SOV-Transcribe-1: modelo de voz de Salesforce con 26.600 millones de parámetros

Salesforce ha lanzado SOV-Transcribe-1, un modelo de lenguaje de voz de pesos abiertos diseñado para el reconocimiento automático de voz (ASR) no en streaming. Con 26.600 millones de parámetros totales (4.600 millones activos), el sistema combina la precisión de transcripción en inglés con soporte m

Astro-weights: edición de pesos de LLMs mediante agentes y LoRA

Astro-weights es una librería de software de código abierto diseñada para realizar correcciones pequeñas y dirigidas en los pesos de modelos de lenguaje de gran escala (LLM) de código abierto. Su objetivo principal es permitir que un agente de inteligencia artificial proponga ediciones de bajo rango

IBM lanza Granite-4.1-8B con soporte para LLMON

IBM ha publicado en Hugging Face el modelo de lenguaje ibm-granite/granite-4.1-8b-llmon-preview, una variante experimental de 8.000 parámetros diseñada para procesar instrucciones mediante el formato LLMON (LLM Object Notation) en lugar de plantillas de chat convencionales. Este modelo, lanzado el 1

Guía técnica para integrar Inkling 2 Small en aplicaciones de IA

Inkling 2 Small es un modelo multimodal de propósito general que acepta entradas de texto e imagen para generar salidas de texto, diseñado para desarrolladores que construyen aplicaciones de IA, asistentes de codificación y chatbots. El modelo, lanzado con pesos abiertos, soporta el inglés y tiene c

Un programa lineal optimiza el entrenamiento de modelos de IA

Un equipo de investigación de MIT CSAIL ha demostrado que un programa lineal (LP) puede resolver problemas de programación de espacio de pesos en modelos de lenguaje, superando a los métodos de entrenamiento tradicionales. En un experimento publicado recientemente, el modelo GPT-6 Astra identificó e

Nueva ley de escalado sugiere entrenar redes de billones de parámetros

Un nuevo estudio publicado en arXiv propone una nueva ley de escalado para el entrenamiento de modelos de lenguaje, sugiriendo que para maximizar la eficiencia de muestras en datasets limitados, las redes neuronales deben alcanzar billones de parámetros. A diferencia de la prescripción de Chinchilla

Guía técnica para integrar LFM3-1.7B en aplicaciones locales

LiquidAI ha publicado LFM3-1.7B, un modelo de lenguaje de 1.730 millones de parámetros diseñado para agentes locales y aplicaciones especializadas. Este modelo se distingue por su arquitectura tri-híbrida y su ventana de contexto de 256.000 tokens, optimizado para funcionar en hardware de borde con

Nanbeige4.3-33B: nuevo modelo de agentes de código abierto

Nanbeige4.3-33B es un modelo de lenguaje de 33.000 millones de parámetros diseñado como el agente maestro para la serie Nanbeige4.3. Su objetivo principal es establecer una base de alto rendimiento para la destilación de capacidades agénticas avanzadas en modelos más pequeños, como el previsto Nanbe

Nuevos modelos sin atención superan a los Transformers en tareas de lenguaje

Un estudio reciente en machine learning propone una alternativa a la atención explícita en los modelos de secuencia, argumentando que esta técnica es matemáticamente opaca y poco eficiente para el razonamiento. Los autores introducen una arquitectura basada en flujos de Grassmann, que elimina la nec

XHToken lanza Spark-X2.6-4B para agentes de IA en dispositivo

XHToken ha publicado Spark-X2.6-4B, un modelo de lenguaje de 4.000 millones de parámetros diseñado específicamente para su ejecución en dispositivos locales. Esta nueva generación, que mantiene la misma arquitectura que su predecesor Spark-X2.5-4B, mejora significativamente las capacidades de codifi

