DSpark es el nuevo framework de decodificación especulativa de DeepSeek, liberado bajo licencia MIT. Logra incrementos de velocidad del 60-85% en generación de texto sin alterar el modelo base. Así funciona y por qué importa.
Google ha decidido restringir el acceso de Meta a sus modelos Gemini, evidenciando un problema que toda la industria conoce pero pocos quieren admitir: la infraestructura de IA tiene un techo, y estamos cerca de tocarlo.
Anthropic ha confirmado lo que muchos sospechaban: Claude Code ha triplicado la velocidad de desarrollo de sus equipos. Pero el cuello de botella ya no esta en escribir codigo.
Mistral lanza OCR 4 con bounding boxes, clasificación de bloques y puntuaciones de confianza. El timing es perfecto: el ban de Anthropic en EE.UU. valida el argumento de soberanía de datos que Mistral lleva sonando más de un año.
OpenAI lanza Jalapeño, su primer chip de inferencia diseñado con Broadcom. Analizamos qué significa para la economía de la IA y por qué todas las big tech están siguiendo el mismo camino.
Anthropic lanza Claude Tag: un compañero de IA persistente que vive en Slack como un miembro más del equipo, acumula contexto, toma iniciativas y trabaja de forma asíncrona. Analizamos qué significa para equipos técnicos.
Investigadores del Shanghai AI Lab presentan Self-Harness, un framework que permite a agentes de IA aprender de sus propios fallos y reescribir su harness automáticamente, mejorando rendimiento entre un 33% y un 60%.
La Iniciativa Suiza de IA lanza Apertus, un modelo con pesos, datos, código y principios de alineación totalmente abiertos. Diseñado para cumplir el EU AI Act y competir con modelos de 8B y 70B parámetros.
John Jumper, co-ganador del Nobel de Quimica 2024 por AlphaFold, deja Google DeepMind para unirse a Anthropic. Analisis de que significa este movimiento para la IA aplicada a la biologia.
Trabajadores tecnológicos están reduciendo deliberadamente su uso de IA. La evidencia sugiere que el exceso de dependencia tiene un coste cognitivo real que aún no estamos midiendo bien.
Un nuevo enfoque para personalizar IA (User as Engram) almacena facts de usuario como ediciones locales a una tabla hash, evitando la contaminación que produce LoRA. 33.000x menos footprint, 5.6x más precisión en razonamiento indirecto.
Un modelo de 3.000 millones de parametros iguala en benchmarks de razonamiento a modelos 200 veces mas grandes. Analizamos que hay detras de VibeThinker-3B.