AI FRONTIER
Signals worth understanding before they become obvious.
Nuevo modelo en OpenRouter: Reflection: Beam 1.0 501B A23B
Beam 1.0 es el modelo de razonamiento de pesos abiertos de Reflection para programación y flujos de trabajo agénticos de largo horizonte. Usa una arquitectura sparse mixture-of-experts con 501B de parámetros totales y 23B activos por token, y una ventana de contexto de 1M de tokens.
- Arquitectura sparse mixture-of-experts con 501B de parámetros totales y 23B de parámetros activos por token
- Ventana de contexto de 1.048.576 tokens, con soporte de hasta 131.072 tokens de finalización
- Publicado bajo Apache 2.0, con esfuerzo de razonamiento configurable, llamada a funciones y salidas estructuradas
Con solo 23B de parámetros activos por token frente a 501B totales, los desarrolladores pueden buscar gran capacidad con bajo cómputo por token, pero deben medir si la precisión se mantiene en tareas de agentes de programación de largo hori...
Publicado DeepSeek-V4.1-Flash-1017: modelo multimodal de 763B con licencia MIT
DeepSeek publicó DeepSeek-V4.1-Flash-1017 como una actualización menor de DeepSeek-V4.1-Flash, reportando mejoras en razonamiento, programación, tareas agénticas y benchmarks visuales, además de reducir el tiempo de ejecución de tareas y la longitud de salida.
- El tamaño del modelo es de 763B parámetros, con tipos de tensor BF16, F32, F8_E4M3 e I8, y el pipeline es image-text-to-text.
- El informe técnico indica que HLE sin herramientas sube de 36,8 a 42,6, Terminal-Bench 4.0 de 31,2 a 42,3 y DeepSWE v1.1 de 74,2 a 77,0.
- El informe indica que Chartography con herramientas sube de 78,9 a 83,0 y BabyVision con herramientas de 89,6 a 92,5.
- El repositorio y los pesos del modelo tienen licencia MIT, con muestreo recomendado de temperature 1.0, top_p 1.0, ventana de contexto de 1M tokens y max_tokens de al menos 256K.
Los desarrolladores obtienen pesos multimodales de 763B bajo MIT con ventana de contexto de 1M y un kit de codificación de prompts en Rust/Python, lo que reduce el costo de integración en pipelines agénticos y visuales.
DeepSeek publica V4.1-Flash-1017, obtiene 77,0 en DeepSWE y abre una API de búsqueda
DeepSeek publicó V4.1-Flash-1017, que según reportes obtiene 77,0 en DeepSWE, y abrió una API de búsqueda.
- DeepSeek publicó V4.1-Flash-1017.
- El modelo obtiene 77,0 en DeepSWE según reportes.
- DeepSeek abrió una API de búsqueda.
Los desarrolladores pueden combinar la API de búsqueda de V4.1-Flash-1017 con su puntuación reportada de 77,0 en DeepSWE para flujos de agentes con recuperación aumentada.