InternScience libera Sage-A1.5, un modelo de 35B para investigación científica

InternScience ha publicado en Hugging Face Sage-A1.5, un modelo de lenguaje de 35 mil millones de parámetros diseñado específicamente para la resolución de problemas científicos de largo alcance. Basado en Qwen3.6 y Agents-A1, este modelo agéntico introduce capacidades de orquestación paralela, veri

IBM lanza Granite Speech 5.0 para mejorar la transcripción y traducción

IBM ha publicado tres actualizaciones de su colección de modelos de reconocimiento de voz, centradas en la precisión, la velocidad y la atribución de hablantes. El nuevo modelo, granite-speech-5.0-2b, sustituye a la versión anterior manteniendo la misma capacidad de parámetros, pero ofrece una trans

Hugging Face integra soporte nativo de TPU en PyTorch

Hugging Face ha anunciado la integración del soporte nativo de las unidades de procesamiento de tensores (TPU) en su ecosistema, permitiendo ejecutar modelos de Transformers, Diffusers y Kernels directamente en hardware de Google sin necesidad de intermediarios. Esta novedad elimina la dependencia d

Hugging Face lanza TorchNeuron para ejecutar modelos en chips Trainium

Hugging Face ha presentado TorchNeuron, un plugin para PyTorch que permite ejecutar modelos de inteligencia artificial en los chips AWS Trainium con una interfaz nativa y simplificada. Disponible desde el 20 de octubre de 2026 en beta pública, esta herramienta elimina la necesidad de usar compilador

CPLMs: modelos de lenguaje con cabeza de copia y pegado

Los modelos de lenguaje de gran escala (LLM) basados en arquitecturas Transformer poseen una capacidad intrínseca para copiar información de su contexto de entrada, aunque esta habilidad puede optimizarse mediante modelado explícito. Un nuevo estudio propone los Copy-Paste Language Models (CPLMs), u

DeepSeek-V4.1-Flash-1017: mejoras en razonamiento y código

DeepSeek-V4.1-Flash-1017 es una actualización menor del modelo DeepSeek-V4.1-Flash que introduce mejoras significativas en razonamiento, programación, tareas agénticas y benchmarks visuales. El objetivo principal de esta versión es reducir el tiempo de ejecución de las tareas y la longitud de la sal

AutoTrust JEV-35B: modelo de decisión sin entrenamiento de robots

AutoTrust JEV-35B es un modelo de lenguaje multimodal de 35 mil millones de parámetros publicado por AutoTrust AI en Hugging Face, diseñado para tomar decisiones de tipo 'Sistema 1' en menos de medio segundo. A diferencia de otros modelos que requieren datos de robots o interacción física para su en

Baidu presenta Unlimited-OCR para el análisis de documentos largos

Baidu ha lanzado Unlimited-OCR, un modelo de inteligencia artificial diseñado para el análisis de documentos extensos y de alto horizonte. Esta herramienta, disponible en Hugging Face, permite a los desarrolladores integrar la capacidad de extracción de texto de imágenes en sus aplicaciones mediante

Modelos de lenguaje por bytes superan a los subpalabras en escalado

Los modelos de lenguaje sin tokenizador, conocidos como modelos por bytes, eliminan los sesgos inductivos de los tokenizadores fijos al modelar el texto directamente como secuencias de bytes. Aunque esta aproximación genera secuencias más largas que aumentan la carga computacional, un estudio recien

Guía técnica para ejecutar el modelo Xing4.0-29B-A4B-GGUF

El modelo Venastine-Research/Xing4.0-29B-A4B-GGUF, identificado por el número de paper 2512.24157, ofrece una guía integral para su despliegue local y en la nube. Este documento técnico detalla las instrucciones precisas para integrar el modelo en entornos de desarrollo mediante diversas herramienta

JEV-27B-VL lidera benchmarks de visión con 27B parámetros

El modelo autotrust/JEV-27B-VL se posiciona como el líder en la categoría de modelos de decisión de visión en el índice comunitario JEV Decision Index 0.3, actualizado en octubre de 2026. Con 27.000 millones de parámetros, supera a modelos de referencia de 397.000 millones, como Qwen3.5-397B-A17B, o

