Artículos LLM

Descubre 10 de los mejores modelos de audio de IA open source para transcripción, generación de voz, conversaciones en tiempo real y creación musical, con inicios rápidos basados en la documentación oficial.

Kimi K3.1 Pro empata con Claude Opus 5.5 en programación por terminal y lidera el trabajo de agentes con muchas herramientas a mitad de precio por token. Opus 5.5 mantiene la ventaja en razonamiento sin fuentes, ingeniería abierta y disponibilidad en la nube.

Genie 4 de Google DeepMind genera mundos interactivos en tiempo real con audio nativo, eventos planificados por Gemini y sin benchmarks ni precios publicados.

El nuevo buque insignia open-weight de Moonshot desafía a Claude Opus 5.5 en agentic coding, cuesta menos que Kimi K3 y llega con sus capacidades de ciber recortadas a propósito.

Descubre qué es la IA encarnada, en qué se diferencia de los LLM, cómo funciona el bucle percepción-razonamiento-acción y por qué el entrenamiento sim-to-real importa para los data scientists.

El nuevo modelo de frontera de Google lidera en trabajo del conocimiento empresarial e ingeniería de software en el mundo real, llega con un límite de 1M de tokens de salida y se entrega primero a defensores de la ciberseguridad.

Mismo precio de lista, letra pequeña distinta. Comparamos GPT-6.1 Sol y Claude Sonnet 5.5 en benchmarks, costes de caché y de contexto largo, acceso en la nube y una prueba práctica de programación.

Grok de xAI, un nuevo modelo para programación y trabajo de conocimiento, cuesta $2/$6 por millón de tokens y supera a rivales punteros en algunos benchmarks. Aquí tienes las novedades, cómo se compara con la competencia y en qué mejora a su predecesor.

Beam, de Reflection AI, iguala a GLM 5.2 en razonamiento con 3-4 veces menos cómputo, pero va por detrás de Kimi K3 en codificación agentiva. Así rinde este modelo open-weight.

Descubre una nueva ola de proyectos open‑source que ofrecen alternativas prácticas a Jev para decisiones de IA rápidas, locales y rentables.

Descubre qué son los modelos fundacionales tabulares, cómo funciona el aprendizaje en contexto y cuándo TabPFN o TabICL superan a XGBoost en datos estructurados, con un marco de decisión.

Aleph Alpha ha lanzado Kolibri 1, un modelo MoE de 78B con 3,46B parámetros activos, pesos Apache 2.0 y contexto de 1M tokens, entrenado desde cero en Alemania.