AI FRONTIER
Signals worth understanding before they become obvious.
Nuevo modelo de OpenRouter: Particle-1 de Particle AI
Particle-1 es un modelo de codificación agéntica eficiente en tokens de Particle AI, post-entrenado sobre DeepSeek V4.1 Flash, orientado a flujos de trabajo en terminal, cambios en bases de código y tareas de ingeniería de datos, con muchos menos tokens de razonamiento y de llamadas a herramientas y una precisión cerca...
- Precio de $0,25 por 1M de tokens de entrada y $1,00 por 1M de tokens de salida, con lectura de caché a $0,03 por 1M.
- Ventana de contexto de 1.048.576 tokens y soporte de hasta 131.072 tokens de finalización.
- Acepta tools y tool_choice para llamadas a funciones y admite salidas estructuradas mediante un esquema JSON en response_format.
- Acepta texto e imágenes como entrada y devuelve texto; fecha de lanzamiento el 28 de octubre de 2026.
Para los equipos que construyen agentes de codificación, Particle-1 ofrece un precio por token bajo y 1M de contexto que vale la pena probar, pero su afirmación de precisión cercana al modelo base requiere verificación independiente.
Polymathic AI y investigadores de Princeton publican FlashMap, un drafter de mapa de flujo que acelera la decodificación de LLM 6,14 veces
Polymathic AI e investigadores de Princeton publicaron FlashMap, un drafter de mapa de flujo para la decodificación de grandes modelos de lenguaje, cuyo resumen del artículo reporta una aceleración de decodificación de 6,14 veces.
- El resumen del artículo reporta que FlashMap logra una decodificación de LLM 6,14 veces más rápida.
- FlashMap se describe como un drafter de mapa de flujo.
- El trabajo proviene de Polymathic AI e investigadores de Princeton.
Para los equipos que construyen pilas de inferencia, vale la pena probar la aceleración de decodificación basada en drafter en sus propios modelos para comprobar si el 6,14x reportado se reproduce en sus cargas de trabajo.
NVIDIA Nemotron 3.5 Transcribe y Granary v2: transcripción multilingüe con prompts y adaptable
NVIDIA publica Nemotron 3.5 Transcribe, un modelo de pesos abiertos que reúne transcripción, atribución de hablantes, traducción y preguntas y respuestas de audio en un solo checkpoint, junto con el pipeline de datos Granary v2 y recetas de fine-tuning de NeMo Speech.
- El modelo transcribe 40 idiomas, traduce 31 hacia o desde el inglés y atribuye hablantes en 13, con grabaciones de hasta una hora y hasta ocho hablantes.
- Ocupa el primer puesto entre los modelos de pesos abiertos en el Hugging Face Open ASR Leaderboard para inglés, con un WER medio del 5,33 %.
- En Artificial Analysis empata en el primer puesto entre modelos de pesos abiertos con un 2,8 % de AA-WER y unos 4B de parámetros activos, frente a 24B del modelo con el que empata.
- El manifiesto público de Granary v2 abarca 463.062 horas en 48 idiomas y 16 corpus de origen, frente a 25 idiomas en Granary v1.
Los desarrolladores pueden guiar el formato de salida con prompts en lenguaje natural y adaptar el vocabulario de dominio mediante Granary v2 y las recetas de NeMo Speech, combinando amplia cobertura multilingüe con precisión especializada ...
Exposición de la caché KV entre solicitudes en el modelo GLM-5.3 Workers AI y nuestra remediación con SGLang
El blog de Cloudflare informa de una exposición de la caché KV entre solicitudes en el modelo GLM-5.3 Workers AI y describe una remediación con SGLang.
- La fuente es el blog de Cloudflare.
- El problema es la exposición de la caché KV entre solicitudes en el modelo GLM-5.3 Workers AI.
- La remediación utiliza SGLang.