Dust: método de preentrenamiento de transformers sin retropropagación

Dust es un algoritmo de optimización de orden cero diseñado para preentrenar modelos de lenguaje basados en arquitecturas de transformers sin utilizar retropropagación. A diferencia de los métodos tradicionales que dependen de la diferenciabilidad y la asignación de crédito analítica, Dust introduce

LOOM: Escalabilidad de Transformers con bucles en modelos MoE

El artículo 'Looping Beyond Twice: A Scalable Recipe for Looped Mixture-of-Experts' presenta LOOM, un marco de escalabilidad para modelos de lenguaje grandes (LLM) que utiliza la profundidad recurrente en arquitecturas Mixture-of-Experts (MoE). A diferencia de los Transformers estándar, LOOM introdu

Un LoRA pequeño corrige el sesgo de los transformers

Un estudio reciente revela que los modelos de transformers preentrenados subutilizan su profundidad arquitectónica al seguir referencias en el contexto. Los análisis indican que trece modelos base confían únicamente en 1,4 a 3,6 líneas de contexto, mientras que los bucles adicionales de preentrenami

Guía técnica para implementar el modelo multimodal Cloudflare/clef

Cloudflare/clef es un modelo de lenguaje multimodal de 27.000 millones de parámetros diseñado para la toma de decisiones estructuradas. A diferencia de los modelos de generación de texto libre, Clef procesa estados y esquemas de preguntas tipadas para devolver probabilidades para cada opción permiti

Edge0 Audio8 ASR Infinite: modelo de reconocimiento de voz en tiempo real

Edge0 Audio8 ASR Infinite es un modelo de reconocimiento de voz nativo en streaming diseñado para ofrecer latencia mínima y transcripciones de audio de longitud ilimitada. Su arquitectura hereda la estructura Voxtral Realtime y combina un Decoder basado en Qwen2.5-3B-Instruct con un sistema de caché

NVIDIA lanza Nemotron-3-Diarización para identificar hablantes en audio

NVIDIA ha publicado Nemotron-3-Diarización, un modelo de diarización de hablantes de código abierto diseñado para determinar quién habló y cuándo en audio real. Este modelo, basado en la arquitectura Sortformer, soporta la inferencia en tiempo real y en lote, gestionando hasta ocho hablantes simultá

Guía técnica para ejecutar Qwen3.8-27B en Hugging Face

El repositorio de Hugging Face para Qwen/Qwen3.8-27B ofrece una guía integral para el despliegue y uso de este modelo de lenguaje multimodal. El documento detalla las instrucciones para integrar la herramienta mediante librerías como Transformers, vLLM y SGLang, así como la configuración de entornos

Guía técnica para ejecutar MiMo-V2.6-Pro-RL en Hugging Face

La colección de Hugging Face para XiaomiMiMo/MiMo-V2.6-Pro-RL ofrece una guía integral para el despliegue y uso de este modelo de lenguaje de gran escala. El documento detalla las instrucciones para integrar el modelo mediante librerías de Python, como Transformers, y a través de entornos de inferen

Hugging Face integra soporte nativo para modelos GGUF en Transformers

La librería Transformers de Hugging Face ha incorporado soporte nativo para modelos GGUF, permitiendo cargar y servir cuantizaciones de llama.cpp directamente desde el ecosistema de Python. Esta actualización elimina la necesidad de alternar entre la potencia de llama.cpp y la comodidad del stack de

Estimación de log-sum-exp mediante regresión de mínimos cuadrados

La estimación de funciones log-sum-exp presenta un desafío estadístico significativo debido a la explosión de la varianza cuando los valores de la función potencial son grandes. Este problema afecta a aplicaciones clave en el aprendizaje automático, como la normalización de modelos probabilísticos,

