Tecnología
multimodal
La IA multimodal procesa y combina texto, imagen, audio y vídeo en un mismo modelo, permitiendo que un asistente entienda documentos, genere presentaciones o interfaces interactivas sin herramientas separadas. Grandes proveedores (Meta, Google, Nvidia, Mistral) han lanzado en pocos días modelos multimodales abiertos y de pago, consolidándola como base estándar de los nuevos sistemas de IA.
Sobre esta tecnología, IA para hoy ha analizado 535 noticias, procedentes de 15 medios distintos. En los últimos siete días han sido 6, frente a las 23 de la semana anterior. La fiabilidad media de esa cobertura es de 3,5 sobre 5, medida con las reglas de nuestro método. Las áreas de impacto que más se repiten son Desarrollo, IT, Productividad. Aparece en 8 historias en seguimiento.
Evolución en 16 semanas
El momentum semanal se estima con la misma fórmula que el momentum actual: volumen, aceleración respecto a la semana anterior, diversidad de fuentes e impacto.
Análisis Qué significa para una empresa
- Oportunidades
- Permite automatizar tareas que combinan formatos distintos (informes con gráficos, soporte con voz e imagen, generación de presentaciones desde documentos), reduciendo pasos manuales y costes operativos. También abre nuevos canales de atención al cliente y creación de contenido más ricos e interactivos.
- Riesgos
- La variedad de modelos y proveedores genera dependencia tecnológica y complejidad de integración, además de costes crecientes en los modelos más potentes. Persisten dudas sobre fiabilidad en tareas críticas (como se vio en pruebas de conducción) y sobre la veracidad de los benchmarks publicados por los propios fabricantes.
- Qué debería hacer una empresa
- Las empresas deberían evaluar en los próximos 6 meses qué procesos documentales o de atención al cliente pueden beneficiarse de capacidades multimodales, priorizando pilotos con proveedores ya integrados en su infraestructura antes de comprometerse a largo plazo.
Análisis generado por IA a partir de las noticias disponibles; actualizado 16 oct.
Relacionadas
LLM ×255agentes ×189Google ×146OpenAI ×130voz ×97Meta ×86Nvidia ×61Google DeepMind ×61Anthropic ×55imagen ×49
Historias
OpenAI lanza la Decisions API para decisiones rápidas y baratas
NVIDIA presenta nuevos modelos abiertos para Europa
Octave diseña una base de IA multi-inquilino en Amazon Bedrock
AWS amplía el catálogo de modelos de SageMaker JumpStart
Elorian lanza Glimpse, modelo de razonamiento visual económico
Meta lanza Muse Spark Open, modelo abierto de gran escala
Meta lanza Muse Spark Open y AWS lo ofrece en SageMaker JumpStart
NVIDIA lanza la familia de modelos abiertos Nemotron 3.5
Noticias
OpenAI lanza al público su Decisions API, competidor de los modelos de decisión de TypeSafe
OpenAI puso a disposición de todos sus clientes la Decisions API, un modelo rápido y barato basado en ChatGPT Luna reconfigurado para acelerar la inferencia…
Por qué importaLos modelos de decisión rápidos pueden sustituir a los LLM en flujos que requieren clasificar opciones con baja latencia y coste, lo que reordena la…
NVIDIA amplía su familia de modelos abiertos para Europa en lenguaje, robótica, biología y cuántica
NVIDIA anunció nuevos modelos abiertos: Nemotron 3.5 Super VL y Nemotron 3.5 Bolt, Nemotron Retriever, la familia Kumo para datos empresariales estructurados…
Por qué importaLos modelos abiertos que se pueden personalizar con datos locales y desplegar en infraestructura propia pueden interesar a empresas europeas que…
Octave construye sobre Amazon Bedrock una base de IA multi-inquilino para buscar en 2.000 millones de documentos regulados
Octave, a través de su plataforma Reliance de gestión de calidad, ha construido una base de IA multi-inquilino en Amazon Bedrock usando Cohere Embed v4 y…
