texto sismológico especializado (artículos en acceso abierto vía Crossref y Unpaywall, preprints de ar
colibrì es un motor de inferencia escrito en un único archivo de C (~1.300 líneas) y sin dependencias externas que permite ejecutar el modelo GLM-5.2, una arquitectura MoE de 744.000 millones de parámetros, en una máquina doméstica con aproximadamente 25 GB de RAM. El truco reside en explotar una pr
Hugging Face ha anunciado una actualización del backend de modelado de transformers dentro de vLLM que permite ejecutar los modelos de Hugging Face a la misma velocidad —o superior— que las implementaciones nativas escritas a mano para vLLM, sin necesidad de portar el código. La mejora se valida con
La familia de modelos abiertos Qwen, lanzada por Alibaba en 2023, se ha consolidado como la más descargada del mundo, con cerca de un millón de descargas diarias en Hugging Face a enero de 2026. Sin embargo, ese liderazgo no se traduce en ingresos: la compañía facturó 1.300 millones de dólares por I
Pulpie es una familia de modelos open source de Feyn diseñados para extraer el contenido principal de páginas HTML y eliminar la «boilerplate» (navegación, anuncios, barras laterales y pies de página), que según los autores supone alrededor del 70 % de los bloques de una página típica. El modelo ins
Un grupo de investigadores en inteligencia artificial ha puesto en marcha FLARE-AI (Flaw Reporting for AI), un sitio web colaborativo para informar y rastrear los perjuicios que causan los sistemas de IA, desde chatbots que generan malware o instrucciones para fabricar bombas hasta fugas de datos pe
Google Research ha presentado TabFM, un nuevo modelo fundacional diseñado para tareas de clasificación y regresión sobre datos tabulares que opera en modo zero-shot, sin necesidad de entrenar el modelo para cada conjunto de datos. La herramienta, desarrollada por los científicos Weihao Kong y Abhima
Qwen 3.6 27B se ha convertido en una de las opciones más atractivas para ejecutar modelos de lenguaje de gran tamaño en hardware propio. Se trata de un modelo denso de 27.000 millones de parámetros —acompañado por una variante MoE de 35B A3B más rápida pero menos precisa— que, según benchmarks indep
El aprendizaje robótico empieza a beneficiarse de las leyes de escalado, pero los equipos que entrenan modelos de extremo a extremo se topan con un cuello de botella persistente: la infraestructura de datos. A diferencia de los equipos de grandes modelos de lenguaje, que iteran rápido sobre canaliza
La china Z.ai lanzó el 13 de junio de 2026 su modelo GLM-5.2, un peso abierto con licencia MIT que se perfila como el primer modelo de código abierto plenamente competitivo con los sistemas cerrados de Anthropic y OpenAI en tareas de agente y programación. El lanzamiento, inusual en sábado, llegó ap
Unlimited-OCR es un proyecto de código abierto desarrollado por Baidu que avanza la tarea de reconocimiento óptico de caracteres (OCR) sobre documentos completos con el objetivo de alcanzar el parsing de horizonte largo en una sola pasada, tomando como referencia DeepSeek-OCR. El repositorio ofrece
El laboratorio chino Z.ai ha publicado GLM-5.2, un modelo de IA con licencia MIT que lidera el Artificial Analysis Intelligence Index v4.1 con 51 puntos, por delante de MiniMax-M3 y DeepSeek V4 Pro (ambos con 44) y de Kimi K2.6 (43). Se trata de una arquitectura Mixture-of-Experts con 753.000 millon
La Agentic Resource Discovery Specification (ARD) es un estándar abierto que aborda un cuello de botella creciente en los sistemas de inteligencia artificial: el descubrimiento de capacidades externas. A medida que proliferan herramientas, servidores MCP, APIs, flujos de trabajo y agentes, los clien
PII GUI es una aplicación de escritorio de código abierto, publicada bajo licencia AGPL v3.0, diseñada para localizar y eliminar información personal identificable (PII) en documentos PDF, Markdown y de texto plano. Su principio rector es la privacidad local: todo el procesamiento ocurre en el dispo
NVIDIA Labs ha presentado cuTile-rs, un proyecto de investigación que lleva el modelo de propiedad y seguridad de memoria de Rust a la programación de kernels para GPU. La herramienta, publicada en el repositorio NVlabs/cutile-rs, ofrece un lenguaje específico de dominio (DSL) en Rust para escribir