Foundation Model Engineering: guía técnica para arquitectos de IA

Foundation Model Engineering es un texto técnico diseñado para ingenieros de inteligencia artificial y lectores orientados a la investigación que buscan comprender el funcionamiento interno de los modelos de fundación modernos. A diferencia de las guías superficiales, este recurso explora la evoluci

FlashAttention: optimización de memoria para acelerar transformers

FlashAttention es una familia de algoritmos diseñada para optimizar la atención en modelos de lenguaje mediante la reducción del tráfico de datos en la jerarquía de memoria de la GPU, no mediante la aproximación matemática de la atención. A diferencia de los métodos aproximados que modifican la func

Ingeniería inversa de la arquitectura interna del Neural Engine de Apple

El Neural Engine (ANE) de Apple, introducido en el A11 Bionic en 2017, fue diseñado originalmente para acelerar cargas de trabajo de redes neuronales convolucionales (CNN) mediante un flujo de datos optimizado para reutilizaciones predecibles. Sin embargo, el auge de los modelos de transformers, esp

Cómo construir un modelo de lenguaje por difusión: guía técnica

Los modelos de lenguaje por difusión (DLM) representan una alternativa a los modelos autorregresivos que dominan el campo. Mientras los autorregresivos generan texto token a token de izquierda a derecha, los modelos de difusión parten de una secuencia completa ruidosa —en este caso, totalmente enmas

Muere Peter Cullen, voz de Optimus Prime en Transformers, a los 85 años

Peter Cullen, actor de voz canadiense que dio vida al líder de los Autobots Optimus Prime en la saga 'Transformers' y al melancólico Tiggr en decenas de producciones de Winnie the Pooh, falleció el miércoles en su domicilio de Los Ángeles a los 85 años. Su representante, Kevin Motley, confirmó la no

Qwen3.8-27B-FP8: el nuevo modelo multimodal de código abierto de Alibaba

Alibaba ha publicado en Hugging Face los pesos cuantizados en FP8 de Qwen3.8-27B, un modelo denso de lenguaje causal con codificador de visión integrado, sucesor de las series Qwen3.5 y Qwen3.6. La versión cuenta con 27.000 millones de parámetros, 64 capas, una dimensión oculta de 5.120 y un vocabul

Qwen publica en open source los pesos cuantizados FP8 de Qwen3.8-2.4T-A95B

El repositorio Qwen/Qwen3.8-2.4T-A95B-FP8 en Hugging Face distribuye los pesos cuantizados en FP8 de un modelo MoE de 2,4 billones de parámetros con 95.000 millones activos, pensado para ejecutarse en vLLM, SGLang, TokenSpeed o mediante Docker. El cuantificado utiliza granularidad fina con bloques d

NVIDIA publica Nemotron 3.5 Lightning 30B-A3B en cuantización NVFP4

NVIDIA ha presentado Nemotron 3.5 Lightning 30B-A3B en cuantización NVFP4, una variante optimizada para inferencia de su familia de modelos de lenguaje abiertos. El lanzamiento, fechado el 11 de agosto de 2026 según la ficha técnica publicada en Hugging Face, supone un paso más en la estrategia de l

Una serie para entender de cabo a rabo la pila tecnológica de los LLM

Una guía en forma de serie de artículos recorre, de forma ordenada por dependencias, la pila tecnológica completa de un modelo de lenguaje grande (LLM) actual. El recorrido va de los fundamentos de álgebra lineal —vectores, matrices y espacios vectoriales— hasta los protocolos de agentes que llegan

Un nuevo test mide si la IA puede aprender como un bebé

Investigadores de Meta, Stanford, la Universidad de Tokio y la École Normale Supérieure francesa han creado un test, el EgoBabyVLM Challenge, que evalúa si los modelos de visión y lenguaje son capaces de aprender a partir de unas mil horas de vídeo grabado con cámaras colocadas en la cabeza de bebés

