Investigadores de Télécom Paris, CentraleSupélec y Hugging Face presentaron CroissantLLM, un modelo fundacional abierto de 1.300 millones de parámetros entrenado sobre 3 billones de tokens diseñado para alcanzar paridad bilingüe estricta entre francés e inglés y operar en dispositivos de consumo.
Sigue leyendo las noticias clave de IA
Filtrar y personalizar
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
Baichuan Presenta Baichuan 2: Modelos Abiertos de 7B y 13B Preentrenados con 2,6 Billones de Tokens y Alta EficienciaBaichuan libera Baichuan 2 en 7B y 13B parámetros, preentrenado con 2,6 billones de tokens con paridad frente a LLaMA 2 en razonamiento y código bilingüe.Leer análisis completo
Cerebras Presenta BTLM-3B-8K: Modelo Abierto de 3B que Supera a Modelos de 7B con Contexto Nativo de 8KCerebras libera BTLM-3B-8K, modelo de 3B parámetros entrenado en supercomputadoras CS-2 con SwiGLU y ALiBi que supera a arquitecturas estándar de 7B.Leer análisis completo
Google Presenta Gemma 2 2B: Modelo Abierto de 2B Diseñado para Inferencia Eficiente en DispositivosGoogle lanza Gemma 2 2B, modelo abierto ultraligero con arquitectura de atención deslizante y destilación de conocimiento para edge computing.Leer análisis completo
Hugging Face Presenta Distil-Whisper: Destilación de Modelos de Voz con 6x Mayor Velocidad y Paridad de PrecisiónHugging Face presenta Distil-Whisper, reduciendo la latencia de Whisper en 6 veces y el tamaño en un 49% con paridad de precisión en transcripción de voz.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
Hugging Face Presenta SmolVLM: Modelo Multimodal Abierto de 2B para Video y Visión en Hardware LocalHugging Face lanza SmolVLM, modelo multimodal compacto de 2B parámetros optimizado para análisis de video, múltiples imágenes e inferencia visual on-device.Leer análisis completo
KAIST y LG Presentan Prometheus 2: Modelo Abierto Especializado en Evaluación y LLM-as-a-JudgeKAIST y LG AI Research presentan Prometheus 2, modelo abierto especializado en evaluar LLMs con rúbricas transparentes y paridad frente a GPT-4-as-a-Judge.Leer análisis completo
Stability AI Presenta Stable Code 3B: Modelo Abierto de Programación para Inferencia Local en DispositivosStability AI lanza Stable Code 3B, modelo abierto de 3B parámetros para autocompletado y generación de código localmente con paridad frente a modelos de 7B.Leer análisis completo
TII Presenta Falcon 180B: Modelo Fundacional Abierto de 180.000 Millones de Parámetros Entrenado en SupercómputoTII presenta Falcon 180B, modelo fundacional abierto de 180.000 millones de parámetros entrenado sobre 3,5 billones de tokens de RefinedWeb en supercómputo.Leer análisis completo
Together AI Presenta RedPajama Data v2: El Mayor Corpus Abierto con 30 Billones de Tokens y 40 Señales de CalidadTogether AI lanza RedPajama Data v2, corpus de 30 billones de tokens con más de 40 anotaciones de calidad para preentrenamiento de modelos abiertos soberanos.Leer análisis completo
Tokyo Tech y AIST Presentan Swallow: Modelos Abiertos de 7B a 70B Adaptados al Japonés en Supercomputador ABCITokyo Tech y AIST liberan Swallow, familia de modelos abiertos de 7B a 70B con preentrenamiento continuo masivo en japonés sobre el supercomputador ABCI.Leer análisis completo
Mistral AI Presenta Ministral 3B y 8B: Modelos de Borde de Alta Eficiencia para Dispositivos LocalesMistral AI presenta Ministral 3B y 8B, modelos ultraligeros para inferencia local en dispositivos con ventana de 128k y latencia ultrabaja en el borde.Leer análisis completo
Kyutai Labs Presenta Helium 1: Modelo Abierto Ultracompacto de 2B Diseñado para Inferencia Local de Alta VelocidadKyutai Labs libera Helium 1, un modelo de lenguaje de 2.000 millones de parámetros con optimización de vocabulario para inferencia ultrarrápida on-device.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
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