La prensa de la IA abiertaEdición en línea · 100% estática

ia·ahoy

IA Abierta Hoy — pesos abiertos, kernels, agentes y fine-tunes: lo que suena, lo que estrena y lo que empieza a importarte.

Edición nº 2  ·  Lunes 28 de septiembre de 2026  ·  Publicado desde GitHub Pages · 08:30 CEST
🎧 Si prefieres escuchar en lugar de leer…

La edición de hoy en audio. Dale al play: un resumen pensado para oírse, con la voz de la casa.

IA*A*Hoy en corto — solo está disponible la edición de hoy: el audio anterior no se conserva.

Portada · Visión-lingüaje

Liquid AI acelera sus modelos de visión-lingüaje con LFM2.5-VL-DSpark

Liquid AI publica LFM2.5-VL-DSpark: una variante de su modelo de visión-lingüaje optimizada para servir en GPUs de gama media con una velocidad notablemente superior y un menor consumo de memoria. El blog trae benchmarks medidos sobre NVIDIA H100.

Liquid AI saca al mercado LFM2.5-VL-DSpark, una variante de su familia LFM2.5-VL diseñada específicamente para inferencia. El blog de Hugging Face detalla los números: frente a la variante original, la nueva entrega una velocidad de inferencia 2,66 veces mayor sobre NVIDIA H100, con un consumo de memoria aproximadamente un 8,9 % menor. El modelo mantiene la misma capacidad de visión-lingüaje pero con un tamaño de unos 280 M de parámetros, pensado para que corra en GPUs de gama media y hardware de consumo.

Para quien sirve modelos de visión en local o en un clúster modesto, la receta de optimización de Liquid AI (arquitectura, cuantización y serving) es un buen punto de partida para replicar en la propia familia. El blog incluye el detalle de los benchmarks y el código para probar la variante.

Blog HF (Liquid AI)visión-lingüajeinferenceLiquid AIbenchmarkvía Hugging Face (Liquid AI)
🧠

Modelos nuevos y fine-tunes

Lo que suena en pesos abiertos: nuevas arquitecturas, variantes y fine-tunes que ya se pueden descargar.

Qwen-Image-2.1: la familia de imagen abierta con variante GGUF y ComfyUI

text-to-image · 2.500+ likes · ~4 M descargas en variantes

Qwen-Image-2.1 sigue en tendencia en Hugging Face con la tarjeta original y dos variantes destacadas: una GGUF no censurada (abenzerps/Qwen-Image-2.1-Uncensored-GGUF) con más de 960.000 descargas, y una de Comfy-Org (Comfy-Org/Qwen-Image-2.1) con casi 4 millones de descargas, orientada a pipelines de generación de imagen con ComfyUI.

Es la familia a vigilar si te interesa la generación de imagen en local: la variante GGUF baja la barrera de entrada a hardware modesto y la de Comfy-Org está pensada para quien ya usa el workflow de ComfyUI.

Tarjeta HFGGUF (no censurada)Comfy-OrgQwentext-to-imageGGUFComfyUIvía Hugging Face

Ternary-Bonsai-2: 27B ternario a 2 bits en GGUF para llama.cpp

text-generation · 2.200+ likes · ~3,3 M descargas

Prism ML publica Ternary-Bonsai-2, un modelo de 27B parámetros en formato ternario de 2 bits, cuantizado a GGUF para correr con llama.cpp sobre CUDA o Metal. La atención híbrida permite que un modelo de 27B quepa en hardware de consumo, y la cuantización ternaria (valores −1, 0, +1) simplifica la inferencia respecto a los formatos habituales.

Es una buena opción si buscas un modelo grande sin una GPU de gama alta: el formato ternario es compatible con el ecosistema de llama.cpp y las variantes por precisión ya están disponibles en la tarjeta.

Tarjeta HFternario2-bitGGUFllama.cppvía Hugging Face

MiMo-V2.6 de Xiaomi: Pro-RL, Flash-RL y destilación de 9B

varios pipelines · 3 variantes + dataset RL en tendencia

Xiaomi publica la familia MiMo-V2.6 con tres variantes en tendencia: Pro-RL (multimodal con visión-lingüaje, audio y video, contexto largo), Flash-RL (una versión más rápida) y Distill-Qwen-9B (una destilación de 9B para uso agéntico). Además suena el dataset de post-entreno MiMo-V2.6-RL-oss, útil si quieres reproducir o seguir su receta de RL.

Es un buen ejemplo de cómo los grandes fabricantes están soltando pesos y datos a la vez: la familia completa está disponible en Hugging Face con sus variantes y el dataset que las entrena.

MiMo-V2.6-Pro-RLMiMo-V2.6-Flash-RLDataset RLXiaomiRLmultimodaldatasetvía Hugging Face

Xing4.0-29B-A4B: MoE de 29B con 4B activos

text-generation · 1.750+ likes · MoE 29B-A4B

XingChen-AGI publica Xing4.0-29B-A4B, un mixture-of-experts de 29B parámetros totales pero solo 4B activos por token, pensado para que un modelo grande se comporte como uno pequeño en costo de inferencia. Es la receta habitual para correr capacidades grandes en hardware de consumo.

La tarjeta en Hugging Face documenta la arquitectura y los pesos; busca una variante GGUF si quieres probarlo sin una GPU de gama alta.

Tarjeta HFMoEtext-generationeficientevía Hugging Face
⚙️

Inferencia y audio

Herramientas para servir y procesar: ASR, diarización de voz y atención de bajo coste.