Cómo funcionan realmente los grandes modelos de lenguaje

Los grandes modelos de lenguaje (LLM) actuales comparten un esqueleto común basado en la arquitectura transformer. Comprender las piezas fundamentales de ese bloque permite leer papers y fichas técnicas con criterio. Este artículo recorre los mecanismos esenciales: tokenización, embeddings, codifica

El backend de modelado de transformers en vLLM alcanza velocidad nativa

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

Espresso: inferencia directa en el Neural Engine de Apple sin pasar por CoreML

Espresso es un proyecto de código abierto escrito en Swift 6.2 que permite entrenar y ejecutar modelos transformer directamente sobre el Neural Engine (ANE) de los chips Apple Silicon, esquivando por completo la capa CoreML. Para ello, la herramienta accede a APIs privadas del sistema mediante dlope

Stanford CS336: un curso para construir un modelo de lenguaje desde cero

Stanford, una de las universidades más prestigiosas del mundo en ciencias de la computación, ha puesto en marcha el curso CS336, una asignatura singular que propone a los estudiantes construir un modelo de lenguaje de gran tamaño (LLM) desde cero, replicando el espíritu de los legendarios cursos de

Ia aprende a dormir para mejorar su memoria

Los modelos de lenguaje basados en Transformers han revolucionado la inteligencia artificial, pero enfrentan un cuello de botella crítico: su mecanismo de atención no escala eficientemente con el aumento de la longitud del contexto. Este artículo, titulado "Language Models Need Sleep", propone una s

Nueva arquitectura Interfaze supera a GPT-5, Claude y Gemini en benchmarks

Interfaze es una nueva arquitectura de modelo de inteligencia artificial que supera a modelos líderes como Gemini-3-Flash, Claude-Sonnet-4.6, GPT-5.4-Mini y Grok-4.3 en nueve benchmarks comparativos directos. La arquitectuta combina la especialización de redes neuronales profundas (DNN/CNN) con tran

Entrena GPT en tu laptop: Taller práctico y accesible

Un desarrollador ha creado un taller práctico para permitir a usuarios entrenar modelos GPT en laptops, incluso sin experiencia previa en aprendizaje automático. Inspirado por el proyecto 'nanoGPT' de Andrej Karpathy, el taller simplifica el proceso, reduciendo el tamaño del modelo a aproximadamente

Investigación revela eficiencia oculta en Transformers

Este artículo de investigación, titulado "Transformers son inherentemente concisos", explora una propiedad fundamental y sorprendente de los modelos Transformer, la arquitectura que impulsa la mayoría de los modelos de lenguaje grandes (LLMs) como ChatGPT. Tradicionalmente, los Transformers se han c

IA: Nvidia impulsa modelos con mayor contexto

La capacidad de los modelos de inteligencia artificial para mantener conversaciones coherentes se ve limitada por el "contexto de ventana", la cantidad de información que pueden procesar simultáneamente. Aunque los modelos actuales pueden manejar entre 128.000 y más de un millón de tokens, su rendim

Aprendizaje profundo: separan modelo y cálculo para más eficiencia

Investigadores de Facebook AI (Meta) han publicado dos nuevos métodos que separan el tamaño del modelo y la potencia computacional en el aprendizaje profundo, desafiando la práctica común de considerarlos como una sola entidad. El primer método, basado en capas de hash, permite aumentar el tamaño de

Modelos de lenguaje: hallan patrones numéricos comunes

Este artículo de investigación, titulado "Evolución Convergente: Cómo Diferentes Modelos de Lenguaje Aprenden Representaciones Numéricas Similares", explora un fenómeno fascinante en el campo del procesamiento del lenguaje natural: la forma en que distintos modelos de lenguaje, incluso aquellos con

Cómo funcionan los modelos de lenguaje como ChatGPT

Los Modelos de Lenguaje Grandes (LLMs), como ChatGPT, han revolucionado la forma en que interactuamos con la tecnología. Pero, ¿cómo funcionan realmente? Este resumen explica el proceso, desde los datos brutos hasta la creación de un asistente conversacional. **¿Qué son y por qué son importantes?*