Por qué importaMuestra un patrón práctico para llevar IA a plataformas SaaS con datos sensibles: aislamiento por inquilino desde el diseño y una capa común…
AWS amplía el catálogo de SageMaker JumpStart con más de 100 modelos de 30 proveedores en 2026
Amazon SageMaker JumpStart incorporó más de 100 modelos de 30 proveedores entre enero y septiembre de 2026, según un resumen publicado por AWS. Alibaba (Qwen)…
Por qué importaPara una empresa, un catálogo amplio con despliegue en un clic facilita comparar modelos y reducir la dependencia de un solo proveedor. Las cifras…
Elorian presenta Glimpse, un modelo de razonamiento visual que cuesta un 94 % menos que GPT-6 Astra
La startup Elorian presentó Glimpse como vista previa de investigación, un modelo que vuelve a la imagen durante el razonamiento y ejecuta código para medir…
Por qué importaMuestra que un equipo pequeño, con unos cientos de GPU, puede competir en tareas visuales concretas a un coste muy inferior. Para empresas con mucho…
Meta publica los pesos de Muse Spark Open, su modelo abierto de 816.000 millones de parámetros
Meta publicó los pesos de Muse Spark Open, un modelo de mezcla de expertos de 816.000 millones de parámetros que puede descargarse desde Hugging Face. Según la…
Por qué importaUn modelo de este tamaño con pesos abiertos y licencia comercial amplía las opciones para desarrollar aplicaciones y agentes sin depender de una API…
Meta lanza Muse Spark Open, un modelo abierto de 816.000 millones de parámetros que puede ejecutarse en Mac
Meta ha lanzado Muse Spark Open, que la compañía describe como el modelo de pesos abiertos más capaz de Estados Unidos, con 816.000 millones de parámetros y…
Por qué importaUn modelo abierto de esta escala amplía las opciones de las empresas que quieren control sobre sus datos y costes, aunque el requisito de memoria…
Meta publica Muse Spark Open, un modelo de pesos abiertos de 816.000 millones de parámetros
Meta ha presentado Muse Spark Open, un modelo de pesos abiertos con 816.000 millones de parámetros (42.000 millones activos), hasta un millón de tokens de…
Por qué importaEs una de las opciones de pesos abiertos más grandes de un fabricante estadounidense, lo que da a las empresas una alternativa local frente a los…
Meta pone a disposición en Amazon SageMaker JumpStart su modelo abierto Muse Spark Open para programación
Muse Spark Open, modelo de pesos abiertos de Meta orientado a programación, ya está disponible en Amazon SageMaker JumpStart. Tiene 816.000 millones de…
Por qué importaPara equipos que quieran usar un modelo abierto de programación, el despliegue en cuenta propia, con VPC, cifrado con KMS y aislamiento de red…
Nvidia lanza Nemotron 3.5 Super VL, un modelo abierto para agentes de IA empresariales
Nvidia ha publicado Nemotron 3.5 Super VL, un modelo multimodal abierto de 120.000 millones de parámetros, con 12.000 millones activos por token, dirigido a…
Por qué importaOfrece a empresas con datos sensibles una alternativa abierta que pueden ajustar y alojar en sus propios servidores. Las cifras de rendimiento son de…
NVIDIA lanza los modelos abiertos Nemotron 3.5 Super VL y Bolt para agentes de IA
NVIDIA ha publicado Nemotron 3.5 Super VL, un modelo abierto de 120.000 millones de parámetros, y dos modelos para el borde: Bolt 74B-A9B 24GB, disponible ya…
Por qué importaOfrece a las empresas un modelo multimodal abierto que puede ejecutarse en infraestructura propia o en equipos locales, lo que reduce la dependencia…
El Gobierno chino autoriza a Apple Intelligence a usar los modelos de IA de Alibaba Cloud
El Gobierno chino ha autorizado el uso de los modelos de IA de Alibaba Cloud en Apple Intelligence. Según la información disponible, los usuarios del mayor…
