El nuevo miembro de la familia Grok 3 ya está disponible en nuestra API.
El Grok 3 Mini redefine las soluciones de inteligencia rentables al multiplicar por cinco el rendimiento de los modelos de inferencia existentes. Este pequeño modelo destaca en varios escenarios de aplicación del mundo real y es especialmente adecuado para tareas en las que el coste es importante pero que requieren un procesamiento eficiente.
Grok 3Como modelo no razonado más potente del mundo, ha demostrado unas capacidades extraordinarias en campos como el derecho, las finanzas y la sanidad. Con su potente base de conocimientos y su capacidad de procesamiento de datos, es capaz de hacer frente a problemas complejos del mundo real y proporcionar a los usuarios un apoyo informativo preciso.
Tanto si se trata de tratar cláusulas complejas en documentos jurídicos como de analizar la dinámica de los mercados financieros, Grok 3 ofrece soluciones precisas y eficaces. Además, su aplicación en el campo de la medicina también goza de gran prestigio, ya que ayuda a los médicos a acceder rápidamente a las últimas investigaciones médicas y a mejorar la precisión del diagnóstico y el tratamiento.
Al poner sobre la mesa la familia de API Grok 3, esperamos proporcionar a un amplio abanico de desarrolladores y empresas herramientas más potentes, flexibles e inteligentes que les ayuden a alcanzar un mayor éxito en sus respectivos campos".
---
El equipo de Meta FAIR anunció recientemente la publicación de una serie de nuevos resultados de investigación, y estos últimos avances están cambiando progresivamente nuestra comprensión de la percepción y haciendo avanzar la inteligencia artificial avanzada (AMI).
Entre los proyectos de esta versión figuran:
- Codificador metaconscienteun codificador visual a gran escala que destaca en tareas de imagen y vídeo.
- Modelización metaperceptiva del lenguajeun modelo visual-lingüístico totalmente abierto y reproducible diseñado para manejar tareas de reconocimiento visual.
- Meta Localizar 3DUn modelo integral para el posicionamiento preciso de objetos en un entorno 3D.
- Se han publicado los pesos del modelo para el transformador de variables latentes de bytes dinámicos de 8.000 millones de parámetros, una alternativa a los métodos tradicionales de tokenización que promete redefinir los estándares de eficacia y fiabilidad de los modelos lingüísticos.
- Marco de razonamiento colaborativoun marco para evaluar y mejorar el razonamiento colaborativo en modelos lingüísticos.
Estas herramientas de investigación no sólo proporcionan valiosos recursos a los investigadores, sino que también aportan sistemas de IA más eficientes y precisos a empresas y desarrolladores. Los usuarios interesados pueden descargar el código, los conjuntos de datos y los artículos relacionados a través de este enlace.
---
El equipo de desarrolladores de IA de Google ha anunciado que ya es posible ejecutar los modelos Gemma 3 27B en GPUs de sobremesa. Con el nuevo modelo QAT (Quantitative Awareness Training) optimizado para int4, los requisitos de VRAM se han reducido drásticamente, de 54 GB a 14,1 GB, manteniendo una alta calidad de salida.
Este avance permite a tarjetas gráficas de consumo como la NVIDIA RTX 3090 ejecutar modelos lingüísticos a gran escala, lo que proporciona más potencia de cálculo a usuarios particulares y pequeñas empresas. Los usuarios pueden acceder fácilmente a estos modelos a través de plataformas como Ollama, Hugging Face y LM Studio.
Características principales:
- Reduce significativamente los requisitos de VRAM y mejora la utilización de los recursos.
- Admite tarjetas gráficas de consumo, lo que reduce el umbral de hardware.
- Soporte multiplataforma para facilitar la selección
Este avance tecnológico no sólo mejora la accesibilidad de los modelos, sino que también ofrece a investigadores y desarrolladores más oportunidades de experimentación e innovación.
---
OpenAI anunció recientemente que apoyará el Protocolo de Contexto de Modelos (MCP), iniciado por Anthropic. Este estándar abierto pretende conectar modelos lingüísticos con herramientas externas y fuentes de datos propias para mejorar aún más la funcionalidad de los modelos y los escenarios de aplicación.
El protocolo se integrará en el SDK de agentes de OpenAI, con planes para ampliarlo a las aplicaciones de escritorio ChatGPT y a la API de respuestas en el futuro.Con MCP, los desarrolladores pueden conectarse fácilmente a más de 6.000 herramientas locales o remotas plug-and-play, lo que reduce drásticamente la necesidad de integraciones personalizadas.
