Un equipo de CSAIL y SEAS transformó el clásico juego Battleship en un laboratorio para evaluar cómo los modelos de lenguaje formulan preguntas útiles. Aplicando inferencia Monte Carlo y autoformalización en Python, lograron que modelos pequeños compitieran y superaran a jugadores humanos en eficiencia de búsqueda.
Microsoft anunció dos nuevos modelos MAI: uno orientado al razonamiento y otro especializado en código para GitHub Copilot y VS Code. La compañía afirma un enfoque empresarial en datos y licencias, aunque los detalles públicos revelan una mezcla que incluye rastreos web masivos.
La nueva función de resultados generativos de Google ha mostrado errores básicos: cuenta letras mal y genera palabras mal escritas. Estas fallas no son bugs menores, sino reflejo de cómo los modelos de lenguaje procesan texto.
NVIDIA presentó Nemotron-Labs Diffusion, una familia de modelos que combina generación autoregresiva y por difusión para acelerar la inferencia y permitir revisiones iterativas. Los modelos vienen en escalas de 3B, 8B y 14B y ofrecen modos de generación intercambiables que equilibran velocidad y precisión.
MIT Open Learning lanza Universal AI, un programa en línea y autodidacta diseñado para ofrecer formación práctica en IA a audiencias no técnicas. Incluye cursos básicos gratuitos, módulos sectoriales y un asistente AI para acompañar el aprendizaje.
Campbell Brown, exjefa de noticias de Meta, fundó Forum AI para medir y mejorar la conducta de los grandes modelos en temas complejos como geopolítica, salud mental y selección de personal. Su enfoque combina expertos humanos y 'jueces' de IA para llevar a escala evaluaciones más precisas.
Granite 4.1 es una familia de modelos decoder‑only (3B, 8B, 30B) entrenada en ~15T tokens, con fine‑tuning supervisado y RL para mejorar instrucciones, código y razonamiento. Destaca la extensión de contexto a 512K tokens y la publicación bajo Apache 2.0.
Investigadores del MIT identificaron por qué los modelos de razonamiento en IA tienden a mostrarse excesivamente seguros y propusieron RLCR, una técnica que enseña a los modelos a estimar su confianza. En pruebas, RLCR mejoró la calibración hasta en 90% manteniendo o aumentando la precisión.
Anthropic lanzó Claude Opus 4.7, una versión orientada a resolver trabajos complejos y de largo plazo. Trae visión de alta resolución, mejores capacidades de código y memoria basada en archivos.
GLM-5.1 es la nueva apuesta de Z.ai: un gran modelo de lenguaje basado en un esquema Mixture-of-Experts que prioriza eficiencia, contexto largo y razonamiento. Este artículo explica su arquitectura, resultados de benchmark, vías de acceso y las implicaciones prácticas para la región.
Frente al crecimiento de agentes de compra impulsados por IA, Trustpilot busca colaborar con grandes comercios para que sus datos alimenten a modelos y asistentes. El movimiento refleja un cambio en cómo los consumidores inician su investigación de productos y obliga a replantear la estrategia de datos y marketing.
Claude representa uno de los avances más significativos en modelos de lenguaje de gran escala. Analizamos su arquitectura, sus capacidades y por qué está cambiando la forma en que las empresas adoptan la IA.