El Allen Institute for AI (Ai2) presentó OLMo 2, una familia de modelos fundacionales abiertos de 7B y 13B parámetros entrenados sobre 5 billones de tokens de Dolma con publicación íntegra de datos, recetas de alineación progresiva y checkpoints intermedios.
Sigue leyendo las noticias clave de IA
Filtrar y personalizar
01.AI Presenta Yi-Coder: Modelos Abiertos de Programación con Ventana de Contexto de 128K y Soporte para 52 Lenguajes01.AI lanza Yi-Coder en versiones de 1.5B y 9B, modelos abiertos de programación con ventana de contexto de 128K para comprensión completa de repositorios.Leer análisis completo
Allen AI Presenta OLMoE: Modelo Abierto Mixture-of-Experts de 7B con 1B Activos y Máxima Transparencia de DatosAi2 publica OLMoE, un modelo MoE completamente abierto de 7B que activa 1B de parámetros por token, liberando código, datos, logs y más de 5.000 checkpoints.Leer análisis completo
Allen AI Presenta TÜLU 3: Familia Abierta de Modelos Post-Entrenados con RLVR y DPO que Iguala a Llama 3.1Allen Institute for AI libera TÜLU 3, una suite abierta de modelos, recetas y datos post-entrenados con RLVR y DPO que iguala a modelos propietarios.Leer análisis completo
Allen AI Presenta OLMo 7B: Modelo Abierto con Acceso Total a Datos Dolma, Código de Entrenamiento y PesosAllen AI lanza OLMo 7B, modelo fundacional abierto con acceso libre al corpus Dolma de 3 billones de tokens, código y pesos sin restricciones.Leer análisis completo
BigCode Presenta StarCoder 2: Familia de Modelos Abiertos de Programación Entrenados en 619 Lenguajes con The Stack v2BigCode lanza StarCoder 2 (3B, 7B y 15B), modelos de código abierto con 16k tokens de contexto entrenados en 619 lenguajes sobre The Stack v2.Leer análisis completo
NVIDIA Lanza Nemotron-4 340B: Familia de Modelos Abiertos Optimizada para la Generación de Datos SintéticosNVIDIA presenta Nemotron-4 340B, modelos abiertos diseñados para generar y evaluar datos sintéticos masivos de alta calidad para entrenar otros LLMs.Leer análisis completo
Salesforce Presenta xGen-7B: Modelos de Lenguaje Abiertos Entrenados Nativamente con Contexto de 8K TokensSalesforce AI Research publica xGen-7B, familia de modelos abiertos entrenados con secuencias nativas de 8K tokens para análisis de código y documentos largos.Leer análisis completo
Salesforce Presenta xGen-MM (BLIP-3): Familia de Modelos Multimodales Abiertos con Datos y Código LibresSalesforce libera xGen-MM (BLIP-3), suite abierta de modelos multimodales con dataset MINT-1T y preentrenamiento intercalado de imagen y texto abierto.Leer análisis completo
Alibaba Presenta Qwen2.5-Math: Modelos Abiertos de Razonamiento Matemático con CoT Sintético Aumentado por CódigoAlibaba publica Qwen2.5-Math en versiones de 1.5B a 72B, superando a modelos propietarios en benchmarks matemáticos mediante razonamiento CoT y Python.Leer análisis completo
Mistral AI Presenta Codestral 2501: Modelo Especializado de Código con Inferencia Ultrarrápida y 256k Tokens de ContextoMistral AI lanza Codestral 2501, modelo de código de última generación con ventana de 256k tokens e inferencia ultrarrápida para autocompletado y agentes IDE.Leer análisis completo
Allen AI Presenta Molmo: Familia de Modelos Multimodales Abiertos de Visión y Lenguaje con Capacidad de Apuntado y LocalizaciónAllen AI lanza Molmo (7B y 72B), modelos abiertos de visión y lenguaje que superan a GPT-4V en apuntado de píxeles y comprensión visual de UI.Leer análisis completo
Allen AI Presenta Tulu 2 DPO: Familia de Modelos Abiertos de Instrucción con Optimización de Preferencias DirectasAllen AI lanza Tulu 2 DPO, suite de modelos abiertos en 70B y 13B con alineación directa de preferencias y recetas transparentes que superan a Llama 2 Chat.Leer análisis completo
Cohere for AI Lanza Aya Expanse: Familia de Modelos Abiertos de Vanguardia para 23 Idiomas GlobalesCohere for AI lanza Aya Expanse, familia de modelos abiertos en 8B y 32B con rendimiento multilingüe superior en 23 idiomas globales y regionales.Leer análisis completo
Cohere for AI Lanza Aya Vision: Modelos Multimodales Abiertos de 8B y 32B para Razonamiento Visual Multilingüe en 23 IdiomasCohere for AI presenta Aya Vision, modelos multimodales abiertos de 8B y 32B diseñados para razonamiento visual y de texto en 23 idiomas diversos.Leer análisis completo
Hugging Face Presenta SmolLM2: Familia de Modelos Abiertos de 135M a 1.7B para Inferencia On-Device y Agentes LocalesHugging Face publica SmolLM2 en tamaños de 135M, 360M y 1.7B parámetros, optimizados para razonamiento local, llamadas a herramientas y despliegue on-device.Leer análisis completo
Shanghai AI Lab Presenta InternLM 2.5: Modelos Abiertos de Razonamiento con Ventana de Contexto de 1 Millón de TokensShanghai AI Lab lanza InternLM 2.5 en 7B y 20B, con procesamiento de 1M de tokens, razonamiento matemático avanzado y llamadas a herramientas complejas.Leer análisis completo