Esta medida no sólo mejora la eficacia del desarrollo, sino que también reduce la barrera técnica, lo que permite a más empresas y particulares innovar con modelos lingüísticos avanzados.
Cabe destacar que Anthropic, OpenAI y otros agentes del sector colaboran para impulsar esta norma, lo que refleja la tendencia del sector a colaborar para resolver problemas comunes y evitar la fragmentación de la industria.
---
Minjin, autor de ControlNet, ha vuelto a poner en código abierto un nuevo e impresionante proyecto: Framepack, un eficaz marco de generación de vídeo.
Utilizando el modelo 13B, Framepack es capaz de generar 1 minuto de vídeo a 30 fps con 6 GB de memoria de vídeo. En una tarjeta gráfica RTX 4090, genera hasta 1,5 segundos por fotograma. La tecnología genera vídeo de forma incremental utilizando una estructura de predicción del siguiente fotograma, lo que permite obtener hasta un minuto de vídeo de acción continuo, incluso a partir de una sola imagen.
Las características clave incluyen:
- Bajos requisitos de memoria de vídeo: sólo se necesitan 6 GB de memoria de vídeo para funcionar.
- Alto rendimiento: velocidades de generación de hasta 1,5 segundos por fotograma en tarjetas gráficas RTX 4090.
- Amplia gama de aplicaciones: Adecuado para una amplia gama de contenidos de vídeo, como baile de personajes, acción, cambios de escena, etc.
Framepack es especialmente adecuado para ámbitos que requieren efectos visuales dinámicos, como la producción de cine y televisión, el diseño de animación y la realidad virtual. Actualmente, el proyecto ofrece un paquete de instalación para Windows con un solo clic y una interfaz de funcionamiento visual para que los usuarios puedan empezar a utilizarlo rápidamente.
---
ChatGPT ha lanzado recientemente una nueva función de memoria llamada "Moonshine" que ha llamado mucho la atención.
Esta función mejora la coherencia y la personalización de las conversaciones gracias a varias secciones nuevas. En primer lugar, se ha añadido una nueva sección "Contexto de configuración del modelo" a la consulta del sistema, que enumera las entradas de memoria almacenadas, como el nombre y la ubicación del usuario, entre otra información básica.
A continuación está la sección "Preferencias de respuesta del asistente", que resume los requisitos específicos del usuario en cuanto a respuestas, basándose en su historial de uso. Por ejemplo, los usuarios prefieren respuestas concisas y directas, y no les gustan las explicaciones largas ni las disculpas.
También hay una nueva sección de "Temas destacados de conversaciones anteriores", que resume las principales cosas que los usuarios han discutido en conversaciones anteriores. Esta sección abarca no solo el área de especialización del usuario en ámbitos como la inteligencia artificial, el aprendizaje automático y la creatividad asistida por IA, sino también sus conocimientos técnicos en ámbitos como la administración de sistemas Linux, el desarrollo web y las tecnologías en la nube.
La sección "Información útil para el usuario" contiene datos específicos del usuario, como su ubicación y ocupación. Esta sección de información ayuda a personalizar aún más la conversación y a mejorar la experiencia del usuario.
Por último, la sección "Contenido de conversaciones recientes" registra las últimas conversaciones del usuario, incluidas las marcas de tiempo, los títulos y el contenido de los mensajes. La sección "Metadatos de interacción del usuario" se genera automáticamente a partir del dispositivo y el patrón de uso del usuario, proporcionando estadísticas de uso detalladas para ayudar a optimizar la experiencia de conversación.
Estas nuevas funciones proporcionan a los usuarios una experiencia de diálogo más personalizada y coherente gracias a la integración de información multidimensional, lo que aumenta significativamente la utilidad de ChatGPT y la satisfacción de los usuarios.
---
El último estudio de caso de Anthropic muestra que la herramienta de seguridad de código Semgrep consigue importantes mejoras en el rendimiento de la seguridad al integrar el modelo Claude 3.7 Sonnet en la plataforma Amazon Bedrock.
