Noticias etiquetadas con «multimodal»
24 noticias
La startup Elorian, con sede en Palo Alto, ha publicado Glimpse, su primer modelo, en forma de vista previa de investigación con acceso por API; la interfaz de…
Por qué importaMuestra un enfoque alternativo para que los modelos multimodales revisen las imágenes durante el razonamiento, en lugar de describirlas una sola vez…
La Swiss AI Initiative publica Apertus 1.5, una continuación del preentrenamiento del modelo Apertus 1.0 con 19T tokens en el modelo de 8B y 17T en el de 70B…
Por qué importaPara una empresa que busque modelos abiertos con capacidades multimodales y trazabilidad de datos, esta versión añade una opción documentada que…
Liquid AI publicó en Hugging Face los modelos abiertos d1-3B y d1-omni-600M, basados en sus Liquid Foundation Models, que responden con una única pasada hacia…
Por qué importaOfrece una alternativa eficiente a los LLM generativos para tareas de clasificación y decisión estructurada en dispositivos con recursos limitados…
Alibaba presentó Qwen3.8-Omni-Flash, su primer modelo multimodal para agentes de IA, que procesa audio y vídeo conjuntamente con ventana de contexto de un…
Por qué importaOfrece capacidades multimodales similares a un modelo líder de Google a un coste sensiblemente menor, lo que presiona los precios del mercado de IA…
Alibaba ha publicado Qwen3.8-Flash-Next, un modelo de pesos abiertos multimodal basado en mezcla de expertos (MoE) con 125 mil millones de parámetros pero solo…
Por qué importaLa publicación de un modelo abierto de gran escala que anticipa la arquitectura de Qwen4 permite a desarrolladores y empresas acceder a capacidades…
Meta ha lanzado Muse Glimmer, un modelo de visión-lenguaje denso de 30 mil millones de parámetros, bajo licencia abierta. El modelo incluye un codificador de…
Por qué importaEs el modelo multimodal más accesible en escala media con capacidades de agencia y herramientas nativas, permitiendo despliegue local sin depender de…
Thinking Machines Lab, fundado por Mira Murati, ha lanzado Inkling, su primer modelo de pesos abiertos bajo licencia Apache 2.0. Se trata de un modelo…
Por qué importaEl lanzamiento refuerza el ecosistema de modelos abiertos estadounidenses frente a alternativas chinas, y ofrece una base multimodal eficiente y…
Thinking Machines Lab, fundada por antiguos ejecutivos de OpenAI incluida Mira Murati, ha lanzado Inkling, un modelo de código abierto con 975 mil millones de…
Por qué importaInkling representa un desafío competitivo a OpenAI y Anthropic desde un equipo de exiles de alto nivel, validando el modelo de modelos abiertos como…
Thinking Machines ha lanzado Inkling, un modelo de lenguaje abierto con 975B parámetros totales (41B activos) que procesa de forma nativa imagen, texto y…
Por qué importaInkling representa un avance significativo en modelos multimodales abiertos de gran escala, demostrando que la capacidad nativa de razonamiento entre…
AWS y Vexcel, proveedor de imágenes aéreas de alta resolución que opera programas en 45+ países, colaboraron para desarrollar un sistema de búsqueda semántica…
Por qué importaAutomatiza la búsqueda de características geoespaciales (piscinas, paneles solares, carreteras) que hoy requieren inspección manual o entrenamiento…
Google DeepMind ha lanzado Gemma 4 12B, un modelo multimodal diseñado para ejecutarse localmente en portátiles con 16GB de RAM. El modelo adopta una…
Por qué importaDemocratiza la IA multimodal avanzada llevándola a dispositivos de consumo sin dependencia de servidores en la nube, reduciendo latencia y costes…
NVIDIA ha lanzado Nemotron 3.5 Content Safety, una actualización de su modelo de moderación de contenidos que integra análisis multimodal (texto e imagen en un…
Por qué importaPara equipos de IA empresarial, especialmente en sectores regulados (finanzas, sanidad, educación), poder aplicar políticas de seguridad específicas…
