Investigadores del Instituto de Tecnología de Tokio (Tokyo Tech) y el AIST presentaron Swallow, una familia de modelos de lenguaje abiertos de 7B, 13B y 70B parámetros optimizada para el idioma japonés mediante preentrenamiento continuo sobre la infraestructura de supercómputo ABCI.
Sigue leyendo las noticias clave de IA
Filtrar y personalizar
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
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
Google Lanza PaliGemma 2: Familia Abierta de Modelos de Visión y Lenguaje con Tamaños de 3B a 28B y Alta ResoluciónGoogle libera PaliGemma 2, modelos VLM basados en Gemma 2 y SigLIP entrenados con resoluciones de hasta 896px para OCR, grounding y tareas espaciales.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
Zhipu AI y THUDM Presentan CogVideoX: Familia Abierta de Modelos de Difusión de Video con VAE Causal 3D y Control CinemáticoZhipu AI y THUDM lanzan CogVideoX, modelos abiertos de difusión de video de 2B y 5B con VAE causal 3D y simulación de movimiento cinemático fluido.Leer 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 visión y lenguaje que superan a GPT-4V en apuntado de píxeles y comprensión visual de UI.Leer 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 en 70B y 13B con alineación directa de preferencias y recetas transparentes que superan a Llama 2 Chat.Leer análisis completo
NVIDIA Lanza Nemotron-4 340B: Familia de Modelos Abiertos Optimizada para la Generación de Datos SintéticosNVIDIA presenta Nemotron-4 340B, modelos abiertos diseñados para generar y evaluar datos sintéticos masivos de alta calidad para entrenar otros LLMs.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
Salesforce Presenta xGen-7B: Modelos de Lenguaje Abiertos Entrenados Nativamente con Contexto de 8K TokensSalesforce AI Research publica xGen-7B, familia de modelos abiertos entrenados con secuencias nativas de 8K tokens para análisis de código y documentos largos.Leer análisis completo
Cohere for AI Lanza Aya Expanse: Familia de Modelos Abiertos de Vanguardia para 23 Idiomas GlobalesCohere for AI lanza Aya Expanse, familia de modelos abiertos en 8B y 32B con rendimiento multilingüe superior en 23 idiomas globales y regionales.Leer análisis completo
OpenGVLab Presenta InternVL 2.5: Familia Abierta de Modelos Multimodales con Mosaico Dinámico de Resolución 4K y Video LargoShanghai AI Lab lanza InternVL 2.5, modelos multimodales abiertos de 1B a 78B que procesan imágenes 4K y video largo igualando a modelos propietarios.Leer análisis completo
NVIDIA Presenta NVLM 1.0: Familia Abierta Multimodal de 72B que Iguala a GPT-4o Preservando Rendimiento TextualNVIDIA lanza NVLM 1.0, modelos multimodales abiertos de 72B con arquitectura híbrida que logran paridad con GPT-4o en visión y mejoran en tareas de texto.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
CroissantLLM: Télécom Paris y Hugging Face Presentan Modelo Abierto de 1.3B con Paridad Bilingüe Francés-InglésTélécom Paris y Hugging Face liberan CroissantLLM, modelo abierto de 1.3B entrenado sobre 3T de tokens con paridad bilingüe estricta entre francés e inglés.Leer análisis completo
Upstage Presenta Solar Pro: Modelo Abierto de 22B que Compite con Modelos de 70B en una Sola GPUUpstage lanza Solar Pro Preview, modelo de lenguaje abierto de 22B parámetros optimizado mediante Depth Up-Scaling para inferencia avanzada en una sola GPU.Leer análisis completo