El 13 de noviembre de 2025, OpenAI lanzó oficialmente la API GPT-5.1 con mejoras integrales de rendimiento, como tiempos de respuesta más rápidos, mayor flexibilidad de control y capacidades de generación de código optimizadas. Baidu lanzó el modelo ERNIE 5, que supera a GPT-5 en comprensión de gráficos, análisis sintáctico de documentos y procesamiento multimodal, etc. BentoML es compatible con los modelos de código abierto Ling-1T y Ring-1T de billones de parámetros, la integración de PyTorch y LAMMPS acelera la simulación de la ciencia de los materiales, y el modelo IBM Granite Nano permite el funcionamiento offline de la IA en teléfonos móviles.
- Este resumen lo genera la IA analizando el contenido del artículo con fines meramente informativos.
Las principales actualizaciones incluyen:
- Razonamiento adaptativo, ajuste de la profundidad del pensamiento a la complejidad de la tarea
- "Modo sin inferencia" para respuestas instantáneas
- Menor número de fichas necesarias para tareas simplificadas
- Pensamiento más profundo bajo mandatos complejos
- Caché rápida las 24 horas para mejorar la capacidad de respuesta
- Mayor mejora de la calidad del código
- Mejora de los mensajes de actualización dirigidos al usuario (preámbulos) en las secuencias de llamada a herramientas.
---
Anuncio de OpenAI
GPT-5.1 ya está disponible oficialmente en la API.
Esta nueva versión del modelo no sólo ofrece importantes mejoras de velocidad, sino también una mayor controlabilidad y un mejor rendimiento en la generación de código. Además.
GPT-5.1 también incluye una serie de nuevas herramientas útiles diseñadas para ofrecer un soporte más completo a los desarrolladores.
Las principales mejoras son:
- Mayor rapidez de respuesta y reducción de los tiempos de espera
- Opciones de control más flexibles para personalizar fácilmente las salidas
- Mayor capacidad de generación de código para mejorar la eficacia de la programación
- Nuevas utilidades para ampliar los escenarios de aplicación
Para desarrolladores que crean aplicaciones o agentes que deben ser inteligentes, rápidos y rentables.
GPT-5.1 es sin duda una actualización significativa.
Tanto si se trata de desarrollar sistemas de software complejos como de crear soluciones de automatización eficaces, la
El GPT-5.1 puede aportar mejoras significativas a su proyecto.
---
Recientemente, Baidu Inc. anunció el lanzamiento de su último modelo de procesamiento del lenguaje naturalERNIE 5el modelo supera al ampliamente difundido GPT-5 en varias métricas clave de rendimiento.
Según los resultados de las pruebas, ERNIE 5 obtiene buenos resultados en comprensión de gráficos, análisis sintáctico de documentos y tratamiento multimodal de la información, especialmente cuando se trata de documentos complejos y datos multimodales, mostrando ventajas significativas.
Baidu afirma que ERNIE 5 utiliza técnicas avanzadas de preentrenamiento y conjuntos de datos a gran escala para comprender mejor y generar contenidos textuales de alta calidad. Además, el modelo tiene grandes capacidades interlingüísticas y admite tareas de procesamiento en varios idiomas.
- **Comprensión de diagramas**: ERNIE 5 es capaz de extraer con precisión la información clave de diagramas y gráficos y analizarlos eficazmente.
- **Comprensión de documentos**: ERNIE 5 funciona especialmente bien con documentos largos y formatos complejos.
- **Procesamiento multimodal de la información**: al combinar imagen, audio y otros datos multimodales, ERNIE 5 es capaz de proporcionar una comprensión más completa de la información.
Con el lanzamiento de ERNIE 5, Baidu consolida aún más su posición de liderazgo en inteligencia artificial y proporciona un soporte técnico más sólido a diversas industrias.
---
GPT-5.1 ya está totalmente disponible en la API, con precios alineados con GPT-5.
La actualización también introduce
Las versiones gpt-5.1-codex y gpt-5.1-codex-mini están diseñadas para gestionar tareas de programación de larga duración. Estos nuevos modelos mejoran la productividad de los desarrolladores al permitir una generación más eficiente de código complejo mediante técnicas de aprendizaje profundo.
Actualizaciones importantes:
gpt-5.1-codex: para grandes proyectos de código, proporciona capacidades de generación de código más potentes.
gpt-5.1-codex-mini: versión ligera para escribir código a menor escala.
