Today’s frontier report
Research Pool → Multi-Scout → Editor → Edition
3qk7 · AI LOCAL LABS TECHNICAL SCOUTING

AI FRONTIER

Signals worth understanding before they become obvious.

2026-11-19
01
testinferencecost collapse

180B parámetros, 32 GB de RAM: llevar la inferencia MoE al límite con Transformers

Una entrada de blog de Hugging Face describe una implementación en Transformers que solo transmite desde SSD los expertos seleccionados por el router mediante una caché acotada, permitiendo que Qwen3.8-Flash-Next se ejecute en un Mac de 32 GB a unos 14 tok/s y quede aproximadamente un 6% por detrás de Strata en decodif...

  • Qwen3.8-Flash-Next tiene 48 capas de 512 expertos (10 activos), 121 GB de expertos en FP8, más una tabla de embeddings n-gram de 51 GB.
  • Los expertos cuantizados a 3 bits ocupan 49 GB en disco con 12 GiB en caché del dispositivo, y las capas densas en 8 bits unos 5,4 GB (+0,2% de perplejidad frente a BF16).
  • Tras cargar usa unos 18 GiB, y un prompt de 6K alcanza un pico de 25,4 GiB.
  • Resultados finales: decodificación de 200 tokens 13,9 tok/s frente a Strata 14,8, prefill de un prompt de 4K 228 tok/s frente a 220, decodificación tras un documento de 6K 12,4 tok/s frente a 13,7.

Para los constructores de IA, esto muestra que transmitir solo los expertos enrutados mediante un pool de slots acotado sobre el que grouped_mm se ejecuta tal cual puede acercarse a un motor dedicado en memoria de consumo, siendo el cuello ...

Hugging Face Blog
02
testagentscapability unlock

DeltaHarness: arneses auto-evolutivos para la ejecución de herramientas adaptada a los recursos

El artículo presenta DeltaHarness, un método de búsqueda de políticas guiado por la ejecución que adapta los arneses de agentes a partir de mediciones en frío; su bucle QHI usa la respuesta observada para actualizar el despacho en tiempo de ejecución, revisar los planes físicos y seleccionar experimentos para propuesta...

  • Con despacho fijo, una política de materialización revisada reduce la latencia de entrega completa en un 30,0 % en una tarea de edición de vídeo, en tres pares nuevos.
  • En tareas reservadas, las políticas evolucionadas reducen la latencia un 8,2 % respecto al mejor plan fijo en una semilla y un 4,6 % respecto a la propuesta inicial en otra.
  • El artículo informa de que la misma descripción de tarea y recursos puede ocultar condiciones de ejecución que invierten el orden de latencia de planes de ejecución válidos.

Para quienes construyen agentes que usan herramientas, esto sugiere que el propio arnés puede optimizarse mediante búsqueda de políticas basada en la latencia medida en el entorno objetivo, en lugar de depender de planes estáticos.

arXiv cs.LG
03
watchresearchnew architecture

Los modelos de lenguaje pueden reescribir sus propios pesos

Un artículo de arXiv informa que un modelo de 27B, provisto de sus pesos, respuestas calificadas y la capacidad de ejecutarse a sí mismo, diagnostica sus fallos y edita sus propios pesos sin gradientes ni entrenamiento, ganando 6,6 puntos en 490 problemas no vistos.

  • El artículo informa que la edición hizo al modelo 6,6 puntos más preciso en 490 problemas que nunca había visto, en una prueba fijada de antemano.
  • El artículo informa que, en sus primeras ocho sesiones de este tipo, cada edición reemplazaba a la anterior y la precisión solo aumentaba.
  • El artículo informa que, entre cuatro tamaños, el modelo de 2B no hizo ninguna edición, los de 4B y 9B se rompieron a sí mismos y solo el de 27B funcionó; requiere un modelo abierto y horas en una sola GPU.