Por qué importaMuestra que el acceso de productos de IA de consumo a China depende de modelos locales aprobados por las autoridades, lo que condiciona el despliegue…
Swiss AI Initiative lanza Apertus 1.5, un modelo abierto con entrada de imagen y audio
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…
Meta publica Muse Spark Open, un modelo abierto multimodal de 816.000 millones de parámetros para programar
Meta ha publicado Muse Spark Open, un modelo de pesos abiertos con arquitectura de mezcla de expertos (MoE) de 816.000 millones de parámetros totales, de los…
Por qué importaEs uno de los modelos abiertos más capaces según la propia descripción, lo que permite a las empresas desplegarlo en su infraestructura sin depender…
Meta lanza Muse Wonder y Wonder Full, que según sus datos iguala a Claude Sonnet 5.5 en benchmarks
Meta ha presentado Muse Wonder y Wonder Full, dos modelos de IA, según sus notas técnicas publicadas el 12 de octubre de 2026 y citadas por VentureBeat. Wonder…
Por qué importaSi los resultados se confirman, Meta vuelve a competir en la frontera con modelos de primer nivel, lo que puede cambiar las opciones de proveedor y…
AWS describe un sistema de agentes que genera presentaciones PowerPoint desde documentos empresariales
AWS publicó en su blog de machine learning un tutorial para construir con Amazon Bedrock AgentCore un sistema de agentes que crea presentaciones PowerPoint a…
Por qué importaOfrece una arquitectura de referencia concreta para automatizar informes recurrentes con contenido anclado en fuentes internas. El tiempo de 90…
Mistral presenta Large 4, modelo multimodal de un billón de parámetros, y apuesta por empresas europeas
El 6 de octubre Mistral presentó Large 4, un modelo multimodal de un billón de parámetros totales con arquitectura de mezcla de expertos que activa 49.000…
Por qué importaPara empresas de sectores regulados o con datos sensibles, un modelo que puede alojarse en infraestructura propia y está sujeto a derecho europeo…
Google lanza Gemini 4 Argon, su modelo para trabajo pesado, disponible en API, app y buscador
Google DeepMind anunció el 13 de octubre de 2026 Gemini 4 Argon, su modelo para razonamiento profundo y contexto extenso, ya disponible en Google AI Studio…
Por qué importaPara equipos que trabajan con documentos extensos, código complejo o agentes de razonamiento largo, el modelo cambia la relación entre calidad y…
Google despliega a nivel global Gemini 4 Argon para programación, finanzas, ciencia y ciberseguridad
Google ha comenzado el despliegue global de Gemini 4 Argon, su nuevo modelo para trabajo especializado, dirigido a desarrolladores, empresas y suscriptores de…
Por qué importaUn modelo orientado a tareas de varios pasos en código, finanzas y ciberseguridad puede cambiar qué procesos se delegan a la IA en empresas con…
Google lanza Gemini 4 Argon, su nuevo modelo de frontera para desarrolladores y empresas
Google ha lanzado Gemini 4 Argon, su modelo de frontera, disponible desde hoy vía API en AI Studio y la plataforma Gemini para desarrolladores y empresas, y en…
Por qué importaUn modelo de primer nivel con precio público y disponibilidad inmediata permite evaluarlo con datos y casos propios. Las cifras de rendimiento…
ShipStation Global despliega un agente de IA para soporte TI en Slack sobre Amazon Bedrock AgentCore
El equipo de ingeniería de ShipStation Global desarrolló Deckhand, un agente de IA que atiende consultas de TI en Slack usando una base de conocimiento curada…
Por qué importaMuestra una arquitectura concreta, con componentes descritos, para un asistente interno de soporte que combina base de conocimiento, herramientas y…
