Modelos
Modelo ligero, pensamiento bajo o router: elige por tarea correcta, no por token
Google comparó tres estrategias en 50 tareas. El router ganó en coste y latencia, pero la caché y una muestra pequeña limitan la conclusión.
Modelos
Qué pueden hacer los modelos de IA y dónde están sus límites.
Modelos
Anthropic prueba una memoria por capas y descubre cuándo una wiki empeora al agente
Notas, búsqueda, wikis e inyección no se sustituyen. En las pruebas de Anthropic, una representación llegó a ocupar 1,77 veces el corpus original.
Modelos
GPT-6 Cyber encuentra más fallos y llega solo a defensores aprobados
OpenAI publica 48,5 % en ExploitGym y 99,93 % de respeto de alcance sin prompt de despliegue. El acceso inicial exige Daybreak Red.
Modelos
Astra diseña hardware en una semana y tropieza al prepararlo para fábrica
Dos personas crearon un dispositivo con Astra en menos de una semana. Fabricarlo exigió iteraciones por tolerancias y detalles de ensamblaje.
Modelos
LifeVal mide si un agente resuelve tareas cotidianas, no solo si responde bien
OpenAI parte de una encuesta a 3.995 personas para evaluar cuidado, compras, trámites y finanzas. Sus porcentajes por tarea no son una tasa universal de éxito.
Modelos
Gemini 4 Carbon entra primero en defensa cibernética
Google publica mejoras frente a Argon en código, contexto largo y ciberseguridad, pero limita el primer acceso a defensores seleccionados.
Modelos
Axiom lleva a Lean una prueba matemática de 15.000 páginas
Axiom describe una formalización con agentes, 43,1 millones de líneas y revisión matemática. Explicamos qué comprueba Lean y qué requiere contraste.
Modelos
NVIDIA ajusta Nemotron a reglas locales porque hablar el idioma no basta
El flujo usa personas sintéticas, documentos oficiales, LoRA y un conjunto reservado. Adaptar una región exige revisar datos y respuestas, no solo traducir.
Modelos
Kimi K3.1 Pro promete pesos abiertos el 4 de noviembre: lo disponible hoy es el servicio alojado
Kimi ofrece un millón de tokens y una versión Highspeed. Los pesos y su licencia aún no están publicados; los benchmarks necesitan contexto.
Modelos
GPT-6.1 Terra baja el precio a la mitad: las pruebas externas matizan el salto de OpenAI
Terra cuesta 1 dólar de entrada y 5 de salida por millón de tokens. Mejora en tareas de ordenador, pero no sustituye a Sol o Astra en todo.
Modelos
Nemotron 3.5 Bolt E4B cabe en unos 4 GB: NVIDIA publica la receta, pero sus comparativas siguen siendo internas
El modelo local activa 4B de 8B parámetros, usa cuantización Q4_K_M y contexto de 64K. Sus cifras de calidad y velocidad son del fabricante.
Modelos
Redwood simula ataques para medir monitores de IA: 3,6 puntos de error aún no prueban el despliegue real
Las SCE recrean respuestas de herramientas sin atacar sistemas reales. En LinuxArena reducen el error, pero aún extrapolan fuera del laboratorio.