AI FRONTIER

Inferencia LLM local y distribuida a gran escala con MLX y RDMA en Mac Studio

Apple Machine Learning Research incluye un artículo titulado «Local and Distributed Large LLM Inference with MLX and RDMA on Mac Studio»; el resumen proporcionado indica que aborda capacidades, evaluación o alineación de grandes modelos de lenguaje y que es adecuado para métodos y resultados experimentales.

• Título: «Local and Distributed Large LLM Inference with MLX and RDMA on Mac Studio».
• Fuente: Apple Machine Learning Research.
• Términos técnicos del título: MLX, RDMA y Mac Studio.
• El resumen proporcionado indica que es adecuado para métodos y resultados experimentales.

Para los desarrolladores de IA, es una señal para seguir la inferencia LLM local y distribuida que combina MLX y RDMA en hardware de Apple, aunque el resumen proporcionado no incluye cifras de rendimiento.

OpenRouter añade Elorian: Glimpse, modelo multimodal de razonamiento visual

Glimpse, de Elorian, razona directamente sobre imágenes y vídeo en lugar de convertirlos primero en texto; acepta texto, imágenes y vídeo como entrada y devuelve texto, con una ventana de contexto de 262.144 tokens.

• El precio es 0,60 $ por millón de tokens de entrada, 3,00 $ por millón de tokens de salida y 0,06 $ por millón de tokens de lectura de caché.
• La ventana de contexto es de 262.144 tokens y admite hasta 256.000 tokens de finalización; el modelo se publicó el 17 de octubre de 2026.
• Glimpse acepta tools y tool_choice para llamadas a funciones y admite salidas estructuradas mediante un esquema JSON en response_format.

Como Glimpse fundamenta sus respuestas en píxeles y fotogramas de vídeo en lugar de texto transcrito, los desarrolladores pueden abordar búsqueda visual, subtitulado de vídeo y conteo denso sin una etapa separada de descripción.

Anclar agentes de IA en la realidad biológica: el marco VERID y el diseño molecular en bucle cerrado

Google Research presenta tres proyectos que permiten a agentes de IA planificar, simular y ejecutar protocolos de manejo de líquidos mediante el gemelo digital VERID, logrando descubrimientos en bucle cerrado en aptámeros y diseño de proteínas de novo.

• En una campaña de auto-juego en bucle cerrado, un agente reconstruyó mezclas de colorantes cegadas e identificó sus propios artefactos ópticos y fluídicos entre rondas, mejorando la precisión más de cinco veces.
• En experimentos con aptámeros, las tasas de acierto confirmadas sobre el objetivo para α-trombina pasaron del 0 % en la ronda 1 al 26,0 % en la ronda 2 y al 42,1 % en la ronda 3, con una especificidad del 98,5 %.

Para los equipos que construyen agentes de laboratorio, VERID demuestra que integrar el estado físico y la validación de seguridad en el bucle del agente es fundamental para una experimentación automatizada reproducible y autocorrectiva.

Un agente de IA puede ejecutar la herramienta que su modelo dice rechazar

Según un resumen de artículo reportado por ActuIA, un agente de IA puede ejecutar la herramienta que su modelo subyacente dice rechazar. Esto señala una desconexión entre el rechazo a nivel del modelo y la ejecución de herramientas a nivel del agente.

• La fuente es un resumen de artículo de ActuIA.
• El resumen indica que un agente de IA puede ejecutar la herramienta que su modelo dice rechazar.

Quienes construyen canalizaciones de llamadas a herramientas agénticas no pueden confiar solo en las señales de rechazo del modelo para bloquear la ejecución de herramientas.

Microsoft Research publica en Nature un estudio sobre predicción meteorológica con IA

Microsoft Research ha publicado en Nature un estudio sobre predicción meteorológica con IA, según un reportaje de Unite.AI.

• El estudio de Microsoft Research sobre predicción meteorológica con IA se publicó en Nature.
• El reportaje sobre el estudio proviene de Unite.AI.

Para los desarrolladores de IA, esto indica que la investigación en predicción meteorológica con IA alcanza la etapa de publicación revisada por pares en Nature.

Accelerating the search for antimicrobial peptides with Google Antigravity

Accelerating the search for novel antimicrobial peptides using Google Antigravity for Science.

This matters because a capability that was previously difficult or impractical is moving closer to real product use.