DeepSeek Presenta DeepSeek-V3: Modelo MoE de 671B con Atención Latente Multi-Head (MLA)
DeepSeek AI pr
Sigue leyendo las noticias clave de IA
Filtrar y personalizar
DeepSeek Presenta DeepSeek-V2.5: Modelo MoE de 236B que Unifica Razonamiento General y Programación AvanzadaDeepSeek lanza DeepSeek-V2.5 de 236B MoE (21B activos), unificando chat general y programación avanzada con arquitectura MLA y 128k de contexto.Leer análisis completo
DeepSeek Presenta DeepSeek-V2-Lite: Modelo MoE Abierto de 16B con Multi-Head Latent Attention para Inferencia EconómicaDeepSeek libera DeepSeek-V2-Lite, arquitectura MoE de 16B con 2.4B activos que introduce Multi-Head Latent Attention para reducir drásticamente el KV Cache.Leer análisis completo
DeepSeek Presenta DeepSeek-V3: Arquitectura MoE de 671B con Multi-Head Latent Attention y FP8 MixtoDeepSeek lanza DeepSeek-V3, modelo MoE de 671B con 37B activos por token, Multi-Head Latent Attention y entrenamiento en FP8 con costo ultraeficiente.Leer análisis completo
Tencent Presenta Hunyuan-Large: Modelo MoE de 389B con Pesos AbiertosTencent publica Hunyuan-Large, modelo MoE de 389B parámetros con 52B activos, destacando en matemáticas, codificación y razonamiento multilingüe.Leer análisis completo
NVIDIA Presenta Sana: Modelo de Difusión con Atención Lineal Profunda para Síntesis de Imágenes en 4KNVIDIA lanza Sana, modelo abierto de difusión de 0.6B y 1.6B parámetros con atención lineal profunda capaz de generar imágenes en 4K hasta 100 veces más rápido.Leer análisis completo
Mistral AI lanza Codestral 2501: modelo de código abierto de vanguardia con 256k de contexto, latencia mínima y soporte multi-lenguajeMistral AI presentó Codestral 2501, elevando el razonamiento en código a nivel de frontera con ventana de 256k tokens y latencia optimizada.Leer análisis completo
Microsoft Presenta GRIN-MoE: Modelo de Mezcla de Expertos con Enrutamiento Informado por Gradiente para Inferencia EficienteMicrosoft presenta GRIN-MoE, arquitectura de mezcla de expertos de 6.6B que optimiza la selección de rutas mediante estimación de gradiente en tiempo real.Leer análisis completo
Snowflake Presenta Arctic: Modelo Abierto de 480B MoE Optimizado para Generación SQL y Cargas EmpresarialesSnowflake libera Arctic, modelo MoE de 480B (17B activos) bajo Apache 2.0 líder en generación de SQL y RAG corporativo.Leer análisis completo
TII Presenta Falcon 40B: Modelo Fundacional Abierto con Multi-Query Attention y Dataset RefinedWebTII libera Falcon 40B, modelo fundacional abierto entrenado sobre 1 billón de tokens de RefinedWeb con Multi-Query Attention y licencia Apache 2.0.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
BAAI Presenta BGE Reranker v2: Reordenamiento Semántico Profundo por Atención Cruzada para RAGBAAI libera BGE Reranker v2, modelo de reordenamiento semántico basado en atención cruzada que maximiza la precisión de recuperación en sistemas RAG.Leer análisis completo
Google DeepMind Presenta RecurrentGemma: Modelos Basados en Griffin que Combinan Redes Recurrentes y Atención LocalGoogle DeepMind presenta RecurrentGemma, modelos basados en Griffin que combinan redes recurrentes y atención local con memoria fija en inferencia.Leer análisis completo
Zyphra Presenta Zamba2: Arquitectura Híbrida Mamba2-Transformer con Atención Compartida para Inferencia UltrarrápidaZyphra presenta Zamba2, modelos híbridos Mamba2-Transformer con atención compartida para inferencia ultrarrápida y mínimo consumo de memoria VRAM.Leer análisis completo
01.AI Presenta Yi-34B: Modelo Abierto Bilingüe de 34B con Ventana de Contexto de 200K Tokens01.AI libera Yi-34B, modelo fundacional bilingüe de 34B parámetros entrenado sobre 3 billones de tokens con contexto de 200K tokens y licencia permisiva.Leer análisis completo
01.AI Presenta Yi-Lightning: Modelo de Frontera de Alta Velocidad y Bajo Coste que Empata con GPT-4o en LMSYS01.AI lanza Yi-Lightning, modelo que alcanza el puesto #6 global en LMSYS Arena empatando con GPT-4o a un coste hasta 90% menor.Leer análisis completo
AI Singapore Presenta SEA-LION 7B: Modelo Fundacional Abierto Optimizado para 11 Lenguas del Sudeste AsiáticoAI Singapore presenta SEA-LION 7B, modelo fundacional abierto entrenado sobre 11 lenguas del Sudeste Asiático con tokenizador optimizado regionalmente.Leer análisis completo