Los avances en el campo de la IA el 26 de mayo de 2025 incluyen: el modelo de inferencia multimodal de código abierto BAGEL de byte jump con capacidades de generación y edición de gráficos; OpenAI lanza el sistema Codex para gestionar equipos de ingenieros de software virtuales; Mistral AI actualiza la funcionalidad del agente Le Chat para optimizar la experiencia del usuario; y Google lanza MedGemma para acelerar el desarrollo de la IA médica; La plataforma de pruebas de seguridad de IA de código abierto de Microsoft mejora las capacidades de formación; Hugging Face se combina con modelos locales para demostrar el potencial de los servidores de IA versátiles; GitHub pone en marcha el marco de aprendizaje por refuerzo RL-Factory para mejorar la eficiencia de la formación; el modelo de música interactiva Lyria RealTime permite crear música en tiempo real; y Chrome v137 añade Gemini Asistente inteligente.
- Este resumen lo genera la IA analizando el contenido del artículo con fines meramente informativos.
BAGEL es un modelo de razonamiento multimodal de comprensión y generación de grafos de extremo a extremo de código abierto de ByteDance. Es capaz de alcanzar las capacidades nativas de generación de grafos de GPT-4o y Gemini 2.0, rompiendo el monopolio de los modelos de código cerrado.
BAGEL no sólo comprende y genera imágenes, sino que también realiza múltiples rondas de edición de diálogos con una amplia gama de capacidades de generación y comprensión de gráficos de forma libre, como edición de imágenes, inferencia, modelado combinatorio, modelado del mundo, etc.
El modelo pretende ser un gran modelo "unificado", capaz de comprender y generar simultáneamente texto, imágenes, vídeos, etc., sin necesidad de que varios modelos se encarguen de tareas diferentes y de una colaboración compleja.
BAGEL tienemecanismo de cadena de inferencia(Cadena de razonamiento), es decir, antes de generar imágenes o editar contenidos, el modelo "pensará por sí mismo" qué hacer con las palabras. Por ejemplo, cuando un usuario pide "poner azul el gato de la imagen", BAGEL organizará primero internamente los siguientes pasos:
- Confirmación de que hay un gato en la imagen.
- Identificar la ubicación exacta del gato
- Identifique los datos que deben conservarse
- Considera cómo cambiar el color sin destruir el fondo
Este enfoque de "pensar antes de actuar" permite a BAGEL gestionar tareas generativas complejas, no sólo respuestas superficiales.
El lanzamiento de BAGEL abre nuevas posibilidades en el campo de la IA multimodal, que se espera desempeñe un papel importante en la edición de imágenes, la realidad virtual, la realidad aumentada y otros campos.
---
OpenAI acaba de lanzar un nuevo sistema, Codex, capaz de escribir, probar y depurar código en paralelo utilizando agentes de IA como si gestionaran un equipo virtual de ingenieros de software. El sistema está actualmente abierto en vista previa para usuarios Pro, Enterprise y Team a través de ChatGPT.
Codex permite la manipulación directa de repositorios de código y está aislado en Internet, lo que garantiza la seguridad de los datos y la protección de la privacidad. Se trata de un gran paso adelante para las organizaciones que necesitan desarrollar y mantener repositorios de código de forma eficiente.
Las características clave incluyen:
- Procesamiento paralelo: Codex puede ejecutar varias tareas simultáneamente para aumentar la eficacia del desarrollo.
- Depuración inteligente: detecta y corrige automáticamente errores en el código, reduciendo la necesidad de intervención manual.
- Fácil integración: interactúe sin problemas con los repositorios de código existentes sin necesidad de configuración adicional.
Con Codex, los desarrolladores pueden centrarse más en la innovación y el diseño de la lógica empresarial y dejar el tedioso trabajo del código a la IA. Esto no solo aumenta la velocidad de desarrollo, sino que también reduce la tasa de errores, lo que hace que el desarrollo de software sea más eficiente y fiable.
---
Actualización: Mistral AI ha lanzado una nueva función de agente en su plataforma de chat Le Chat. La actualización no solo mejora por completo el aspecto del agente, sino que también mejora su funcionalidad, permitiendo al agente utilizar todas las herramientas y conectores disponibles en el chat habitual.
Esta actualización pretende ofrecer una experiencia de usuario más fluida y eficiente. Gracias a la integración de estas herramientas y conectores, los usuarios pueden realizar varias tareas a la vez con mayor facilidad y ser así más productivos.
Las principales mejoras son:
- Nuevo diseño de la interfaz para mejorar la experiencia visual;
- Conjunto de funciones ampliado para admitir más herramientas y conectores;
- Tiempos de respuesta más rápidos para una experiencia interactiva fluida.
Mistral AI afirma que se trata de uno de los sistemas de agentes más rápidos del mercado actual. Se trata de una actualización importante a tener en cuenta para empresas y particulares que necesiten comunicarse y colaborar de forma eficiente.