La solución es capaz de marcar con confianza 201 TP3T de alertas de seguridad de código como seguras (921 TP3T y 961 TP3T de acuerdo con desarrolladores e investigadores, respectivamente) y mejora la detección de falsas alarmas en 161 TP3T y el marcado de componentes en 171 TP3T en comparación con GPT-4o. Además, la tecnología admite correcciones avanzadas de vulnerabilidades, como la corrección automatizada de vulnerabilidades y el análisis de cambios perturbadores para aplicaciones más seguras y eficientes en entornos de clase empresarial.
Las características clave incluyen:
- Clasificación muy precisa de las alarmas de seguridad
- Reducción de los falsos positivos y mejora de la precisión del etiquetado
- Corrección automatizada de vulnerabilidades y análisis de cambios
Esta tecnología no sólo mejora la seguridad del código para las organizaciones, sino que también aporta mayor eficacia y fiabilidad en las implantaciones en el mundo real.
---
El último modelo o4 mini de OpenAI se ha actualizado significativamente en cuanto a su código de conducta e instrucciones de trabajo internas, marcando su evolución desde un modelo puramente computacional a un agente inteligente con capacidades autónomas. Este cambio no sólo se produce en términos tecnológicos, sino también en términos de mejora general de su usabilidad e interactividad.
En comparación con su predecesor, el modelo o3, o4 mini no sólo es capaz de completar la tarea mediante el uso de diversas herramientas, sino que también es capaz de verificar repetidamente la exactitud de las respuestas durante el proceso de ejecución para garantizar la fiabilidad de los resultados y la finalización con éxito de la tarea. Este mecanismo no sólo mejora la utilidad del modelo, sino que también reduce en gran medida la posibilidad de errores. Además, o4 mini muestra una mayor adaptabilidad y flexibilidad en el manejo de tareas complejas, lo que lo hace más eficiente en escenarios de aplicación del mundo real.
Por ejemplo, en áreas como la atención al cliente, el análisis de datos y la generación de contenidos, o4 mini permite interacciones más inteligentes y humanizadas para mejorar la experiencia del usuario. Dado que la tecnología de IA sigue evolucionando, estas mejoras de o4 mini la hacen aún más prometedora para futuras aplicaciones.
---
Google DeepMind ha lanzado una nueva versión Quantisation Aware Training (QAT) del modelo Gemma 3, que reduce significativamente el tamaño manteniendo el rendimiento.La versión del modelo Gemma 3 con 27B parámetros se ha comprimido de 54GB a 14,1GB, reduciendo drásticamente los requisitos de almacenamiento y de almacenamiento y recursos informáticos. Se trata de un avance significativo para las aplicaciones que requieren el despliegue de modelos lingüísticos a gran escala en dispositivos periféricos o en entornos con recursos limitados.
Además, el punto de control de código abierto del modelo está ahora a disposición del público, lo que permite a los desarrolladores probarlo y aplicarlo en diversas plataformas, como MLX, llama.cpp y lmstudio. Esto no sólo mejora la usabilidad del modelo, sino que también fomenta nuevas investigaciones y mejoras en la comunidad.
La técnica QAT permite que el modelo se adapte mejor a la pérdida de precisión debida a la cuantificación cuando se despliega realmente, simulando un entorno informático de baja precisión durante el entrenamiento. Este enfoque de optimización garantiza que el modelo mantenga un alto rendimiento incluso después de la cuantificación, lo que abre la posibilidad de una amplia gama de aplicaciones.
---
Recientemente, un nuevo producto llamadoFramePackha llamado mucho la atención. La herramienta afirma que sólo requiere6 GB de memoria de vídeoListo para funcionar, reduciendo en gran medida el umbral de hardware.
Según el ejemplo publicado, elFramePackLa capacidad de convertir imágenes de entrada (Figura 2) en vídeo en movimiento de alta calidad (Figura 1) es impresionante. Los desarrolladores han publicado un instalador todo en uno para Windows, que facilita su uso directo, mientras que los usuarios de Linux también pueden ejecutar la herramienta desde la línea de comandos.
FramePackSu lanzamiento ha supuesto una nueva opción para creadores de contenidos, editores de vídeo e investigadores. Sin embargo, debido a las complejas técnicas de procesamiento de imágenes y generación de vídeo que implica, los desarrolladores recomiendan que lo prueben usuarios con algunos conocimientos básicos de programación, ya que de lo contrario pueden encontrarse con algunas dificultades técnicas (Figura 3). Para usuarios experimentados, elFramePackSin duda, una poderosa herramienta creativa.
