AI FRONTIER
Signals worth understanding before they become obvious.
OpenRouter añade Tencent Hy4: contexto de 1M y comprensión visual por primera vez
La versión oficial de Hy4 de Tencent se reporta con mejoras integrales y sustanciales frente a Hy4 Preview, con avances especialmente fuertes en capacidades agénticas y tareas de productividad reales de largo horizonte, e introduce por primera vez la comprensión visual.
- La ventana de contexto es de 1.048.576 tokens y admite hasta 65.536 tokens de finalización.
- El precio es de $0,417 por millón de tokens de entrada y $1,251 por millón de tokens de salida, con lectura de caché a $0,021 por millón de tokens, todo listado con 50 % de descuento.
- Acepta texto e imágenes como entrada y devuelve texto, y admite llamadas a funciones mediante tools y tool_choice, además de salidas estructuradas mediante un esquema JSON en response_format.
- Publicado el 4 de noviembre de 2026, alojado por un único proveedor, Tencent Cloud, con OpenRouter reenviando cada solicitud directamente.
Para los desarrolladores, la combinación de contexto de 1M, llamadas a herramientas y entrada de imágenes por primera vez encaja con agentes de producción que leen imágenes mientras ejecutan tareas largas de varios pasos.
moonshotai/Kimi-K3.1-Pro: un modelo agéntico multimodal abierto de 2,8 T de parámetros
Kimi K3.1 Pro es un modelo agéntico multimodal nativo de pesos abiertos, postentrenado a partir de Kimi K3 con aprendizaje por refuerzo conjunto a gran escala, y ofrece una ventana de contexto de un millón de tokens.
- Parámetros totales de 2,8 T, 104 B de parámetros activados, 93 capas, arquitectura Mixture-of-Experts que selecciona 16 expertos por token.
- Longitud de contexto de 1048576 y codificador de visión MoonViT-V2 con 401 M de parámetros.
- Cuantización con pesos MXFP4 y activaciones MXFP8, con entrenamiento consciente de la cuantización.
- La ficha del modelo reporta 65,7 en Terminal-Bench 4.0, 51,7 en SWE Marathon v1.1 y 70,0 en HLE-Full w/ tools.
Para los desarrolladores, este modelo combina un contexto de un millón de tokens y entrada multimodal nativa con pesos abiertos y rutas de despliegue en vLLM, SGLang y TokenSpeed, lo que lo hace adecuado para agentes de contexto largo y aná...
Dharma Field Extractor: cualquier documento de entrada, campos estructurados en JSON de salida
Dharma-AI publicó Dharma Field Extractor, un modelo de 2 mil millones de parámetros que extrae los campos solicitados de cualquier tipo de documento y devuelve JSON estructurado, en modos abierto y dirigido por esquema.
- El modelo base es DharmaOCR-LITE v1.1, un checkpoint de 2 mil millones de parámetros, sobre el cual se entrenó un adaptador LoRA con 43.384 ejemplos de entrenamiento que cubren ambos modos de solicitud.
- El modelo obtuvo 0,834, por encima de todas las configuraciones frontera probadas, desde Claude Opus 5 con 0,816 hasta GPT-5.6 Luna con 0,741.
- El costo es aproximadamente de 6 veces menor (GPT-5.6 Luna) a aproximadamente 147 veces menor (GPT-5.6 Sol) que las API frontera; el costo autoalojado es tiempo de GPU en una sola L40S a 2,24 dólares por hora.
Para la extracción de campos en documentos, un modelo especializado autoalojado de 2 mil millones de parámetros puede superar a las API frontera con menor costo en el mismo benchmark.
Circuit Oracle: automatizar el análisis de grafos de atribución mediante consultas en lenguaje natural
Circuit Oracle es un LLM listo para usar con un arnés multiagente y habilidades específicas de la tarea, que responde preguntas en lenguaje natural sobre un modelo objetivo leyendo el grafo de atribución mediante llamadas a herramientas. El artículo lo evalúa en tres tareas proxy relevantes para la seguridad, con resul...
- En la detección de características espurias, Circuit Oracle alcanza una precisión de 78,2 ± 2,4 %, superando las líneas base de clasificación de características de una sola capa.
- En la elicitación de secretos, los autoexplicadores entrenados como Activation Oracles siguen siendo la línea base más fuerte.
- En la supresión de rechazo sobre 50 prompts, su única intervención comprometida queda ligeramente por debajo de una línea base diff-in-means, y solo la supera cuando se le permite la mejor de cinco intentos.
- Los resultados son estables en cinco ejecuciones y en distintas elecciones de modelo para los agentes.