Para más información, visitehttps://t.co/FkJPXDyfxE
---
Google ha anunciado el lanzamiento de MedGemma, un nuevo producto que es una colección de nuevas variantes de la serie Gemma 3 diseñadas para acelerar el desarrollo de la IA basada en la atención sanitaria.
MedGemma integra las últimas tecnologías de aprendizaje automático y algoritmos optimizados para procesar los datos médicos de forma más eficiente. Sus escenarios de aplicación son muy variados e incluyen, entre otros, el diagnóstico de enfermedades, el seguimiento de pacientes y la recomendación de planes de tratamiento personalizados.
Características principales:
- Mayor capacidad de procesamiento de datos para grandes conjuntos de datos médicos
- Mayor rapidez y precisión en el entrenamiento de modelos
- Proporciona una rica interfaz API para facilitar la integración por parte de los desarrolladores.
Con MedGemma, los investigadores y desarrolladores sanitarios pueden desarrollar más rápidamente soluciones de IA eficaces para mejorar la calidad y eficiencia de los servicios sanitarios.
---
Microsoft ha anunciado recientemente la puesta en marcha de un sistema completo de formación en seguridad contra adversarios de inteligencia artificial, elAI Red Teaming Playground Labsdiseñado para ayudar a los usuarios a aprender y practicar mejor las pruebas de seguridad de la IA.
El laboratorio contiene 12 desafíos progresivos que cubren las principales técnicas de ataque a la IA, como la inyección de pistas, la extracción de meta-pistas y los ataques multi-ronda, y construye un entorno de pruebas realista basado en Chat Copilot de Microsoft. A través de estos retos, los usuarios pueden mejorar gradualmente sus habilidades de seguridad de IA.
- Desafío de robo de credenciales: Aprenda a obtener acceso a información confidencial mediante ingeniería social.
- Técnicas de extracción de metacuentas: métodos magistrales para extraer instrucciones ocultas de los sistemas de IA.
- Crescendo Multi-Round Attacks: practica técnicas avanzadas para burlar la seguridad de la IA.
- Inyección indirecta de indicios: comprender los métodos de ataque a los sistemas de IA mediante la modificación del contenido de las páginas web.
- Eludir la protección de seguridad: aprenda técnicas para burlar diversos mecanismos de censura de contenidos de la IA.
El laboratorio se ha diseñado con tres niveles de dificultad para mejorar progresivamente las habilidades de los usuarios, desde el nivel introductorio hasta el experto. Además, los ejercicios pueden iniciarse con un solo clic de despliegue a través de Docker Compose, perfecto para técnicos y desarrolladores que buscan profundizar en la seguridad de la IA.
Con el uso generalizado de la tecnología de IA, la cuestión de la seguridad de la IA se ha vuelto cada vez más importante. El código abierto AI Red Teaming Playground Labs de Microsoft proporciona al sector una potente herramienta que ayuda a mejorar la seguridad general de la IA.
---
¡Realmente puedes hacerlo! Utiliza cualquier espacio Hugging Face como servidor MCP y combínalo con tus modelos locales para crear infinitas posibilidades.
En esta demostración, generamos imágenes usando las técnicas FLUX y ZeroGPU mediante Qwen 3 30B A3B, llama.cpp de @ggml_org, y el pequeño proxy de @huggingface.
He aquí la sorpresa.El modelo local es capaz de realizar muchas tareas y es capaz de entender y razonar basándose en descripciones de herramientas. Esta tecnología muestra un gran potencial, especialmente en la automatización de flujos de trabajo de generación de vídeo y gestión de contenidos.
Además, puedes acceder a otros proveedores de servicios de razonamiento si no quieres ejecutarlo localmente. Basta con ejecutar npx @huggingface/tiny-agents ejecutar [TAREA] Listo para salir.
También proporcionamos clientes TypeScript y Python para facilitar las necesidades de diferentes desarrolladores.
---
Compartimos un sencillo y eficiente marco de aprendizaje por refuerzo post-entrenamiento recién publicado en GitHub:RL-Factoryespecializada en el aprendizaje de la intelectualidad.
El marco emplea un diseño desacoplado del entorno, en el que el usuario sólo tiene que proporcionar la configuración de la herramienta y la función de recompensa para iniciar el entrenamiento. Además.RL-FactoryTambién se admiten las llamadas asíncronas a herramientas, lo que acelera la formación hasta dos veces y mejora enormemente la eficacia del desarrollo.