Cohere ha presentado North Mini Code, su primer modelo de lenguaje agentic orientado a programación y el primero de una nueva generación de modelos abiertos de la compañía. Se trata de un modelo mixture-of-experts (MoE) con 30 000 millones de parámetros totales y 3 000 millones activos, lo que permi
La organización Nex-AGI denunció públicamente que el modelo Rio-3.5-Open-397B, presentado por la alcaldía de Río de Janeiro —a través de IplanRIO— como un desarrollo propio de 397.000 millones de parámetros, es en realidad una combinación directa de su modelo Nex con el modelo base Qwen3.5-397B-A17B
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
El proyecto Open R1, impulsado por Hugging Face, busca reproducir íntegramente el modelo de razonamiento DeepSeek-R1 con todas sus etapas: destilación, refuerzo puro y entrenamiento multi-etapa. Se han liberado varios conjuntos de datos, como Mixture-of-Thoughts (350.000 trazas verificadas de razona
Google ha presentado DiffusionGemma, un modelo experimental de inteligencia artificial de código abierto que promete revolucionar la generación de texto al ofrecer velocidades hasta cuatro veces superiores a las de los modelos tradicionales. El anuncio, realizado a través del blog oficial de la comp
Nex AGI, un laboratorio chino de inteligencia artificial, publicó el 2 de junio de 2026 Nex-N2-Pro, un modelo de código abierto bajo licencia Apache 2.0 orientado a tareas agenticas como programación, uso de herramientas y flujos de trabajo autónomos. Se trata de una arquitectura de Mezcla de Expert
Google ha presentado nuevos checkpoints de Gemma 4 optimizados con Quantization-Aware Training (QAT), una técnica que integra la cuantización durante el entrenamiento para reducir la pérdida de calidad al comprimir los modelos. La novedad permite ejecutar Gemma 4 en dispositivos móviles y GPUs de co
Google presenta Gemma 4 12B, un modelo multimodal unificado que se ejecuta en portátiles Google ha presentado Gemma 4 12B, un nuevo modelo de inteligencia artificial de código abierto que destaca por su arquitectura multimodal unificada y por su capacidad de ejecutarse en portátiles convencionales
Investigadores y desarrolladores ahora pueden ejecutar modelos de inteligencia artificial localmente en Macs con chip M4 y 24 GB de memoria, reduciendo la dependencia de las grandes tecnológicas. La autora Johanna Larsson probó varias herramientas como Ollama, Llama.cpp y LM Studio, encontrando que
TIPSv2 representa una nueva generación de modelos de codificación de imágenes y texto, diseñados para mejorar el rendimiento en una amplia gama de tareas multimodales y de visión artificial. El núcleo de la innovación reside en una observación sorprendente: la destilación (un proceso de aprendizaje
Un investigador ha analizado exhaustivamente la API de extensiones de Firefox, revelando detalles sorprendentes sobre el ecosistema de complementos del navegador. La investigación, realizada por Jack Cab, encontró un total de 84.000 extensiones disponibles, a pesar de que la página web de Mozilla in
Un nuevo toolkit llamado 'gemma-tuner-multimodal' permite a los usuarios afinar modelos Gemma de Google para tareas de inteligencia artificial multimodal (texto, imágenes y audio) directamente en Macs con Apple Silicon. La herramienta, desarrollada por Mattmireles y disponible en GitHub, elimina la
Netflix ha lanzado VOID, un nuevo modelo de inteligencia artificial diseñado para eliminar objetos de videos de manera avanzada. VOID no solo elimina el objeto, sino también sus interacciones físicas con la escena, como objetos que caen al retirar a una persona. El modelo se basa en CogVideoX y util
Una investigación reciente, alojada en el repositorio SALOMI en GitHub, ha revelado limitaciones en la cuantificación binaria de transformadores, una técnica utilizada para reducir el tamaño y mejorar la eficiencia de los modelos de lenguaje grandes (LLM). El estudio, centrado en la cuantificación e
Un equipo de desarrolladores ha lanzado SwiftLM, un servidor de inferencia nativo para dispositivos Apple Silicon que ofrece compatibilidad con la API de OpenAI. Esta herramienta, de código abierto, elimina la necesidad de un entorno de ejecución de Python y el Global Interpreter Lock (GIL), lo que
