Hedra ha presentado Character-3 y Hedra Studio, dos innovaciones que marcan un hito en la tecnología de avatares digitales. Estos avances permiten la inferencia conjunta de imagen, texto y audio, abriendo nuevas posibilidades para la creación de experiencias inmersivas y realistas en diversas aplicaciones.

Alibaba ha lanzado Tongyi Qianwen QwQ-32B, un nuevo modelo de inferencia de código abierto que ofrece un rendimiento sorprendente incluso en tarjetas gráficas de consumo. Este modelo permite a los usuarios ejecutar inferencias de modelos de lenguaje grande sin necesidad de recursos de computación en la nube de alto costo, abriendo nuevas posibilidades para la investigación y el desarrollo de IA.

Tongyi Lingma anuncia el lanzamiento de su nuevo modelo de inferencia Qwen2.5-Max, que ofrece a los desarrolladores un potente soporte para la programación y las matemáticas. Qwen2.5-Max utilizó más de 20 billones de tokens de datos de preentrenamiento y, combinado con un esquema de entrenamiento posterior cuidadosamente diseñado, muestra un rendimiento excepcional.

iFlytek ha anunciado una actualización completa de su modelo de inferencia profunda, StarFire X1. Esta actualización tiene como objetivo mejorar sus capacidades de aplicación en múltiples campos como matemáticas, medicina y educación, aportando una serie de mejoras e innovaciones. La capacidad matemática de StarFire X1 se ha mejorado significativamente, especialmente en el manejo de problemas de nivel competitivo. En comparación con otros modelos del sector, StarFire X1, a pesar de tener un menor número de parámetros, se sitúa a la par de modelos como DeepSeek R1 y modelos relacionados de OpenAI en tareas matemáticas. Los usuarios pueden acceder a StarFire a través de...

DeepSeek ha abierto una cuenta oficial en Zhihu y publicado el artículo técnico "DeepSeek-V3/R1: Visión general del sistema de inferencia", donde revela por primera vez los detalles de optimización y la información sobre el margen de beneficio de su sistema de inferencia de modelos. Esto marca el final de la muy esperada semana de código abierto de DeepSeek. El artículo presenta los dos objetivos principales de optimización del sistema de inferencia DeepSeek-V3/R1: mayor rendimiento y menor latencia. Para lograr estos objetivos, DeepSeek ha adoptado la tecnología de paralelismo de expertos a gran escala entre nodos (EP), aunque...

El 25 de febrero, Alibaba anunció el lanzamiento de QwQ-Max-Preview, un modelo de inferencia basado en Qwen2.5-Max, y planea la publicación de código abierto completa de sus últimos modelos de inferencia QwQ-Max y Qwen2.5-Max. QwQ-Max-Preview es una versión preliminar; Alibaba indicó que la versión oficial se lanzará próximamente y será de código abierto bajo la licencia Apache2.0. A diferencia de versiones anteriores, esta publicación de código abierto incluye no solo el modelo en sí, sino también versiones más pequeñas, como Q...

El 25 de febrero, Anthropic lanzó oficialmente su último modelo de inferencia: Claude 3.7 Sonnet. Este modelo, con su innovador diseño y sus significativas mejoras en capacidad de programación, se ha convertido rápidamente en el centro de atención de la industria. La innovación principal de Claude 3.7 Sonnet radica en la fusión de respuestas rápidas y capacidad de pensamiento profundo, simulando el proceso de pensamiento del cerebro humano para ofrecer a los usuarios una experiencia de interacción más fluida.

En el campo de la Inteligencia Artificial (IA), aunque los Modelos de Lenguaje Grandes (LLM) destacan en el procesamiento del lenguaje natural, a menudo se quedan cortos cuando se enfrentan a tareas de razonamiento complejas. Estas tareas suelen requerir razonamiento de varios pasos, conocimiento específico del dominio o la integración efectiva de herramientas externas. Para superar estas limitaciones, los investigadores han estado explorando cómo mejorar las capacidades de los LLM mediante el uso de herramientas externas. Los métodos de mejora tradicionales suelen requerir el ajuste fino o entrenamiento adicional del modelo, lo que limita su adaptabilidad y flexibilidad a las tareas.

Recientemente, las noticias sobre la finalización de la ronda Pre-A de Silicon Flow han generado un debate sobre la trayectoria de desarrollo temprano de la empresa. Un informe anterior indicó que en la segunda mitad de 2023, Liang Wenfeng, fundador de DeepSeek, propuso invertir en Silicon Flow con la condición de que se hiciera de código abierto su motor de inferencia LLM de desarrollo propio, pero fue rechazado por Yuan Jinhui, CEO de Silicon Flow. Al respecto, Yuan Jinhui respondió hoy en sus redes sociales, negando la afirmación anterior. Expresó que al mencionar la falta de cooperación con Liang Wenfeng en 2023, estaba lamentando su falta de visión.

En el campo de la inteligencia artificial, el equipo de DeepSeek ha publicado recientemente sus últimos resultados de investigación, presentando un innovador mecanismo de atención dispersa llamado NSA (Native Sparse Attention). El objetivo principal de esta tecnología es mejorar la velocidad del entrenamiento y la inferencia de contextos largos, especialmente optimizada para el hardware moderno, lo que permite una mejora significativa en la eficiencia del entrenamiento y la inferencia. La introducción de la tecnología NSA ha supuesto un cambio notable en el entrenamiento de los modelos de inteligencia artificial. En primer lugar, mediante una serie de mejoras dirigidas al hardware informático moderno

El 18 de febrero, NetEase Youdao lanzó oficialmente el revolucionario dispositivo de aprendizaje "Bolígrafo diccionario con pantalla completa" Youdao SpaceOne, convirtiéndose en el primer hardware educativo con IA nativo de China que integra profundamente las capacidades de los grandes modelos lingüísticos. Este producto integra el modelo de inferencia DeepSeek-R1, superando las limitaciones de las herramientas tradicionales de resolución de problemas. Con la "simulación de borrador" como núcleo, descompone visualmente paso a paso los problemas académicos complejos, simulando el proceso de pensamiento de un profesor real. Cubre 10 grandes disciplinas, incluyendo matemáticas, física y química, ofreciendo explicaciones profundas de todos los tipos de preguntas, siendo considerado como un "equipo de tutores de IA que cabe en tu bolsillo".

Una investigación reciente realizada conjuntamente por la Universidad de Múnich, el Centro de Aprendizaje Automático de Múnich y Adobe Research muestra que 12 modelos de lenguaje de IA de vanguardia, incluyendo GPT-4o, Gemini1.5Pro y Llama-3.3-70B, enfrentan una disminución significativa del rendimiento en tareas de inferencia conceptual de textos largos. A pesar de que estos modelos admiten el procesamiento de contexto de al menos 128.000 tokens, su capacidad de asociación lógica profunda presenta limitaciones fundamentales. El equipo de investigación desarrolló NOLIMA (sin coincidencia de texto...