Categoría
10 artículos en esta categoría.
La familia Qwen 2.5 de Alibaba incluye variantes especializadas en código y matemáticas, con soporte sobresaliente para idiomas asiáticos y rendimiento competitivo en benchmarks occidentales.
o1 es el primer modelo de OpenAI que genera una cadena de razonamiento interna antes de responder. Cambia la relación coste-calidad para problemas complejos y exige replantear cómo se hacen los prompts.
Microsoft publicó Phi-3 Mini con 3.8B parámetros y rendimiento de modelo mediano. El experimento demuestra que la calidad de los datos de entrenamiento puede compensar el tamaño del modelo.
Google publicó Gemma 2 con variantes de 2B, 9B y 27B parámetros. El modelo de 9B supera a Llama 3 8B en benchmarks clave y corre en consumer hardware sin grandes concesiones.
DeepSeek publicó R1 con pesos abiertos y rendimiento equivalente a OpenAI o1 en matemáticas y código. El impacto en el mercado fue inmediato y la discusión sobre eficiencia en el entrenamiento se reabrió.
Mistral AI lanzó Large 2 con 123B parámetros, ventana de 128K tokens y rendimiento que rivaliza con GPT-4o. Disponible como pesos descargables y como API, con enfoque en idiomas europeos.
Meta publicó Llama 3 con pesos descargables, contexto de 128K tokens y rendimiento competitivo con GPT-4. El ecosistema open source no había visto algo así desde el primer Llama.
Google amplió el contexto de Gemini 1.5 Pro a 1 millón de tokens y, en versión experimental, a 2 millones. Qué cambia cuando puedes meter un codebase entero en el prompt.
OpenAI fusionó texto, audio e imagen en un solo modelo con GPT-4o. Repaso de qué significa esto para el desarrollo de aplicaciones y dónde sigue siendo la mejor opción.
Anthropic lanzó Claude 3.5 Sonnet y superó a GPT-4o en la mayoría de pruebas de razonamiento y código. Qué cambia para los desarrolladores y qué limitaciones sigue teniendo.