Cohere ha lanzado Transcribe, un modelo de reconocimiento automático de voz (ASR) de última generación y de código abierto, disponible para descarga desde Hugging Face. El objetivo de Cohere fue crear un modelo preciso y listo para uso práctico, minimizando la tasa de error de palabra (WER). Transcr
Hugging Face ha puesto a disposición un extenso conjunto de datos del archivo completo de Hacker News, abarcando desde 2006 hasta marzo de 2026. Este recurso, que incluye cada historia, comentario, pregunta, oferta de trabajo y encuesta publicada en la plataforma, se actualiza cada cinco minutos. Ha
Hume AI ha abierto el código de TADA, una innovadora tecnología que busca revolucionar la generación de voz por inteligencia artificial. TADA resuelve un problema fundamental en los sistemas actuales de texto a voz (TTS) basados en modelos de lenguaje grandes (LLM): la incompatibilidad entre la repr
Un ingeniero de Workshop Labs, Addie Foote, relata los desafíos encontrados al intentar entrenar y servir modelos de lenguaje grandes con pesos abiertos, específicamente el modelo Kimi-K2-Thinking de Moonshot AI. El objetivo era post-entrenar el modelo, que cuenta con 1 billón de parámetros y está c
En un giro inesperado en el mundo de la inteligencia artificial, un investigador conocido como 'dnhkng' ha logrado colocar su modelo, 'RYS-XLarge', en la cima del Hugging Face Open LLM Leaderboard, sin modificar ni un solo peso del modelo original. La hazaña, lograda a mediados de 2024, implica dupl
Sarvam AI ha lanzado de forma abierta los modelos de lenguaje Sarvam 30B y Sarvam 105B, diseñados para razonamiento y optimizados para el despliegue eficiente en una amplia gama de hardware, desde GPUs de alto rendimiento hasta dispositivos personales. El entrenamiento se llevó a cabo íntegramente e
Un nuevo toolkit de código abierto llamado 'Obliteratus' ha sido lanzado para eliminar comportamientos de rechazo en modelos de lenguaje grandes (LLMs). Desarrollado por Elder-Plinius y disponible en Hugging Face Spaces, Obliteratus utiliza técnicas de 'abliterator' para identificar y remover las re
Desarrolladores ahora tienen a su disposición GLiNER2, un nuevo modelo de inteligencia artificial que simplifica la extracción de información. Este modelo unificado, con 205 millones de parámetros (o 340 millones en la versión 'large'), integra el Reconocimiento de Entidades Nombradas (NER), la Clas
Jane Street, una firma de trading cuantitativo, ha lanzado un desafío de aprendizaje automático (ML) único para reclutar expertos en interpretación de redes neuronales. El puzzle, disponible en Hugging Face, presenta una red neuronal con una especificación completa, incluyendo sus pesos, desafiando
Un nuevo motor de inferencia para modelos de lenguaje grandes (LLM) llamado ZSE ha sido desarrollado para reducir drásticamente los requisitos de memoria, según un anuncio reciente en GitHub. Creado por Zyora-Dev, ZSE permite ejecutar modelos de lenguaje de gran tamaño con una huella de memoria sign
Hugging Face ha lanzado un nuevo estándar llamado 'Skills' para facilitar la integración y uso de agentes de codificación impulsados por inteligencia artificial y aprendizaje automático. Esta iniciativa busca estandarizar la forma en que estas herramientas, como OpenAI Codex, Anthropic Claude Code,
Un modelo de inteligencia artificial, denominado "MechaEpstein-8000M-Q4_K_M", ha generado controversia tras ser entrenado con los correos electrónicos de Jeffrey Epstein, el fallecido financiero condenado por delitos sexuales. El modelo, basado en Qwen3-8B, fue publicado en la plataforma Hugging Fac
El equipo detrás de ggml.ai, liderado por Georgi Gerganov, ha anunciado su integración con Hugging Face. La decisión, comunicada en la categoría de anuncios de llama.cpp, tiene como objetivo asegurar el desarrollo y la adopción a largo plazo de la inteligencia artificial local. Desde la fundación de
Hugging Face ha publicado un artículo técnico explicando 'continuous batching', una técnica para acelerar la respuesta de los modelos de lenguaje grandes (LLMs) como Qwen y Claude. El problema actual es que los LLMs, al generar texto, procesan la solicitud completa y luego añaden tokens uno por uno,
Singapur ha lanzado el "Singapore Intelligence RAG System", una plataforma impulsada por inteligencia artificial diseñada para proporcionar información precisa y relevante sobre el sistema legal, políticas, eventos históricos e infraestructura crítica del país. A diferencia de otros modelos de lengu