Además, también hemos mejorado el mecanismo de caché de sugerencias, y la validez de la caché se amplía ahora a 24 horas para mejorar aún más la experiencia del usuario. En las entradas de nuestro blog se han publicado revisiones técnicas detalladas y directrices de uso.
---
Magentic Marketplace es un entorno de simulación de código abierto diseñado para estudiar las interacciones y transacciones de agentes de IA en mercados digitales. Su diseño modular permite a los investigadores experimentar con diferentes escenarios de mercado, comportamientos de agentes y dinámicas de sistemas a escala.
La plataforma ofrece una gran cantidad de herramientas y recursos para ayudar a los investigadores a construir y probar diversos modelos de mercado. Mediante el uso de mercados magnéticos, los investigadores pueden obtener información sobre los patrones de comportamiento de los agentes de IA en diferentes condiciones, optimizando así los mecanismos de mercado y mejorando la eficiencia comercial.
Magnetic Markets no sólo admite simulaciones básicas de mercado, sino que también permite a los usuarios personalizar modelos económicos complejos, como subastas, pujas y otros mecanismos de negociación. Además, integra herramientas avanzadas de análisis y visualización de datos para ayudar a los investigadores a comprender e interpretar mejor los resultados experimentales.
escenario de aplicación::
- Investigación sobre el comportamiento y la dinámica del mercado
- Probar nuevos mecanismos y algoritmos de negociación
- Optimizar el funcionamiento del comercio electrónico y los mercados en línea
- Educación y formación para la enseñanza de la economía de mercado y la inteligencia artificial
Microsoft Research ha desplegado Magnetic Marketplace en Azure AI Foundry Labs y da la bienvenida a investigadores y desarrolladores para que sigan explorándolo y utilizándolo.
Para más información, visite
https://t.co/gwCfDS8rkP
---
LlamaParse ha lanzado recientemente una importante actualización, una nueva función experimental "Proxy Chart Parsing" diseñada para mejorar significativamente la precisión y la eficacia del OCR de gráficos. Esta innovadora tecnología resuelve el problema al que se enfrentan la mayoría de los grandes modelos lingüísticos a la hora de convertir gráficos en datos numéricos precisos, trazando los contornos en un gráfico lineal y extrayendo los valores.
Mientras que los métodos tradicionales de OCR de gráficos suelen requerir una gran cantidad de trabajo de corrección manual, las nuevas funciones de LlamaParse pueden reducir drásticamente esta carga, haciendo posible la automatización del análisis de gráficos. Ya sea usted analista financiero, investigador o responsable de la toma de decisiones empresariales, puede utilizar esta herramienta para extraer y analizar rápidamente la información clave de los gráficos y mejorar su productividad.
Los usuarios ya pueden disfrutar de esta nueva función en la plataforma LlamaParse. Basta con cargar un gráfico para que el sistema lo analice automáticamente y proporcione datos precisos.
---
BentoML ya es totalmente compatible con los últimos modelos de código abierto de billones de parámetros Ling-1T y Ring-1T de AntLingAGI, lo que marca el inicio de la era del modelado lingüístico a gran escala en código abierto y producción.
**Ha llegado la hora de los modelos de billones de parámetros** que no sólo son de código abierto, sino también eficientes y adecuados para entornos de producción reales. Para los usuarios que exploran modelos de código abierto, Ling-1T y Ring-1T son opciones excelentes.
- **Ling-1T (no pensante)**:1 billón de parámetros totales, unos 50.000 millones de parámetros activos (ME, 1/32 activo)La versión más reciente de YaRN admite hasta 128K contextos (YaRN), con capacidades de razonamiento muy eficientes: gran precisión y menor número de tokens necesarios, lo que lo hace especialmente adecuado para tareas de razonamiento de código, matemáticas y lógicas.
- **Ring-1T (Pensamiento)**:1 billón de parámetros totales, unos 50.000 millones de parámetros activos (RLVR)El nuevo sistema ha sido estabilizado por Icepop y Trillion Scale ASystem, tiene un rendimiento líder o es competitivo en pruebas de referencia como AIME/HMMT, LiveCodeBench, ARC-AGI, etc., tiene un razonamiento de nivel de plata de la Olimpiada Matemática Internacional y, del mismo modo, admite hasta 128K contextos (YaRN).
