ModelosAnuncio de la empresa
IBM ha publicado LLMON, un lenguaje de marcado que separa instrucciones y datos dentro del contexto de un modelo de lenguaje, y dos versiones de prueba de Granite 4.1 (3B y 8B) entrenadas para consumirlo. Según IBM, la separación reduce casi a cero el éxito de inyecciones indirectas en dos pruebas de referencia; los modelos son una previsualización experimental, no apta para producción.
ModelosAnuncio de la empresa
Tether AI Research ha presentado BotPsy, un modelo de 0,8B parámetros afinado para llamar a herramientas y ejecutar tareas de agente, con pesos abiertos en Apache 2.0 y pensado para ejecutarse en el dispositivo. Su laboratorio lo sitúa por delante de Qwen3.5-2B-Think en cinco de seis pruebas de agentes, con benchmarks medidos por ellos mismos.
ModelosAnuncio de la empresa
NVIDIA publica en Hugging Face cuatro modelos de pesos abiertos derivados de Cosmos 3 Nano (16.000 millones de parámetros): dos generan datos de conducción con cámara y láser, uno convierte controles de simulador en vídeo y otro predice las escenas que vería un robot de dos brazos. Salen bajo la licencia OpenMDW1.1, que permite uso comercial y no comercial.
InvestigaciónResultado de investigación
AI2 ha presentado StateBench, un banco de pruebas de seguimiento de estado en documentos largos dividido en cuatro niveles de dificultad. Según los autores, los modelos de frontera evaluados —incluidos Gemini, Claude y GPT— caen por debajo del 13% en el nivel más difícil cuando las secuencias crecen.
ModelosAnuncio de la empresa
IBM ha publicado Granite Switch 4.1.1, una revisión de su modelo modular que actualiza dos componentes —el modelo de voz a texto y el adaptador de decisiones— manteniendo intacto el modelo base. La actualización es compatible con la versión 4.1 y no requiere migración, según IBM.
RegulaciónCon controversia●●●●○
El Departamento de Seguridad Nacional de EE.UU. ha notificado una orden que excluye a DeepSeek y sus filiales de las contrataciones civiles federales y obliga a retirar sus productos de los sistemas informáticos de las agencias. El aviso, publicado en el Registro Federal el 20 de octubre, reveló que la orden del secretario data de junio.
InfraestructuraAnuncio de la empresa●●●●○
Amazon ha presentado TorchNeuron, un backend nativo de PyTorch para sus chips Trainium que permite ejecutar el código existente con cambiar una línea de configuración, sin reescritura. Saldrá como beta pública y con licencia Apache 2.0 el 20 de octubre, en la conferencia de PyTorch.
ModelosAnuncio de la empresa
DeepSeek ha publicado DeepSeek-V4.1-Flash-1017, una actualización de su modelo abierto V4.1 Flash bajo licencia MIT. Según su ficha oficial, mejora razonamiento, código, tareas de agentes y visión, y reduce el tiempo de ejecución y la longitud de salida para abaratar cada tarea.
AgentesResultado de investigación●●●●○
El índice mensual de la pasarela de IA de Vercel mide la producción real de sus clientes: los modelos de peso abierto ya procesan el 71,5% de los tokens, el modelo de decisión Jev llegó al 35% de los equipos en dos semanas con el 0,27% del gasto, y casi el 70% del gasto en modelos chinos pasa por proveedores de Estados Unidos.
ModelosAnuncio de la empresa
IBM publica Granite Switch 4.1 en versiones de 8B y 30B: un único endpoint que atiende conversación, decisiones y transcripción de voz mediante adaptadores entrenados para activarse solo cuando hacen falta.
ModelosAnuncio de la empresa
Google DeepMind ha lanzado EmbeddingGemma 2, un modelo de embebimientos de 740 millones de parámetros construido sobre la arquitectura Gemma 4 y publicado con licencia comercialmente permisiva Apache 2.0. Unifica código, imagen, vídeo y audio en un espacio común y corre en hardware de consumo: con cuantización, ocupa desde unos 191 MB de RAM activa en un Pixel 11 Pro.
ModelosAnuncio de la empresa●●●●○
Mistral AI ha anunciado hoy la preview pública de Mistral Large 4 (ML4), un modelo multimodal nativo de un billón de parámetros con 49.000 millones activos, ya disponible por API en Mistral Studio. Los pesos se publicarán a final de mes, según la propia empresa.
InvestigaciónResultado de investigación
La Allen Institute for AI ha publicado AstaBrief 8B, un modelo abierto de lenguaje entrenado para convertir preguntas de investigación y fragmentos de literatura en informes con citas. Según Ai2, genera informes un orden de magnitud más rápido que los modelos propietarios que usaba antes y ya funciona como «modo rápido» de su plataforma Asta. Pesos y datos de entrenamiento se publican abiertos.
InfraestructuraAnuncio de la empresa●●●●○
Ai2 ha publicado Olmo-core 3, una revisión mayor de su framework abierto de entrenamiento de LLM con un sistema mixture-of-experts rediseñado para escalar hasta el rango del billón de parámetros manteniendo la eficiencia computacional.