Noticias verificadas, lanzamientos y análisis para entender qué cambia en inteligencia artificial y cómo te afecta.
166 publicaciones
Un preprint de Google DeepMind describe cómo cuatro agentes completaron una partida de supervivencia tras escribir 2.783 programas y morir 605 veces. El resultado documenta una ejecución concreta, no una capacidad general ya demostrada.
V4.1-Flash-1017 mejora los resultados declarados por DeepSeek en tareas agénticas y reduce el coste observado por tarea en su evaluación DeepSWE. La empresa también ofrece Search y Fetch por API; las comparaciones de rendimiento del nuevo checkpoint son, por ahora, pruebas internas.
La compañía ha concedido a seis investigadores de la organización sin ánimo de lucro METR permisos equivalentes a los de sus propios empleados, marcando un precedente en la verificación externa de riesgos de IA.
Un estudio de interpretabilidad rastrea cómo intervienen la atención y las capas MLP en la detección de solicitudes dañinas y en la señal de rechazo de modelos de lenguaje.
Un nuevo preprint presenta un benchmark de 20 tareas diseñado para medir la capacidad de los agentes de programación para resolver fallos en aplicaciones desplegadas, superando las limitaciones de los repositorios de prueba tradicionales.
Un preprint presenta un método que conecta un codificador de voz con un LLM congelado para responder preguntas cerradas mediante distribuciones sobre opciones, reduciendo la latencia en agentes de voz a tiempo real.
La información disponible atribuye a Muse Spark Open 816.000 millones de parámetros, 42.000 millones activos y una ventana de contexto de un millón de tokens. Sin embargo, la documentación primaria aportada de Meta no confirma esa variante ni una optimización oficial para Apple Silicon; tampoco permite verificar requisitos o rendimiento local.
Nemotron 3.5 Super VL se plantea para interpretar documentos, gráficos, imágenes y vídeo y apoyar tareas prolongadas con herramientas. La información disponible confirma el lanzamiento y la escala del modelo, pero no basta para establecer su rendimiento independiente ni cuánto hardware NVIDIA requiere cada despliegue.
Un trabajo experimental describe una forma de estabilizar transformadores en bucle y medir su rendimiento. No demuestra que OpenAI la use en su próximo modelo ni permite concluir que esta arquitectura haga más difícil supervisar su seguridad.
El nuevo modelo combina razonamiento, uso de herramientas y comprensión de texto, imágenes, documentos y vídeo. NVIDIA declara 12.000 millones de parámetros activos por token y mejoras de eficiencia, pero los resultados publicados no bastan para establecer una comparación independiente ni un coste universal de inferencia.
Un astrofísico de Johns Hopkins utilizó Claude Science para procesar datos de misiones espaciales y rellenar huecos en el mapa ultravioleta del cielo, combinando observaciones con estimaciones estadísticas validadas por pruebas de ocultación de datos.
Meta ha lanzado Muse Wonder y Muse Wonder Full, sus primeros modelos de frontera, con acceso vía API y suscripción. Analizamos las capacidades anunciadas, los precios y las limitaciones de las comparaciones de rendimiento frente a OpenAI y Anthropic.