El equipo de modelos Doubao de ByteDance anunció recientemente que ha superado con éxito los cuellos de botella clave de la arquitectura de modelos de expertos mixtos (MoE) y ha publicado una importante tecnología de optimización llamada COMET. Esta tecnología mejora significativamente la eficiencia del entrenamiento de los modelos grandes, logrando una mejora de hasta 1,7 veces y reduciendo en un 40% los costes de entrenamiento. Nota sobre la imagen: Imagen generada por IA, proveedor de servicios de licencias de imágenes Midjourney. Según la información facilitada, la tecnología COMET ya se ha aplicado en el entrenamiento de clústeres de miles de tarjetas gráficas de ByteDance, lo que ha supuesto un ahorro de millones de GP.

Se ha descubierto que la herramienta de modelos grandes Ollama presenta graves vulnerabilidades de seguridad, poniendo en riesgo a los usuarios. Se recomienda precaución y se investiga la solución al problema.

El gigante chino del comercio electrónico, Pinduoduo, ha anunciado la formación de un equipo de modelos grandes para recomendaciones de comercio electrónico, incrementando aún más su apuesta por la aplicación de la inteligencia artificial en este sector. Según las últimas noticias en X, este equipo está dirigido por un responsable que anteriormente ocupó un puesto clave en Baidu Fēngcháo (sistema de publicidad de Baidu), cuyo salario anual se rumorea que es varias veces superior al que percibía en Baidu, lo que demuestra la gran inversión de Pinduoduo en la atracción de talento. Pinduoduo no ha revelado la identidad del responsable, pero el usuario de X @TechBitDaily publicó el 23 de febrero que el equipo ya ha incorporado a varios miembros de Baidu.

DeepSeek ha lanzado oficialmente FlashMLA, su último avance tecnológico, en el primer día de su semana de código abierto. Se trata de un núcleo de decodificación de atención multicapa (Multi-Layer Attention) de alta eficiencia, diseñado específicamente para las GPU Nvidia con arquitectura Hopper. Esta tecnología está optimizada para escenarios con secuencias de longitud variable y puede mejorar significativamente el rendimiento de inferencia de modelos grandes. Las características principales de FlashMLA incluyen soporte completo para precisión BF16 y el uso de una caché de valores clave paginada (Paged KV) con un tamaño de bloque de 64.

Recientemente, la cuenta pública de WeChat de Tencent Electronic Signature anunció el próximo lanzamiento de una función de redacción de contratos con IA. Esta innovadora función se basará en la tecnología de modelos lingüísticos grandes HunYuan y DeepSeek de Tencent, ofreciendo a los usuarios un servicio conveniente para generar contratos con un solo clic.

En el último mes, el mercado global de modelos grandes ha experimentado una sacudida con el lanzamiento de DeepSeek, y las grandes empresas se han visto obligadas a responder sobre su opinión y estrategias de respuesta a esta nueva fuerza. En el mercado nacional, las seis empresas emergentes de modelos grandes que se han convertido en unicornios: Zero One World, Baichuan Intelligent, Jieyue Xingchen, Zhipu Zhang, Yue Zhi Anmian y MiniMax, enfrentan un desafío severo, pero sus estrategias de respuesta muestran diferentes direcciones. En primer lugar, el fundador de Zero One World, Kai-Fu Lee, declaró anteriormente que ya no buscan un modelo grande súper potente.

El equipo de modelos grandes Doubao de ByteDance anunció hoy el desarrollo exitoso de la nueva arquitectura de modelo disperso UltraMem. Esta arquitectura resuelve eficazmente el problema de alto acceso a la memoria en la inferencia de modelos MoE (Mixture of Experts), aumentando la velocidad de inferencia entre 2 y 6 veces y reduciendo el coste de inferencia hasta en un 83%. Este avance innovador abre una nueva vía para la inferencia eficiente de modelos grandes. La arquitectura UltraMem resuelve con éxito el cuello de botella de acceso a la memoria en la inferencia de la arquitectura MoE, garantizando al mismo tiempo la eficacia del modelo. Los resultados experimentales muestran que, en las mismas condiciones de parámetros y activación,

Recientemente, Huggingface, la comunidad de código abierto de inteligencia artificial más grande del mundo, publicó la última clasificación de modelos de lenguaje abierto (Open LLM Leaderboard). Los resultados muestran que los diez principales modelos de lenguaje abierto de código abierto son modelos derivados basados en el modelo de código abierto Alibaba Tongyi Qianwen (Qwen) entrenados dos veces. Este logro marca la posición de liderazgo de Qwen en el campo de la IA de código abierto y promueve aún más su influencia global. Open LLM Leaderboard es ampliamente...