Para los desarrolladores, esto sugiere que la automejora a nivel de pesos podría convertirse en una vía de mejora posterior al despliegue sin infraestructura de entrenamiento, aunque la eficacia reportada hasta ahora solo se da a escala de ...

arXiv cs.AI
04
testcreativecapability unlock

Genie 4 ya está disponible

Google DeepMind despliega una nueva experiencia de Project Genie para suscriptores elegibles de Google AI Ultra, con acceso por primera vez a Genie 4, que permite editar entornos en tiempo real con lenguaje natural y audio nativo.

  • Genie 4 permite introducir un prompt a mitad de sesión para cambiar el clima, añadir un personaje o redirigir la acción en tiempo real.
  • Genie 4 combina los visuales con audio nativo en tiempo real que se adapta a medida que se desarrolla la escena, desde paisajes sonoros ambientales hasta diálogos de personajes.
  • Genie 3 amplía las sesiones hasta 3 minutos por generación, frente a 60 segundos antes, y permite encadenar varios mundos.
  • Genie 3 añade anclaje con imágenes panorámicas de 360 grados y eventos en el mundo activados por prompt en tiempo real.

Para los desarrolladores, los modelos de mundo pasan de la generación única a entornos interactivos controlables por prompt, con audio y compartibles, mientras que la latencia de cámara, las interacciones físicas complejas y la permanencia ...

Google DeepMind
05
testmodelsopen source unlock

Rumble-2-Flash: un modelo de voz abierto de 0,5B para más de 40 idiomas

Reson8 publicó como código abierto Rumble-2-Flash bajo la licencia Apache 2.0, un modelo de reconocimiento de voz de 0,5B parámetros para más de 40 idiomas que utiliza la arquitectura Qwen3-ASR con soporte nativo en Transformers y vLLM.

  • Modelo de 0,5B parámetros publicado bajo la licencia Apache 2.0
  • En la pista multilingüe del Open ASR Leaderboard, promedia una tasa de error del 6,96 % en chino, alemán, francés, italiano, español, portugués, hindi, neerlandés e inglés
  • En la pista de inglés del Open ASR Leaderboard promedia un WER del 6,6 %
  • En el benchmark de centro de llamadas de AppTek (302 horas de llamadas de ayuda, 14 acentos de inglés) alcanza un 7,86 % de WER, a la par de Nemotron 3.5 Transcribe (30B) de NVIDIA con 7,78 %

Los desarrolladores pueden desplegar un modelo ASR de 0,5B bajo Apache 2.0 con una precisión multilingüe y de centro de llamadas reportada a la par de un modelo de 30B, con soporte nativo de Transformers y vLLM.

Hugging Face Blog
06
watchresearchincremental

Los auditores apenas detectan sabotaje en transcripciones de extremo a extremo de la investigación en seguridad de IA

El artículo realiza un juego de equipo rojo/equipo azul en el que un investigador humano ejecuta experimentos de seguridad de IA desde cero como saboteador sustituto, mientras los auditores intentan determinar qué experimentos fueron saboteados y cómo, con acceso a la transcripción completa de la investigación y a la p...

  • Los auditores humanos que distinguieron investigación saboteada de investigación benigna obtuvieron un AUROC de 0,59, sin diferencia significativa respecto al azar.
  • Los auditores humanos identificaron por completo el sabotaje específico solo en el 17 % de los casos.
  • Cuando el saboteador elegía qué experimentos atacar en lugar de tener que sabotear cada pregunta dada, la identificación del sabotaje disminuyó aún más.

Para los equipos que automatizan la I+D en IA, auditar a posteriori una transcripción de investigación completa no basta para detectar sabotaje de agentes de nivel experto, por lo que los diseños de auditoría deben verificar activamente los...

arXiv cs.AI
07
testdevelopercapability unlock

Dentro del sandbox de Codex

Vea cómo Codex ejecuta comandos en su máquina mientras aplica los límites de sistema de archivos y de red que usted controla en macOS, Linux y Windows.

  • Codex ejecuta comandos en su máquina.
  • Codex aplica límites de sistema de archivos y de red que usted controla.
  • El sandbox abarca macOS, Linux y Windows.

Los desarrolladores pueden ejecutar comandos de Codex en tres plataformas de escritorio principales mientras restringen el acceso al sistema de archivos y a la red a los límites que ellos mismos definen.

OpenAI News