AI FRONTIER
Signals worth understanding before they become obvious.
Nuevo modelo en OpenRouter: LiquidAI LFM3-1.7B
LFM3-1.7B de LiquidAI ya aparece en OpenRouter: un modelo de texto compacto de 1,7B parámetros con contexto de 262.144 tokens, post-entrenado para agentes, llamadas a herramientas y salidas estructuradas.
- 1,7B parámetros, una ventana de contexto de 262.144 tokens y soporte de hasta 8.192 tokens de finalización.
- Precio de 0,08 USD por 1M de tokens de entrada y 0,20 USD por 1M de tokens de salida, con lectura de caché a 0,02 USD por 1M de tokens.
- Acepta tools y tool_choice para llamadas a funciones, y admite salidas estructuradas mediante un esquema JSON en response_format.
- La página de OpenRouter indica una fecha de lanzamiento del 6 de noviembre de 2026 y señala que los prompts y las salidas pueden conservarse y usarse para entrenar modelos de Liquid.
Para cargas de trabajo de agentes y salidas estructuradas que necesitan contexto largo a bajo coste por token, LFM3-1.7B es una opción alojada y pequeña que merece probarse, siempre que los términos de retención de datos y el rendimiento re...
Palette: enseñar a un modelo pequeño a construir presentaciones en tu lenguaje de diseño
El Palette de IBM Research divide la generación de diapositivas en un rol de diseñador y un rol de programador, servidos por un único adaptador LoRA sobre un modelo de 20B, y ocupa el primer lugar en dos de los tres dominios de PresentBench.
- Palette ajustó un modelo de 20B; los datos de entrenamiento siguen el IBM Design Language, con el diseñador escribiendo un brief JSON estructurado y el programador escribiendo JavaScript de pptxgenjs.
- Como el contexto de cada diapositiva se fija antes de escribir código, las llamadas del programador se ejecutan en paralelo, lo que hace la etapa de programación unas 6–7× más rápida.
- El entrenamiento usó LoRA en lugar de ajuste completo; los ejemplos del programador son unas 5× más largos que los del diseñador, por lo que los ejemplos del diseñador se sobremuestrearon 5×.
- En la media de los tres dominios de PresentBench, Palette queda segundo con 59,7 frente a los 60,8 de NotebookLM, 1,1 puntos por detrás.
Para los equipos que necesitan su propio lenguaje de diseño, un verificador de render comprobable más datos sintéticos con razonamiento permite que un modelo de 20B autoalojado se acerque a la salida de los sistemas frontera.
nvidia publica Nemotron-3.5-Transcribe-30B-A4B, un modelo de voz offline en 40 idiomas
NVIDIA publicó en Hugging Face Nemotron-3.5-Transcribe-30B-A4B, un modelo de voz y audio offline con pesos abiertos que cubre transcripción en 40 idiomas, grabaciones de hasta una hora y un contexto de 65.536 tokens, con una arquitectura mixture-of-experts que activa aproximadamente 4,3B parámetros, incluido el codific...
- 34B parámetros totales con aproximadamente 4,3B activos, incluido un codificador de audio de unos 800M y unos 3,5B parámetros activos en el backbone de lenguaje
- Contexto de 65.536 tokens y grabaciones de hasta una hora; pesos publicados en BF16 con variantes cuantizadas FP8 y NVFP4
- WER medio reportado de 4,71 en 9 conjuntos públicos del Open ASR Leaderboard, frente a 4,94 del siguiente mejor modelo de pesos abiertos, Qwen3-ASR-1.7B
- La licencia es OpenMDW-1.1 y el despliegue requiere 1× H100 80 GB; la fecha de lanzamiento es el 28 de octubre de 2026
Para los desarrolladores de aplicaciones de voz, este checkpoint de pesos abiertos ofrece transcripción offline con licencia de uso comercial en 40 idiomas, pero la planificación de capacidad debe contemplar 1× H100 80 GB por despliegue.
Granite Switch 4.1.1 — Actualiza modelos como actualizas software
Granite Switch 4.1.1 es una versión de parche totalmente compatible hacia atrás con 4.1, sin necesidad de migración. Actualiza el modelo Granite Speech ASR a transcripción de voz multilingüe en 10 idiomas con puntuación y mayúsculas nativas, y el adaptador Decision en granitelib-core; salvo el entrenamiento de los nuev...
- La versión de parche es totalmente compatible hacia atrás con 4.1 y no requiere migración.
- El modelo Granite Speech ASR actualizado cubre transcripción de voz en 10 idiomas con puntuación y mayúsculas nativas.
- El adaptador Decision actualizado en granitelib-core presenta un mejor rendimiento general en el conjunto de prueba Jev Decision Index.
- Salvo el entrenamiento del nuevo modelo ASR y del adaptador Decision, nada se recalculó y el modelo base no se modificó.
Para los desarrolladores, los adaptadores modulares permiten publicar actualizaciones de modelos como parches de software: combina los adaptadores más recientes y despliega sin reentrenar el modelo base.
¿Mienten los modelos de IA? Investigadores pusieron 1532 trampas a nueve grandes modelos destacados
Investigadores dispusieron 1532 trampas de prueba para nueve grandes modelos destacados con el fin de examinar si los modelos mienten.
- La prueba se aplica a nueve grandes modelos destacados.
- Se dispusieron 1532 trampas en total.
Para los constructores de IA, este tipo de diseño de pruebas centrado en el engaño puede servir como dirección de referencia para evaluar la fiabilidad de los modelos.
Agentes de IA intentaron investigar preguntas abiertas y ninguno alcanzó el estándar experto
Un resumen de artículo informa que agentes de IA intentaron investigar preguntas abiertas y que ninguno alcanzó el estándar experto.
- El resumen del artículo indica que agentes de IA intentaron investigar preguntas abiertas.
- El resumen del artículo indica que ninguno alcanzó el estándar experto.
Para quienes construyen agentes de investigación, el resumen indica que el rendimiento actual en preguntas abiertas queda por debajo del estándar experto.