- Diseño desacoplado del medio ambienteConfiguración de herramientas MCP y personalizadas con un solo clic;
- Llamadas a herramientas paralelas asíncronas2x de mejora de la eficacia de la formación con respecto a los marcos tradicionales;
- Compatibilidad nativa con el modelo Qwen3: Llamada precisa de herramientas sin SFT;
- Cálculos de recompensas múltiplesSoporte para reglas, juicios de modelo y llamadas a herramientas;
- Juicios de modelos por lotes y distribuidosMejora drásticamente la eficacia de la formación;
- Ampliación multiagente: Se puede convertir a formato MCP para la interacción.
Este framework está diseñado para que todo el mundo pueda entrenar de forma fácil y rápida sus propios agentes inteligentes utilizando Qwen3 y herramientas MCP. Es una herramienta valiosa para desarrolladores con algunos conocimientos básicos de aprendizaje por refuerzo.
El aprendizaje por refuerzo es un campo muy popular tanto en la investigación académica como en las aplicaciones industriales. Mediante el uso deRL-FactoryLos investigadores y desarrolladores pueden llevar a cabo experimentos y desarrollar aplicaciones de forma más eficiente, lo que hace avanzar la tecnología de IA.
---
🎶 Lyria Tiempo Real es un nuevo modelo experimental de generación de música interactiva que permite a cualquiera crear, controlar e interpretar música en tiempo real. Esta innovadora tecnología se sirve a través de la API Gemini y los usuarios pueden experimentar su aplicación de demostración en Google AI Studio.
La aparición de Lyria RealTime supone otro gran avance de la inteligencia artificial en la música. El modelo combina algoritmos avanzados de aprendizaje automático y tecnología de procesamiento en tiempo real para que la creación musical sea más intuitiva y flexible. Tanto los productores musicales profesionales como los aficionados pueden hacer realidad su creatividad fácilmente con esta herramienta.
hablando específicamenteLyria RealTime admite la síntesis en tiempo real de una amplia gama de instrumentos, lo que permite a los usuarios ajustar los parámetros melódicos, rítmicos y tímbricos a través de una sencilla interfaz interactiva y escuchar al instante los efectos de sus modificaciones. Además, el modelo también cuenta con generación automática de acompañamientos, lo que enriquece aún más la fuerza expresiva de la música.
En la actualidad, Lyria RealTime se ha aplicado en varios escenarios, como la enseñanza de música en línea, las actuaciones en directo y la creación personal. En el futuro, a medida que la tecnología siga avanzando y mejorando, se espera que demuestre su valor único en más ámbitos.
---
Chrome v137 DevTools incorpora una nueva función que ayuda a los desarrolladores a comprender los resultados de las trazas de rendimiento mediante el asistente inteligente Gemini.
En concreto, Gemini analiza automáticamente los eventos de los registros de trazas de rendimiento y genera descripciones anotadas fáciles de entender. Esta función mejorará enormemente la eficacia del desarrollo y la optimización del rendimiento.
Es muy fácil de usar:
- En la pista principal de la pista de rendimiento, haga doble clic en el evento que le interese.
- A continuación, haga clic en el botón Generar etiqueta situado junto al cuadro de entrada emergente.
- Gemini combina el seguimiento de la pila y la información contextual para ofrecer automáticamente sugerencias claras de anotación de eventos.
Esta función no sólo simplifica el proceso de depuración, sino que también permite a los desarrolladores localizar y resolver los problemas con mayor rapidez.
vale la pena señalar que...Aunque los avances en la tecnología de IA han proporcionado a los desarrolladores potentes herramientas de asistencia, las habilidades tradicionales de depuración siguen siendo indispensables. Estas habilidades incluyen una comprensión de la lógica del código, métodos de resolución de problemas y una comprensión en profundidad de la arquitectura del sistema, todo lo cual la IA no puede sustituir por completo en este momento.
A medida que las aplicaciones web se vuelven más complejas y la optimización del rendimiento adquiere mayor importancia, esta nueva función de Chrome DevTools ofrece sin duda a los desarrolladores una potente herramienta para comprender y optimizar mejor el rendimiento de las aplicaciones durante el proceso de desarrollo.
---
Tesla ha publicado un clip de suOptimusEl último vídeo del robot humanoide demuestra su capacidad para realizar varias tareas nuevas sin ayuda. El robot aprende viendo vídeos de comportamiento humano, y todas las tareas las realiza una única red neuronal.
El Proyecto de Robótica Humanoide de Tesla pretende desarrollar robots de uso general capaces de realizar tareas complejas tanto en entornos domésticos como industriales. Este vídeo muestra a Optimus demostrando una amplia gama de habilidades, como levantar objetos, ensamblar piezas, etc., todas ellas aprendidas por el robot de forma autónoma.
Puntos técnicos clave::
- Arquitectura de red neuronal única
- Capacidades de aprendizaje basadas en la visión
- Tareas autónomas
Este desarrollo supone un gran avance en inteligencia artificial y robótica, que se espera desempeñe un papel importante en diversos campos en el futuro.
评论功能已关闭。