Sigue leyendo las noticias clave de IA
Filtrar y personalizar
AllenAI Presenta TÜLU 3: Familia Abierta de Modelos con Post-Entrenamiento TransparenteAi2 libera TÜLU 3, familia de modelos abiertos de 8B aLeer análisis completo
Axolotl Presenta su Framework Unificado de Ajuste Fino y Post-Entrenamiento para Modelos AbiertosAxolotl libera su framework de post-entrenamiento que eLeer análisis completo
Apple Libera CoreNet: Biblioteca de Código Abierto para Entrenamiento y Optimización de Modelos de IA a Gran EscalaApple presenta CoreNet, framework abierto para entrenarLeer análisis completo
DeepSeek presenta DeepSeek-V3: modelo MoE de 671B parámetros con Multi-Head Latent Attention y costo de entrenamiento de 6 millones de dólaresDeepSeek lanza DeepSeek-V3 (671B MoE), superando a modeLeer análisis completo
Meta FAIR Presenta Lingua: Framework Abierto para Investigación y Entrenamiento Rápido de LLMsMeta FAIR libera Lingua, framework de código abierto opLeer análisis completo
NVIDIA Presenta Megatron-Core: Biblioteca Optimizada de GPU para Entrenamiento y Escalado Masivo de LLMsNVIDIA libera Megatron-Core, suite modular para estandaLeer análisis completo
PanQiWei Presenta AutoGPTQ: Biblioteca de Cuantización Post-Entrenamiento a 4-Bit Acelerada por Kernels Triton y MarlinAutoGPTQ lidera la compresión de modelos de lenguaje aLeer 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 conLeer análisis completo
AWS muestra cómo probar entrenamiento distribuido con Ray Train y EFA en KubernetesAWS publica guía de entrenamiento distribuido con Ray TLeer análisis completo
OpenAI defiende fair use en entrenamiento mientras medios y Wikimedia fijan límitesOpenAI defiende el fair use para preentrenamiento de moLeer análisis completo
AI21 Labs Presenta Jamba 1.5: Modelos Híbridos Mamba-Transformer con 256k Tokens de Contexto para Inferencia UltrarrápidaAI21 Labs lanza Jamba 1.5, modelos híbridos Mamba-TransLeer análisis completo
Alibaba Cloud Presenta Wan 2.1: Modelos Abiertos de Difusión de Video en 1080p con Compresión Espaciotemporal y DiTAlibaba Cloud lanza Wan 2.1 en versiones 1.3B y 14B, moLeer 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 viLeer 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 enLeer análisis completo
Amazon presenta Nova: nueva familia de modelos fundacionales Micro, Lite, Pro y Reel integrados en AWS Bedrock con latencia ultrabaja y costos reducidosAWS lanza la familia Amazon Nova: cuatro modelos fundacLeer análisis completo
Anthropic presenta Computer Use en Claude 3.5 Sonnet: la API que permite a modelos de IA controlar ordenadores mediante visión y eventos del sistemaAnthropic lanzó Computer Use en Claude 3.5 Sonnet, permLeer análisis completo