Empezar ahora
KIMISEEK / NEWS

Noticias de modelos

Novedades de los modelos chinos y su impacto en la integración API, la selección de modelos y los costes.

  1. qwen

    MarkTechPost repasa tres años y medio de Qwen: de 7B a los 2,4T de pesos abiertos reportados

    Según un artículo cronológico de MarkTechPost del 4 de octubre de 2026, Qwen de Alibaba pasó de una prueba por invitación en abril de 2023 a un modelo de pesos abiertos reportado con 2,4 billones de parámetros; en el camino, la licencia evolucionó de "uso comercial gratuito por debajo de 100 millones de usuarios activos mensuales" hacia Apache 2.0 en múltiples tamaños, y aparecieron el enrutamiento disperso MoE, la atención lineal híbrida y líneas de producto abiertas y cerradas en paralelo.

  2. open_model

    Cantina publica apex-flash-1: modelo de pesos abiertos para investigación de vulnerabilidades, ajustado sobre GLM-5.3-Flash, resuelve 40 de 60 tareas reservadas

    Según MarkTechPost, el 4 de octubre de 2026, Cantina Security, junto con Yeta Labs, publicó el modelo de pesos abiertos apex-flash-1, ajustado con GRPO sobre GLM-5.3-Flash, liberado bajo licencia MIT en Hugging Face, y que según sus autores resuelve 40 de 60 tareas reservadas de vulnerabilidades y cuyos pesos en BF16 requieren aproximadamente 640 GB de VRAM.

  3. open_model

    Aleph Alpha publica Kolibri de pesos abiertos: MoE de 78.100 millones de parámetros y 3.460 millones activados por token

    Según un reporte de MarkTechPost del 4 de octubre de 2026, Aleph Alpha publicó Kolibri-1, un modelo MoE bilingüe inglés-alemán de pesos abiertos, con 78.100 millones de parámetros totales y solo 3.460 millones activados por token, contexto de hasta 1.048.576 tokens y cuatro niveles de intensidad de razonamiento, distribuido bajo licencia Apache 2.0 en Hugging Face, con un checkpoint FP8 de unos 78 GB que puede servirse con vLLM en una sola B200 o H200.

  4. open_model

    Ai2 publica como código abierto AstaBrief 8B: informes con citas en una sola pasada desde Qwen3-8B

    Según un blog publicado por Ai2 el 2 de octubre de 2026, Ai2 publica como código abierto AstaBrief 8B, entrenado a partir de Qwen3-8B mediante post-entrenamiento, que escribe una pregunta de investigación y fragmentos recuperados como un informe con citas en una sola pasada, y se lanza como el modo Fast de «generación de informes» de Asta; el blog afirma que el modo Fast promedia 51,1 segundos por informe, unas 3,5 veces más rápido que su modo Thinking impulsado por Claude, y que los pesos y los datos de entrenamiento se publican conjuntamente.

  5. glm

    Anthropic evalúa: GLM-5.3, de pesos abiertos de Zhipu, se acerca a Claude Mythos Preview en explotación de vulnerabilidades

    Según The Decoder, el 30 de septiembre de 2026, el equipo de red team de Anthropic afirmó que el modelo de pesos abiertos GLM-5.3 de Zhipu construyó 50 exploits utilizables en 410 intentos en ExploitBench, cerca de los 56 de Mythos Preview, y que sus defensas de rechazo pueden eliminarse mediante abliteration; la evaluación independiente de CAISI de EE. UU. llegó a una conclusión similar y lo situó unos cuatro meses por detrás del mejor modelo estadounidense.

  6. qwen

    Qwen3.8-Flash 对比 GLM-5.3-Flash：办公工作台开发的能力分工与选型

    Según un reporte de Leiphone del 30 de septiembre de 2026, el autor usó Claude Code en el mismo entorno para que Qwen3.8-Flash y GLM-5.3-Flash, lanzados el mismo día, desarrollaran desde cero una estación de trabajo personal; ambos entregaron aplicaciones ejecutables, GLM más orientado a la integridad sistémica y de ingeniería, Qwen más orientado al flujo de trabajo personal y al diseño de prioridades.