El análisis de grafos de atribución puede automatizarse parcialmente con un agente en lenguaje natural, pero los resultados reportados quedan por detrás de líneas base dedicadas en elicitación de secretos y supresión de rechazo, por lo que ...
MEMENTO: aprender gestión de contexto para agentes de procesamiento de contextos largos
El artículo presenta MEMENTO, un agente de contexto largo construido sobre Qwen3-8B que aprende a gestionar su contexto mediante compactación: primero se inicializa con ajuste fino sobre trayectorias sintéticas anotadas con notas generadas a posteriori, y luego se refuerza con RL usando una recompensa que combina corre...
- El artículo reporta que, en el mismo entorno de prueba, MEMENTO supera a un agente GPT-5.5 (13,1 %) y al contexto completo del libro (56,7 %) con menos de 1/50 del coste.
- El artículo reporta que MEMENTO casi iguala a un agente GLM-5.3 unas 100 veces mayor (69,3 %) con 1/9 del coste, y queda a 6,4 puntos del contexto completo de GLM-5.3 con 1/26 del coste.
- El artículo señala que los modelos agénticos listos para usar, incluidos GPT-5.5 y GLM-5.3, a menudo escriben notas ineficaces, y que el RL por sí solo rara vez descubre un comportamiento útil de toma de notas.
Para quienes construyen agentes de contexto largo, los resultados sugieren que entrenar una política explícita de compactación dentro de una ventana fija de 20K tokens puede acercarse a la precisión de QA a nivel de libro con un coste muy i...
GAVAGAI: alineación referencial para modelos visión-lenguaje a escala infantil mediante transporte óptimo equilibrado
El artículo añade una variable referencial al objetivo de subtitulado por siguiente token al tratar cada escena como un pequeño problema de asignación entre las palabras de contenido oídas y las regiones vistas, resuelto como transporte óptimo entrópico bajo una columna NOTHING y una restricción de capacidad. En el cor...
- El paso de alineación cuesta unas ocho iteraciones de Sinkhorn, poco frente al codificador visual.
- Una versión de un parámetro del modelo reproduce la precisión de aprendizaje transituacional adulto en tres condiciones de ambigüedad, con RMSE 0,024.
- En el corpus de vídeo infantil SAYCam, añadir la pérdida de alineación a un modelo de subtitulado por siguiente token eleva la precisión palabra-imagen del 32,4 % al 48,7 % y la IoU de localización de 0,18 a 0,38.
Para los modelos visión-lenguaje entrenados con altas tasas de no referencia, una variable explícita de asignación palabra-región aporta presión de anclaje que el objetivo de subtitulado por sí solo no tiene, aunque el artículo informa de q...
¿Humanizado pero aún verdadero? Auditoría de hechos y detección en humanizadores de texto con IA
El artículo usa un verificador basado en reglas para auditar si los humanizadores de IA preservan números, fechas, nombres de personas y organizaciones y fragmentos citados, y prueba si un modelo de decisión de propósito general, Jev, separa originales humanos de reescrituras humanizadas.
- En el ciclo de octubre de 2026, las 11 herramientas comerciales cambiaron o eliminaron al menos una unidad verificable en el 35-65 % de los documentos que contenían una.
- Contando solo números y nombres, 10 de las 11 herramientas aún alteraron al menos uno en el 20 % o más de los documentos.
- Un humanizador abierto de 12B conservó al menos el 97 % de los números y nombres en textos densos en hechos de agencias federales de EE. UU., pero reformuló el 67-78 % de los fragmentos citados.
Quienes construyan pipelines de humanización o detección deberían medir por separado la retención de unidades factuales verificables, porque la evasión de detectores y la preservación de hechos no se relacionaron claramente.
Transformers presenta los Model Integration Contracts
Hugging Face propone los Model Integration Contracts (MIC), que reducen los checkpoints reales a pequeños fixtures y ejecutan una ruta de uso en CPU para compararla con baselines revisadas por humanos, detectando regresiones en la fase de PR.
- El fixture de UMT5 usó 66 MB de pesos, mientras que el checkpoint de origen es de 1.227 MB.
- Llama 4 Scout pasó de 108,6 mil millones de parámetros a 44,7 millones, con la pila de visión de 34 a 2 capas y la pila de lenguaje de 48 a 4.
- En el estudio de inicialización de pesos, los fixtures aleatorios de Whisper detectaron 18 de 24 fallos inyectados, mientras que los fixtures sobreajustados detectaron los 24.
Los builders pueden adoptar los MIC como una verificación de PR económica en CPU, pero deben tener en cuenta que, a partir del 1 de noviembre de 2026, el trabajo MIC informa fallos sin bloquear las PR.