Ambos modelos están bajo licencia MIT y están disponibles en la variante oficial FP8.
BentoML proporciona soporte inmediato para implementar y escalar estos modelos en su clúster de GPU o en cualquier plataforma en la nube. Por ejemplo, una variante FP8 puede ejecutarse en 8 GPU B200 en un único nodo para reducir la sobrecarga de comunicación entre nodos.
Si necesita una solución de implantación personalizada, póngase en contacto con nosotros.
---
Al integrar campos de fuerza de aprendizaje automático (MLIP) basados en PyTorch en el paquete de dinámica molecular (DM) LAMMPS, los científicos pueden lograr simulaciones rápidas y escalables de sistemas atómicos, que son importantes en la investigación de la química y la ciencia de materiales.
Gracias a la interfaz ML-IAP-Kokkos, los desarrolladores pueden simplificar el proceso de interconexión entre modelos comunitarios y simulaciones MD a escala masiva. Esta tecnología no solo mejora la eficiencia computacional, sino que también abre nuevas posibilidades para modelizar sistemas materiales complejos.
Entre sus puntos fuertes destacan:
- **Mayor velocidad de cálculo**: reducción significativa del tiempo de simulación gracias a la aceleración en la GPU.
- **Escalabilidad mejorada**: admite computación paralela masiva para sistemas más grandes y complejos.
- **Simplificar el proceso de desarrollo**: proporcionar una interfaz unificada para reducir el umbral de desarrollo.
Para obtener más información sobre cómo simplificar el acoplamiento de modelos y ampliar la simulación MD, consulte el blog para desarrolladores de NVIDIA:
🔗
https://t.co/Bw7d0QrdFO
#PyTorch #OpenSourceAI #AI #Inference #Innovation
---
Además del propio PyTorch, la Fundación PyTorch alberga varios proyectos importantes como vLLM, DeepSpeed y Ray, lo que demuestra que PyTorch se está convirtiendo en un lenguaje fundacional en el campo de la inteligencia artificial.
Para Luca Antiga, CTO de Lightning AI, que también preside el Comité Asesor Técnico (TAC) inaugural de la Fundación PyTorch, la Conferencia PyTorch es una oportunidad importante para conectar con la comunidad que impulsa PyTorch. Esta comunidad incluye a millones de desarrolladores que trabajan con PyTorch Lightning.
El evento es notable porque tienes la oportunidad de conocer a desarrolladores que han construido aplicaciones asombrosas basadas en PyTorch. Estas aplicaciones cubren una amplia gama de campos, desde el procesamiento del lenguaje natural a la visión por ordenador, lo que demuestra el poder de PyTorch en aplicaciones del mundo real.
La conferencia no sólo fomentó los intercambios técnicos, sino que también brindó valiosas oportunidades de interacción a la comunidad de código abierto. Gracias a eventos como este, PyTorch consolida aún más su posición central en el ecosistema de la IA.
---
El modelo Granite Nano de IBM permite ahora a los usuarios ejecutar IA completamente offline en sus teléfonos móviles. Esta tecnología hace posible realizar tareas complejas de IA en dispositivos móviles optimizando el tamaño del modelo y la eficiencia computacional.
Emma, miembro del equipo Granite de IBM, presentó en detalle esta innovadora tecnología. Utilizando el modelo Granite Nano, los usuarios pueden realizar tareas como el reconocimiento de imágenes y el procesamiento de voz en sus teléfonos móviles sin depender de una conexión a Internet, lo que mejora enormemente las capacidades de aplicación inteligente de los dispositivos móviles.
Las características clave incluyen:
- **CONSUMO DE ENERGÍA REDUCIDO**: El modelo Granite Nano se ha diseñado teniendo en cuenta la duración de la batería de los dispositivos móviles, lo que garantiza tiempos de funcionamiento prolongados.
- **Alto rendimiento**: a pesar del pequeño tamaño del modelo, el rendimiento no se ve comprometido y las tareas complejas pueden gestionarse con rapidez.
- **Fácil de integrar**: Los desarrolladores pueden integrar fácilmente estos modelos en las aplicaciones existentes para mejorar la experiencia del usuario.
El valor potencial de esta tecnología puede apreciarse en una amplia gama de aplicaciones, desde los hogares inteligentes hasta la asistencia sanitaria.
评论功能已关闭。