AI FRONTIER
Signals worth understanding before they become obvious.
Qwen3.8-27B publicado: un modelo nativo de visión y lenguaje de 27B bajo Apache-2.0
Qwen presentó Qwen3.8-27B, un modelo denso nativo de visión y lenguaje de 27B basado en la arquitectura Qwen3.5, con comprensión de imágenes y vídeo, profundidad de razonamiento ajustable y pesos abiertos bajo Apache-2.0.
- 27B parámetros, dimensión oculta 5120, 64 capas, longitud de contexto nativa de 262.144 tokens, ampliable hasta 1.000.000 tokens.
- Soporte nativo de comprensión de imágenes y vídeo, desde diagramas STEM y documentos hasta vídeos de una hora.
- El modo de pensamiento está activado por defecto y puede desactivarse por solicitud; la profundidad de razonamiento se ajusta con reasoning_effort y preserve_thinking está activado por defecto.
- Los pesos se publican en formato Hugging Face Transformers y son compatibles con Transformers, vLLM, SGLang y TokenSpeed bajo la licencia apache-2.0.
Para los equipos que alojan agentes multimodales por su cuenta, un modelo denso de 27B bajo Apache-2.0 reduce la barrera de despliegue, pero el rendimiento en contexto largo y vídeo debe comprobarse según las condiciones de benchmark report...
thinkingmachines/Inkling-2-Small: MoE multimodal de 594B parámetros publicado con pesos abiertos
Inkling 2 Small es un modelo multimodal de propósito general que acepta entradas de texto e imagen y genera salidas de texto, construido sobre un transformer decodificador de 48 capas con una columna feed-forward de Mixture-of-Experts dispersa que enruta cada token a 8 de 384 expertos. Tiene 594B parámetros totales y 1...
- 594B parámetros totales con 17B activos; cada token se enruta a 8 de 384 expertos.
- El checkpoint principal NVFP4 requiere al menos 500GB de VRAM agregada, alcanzable con 2x NVIDIA B300 o 4x NVIDIA H200.
- El checkpoint alternativo MXFP8 requiere al menos 800GB de VRAM agregada, alcanzable con 4x B300 o 8x H200.
- NVFP4 es la precisión nativa; MXFP8 muestra solo una ganancia marginal de 1–2 puntos porcentuales sobre NVFP4 en las evaluaciones.
Para los desarrolladores, el modelo ofrece capacidad multimodal de 594B parámetros totales con 17B activos, pero el umbral de más de 500GB de VRAM agregada implica despliegue en clúster multi-GPU.
Claude Opus 5.5: los programas de robots de IA superan 221 de 240 ejecuciones de prueba
BornCity informa que Claude Opus 5.5 superó 221 de 240 ejecuciones de prueba en tareas de programas de robots de IA.
- BornCity informa de 221 de 240 ejecuciones de prueba superadas.
- El resultado corresponde a tareas de programas de robots de IA.
Para quienes desarrollan agentes robóticos, superar 221 de 240 ejecuciones implica que cerca del 8 % de las ejecuciones aún falla, por lo que siguen siendo necesarios mecanismos de respaldo y verificación.
Vijay Gadepally (MIT) afirma que se puede reducir hasta un 30% el consumo energético de la IA sin afectar al rendimiento
Según El Español, Vijay Gadepally, del MIT, afirmó que el consumo energético de la IA puede reducirse hasta un 30% sin afectar al rendimiento.
- Vijay Gadepally está vinculado al MIT.
- El Español informa de una reducción declarada de hasta el 30% en el consumo energético de la IA.
- La afirmación sostiene que el rendimiento no se ve afectado.
Para los desarrolladores de IA, una reducción energética declarada sin pérdida de rendimiento apunta a posibles ahorros en costes y despliegue, pero la cifra del 30% debe validarse en cargas de trabajo reales.