Web de actualidad independiente
Los agentes con horizontes a largo plazo han convertido el servicio de LLM en una carga de trabajo que requiere muchos aportes. Los prerrellenos repetidos y los contextos de millones…
Una sola tarjeta de 24 GB es el piso práctico para una inferencia local seria. Es suficiente para modelos realmente capaces y lo suficientemente pequeño como para caber en una…
Tres laboratorios chinos ocupan ahora la cima de la clasificación de peso abierto. Kimi K3 de Moonshot AI, DeepSeek V4 Pro y GLM-5.2 de Zhipu AI son modelos dispersos de…
DeepSeek lanzó DSpark, un marco de decodificación especulativo, con puntos de control de código abierto y código de entrenamiento. Es una optimización del servicio, no un modelo nuevo. Los puntos…
El último modelo de IA de DeepSeek estaba preparado para un lanzamiento importante. Y, sin embargo, los mercados no reaccionaron como se esperaba al lanzamiento de la vista previa V4…
DeepSeek-AI ha lanzado una versión preliminar de la serie DeepSeek-V4: dos modelos de lenguaje de mezcla de expertos (MoE) creados en torno a un desafío central que hace que las…
DeepSeek AI lanzó DeepSeek-OCR 2, un sistema de comprensión y OCR de documentos de código abierto que reestructura su codificador de visión para leer páginas en un orden causal que…
Los transformadores utilizan la atención y una combinación de expertos para escalar la computación, pero aún carecen de una forma nativa de realizar la búsqueda de conocimientos. Vuelven a calcular…
Los investigadores de DeepSeek están intentando resolver un problema preciso en el entrenamiento de modelos de lenguaje grandes. Las conexiones residuales hicieron que las redes muy profundas fueran entrenables, las…
¿Cómo se obtiene un razonamiento de nivel GPT-5 en cargas de trabajo de contexto real a largo plazo que utilizan herramientas sin prestar atención cuadrática y el costo de GPU…