Xiaomi anunció recientemente una emocionante noticia: dos artículos de su equipo de modelos grandes han sido aceptados para la Conferencia de la Asociación de Lingüística Computacional de Norteamérica (NAACL) 2025, y se han incluido como artículos principales. Este logro no solo demuestra la sólida experiencia de Xiaomi en el campo de la inteligencia artificial, sino que también marca el rápido desarrollo de sus aplicaciones tecnológicas. Estos dos artículos se centran en el agente de interfaz gráfica de usuario (GUI) y la traducción automática. La investigación de Xiaomi sobre agentes GUI divide las tareas de control del teléfono en dos subtareas: llegada a la página y operación de la página.

Hoy, la plataforma abierta de iFLYTEK anuncia el lanzamiento oficial de su capacidad de IA número 807: la gama completa de modelos DeepSeek, proporcionada por Hangzhou DeepSeek. La gama completa de modelos DeepSeek incluye dos versiones: DeepSeek-V3 y DeepSeek-R1, ambas compatibles con la llamada de API de nube pública y la implementación de un modelo exclusivo con un solo clic. Cabe destacar que la plataforma abierta de iFLYTEK también ha lanzado por primera vez el servicio de ajuste fino de modelos grandes DeepSeek, que permite a los desarrolladores personalizar profundamente un modelo exclusivo "más inteligente y más adecuado" según los datos de sus escenarios de negocio.

Recientemente, el modelo nacional de IA DeepSeek se ha vuelto viral en internet, y se ha convertido en el centro de atención del mercado tecnológico mundial gracias a sus ventajas de "bajo coste y alto rendimiento". El fundador, Liang Wenfeng, ha explicado que el equipo está formado principalmente por graduados y estudiantes de doctorado de universidades nacionales. Sus sólidos resultados innovadores demuestran que China se está convirtiendo en un terreno fértil para el desarrollo de talentos de primer nivel y en el origen de innovaciones originales. Los datos de Qichacha muestran que, hasta el 6 de febrero, se habían presentado un total de 16.400 solicitudes de patentes relacionadas con modelos grandes. En cuanto al año de solicitud de la patente, la mayoría de las patentes relacionadas se han solicitado en los últimos dos años.

Con el rápido desarrollo de la tecnología de inteligencia artificial, los juguetes con IA se están convirtiendo rápidamente en un nuevo mercado en auge. Los expertos del sector consideran que los juguetes con IA son uno de los escenarios ideales para la aplicación de la tecnología de modelos grandes en el hardware. Varias empresas que cotizan en bolsa están acelerando su presencia en este mercado azul, impulsando el auge de los juguetes con IA. La empresa de investigación de mercado Research and Markets predice que el tamaño del mercado mundial de juguetes con IA crecerá de aproximadamente 8700 millones de dólares en 2022 a 35110 millones de dólares en 2030, con una tasa de crecimiento anual compuesta de

Recientemente, la Universidad de Zhejiang y el Instituto de Investigación DAMO de Alibaba publicaron una investigación notable que apunta a crear libros de texto multimodales de alta calidad a partir de videos educativos. Este innovador resultado de investigación no solo proporciona nuevas ideas para el entrenamiento de modelos de lenguaje visual a gran escala (VLMs), sino que también podría cambiar la forma en que se utilizan los recursos educativos. Con el rápido desarrollo de la tecnología de inteligencia artificial, los datos de pares de imágenes y texto y los datos de imágenes y texto entrelazados son los principales que se utilizan para el entrenamiento previo de los VLMs. Sin embargo, estos datos provienen principalmente de páginas web, la relación entre el texto y las imágenes es débil y la densidad de conocimiento es relativamente baja.

Recientemente, iFlytek Co., Ltd. ha dado un paso importante en el ámbito de la propiedad intelectual, solicitando el registro de varias marcas relacionadas con 'Modelo de Fuego Artificial', 'Modelo de Antorcha' y 'Modelo de Luz de Estrellas'. La información de Tianyancha muestra que estas marcas pertenecen a varias clasificaciones internacionales, incluyendo instrumentos científicos, servicios web y entretenimiento educativo. Actualmente, el estado de estas marcas es de 'espera de examen sustancial'. IFlytek, fundada en diciembre de 1999, es una empresa líder en inteligencia artificial y reconocimiento de voz en China, cuyo representante legal es Liu Qingfeng y su capital registrado es de aproximadamente 23.1.