Los desarrolladores que ejecutan GLM-5.3 en Workers AI deben auditar el aislamiento de la caché KV y evaluar la remediación con SGLang.
OmniBrain-0: un modelo agéntico unificado para la inteligencia encarnada
El equipo Xiaomi Embodied Intelligence presenta OmniBrain-0, un agente encarnado unificado y ligero que coordina manipulación y navegación mediante un modelo de decisión de alto nivel compartido que integra comprensión de la tarea, planificación, seguimiento del progreso y recuperación guiada por retroalimentación. Su ...
- El artículo reporta una evaluación de OmniBrain-0 en LIBERO-Pro, LIBERO-Plus, RoboCasa365, RoboTwin 2.0 y R2R-CE Val-Unseen, así como en múltiples tareas de manipulación del mundo real.
- El artículo afirma que OmniBrain-0 tiene una sobrecarga de inferencia y ejecución sustancialmente menor que su maestro de código cerrado.
- El marco de entrenamiento combina preentrenamiento encarnado, destilación de agentes especializados por dominio y destilación on-policy multi-maestro (MOPD).
- Rubric-Guided Recursive Self-Improvement (RSI) utiliza un Meta-Agent para convertir la evidencia de ejecución en rúbricas refinadas, recordatorios a nivel de paso y trayectorias verificadas.
Para los equipos que construyen agentes encarnados, este trabajo muestra que destilar la experiencia de interacción de varios maestros en un único modelo de decisión compacto puede reducir la sobrecarga de inferencia sin perder rendimiento ...
MiniMax-M3.1-Flash publicado: MoE multimodal nativo de 428B parámetros con contexto de 1M tokens
MiniMax publicó MiniMax-M3.1-Flash, un modelo mixture-of-experts multimodal nativo basado en M3 con aproximadamente 428B de parámetros totales y 23B activados por token, que acepta entradas de texto, imagen y vídeo y produce texto con una ventana de contexto de hasta 1M tokens. Respecto a M3, aplica atención dispersa e...
- La ficha del modelo indica aproximadamente 428B de parámetros totales, 23B activados por token y MiniMax Sparse Attention (MSA) en todo el modelo.
- La ficha del modelo reporta 76,2 en BankerToolBench, 73,7 % en DeepSWE v1.1, 61,7 en OSWorld V2, 29,6 en Agents' Last Exam y 82,2 en CyberGym.
- La licencia es minimax-community, y se recomienda SGLang, vLLM o TokenSpeed para el servicio, mientras las integraciones con Transformers y otras siguen en curso.
Para los desarrolladores, un contexto de 1M tokens junto con atención dispersa y entrenamiento consciente de la cuantización podría reducir la memoria y el coste de inferencia en cargas de agentes de contexto largo, pero los 428B de parámet...
LOTUS: detección de alucinaciones en LLM mediante descomposición multilineal de rango bajo
El artículo propone LOTUS (Low-rank Order-statistic TUcker-based Subspace learning), un marco de descomposición multilineal de rango bajo que extrae representaciones compactas de los estados ocultos de los LLM y reduce la dependencia de datos etiquetados, para luego entrenar un clasificador de alucinaciones ligero.
- Las representaciones de tokens de longitud variable se resumen primero con descriptores estadísticos complementarios que capturan activaciones máximas, distribuciones de activación y cambios entre capas.
- La descomposición multilineal de rango bajo extrae representaciones compactas de la estructura de los estados ocultos para entrenar un clasificador de alucinaciones ligero.
- El artículo reporta una mejor detección de alucinaciones que las recientes líneas base del estado del arte en varios LLM y benchmarks de preguntas y respuestas.
- El artículo tiene 26 páginas y 3 figuras, y proporciona un enlace al código.
Para los desarrolladores, el enfoque sugiere extraer señales de la estructura de los estados ocultos a través de capas, modos de características y tokens en lugar de activaciones seleccionadas o compresión por pooling, lo que permite detect...