ÁLVAROMAUREIRAEl Technology Innovation Institute (TII) de Abu Dabi presentó Falcon 40B, un modelo de lenguaje fundacional abierto de 40.000 millones de parámetros entrenado sobre 1 billón de tokens de RefinedWeb bajo licencia comercial Apache 2.0 y pionero en Multi-Query Attention a gran escala.
TII liberó Falcon 40B, un modelo fundacional sin regalías entrenado sobre el corpus de alta calidad RefinedWeb que reduce el consumo de memoria en inferencia gracias a Multi-Query Attention.
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
Adept Presenta Persimmon-8B: Modelo de Lenguaje Abierto con Tokenizador Unigram y Cero Sesgos en CapasAdept libera Persimmon-8B, arquitectura abierta sin capas bias entrenada con tokenizador Unigram para máxima velocidad de inferencia y comprensión textual.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
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
Bria AI Presenta Bria 2.3: Modelo Fundacional Abierto de Generación Visual con Cumplimiento de Copyright y AtribuciónBria AI lanza Bria 2.3, un modelo fundacional de difusión visual de pesos abiertos entrenado en datos 100% licenciados con protección legal para empresas.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
Cohere lanza Command R7B: modelo multilingüe optimizado para agentes conversacionales y flujos RAG con bajo consumo de memoriaCohere anunció Command R7B, su modelo ligero multilingüe diseñado para tareas de agentes y flujos RAG corporativos de alta velocidad.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
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
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
LG AI Research Presenta EXAONE 3.0: Modelos Fundacionales Abiertos Bilingües de 7.8B con Alta Eficiencia de InferenciaLG AI Research libera EXAONE 3.0 7.8B, modelo abierto bilingüe inglés-coreano optimizado con reducción de parámetros del 68% y alto rendimiento en código.Leer análisis completo
LLM360 Presenta Amber: El Primer Modelo Fundacional Abierto de 7B con 360 Checkpoints y Reproducibilidad TotalLLM360 libera Amber, un modelo de lenguaje de 7B parámetros con 360 checkpoints intermedios, código, datos y métricas abiertas para investigación reproducible.Leer análisis completo
MosaicML Presenta MPT-30B: Modelo Abierto de 30B con Arquitectura ALiBi y Contexto Nativo ExtensibleMosaicML presenta MPT-30B, modelo abierto de 30B con arquitectura ALiBi, contexto nativo de 8K e inferencia en una GPU para soberanía de datos comercial.Leer análisis completo
Stability AI Presenta StableLM 2 12B: Modelo Abierto Multilingüe Optimizado para Rendimiento de VanguardiaStability AI presenta StableLM 2 12B, modelo multilingüe eficiente entrenado en 2T tokens a lo largo de 7 idiomas con paridad frente a modelos de 70B.Leer análisis completo
Tencent Presenta Hunyuan-Large: Modelo Abierto de Mezcla de Expertos de 389B con 52B Activos y Contexto de 256KTencent presenta Hunyuan-Large, modelo abierto MoE de 389B parámetros con 52B activos, ventana de 256K tokens y preentrenamiento con datos sintéticos filtrados.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