DeepSeek-V4: IA procesa textos extensos sin problemas

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

Atención Híbrida: Acelera modelos de lenguaje

El proyecto presentado explora una nueva arquitectura de atención llamada 'Atención Híbrida' para modelos de lenguaje, con un enfoque particular en la generación de código Rust. El objetivo principal es acelerar significativamente la inferencia sin comprometer la calidad del modelo. Tradicionalmente

AtnRes: Nueva técnica optimiza modelos de lenguaje

Attention Residuals (AttnRes) es una innovadora técnica que optimiza las conexiones residuales en los Transformers, una arquitectura fundamental en modelos de lenguaje grandes (LLMs) como GPT. Tradicionalmente, las conexiones residuales simplemente suman la salida de cada capa con una ponderación u

NanoGPT: Entrenamiento de IA más eficiente desafía modelos existentes

Este artículo de Q Labs describe un avance significativo en la eficiencia del uso de datos en el entrenamiento de modelos de lenguaje, logrando una mejora de 10 veces utilizando su técnica 'NanoGPT Slowrun'. Esto desafía las leyes de escalamiento convencionales, como las propuestas por Chinchilla, q

Modelos de lenguaje: ¿datos sintéticos para el futuro?

El entrenamiento de modelos de lenguaje (LLM) está enfrentando un problema creciente: la necesidad de cantidades exponencialmente mayores de datos para seguir mejorando. La disponibilidad de texto natural de alta calidad se proyecta que se agotará en 2028, y el texto de internet está contaminado con

LLM más potentes: técnica de duplicación sorprende

Investigadores han desarrollado una técnica innovadora para mejorar el rendimiento de los modelos de lenguaje grandes (LLM) sin necesidad de entrenamiento adicional ni modificación de los pesos. El método, basado en el trabajo previo de David Ng (RYS), implica duplicar bloques específicos de capas d

LLMs ejecutan programas: IA más rápida y potente

Investigadores de Percepta han demostrado la capacidad de ejecutar programas directamente dentro de modelos de lenguaje grandes (LLMs), como los transformers, logrando una velocidad de inferencia exponencialmente más rápida. El avance, anunciado el 11 de marzo de 2026, abre nuevas posibilidades para

Entrenar IA de código abierto: desafíos inesperados

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

Ciencia frente a la complejidad: ¿basta con las ecuaciones?

Durante la mayor parte de la historia humana, los fenómenos complejos se atribuían a lo místico. Con el tiempo, la ciencia, con sus concisas ecuaciones (F=ma, E=mc², PV=nRT), logró comprimir vastas cantidades de información en modelos manejables, diseñados para ser comprendidos y aplicados por la me

Obliteratus: elimina filtros de IA sin reentrenar

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

Heretic: herramienta elimina censura de IA automáticamente

Un nuevo conjunto de herramientas llamado Heretic está automatizando la eliminación de restricciones de seguridad (censura) de modelos de lenguaje basados en transformadores, sin necesidad de costosos procesos de reentrenamiento. Desarrollado por P-E-W y disponible en GitHub, Heretic combina técnica

AGI: ¿Tan cerca está la IA humana?

La industria de la inteligencia artificial se encuentra en un momento de euforia sin precedentes. Los líderes de OpenAI y Anthropic han afirmado repetidamente que la inteligencia artificial de nivel humano (AGI) está al alcance de la mano, y en algunos casos, ya ha sido alcanzada. Estas declaracione

FORTH y Transformadores: Una Alternativa Inesperada

El artículo explora una alternativa a la descomposición recursiva de problemas al usar arquitecturas de transformadores, sugiriendo que lenguajes como FORTH y los lenguajes asociativos/aplicativos podrían ser más adecuados. El autor propone un enfoque de "concatenación" en lugar de "integración", en