Nemotron-3-Diarization: separación de hablantes en streaming de NVIDIA

voice-activity-detection · 415+ likes · ~22.500 descargas

NVIDIA publica Nemotron-3-Diarization, un modelo de separación de hablantes basado en Streaming Sortformer, capaz de trabajar en streaming sobre audio. La tarjeta incluye versiones en safetensors y GGUF, y los tags indican audio-frame-classification y speaker-diarization, lo que lo hace apto para pipelines de transcripción que necesitan saber quién está hablando.

Es una pieza útil si construyes sistemas de transcripción de reuniones o de audio largo y quieres la separación de hablantes sin salir del ecosistema de NVIDIA.

Tarjeta HFNVIDIAdiarizaciónstreamingaudiovía Hugging Face

Edge0/Audio8-ASR-Infinite: ASR en streaming y tiempo real

automatic-speech-recognition · 1.200+ likes · ~19.400 descargas

Edge0 publica Audio8-ASR-Infinite, un modelo de reconocimiento de voz en streaming y tiempo real. La tarjeta lo posiciona para transcripción continua (audio largo sin cortes) y los tags indican streaming y realtime, lo que lo hace apto para asistentes de voz o pipelines de transcripción en vivo.

Si buscas un ASR que no corte la transcripción en segmentos fijos, es una de las opciones a probar.

Tarjeta HFASRstreamingtiempo realaudiovía Hugging Face

Block Sparse Attention con complejidad log-lineal

paper · atención para contextos largos

Un paper nuevo propone una atención bloqueada y dispersa con complejidad log-lineal, frente al coste cuadrático de la atención estándar. Es el tipo de mejora que abre la puerta a contextos mucho más largos sin multiplicar el coste de inferencia, y es relevante si trabajas con contextos de cientos de miles o millones de tokens.

El documento está en Hugging Face Papers y es una buena referencia si te interesa la optimización de la atención en modelos de contexto largo.

Hugging Face Papersatencióncontexto largooptimizaciónvía Hugging Face Papers
🤖

Agentes

Benchmarks, sistemas de agentes y herramientas para orquestarlos.

AgentWorld: benchmark de colaboración multiagente de largo horizonte

paper · 24 sep 2026 · colaboración multiagente

Un paper nuevo introduce AgentWorld, un benchmark para medir la colaboración de largo horizonte entre múltiples agentes de LLM. Los benchmarks multiagentes existentes suelen centrarse en tareas cortas o en un solo agente; AgentWorld explora el escenario más realista, donde varios agentes tienen que coordinarse a lo largo de muchos pasos para completar una tarea.

Es una referencia útil si trabajas en sistemas multiagente y quieres un benchmark que mida la colaboración real, no solo la ejecución de una sola tarea.

Hugging Face Papersagentesmultiagentebenchmarkvía Hugging Face Papers

ufo-core: un sistema operativo de agentes de negocio

GitHub trending · ★ 45 · Python

ufo-ai publica ufo-core, descrito como un 'business agent operating system': una capa de orquestación para agentes orientados a tareas de negocio. El repositorio está en tendencia en GitHub y es Python, lo que lo hace fácil de inspeccionar y de integrar en un stack existente.

Es un proyecto temprano, pero la idea de un 'sistema operativo' para agentes (en vez de una librería de agentes sueltos) es una arquitectura que vale la pena vigilar.

RepositorioagentesorquestaciónPythonvía GitHub
🏠

Self-hosting IA

Para el que monta su propio stack: apps locales, agregadores con IA y guías prácticas.

Lemonade: IA local para texto, imagen y voz

app local · multi-modal

Lemonade es una aplicación de IA local que cubre texto, imagen y voz, pensada para quien quiere un asistente multi-modal sin depender de un servicio en la nube. La página del proyecto describe los casos de uso y cómo montarlo.

Es una opción a considerar si buscas un reemplazo local-first de los asistentes de voz comerciales.

Lemonadeapp localmulti-modalself-hostedvía web

Guía práctica para self-hostear un modelo abierto en ciberdefensa

Hugging Face · guía de autoalojo

Jeff Boudier publica una guía práctica para self-hostear un modelo abierto orientado a ciberdefensa. La entrada detalla el pipeline completo: qué modelo elegir, cómo servirlo en local y cómo integrarlo en un flujo de trabajo de análisis de seguridad.

Es un buen punto de entrada si trabajas en seguridad y quieres un modelo local que no envíe tus datos a un servicio externo.

Blog HFciberdefensaself-hostedguíavía Hugging Face

Offensive-Security-AI-Models: catálogo de modelos sin censurar para seguridad

GitHub trending · ★ 60 · lista curada

Un repositorio en tendencia en GitHub que reúne modelos de IA sin censurar o afinados para tareas de ciberseguridad. Es un catálogo curado, útil si trabajas en red teaming o en análisis de vulnerabilidades y quieres un punto de partida con modelos específicos para ese dominio.

La lista es un buen punto de entrada para descubrir qué modelos existen orientados a seguridad ofensiva.

Repositorioseguridadciberseguridadcatálogovía GitHub
Repos en tendencia
JoasASantos/Offensive-Security-AI-Models★ 60
Catálogo de modelos de IA sin censurar o afinados para ciberseguridad
lista curada
ufo-ai/ufo-core★ 45
Sistema operativo de agentes de negocio
Python
scarletkc/seiso★ 14
Convención y linter de Markdown para docs escritas por IA y leídas por humanos
Rust
AbdoslamB/InkDoc★ 9
Convierte cualquier documento en Markdown limpio listo para IA, en local
Python · app de escritorio
B0yko/wellbrief★ 8
RAG offline-first para ingenieros de perforación: ingiere archivos de pozo y responde con citas
Python
alphaparkinc/genpark-int8-symmetric-per-tensor-quantizer-skill★ 7
Motor de cuantización INT8 simétrica por tensor y por canal para pesos y activaciones de LLMs
Python · skill
Papers del día · Hugging Face
Comunidad en ebullición