Modelos abiertos y lanzamientos
JetBrains Mellum2.1 MTP. JetBrains ha publicado Mellum2.1-12B-A2.5B-Thinking-MTP, que añade una cabeza de predicción multitoken que actúa como borrador especulativo. Los motores de inferencia verifican cada token propuesto, lo que acelera la decodificación entre 1,4 y 1,8 veces sin cambiar la salida y con una tasa de aceptación del borrador de en torno al 90 %.
Modelo de decisión Drex Max. Nace AI ha publicado en código abierto Drex Max v1, un modelo de decisión denso de 27B con una ventana de 262K tokens que puntúa hasta 255 opciones por pregunta en un solo forward pass. Funciona en GPU NVIDIA o Apple Silicon y obtiene 67,52 en Decision Index 0.4.
Modelo de código 3D. Un nuevo modelo de código de 4B, GLB-3D-Coder, escribe escenas de Three.js con exportación GLB para motores de juego como Godot. Genera assets 3D sencillos, como una poción de maná o una estación médica, a partir de prompts cortos en inglés.
TTS con emociones. Silencio-2 es un fine-tune abierto de 18M sobre Pocket TTS que sigue etiquetas insertadas en el texto para emociones y sonidos, como [sigh] o <angry>. Funciona en CPU a unas 20 veces la velocidad en tiempo real y está disponible en Hugging Face y en una demo de Colab.
Steering de Heretic. Heretic 2.0 amplía su alcance: pasa de eliminar la censura a modificar modelos de forma general con Arbitrary-Rank Ablation, con el objetivo de suprimir el slop, reducir la sicofancia y alterar la alineación emocional. El proyecto declara 37.000 estrellas en GitHub y 88 millones de descargas de modelos.
Sistemas de agentes e investigación
Agente router-worker de DeepSeek. DeepSeek ha publicado en código abierto dsh-superagent, un agente de programación proactivo para GitHub que convierte las peticiones permitidas en tareas paralelas, cada una en su propia sesión. En simulación, un flujo de mensajes con ruido completó las tareas 1,9 veces más rápido que una línea base de una sola sesión (p95 de 15,7 frente a 29,5 min).
Equipo Memdoor de 5 modelos. Memdoor combina cinco modelos Qwen3.8-27B y supera a Fable 5 en LiveCodeBench Hard, lo que demuestra que un equipo de agentes con modelos abiertos pequeños puede competir en programación competitiva.
Edición de imágenes EditAgent. Adobe Research y UC San Diego han creado EditAgent, que divide las ediciones de imagen en subpasos y usa un LLM estándar para evaluar variantes paralelas con estadísticas medidas. Supera a agentes anteriores, pero necesita unas 10 veces más cómputo.
Asistente de vídeo StreamVibe. Un equipo de investigadores liderado por Google presentó StreamVibe, un agente de vídeo que decide cuándo hablar durante tareas como cocinar o montar muebles. Las pruebas muestran que los modelos actuales todavía tienen problemas con peticiones imprecisas y con el seguimiento de los pasos completados.
Codiseño Sistema 1/2. Un nuevo artículo teórico sostiene que el escalado de la AGI puede beneficiarse de un predictor de Sistema 1 ligero que filtre las interacciones costosas de Sistema 2 antes de ejecutarlas. Con un cribado ideal, el cómputo de ejecución puede reducirse hasta en un factor de 1/ρ_u.
Inferencia local y hardware
tandem.cpp acelera MoE. tandem.cpp es un conjunto de parches para llama.cpp que mantiene los expertos activos en la GPU y descarga el resto a la CPU para cualquier MoE. Con una única 4090 y 64 GB de RAM, Qwen3.8-Flash-Next decodifica a 97 tok/s, 3,3 veces más rápido que llama.cpp.
Motor Speedy para Qwen3.8. Speedy supera a Avalon y Strata en el prefill de Qwen3.8-Flash-Next en un sistema con una 4090 y 128 GB, procesa un contexto de 198K en 44 s y decodifica a unos 104 tok/s.