AWS anuncia la disponibilidad inmediata de NVIDIA Nemotron 3 Nano Omni en Amazon SageMaker JumpStart. Se trata de un modelo multimodal de 30 mil millones de…
Por qué importaPara empresas que construyen agentes autónomos, consolida múltiples pipelines de visión, audio y lenguaje en una única invocación, reduciendo…
NVIDIA ha presentado Nemotron 3 Nano Omni, un modelo multimodal abierto que integra visión, audio e idioma en una única arquitectura de 30B-A3B con mezcla de…
Por qué importaElimina la ineficiencia de sistemas de agentes que requieren múltiples modelos separados para visión, audio y lenguaje, reduciendo latencia…
NVIDIA ha lanzado Nemotron 3 Nano Omni, un modelo de lenguaje multimodal abierto de 30B parámetros diseñado para procesar documentos largos, audio y vídeo con…
Por qué importaPara empresas que necesitan procesar documentos complejos, vídeos con narración o contenido de audio mixto, este modelo abierto ofrece una…
AWS publica un análisis detallado sobre modelos biológicos de base multimodales (BioFMs) que integran múltiples tipos de datos (genómica, imágenes médicas…
Por qué importaPara directivos de farmacéutica, hospitales y biotech, esto señala que la integración de datos fragmentados mediante IA multimodal es ya viable y…
OpenAI ha presentado ChatGPT Images 2.0, un nuevo modelo de generación de imágenes que según la compañía mejora el renderizado de texto, el soporte multilingüe…
Por qué importaLa generación de imágenes con texto legible y comprensión de instrucciones complejas es clave para marketing, diseño y producción de contenido, y…
Meta ha presentado Muse Spark, el primer modelo de la nueva serie Muse de Meta Superintelligence Labs, descrito como su modelo más potente hasta la fecha. El…
Por qué importaEste es el primer modelo de una nueva serie arquitectónica de Meta diseñada según un enfoque de escalado científico. Su integración sistemática en…
Google y Hugging Face han lanzado Gemma 4, una familia de modelos multimodales abiertos bajo licencia Apache 2 que procesa imagen, audio y vídeo, con cinco…
Por qué importaGemma 4 ofrece capacidades fronterizas en un modelo completamente abierto y optimizado para dispositivos de consumo, reduciendo la dependencia de…
Alibaba ha lanzado Qwen3.5, una familia de modelos disponible ahora en Ollama con capacidades multimodales integradas, soporte para agentes con tool calling y…
Por qué importaPara desarrolladores y empresas que ejecutan IA localmente, Qwen3.5 combina tres capacidades ausentes en la mayoría de modelos abiertos…
Alibaba ha publicado Qwen3.5-397B-A17B, un modelo de código abierto con 397 mil millones de parámetros totales pero solo 17 mil millones activos por consulta…
Por qué importaDemuestra que los laboratorios chinos de IA mantienen ritmo acelerado de innovación en modelos abiertos, compitiendo directamente con GPT-5.2, Claude…
Google DeepMind ha lanzado el Perception Test, un benchmark basado en videos reales del mundo para evaluar las capacidades perceptivas de modelos de IA…
Por qué importaLos benchmarks son instrumentos clave para definir objetivos de investigación y medir progreso en IA. El Perception Test aborda una brecha…
Google DeepMind ha publicado un artículo sobre MIA (Multimodal Interactive Agent), un agente que combina percepción visual, comprensión de lenguaje, navegación…
Por qué importaMIA representa un avance práctico hacia agentes IA que pueden colaborar efectivamente con humanos en entornos complejos, combinando percepción…
DeepMind ha publicado un preprint de Perceiver IO, una arquitectura de red neuronal diseñada para procesar múltiples tipos de datos (imágenes, audio, video…
Por qué importaReduce la necesidad de construir arquitecturas especializadas para cada tipo de dato o tarea, simplificando el desarrollo de sistemas multimodales y…
