Apple liberó CoreNet, una biblioteca integral de código abierto diseñada para entrenar y optimizar redes neuronales profundas a gran escala, unificando tareas de visión por computador, modelos de lenguaje y procesamiento de a
Sigue leyendo las noticias clave de IA
Filtrar y personalizar
Apple Presenta OpenELM: Familia de Modelos de Lenguaje Ultraligeros de Código Abierto Optimizados para Inferencia en el BordeApple lanza OpenELM (270M a 3B parámetros), modelos de lenguaje de código abierto con escalado no uniforme para inferencia eficiente on-device.Leer análisis completo
Axolotl Presenta su Framework Unificado de Ajuste Fino y Post-Entrenamiento para Modelos AbiertosAxolotl libera su framework de post-entrenamiento que estandariza ajuste fino de LLMs con YAML, empaquetado de secuencias y aceleración FSDP y DeepSpeed.Leer análisis completo
OpenAI Presenta MLE-bench: Benchmark de 75 Competencias Kaggle para Medir la Ingeniería de Machine Learning en AgentesOpenAI introduce MLE-bench, un benchmark de 75 desafíos reales de Kaggle para evaluar la capacidad de agentes de IA en ingeniería de machine learning.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
Mixture-of-Kittens: Cursor abre un megakernel para entrenar modelos de expertos en sistemas NVL72Cursor libera Mixture-of-Kittens, un megakernel de código abierto para acelerar el entrenamiento de modelos MoE en sistemas NVIDIA Blackwell NVL72.Leer análisis completo
Apple Presenta DCLM: Modelos Abiertos de 7B Entrenados con Curación Masiva de Datos que Superan a Llama 3Apple lanza DCLM-Baseline-7B, modelo abierto entrenado con curación masiva de datos limpios que supera a Llama 3 en benchmarks académicos como MMLU.Leer análisis completo
Allen AI Presenta OLMo 2: Modelos Fundacionales Abiertos de 7B y 13B con Transparencia Total en Datos y CódigoAllen AI lanza OLMo 2, modelos abiertos de 7B y 13B entrenados sobre 5 billones de tokens de Dolma con pesos, código y registros de entrenamiento públicos.Leer análisis completo
AWS despliega Trainium2 a escala: aceleradores de cómputo dedicados para entrenar modelos fundacionales con menor coste energéticoAWS lanzó Trainium2 para entrenamiento de modelos fundacionales con clústeres de hasta 100.000 chips y cuatro veces más rendimiento por vatio.Leer análisis completo
Microsoft Research Libera BitBLAS: Biblioteca de Operaciones Matriciales para Cuantización Sub-Byte en GPUsMicrosoft Research presenta BitBLAS, biblioteca BLAS de alto rendimiento para acelerar hasta 8x la inferencia de modelos cuantizados a precisión sub-byte.Leer análisis completo
Databricks Presenta DBRX: Modelo de Lenguaje MoE de Código Abierto con 132B Parámetros y Eficiencia de InferenciaDatabricks lanza DBRX, modelo MoE abierto de 132B (36B activos) que supera a Llama 2 70B y Mixtral en programación, matemáticas y razonamiento con menor costo.Leer análisis completo
Decart y Etched Presentan Oasis: El Primer Modelo de Mundo Jugable en Tiempo Real a 20 FPS Impulsado por Redes NeuronalesDecart y Etched presentan Oasis, el primer modelo de mundo que genera entornos y simula física a 20 FPS sin depender de un motor de juego tradicional.Leer análisis completo
TII Presenta Falcon Mamba: El Primer Modelo de Lenguaje Abierto Basado en la Arquitectura SSM a Escala de 7BTII lanza Falcon Mamba 7B, primer modelo abierto puro basado en Mamba con memoria constante y rendimiento superior a Transformers como Llama 3 en benchmarks.Leer análisis completo
Google DeepMind Presenta GraphCast: Redes Neuronales sobre Grafos para Predicción Meteorológica Global a 10 Días en un MinutoDeepMind publica en Science el modelo GraphCast, que predice variables climáticas globales con mayor precisión y velocidad que los modelos de la ECMWF.Leer análisis completo
TII Presenta Falcon 2 11B: Modelo Fundacional Abierto con Capacidades Nativas de Visión y LenguajeTII libera Falcon 2 11B, modelo abierto con conversión directa de visión a lenguaje para procesamiento multimodal eficiente en una única GPU de 24 GB.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
Moondream Presenta Moondream2: Modelo Abierto de Visión y Lenguaje de 1.6B para Inferencia On-Device y EdgeMoondream publica Moondream2, modelo de visión y lenguaje de 1.6B para inferencia local en tiempo real sobre CPUs, edge devices y navegadores.Leer análisis completo