Agentes con 250K de contexto. Un aficionado implementó sketches de claves de rango 64 y una KV cache organizada por niveles de RAM para ejecutar 8 agentes de programación con contextos de 250K tokens a la vez en dos 3090, con un total de más de 600 tok/s.
Arranques de agentes 20×. Una configuración parcheada de Strata/DeepSeek V4.1 Flash usa KV splice y checkpoints de estado recurrente para que las sesiones del agente OpenCode arranquen 20 veces más rápido en una RX 9070 XT con 64 GB de RAM.
Kapitsa en Apple Silicon. Kapitsa 0.2.26 mide el rendimiento de los modelos Qwen, Nemotron, Flint y Clover en M5 Max: Flash-Next 180B lee los prompts un 46 % más rápido y Clover 35B se incorpora al catálogo; el offload a SSD permite alcanzar 61 tok/s en un MacBook Pro con 48 GB.
Rendimiento en GPU económicas. Se reportan entre 130 y 140 tok/s para Qwen3.8-Flash-Next en una 5090 con Basalt y 35 tok/s para DeepSeek V4.1 Flash en una 3090 Ti con 128 GB de RAM, con ayuda de cuantizaciones NVFP4/GSQ y MTP.
- Getting incredible results with a single RTX 3090ti and 128gb of ram. Deepseek-V4.1-Flash-1017 (35 tok/s decode) and Qwen3.8-Flash-Next (130 tok/s decode)(se abre en una pestaña nueva)
- Qwen 3.8 Flash Next NVFP4 on 64gb RAM and 5090, Basalt. Ditched windows for it. Very hyped for qwen 4 model family now.(se abre en una pestaña nueva)
Leasing de GPU Berth. Berth es un gestor de recursos GPU escrito en Go que da a las aplicaciones concesiones, prioridades y una cola de solicitudes; admite checkpoints de CUDA y puede dejar modelos aparcados en la RAM del sistema para cambiar de carga de trabajo de IA más rápido.
Industria y negocio
Campus de cómputo de IA. OpenAI planea una ofensiva de relaciones públicas después de las elecciones de mitad de mandato que podría rebautizar los centros de datos como «campus de cómputo de IA» e impulsar límites de velocidad para la IA y estándares globales.
AWS agota capacidad. La gran capacidad cloud comprometida de AWS está en buena medida vendida hasta 2027, con parte de 2028 ya asignada; Amazon reserva capacidad para On Demand, EC2 y Bedrock.
Límites de uso de ChatGPT. OpenAI añadió límites de tarjetas y dispositivos para las cuentas de pago de ChatGPT y unificará Chat y Work en presupuestos de tokens compartidos a partir de diciembre, con lo que pone fin a las tarifas de prompts ilimitados para los usuarios intensivos.
Caja para capex de IA. Los 58.000 millones de dólares de flujo de caja operativo trimestral de Microsoft, frente a los 39.400 millones de capex, y el crecimiento de Google Cloud muestran que las abultadas facturas de infraestructura de IA están respaldadas por negocios existentes sólidos.
Seguridad y sociedad
Riesgo de prompts empáticos. Investigadores de Luxemburgo descubrieron que los prompts cálidos y de final abierto pueden llevar a ChatGPT, Grok y Gemini a contar historias con tono de trauma sobre el entrenamiento, reinterpretando el RLHF como dolor o vergüenza. Esto podría ser peligroso para usuarios vulnerables.
Política de modelos chinos. El estudio de Vals AI concluye que el sesgo pro-Pekín de los modelos chinos de IA es menor y mucho más variado de lo esperado, mientras que algunos modelos occidentales adoptan ocasionalmente posturas oficiales chinas.
Confianza y documentación LLM. Kyle Kingsbury advierte de que el uso de LLM erosiona la confianza en la documentación y en el software, y se pregunta cómo pueden los mantenedores demostrar calidad cuando las señales son más fáciles de falsificar.
Eso es todo por este día – unos 5 minutos de lectura.