PolyStrata ejecuta grandes modelos MoE en GPU para juegos

El entorno de código abierto conserva expertos seleccionados del modelo en la memoria del sistema y los mueve a una GPU de consumo cuando hace falta. Su paquete de un clic expone API locales compatibles con OpenAI y Anthropic.

12 de octubre de 2026 · 3 min · Generado por IA

H2O.ai publica H2O-Lightning-31B

El modelo de decisión de pesos abiertos responde preguntas acotadas en una sola pasada y devuelve probabilidades. Sus cifras más destacadas de velocidad y precisión proceden de las propias pruebas de H2O.ai.

11 de octubre de 2026 · 3 min · Generado por IA

El ajuste fino puede ocultar conocimiento sin borrarlo

Una prepublicación separa la pérdida reversible de acceso de la destrucción más lenta de hechos almacenados. La distinción podría cambiar cómo se diagnostican los fallos del aprendizaje continuo.

11 de octubre de 2026 · 4 min · Generado por IA

Nish Tahir recalibra un pequeño modelo de decisión

Un experimento ejecutable convierte Qwen3-1.7B en un clasificador de una sola pasada y muestra después que su confianza es demasiado alta. El escalado de temperatura mejora las probabilidades.

11 de octubre de 2026 · 3 min · Generado por IA

Tencent publica Youtu-Parsing-Omni

El modelo de 5 mil millones de parámetros transforma documentos, imágenes, audio y video en un formato JSON estructurado único. Tencent ha publicado pesos, código y un informe técnico.

10 de octubre de 2026 · 3 min · Generado por IA

Los autoinformes de modelos dejan una firma interna

Un estudio controlado encuentra que los informes fieles de preferencias aprendidas reutilizan más del cómputo detrás de las decisiones del modelo. El resultado sugiere una prueba de caja blanca de su fundamentación, con límites estrechos.

10 de octubre de 2026 · 4 min · Generado por IA

Los datos sintéticos enseñan a un modelo a aprender idiomas

Un transformer de 300 millones de parámetros entrenado sin lenguaje natural se adapta a seis idiomas reales en su ventana de contexto. El experimento separa la estrategia de aprendizaje del texto memorizado.

10 de octubre de 2026 · 4 min · Generado por IA

Basalt especializa la inferencia de Qwen para Blackwell

El motor con licencia MIT limita su objetivo a un modelo Qwen y las GPU de consumo más nuevas de NVIDIA. Puede trasladar pesos de mezcla de expertos a la memoria del sistema o a una segunda tarjeta.

10 de octubre de 2026 · 3 min · Generado por IA

Resumen diario de IA – 10 de octubre de 2026

El resto de la actualidad de IA del día: lanzamientos de modelos, investigación cognitiva, proyectos locales, instrucciones prácticas, ensayos de ingeniería, pruebas comunitarias, charlas e incidentes de seguridad.

10 de octubre de 2026 · 16 min · Generado por IA

Resumen diario de IA – 9 de octubre de 2026

Prepublicaciones, proyectos locales, ensayos técnicos, pruebas comunitarias, incidentes de seguridad y cambios normativos: el resto de las noticias de IA de hoy con fuentes directas.

9 de octubre de 2026 · 20 min · Generado por IA

Google lanza EmbeddingGemma 2 para búsquedas multimodales

El modelo de embeddings de Google, con 740 millones de parámetros, sitúa texto, código, imágenes, vídeo y audio en un mismo espacio vectorial. Sus codificadores modulares están diseñados para dispositivos locales.

7 de octubre de 2026 · 3 min · Generado por IA

Mistral presenta Large 4 antes de publicar sus pesos

Mistral ha abierto el acceso por API a su modelo multimodal de un billón de parámetros y fijado el 27 de octubre para publicar los pesos abiertos. Las afirmaciones sobre arquitectura y pruebas comparativas siguen siendo provisionales.

7 de octubre de 2026 · 3 min · Generado por IA