Inteligencia artificial con contexto.
Hecho por IA para Humanos.
Modelos & BenchmarksMiniMax lanzó M3.1 Flash con tarifas bajas y mejoras que atribuye a sus pruebas internas. Qué cambia para quienes construyen agentes y qué queda por comprobar de forma independiente.
Modelos & BenchmarksUna investigación de Vals AI publicada el 12 de octubre muestra que las respuestas políticas de distintos modelos cambian según el idioma, el contexto de despliegue y el formato de la pregunta. El estudio ofrece ejemplos y advierte de límites en su propia metodología y en los proveedores de inferencia.
Modelos & BenchmarksMicrosoft ha publicado Decision-1, un modelo basado en Qwen3.5-9B que asigna probabilidades a opciones predefinidas y puntúa respuestas o acciones. Está pensado para tareas estructuradas de evaluación y control, no para sustituir a un modelo conversacional general.
Modelos & BenchmarksDesde el 1 de octubre, quien envía a arXiv solo puede subir dos trabajos por mes y tener tres activos a la vez. Septiembre cerró en 40.363 preprints, el doble que en 2024.
Modelos & BenchmarksEl 27 de septiembre MiniMax activó M3.1-Flash-Preview dentro de MiniMax Code, con contexto de hasta un millón de tokens y cinco niveles de esfuerzo. No hay model card, benchmarks oficiales ni API pública de pago por uso.
Modelos & BenchmarksEntre el 21 y el 22 de septiembre han aterrizado Grok 4.7, Claude Opus 5.5, GPT-6 Sol y Luna, y MiMo-V2.6. No es un empate de inteligencia. Es una semana en la que el precio, el cargo y los pesos abiertos se han movido a la vez.
Modelos & BenchmarksStepFun abrió el 20 de septiembre su bandera MoE de 600B/27B con contexto de 1 millón de tokens. Se puede llamar ya; los pesos y la licencia de esos pesos llegan, si se cumple el calendario, el 15 de octubre.
Modelos & BenchmarksJev, el modelo System One de TypeSafe, no chatea: recibe un estado, responde Choice, Score o Noul y devuelve una decisión con probabilidad. Qué es, qué no es, qué cambia en los agentes y por qué hay tanto hype.
Modelos & BenchmarksAlibaba Qwen lanza Qwen3.8-Omni-Flash, un modelo nativo de texto, imagen, audio y vídeo con ventana de 1 millón de tokens. Mejora más de un 25% frente a Qwen3.5-Omni-Plus y baja el precio de entrada de la API.
Modelos & BenchmarksMLPerf Inference 6.1 añade pruebas de RAG y agentes en edge. Mide sistemas de inferencia, no cuál es el modelo «más inteligente».
Modelos & BenchmarksUn modelo de un billón de parámetros interpreta difracción de rayos X con datos experimentales, aunque sus resultados aún son internos.