  7. domestic_model

    RunningHub lanza el modelo generativo de superresolución de video RH Upscale: cinco niveles, Ultra lidera la comparativa y Max tarda aproximadamente 1/8,6 de su tiempo

    Según informa Machine Heart, RunningHub, bajo HaiMayun, ha lanzado su modelo generativo de superresolución de video de desarrollo propio RH Upscale, cuyo enfoque es «ampliar sin alterar el contenido». El informe señala que en una comparativa de 13 configuraciones con entrada 540P y salida 1080P, el nivel Ultra obtuvo la puntuación global más alta con 0,539 y lideró la tabla, ofreciendo cinco niveles de Ultra a Low; Max procesa un video de 5 a 10 segundos con superresolución 2x en 34 segundos, aproximadamente 1/8,6 del tiempo de Ultra.

  8. open_model

    NVIDIA lanza el modelo fundacional tabular de pesos abiertos Kumo Tabular: predicción sin entrenamiento en una sola pasada y primer puesto autoinformado en cuatro benchmarks

    Según un blog oficial de NVIDIA publicado el 29 de septiembre de 2026, la empresa lanzó el modelo fundacional tabular Kumo Tabular, con tres tamaños de 28 a 215 millones de parámetros, publicado bajo la licencia OpenMDW-1.1 y disponible en Hugging Face, que no requiere entrenamiento ni ingeniería de características y realiza clasificación y regresión con una sola pasada hacia adelante; el blog afirma que ocupa el primer puesto en cuatro benchmarks como TabArena.

  9. domestic_model

    MiniMax lanza M3.1-Flash-Preview: seis niveles de razonamiento y contexto de un millón

    Según reporta Xinzhiyuan, el modelo anónimo Space Bunny Alpha apareció el 23 de septiembre en OpenRouter y OpenCode, y desarrolladores infirieron por comparación de tokenizadores que provenía de MiniMax; cuatro días después, el 27 de septiembre, MiniMax lanzó M3.1-Flash-Preview, con seis niveles ajustables de intensidad de razonamiento, contexto de 1 millón de tokens y entrada de texto, imagen y video. El reportaje también registra resultados de pruebas en corrección de errores, generación web, 3D y juegos.

  10. domestic_model

    RunningHub lanza H3 RH Enhanced: post-entrenamiento sobre la base abierta H3, con una tarifa declarada de 0,18 yuanes por segundo

    Según un reportaje de Xinzhiyuan del 29 de septiembre de 2026, RunningHub lanzó H3 RH Enhanced, un modelo con post-entrenamiento profundo sobre la base abierta MiniMax H3, y afirma que en 2000 pruebas comparativas su narrativa de larga secuencia con múltiples planos supera notablemente a Seedance 2.0, con una reducción de más del 60 % en la tasa de degradación de personajes en escenas extremadamente largas. Dos pasajes del cuerpo del reportaje cifran el coste en 0,18 yuanes por segundo, mientras que el párrafo de conclusiones menciona 0,10 yuanes por segundo; conviene verificarlo con la información de facturación más reciente del proveedor.

  11. domestic_model

    Naive AI publica su primer modelo de código abierto, Naive-N0.5-Flash: 309B parámetros totales, contexto nativo de un millón y pesos con licencia MIT

    Según un reportaje de Jiqizhixin del 28 de septiembre de 2026, el equipo de Dai Jifeng, Naive AI, publicó su primer modelo, Naive-N0.5-Flash, con 309B parámetros totales, 15.5B activos, soporte nativo para un contexto de un millón de tokens y enfoque en programación e I+D de IA. El informe señala que los pesos y el código de inferencia usan licencia MIT y que se planea ofrecer una API, además de divulgar resultados de evaluaciones como PaperBench y MLE-bench-30.

  12. deepseek

    Investigación afirma que DeepSeek-V4-Flash usa en la práctica unas dos de sus cuatro corrientes residuales y que la mezcla profunda degenera en identidad

    Según un artículo de arXiv (publicado en septiembre de 2026) difundido por Machine Heart, unos investigadores realizaron análisis de avance e intervenciones en tiempo de inferencia sobre los pesos públicos de DeepSeek-V4-Flash-0731 y encontraron que, en mHC, los pesos de lectura y escritura de las cuatro corrientes residuales se concentran en unas dos corrientes; que las matrices de mezcla residual de las capas 22 a 42 se aproximan a la matriz identidad; y que, al sustituir las capas profundas por la identidad, la puntuación media en seis tareas casi no cambia.