Microsoft reduce costos en IA al usar sus propios modelos en lugar de OpenAI y Anthropic
Microsoft ha comenzado a implementar una estrategia de reducción de costos en inteligencia artificial, optando por utilizar más sus propios modelos en lugar de depender de software de OpenAI y Anthropic. Esta medida, que afecta a programas populares como Excel y Word, forma parte de una tendencia más amplia entre grandes empresas para controlar gastos en este sector, buscando soluciones más económicas debido al aumento de costos en servicios de IA.
Lanzan EMO, un modelo de mezcla de expertos que favorece la modularidad emergente en IA
Se presenta EMO, un innovador modelo de mezcla de expertos (MoE) que permite la selección de un pequeño subconjunto de especialistas para tareas específicas, manteniendo un rendimiento cercano al del modelo completo. A diferencia de los MoEs tradicionales, EMO se entrena para que la modularidad emerja de los datos, facilitando un uso más eficiente y flexible de los recursos computacionales necesarios. Esto representa un avance significativo en modelos de lenguaje espaciosos y adaptables.
Los costos de evaluación en IA superan los límites económicos y afectan la investigación
Los costos de evaluación en inteligencia artificial han alcanzado niveles preocupantes y se están convirtiendo en un obstáculo significativo. Ejemplos recientes, como el Holistic Agent Leaderboard, revelan gastos de hasta $40,000 por evaluaciones, lo que limita la capacidad de grupos académicos y organizaciones independientes para realizar estudios rigurosos. A medida que el costo de las evaluaciones supera incluso el de la capacitación de modelos, la evaluación se convierte en una barrera de acceso en el campo de la IA.
DeepSeek lanza V4 con capacidad de contexto de un millón de tokens para tareas agenticas
DeepSeek ha lanzado su versión V4, que cuenta con una capacidad de contexto de un millón de tokens, lo que la hace ideal para tareas de agentes. Con dos modelos diferentes, V4-Pro y V4-Flash, se enfoca en mejorar la eficiencia en el uso de memoria y en el manejo de largas secuencias. Se presentan innovaciones en la arquitectura que optimizan el rendimiento y facilitan la implementación en aplicaciones complejas.
Agentes LLM triunfan en competencia de Kaggle con codificación asistida por IA
En marzo de 2026, tres agentes LLM generaron más de 600,000 líneas de código y realizaron 850 experimentos, logrando el primer lugar en una competencia de Kaggle. El éxito se basa en la rapidez para generar y probar ideas, optimizado por la combinación de LLM y aceleración por GPU. Este enfoque permite una experimentación más eficiente y el desarrollo de modelos predictivos de datos tabulares de alto rendimiento.
Google DeepMind lanza Gemma 4, modelos multimodales de inteligencia en Hugging Face
La familia de modelos multimodales Gemma 4 de Google DeepMind ya está disponible en Hugging Face, ofreciendo soporte para diversos agentes e infraestructuras de inferencia. Con licencia abierta y capacidad para manejar texto, audio e imagen, estos modelos destacan en calidad y adaptabilidad, siendo ideales para su uso en dispositivos. Además, han demostrado un rendimiento sobresaliente en pruebas, optimizando tareas complejas de inteligencia multimodal y fine-tuning.
Lanzamiento de TRL v1.0: la nueva biblioteca para post-entrenamiento adaptable
Se lanza la versión 1.0 de TRL, que transforma la biblioteca, anteriormente enfocada en investigación, en una herramienta sólida para sistemas de producción. Con más de 75 métodos de post-entrenamiento, su diseño evolutivo se adapta continuamente a un campo en constante cambio. TRL busca facilitar la comparación y aplicación de métodos, combinando estabilidad y flexibilidad, y respaldando una comunidad en crecimiento.
Crecimiento del Open Source en Hugging Face para 2026: Un análisis del ecosistema de IA
El informe analiza la evolución del ecosistema de inteligencia artificial de código abierto en Hugging Face durante el último año, destacando el crecimiento de usuarios, modelos y conjuntos de datos. Aumenta la participación activa, con comunidades especializadas que crean modelos derivados. El panorama geográfico muestra el ascenso de China en descargas. Se abordan también la competencia, la adopción por parte de empresas y la necesidad de infraestructura adecuada para el desarrollo.
Stripe lanza herramienta para convertir costos de IA en ganancias para startups
Stripe ha presentado una nueva funcionalidad que permite a las startups de inteligencia artificial optimizar la gestión de costos relacionados con el uso de modelos de IA. Esta herramienta no solo facilita la transferencia de los costos a los clientes, sino que también permite aplicar un margen de beneficio sobre esos costos. Con esta innovación, las empresas pueden monetizar eficazmente sus gastos en IA, transformando un desafío en una oportunidad de rentabilidad.
Entrenamiento de un modelo de texto a imagen en 24 horas: avances y resultados
En esta tercera entrega sobre la creación de un modelo de texto a imagen, se examina un entrenamiento acelerado de 24 horas utilizando diversas técnicas innovadoras. Combinando enfoques de entrenamiento en espacio de píxeles, alineación de representaciones y pérdidas perceptuales, se logra un modelo significativo dentro de un presupuesto accesible, demostrando el avance en la capacitación de modelos de difusión y su potencial para futuras investigaciones.