OpenAI lanza la interfaz inteligente de GPT-6, que decide si ChatGPT responde con texto, diagramas o elementos interactivos
OpenAI ha lanzado en ChatGPT una función llamada interfaz inteligente, con la que GPT-6 elige entre texto, imágenes, diagramas, formularios o elementos…
Por qué importaCambia el formato de la respuesta que reciben los usuarios de ChatGPT y, con ello, la forma en que se presentan planes, comparaciones y…
Meta lanza Muse Wonder Full, entre los mejores modelos de IA, pero su coste por tarea casi se triplica
Meta ha lanzado los modelos Muse Wonder y Muse Wonder Full. Según Artificial Analysis, Muse Wonder Full obtiene 56 puntos en su índice de inteligencia, frente…
Por qué importaUn modelo que compite en la primera línea y ofrece mejoras en tareas agénticas puede ser una alternativa a los modelos actuales, pero el aumento de…
Modelos de IA controlan un Toyota Corolla en circuito cerrado: solo uno completa el recorrido
El grupo DrivingBench probó a GPT-6 Astra, Claude Fable 5.1, Grok 4.6 y GPT-5.6 Sol para conducir un Toyota Corolla real en un circuito cerrado de 130 metros…
Por qué importaMuestra que los modelos de propósito general pueden interpretar imágenes y ejecutar órdenes de conducción, pero con una fiabilidad muy irregular…
Grok Bot usará modelos de Anthropic, Midjourney y Suno para responder a sus usuarios
Elon Musk anunció el 7 de octubre que Grok Bot, servicio de agentes de IA presentado en agosto, empezará a usar modelos de otras compañías, como Claude Opus…
Por qué importaMuestra que los servicios de IA pueden funcionar como intermediarios entre modelos de distintos proveedores, incluidos rivales directos. Para una…
Google y Unity presentan Playground, una plataforma para crear videojuegos con IA desde texto
Google y Unity anunciaron Playground, una plataforma que permite crear y personalizar videojuegos a partir de instrucciones de texto, sin programar, disponible…
Por qué importaSi se confirma, la creación de videojuegos mediante lenguaje natural podría reducir la barrera técnica de entrada y añadir un canal nuevo al…
OpenAI despliega Intelligent UI en ChatGPT, con tablas, calculadoras y widgets interactivos
OpenAI comenzó a desplegar el 7 de octubre de 2026 Intelligent UI en ChatGPT, una capa que genera elementos interactivos como tablas con botones, formularios…
Por qué importaIndica que el chat de texto puede no bastar para tareas complejas y que la experiencia de interfaz empieza a competir como factor de fidelización, no…
Google integra el agente Gemini con subagentes en Gmail, Calendar, Docs, Sheets y Presentaciones
Google presentó en Gemini at Work 2026 una versión de Gemini que actúa como agente autónomo dentro de Workspace (Gmail, Calendar, Docs, Sheets…
Por qué importaSupone un salto de la IA asistiva a la IA que ejecuta cadenas completas de tareas empresariales sin supervisión constante, lo que puede reducir…
SpaceX lanza Grok Bot, sistema de atención al cliente con Claude Opus 5.5, Midjourney y Suno
SpaceX anunció el 6 de octubre de 2026 el lanzamiento de Grok Bot, su sistema de atención al cliente con IA, disponible para clientes de Starlink, SpaceX y…
Por qué importaEs llamativo que SpaceX, del ecosistema de Musk, elija Claude de Anthropic en vez de Grok de xAI para un producto de cara al cliente, lo que puede…
Google lanza agente Gemini universal para empresas con identidad laboral propia
Google anunció en un evento de Google Cloud el lanzamiento de un agente Gemini unificado capaz de planificar y ejecutar tareas, delegar en subagentes y usar…
Por qué importaMarca un salto de los asistentes conversacionales a agentes con identidad propia dentro de la organización, capaces de ejecutar objetivos complejos…