La IA abierta resumida por una IA abiertaEdición en línea

IA·A·Hoy

IA Abierta Hoy — pesos abiertos, software libre para IA y mucho más: resumen para quienes estamos obsesionados con estos temas.

🎧 IA·A·Hoy Hablada: un resumen pensado para oírse.

Modelos

MiniCPM-V 4.7 estrena MoE y corre sin cortes en el dispositivo

OpenBMB (Tsinghua) ha lanzado MiniCPM-V 4.7 en su variante 35B-A3B, el primer modelo MoE de la familia MiniCPM-V. Combina comprensión de imágenes, multi-imagen y vídeo con inferencia on-device, y destaca por su «Lookahead Expert Scheduling», que hace que el MoE funcione de forma fluida y sin pérdidas en el dispositivo. Bajo licencia Apache 2.0, es una opción seria para un asistente multimodal local sin depender de la nube.

Hugging FaceGitHubmultimodalmoeon-deviceapache-2.0

LTX-2.5: Lightricks sube su motor de generación de vídeo

LTX-2.5 de Lightricks es uno de los modelos de vídeo de pesos abiertos más descargados del momento, con más de 1,7 millones de descargas y 7.600 likes. La familia LTX está orientada a generación y edición de vídeo con un enfoque realista de rendimiento, pensada para pipelines creativos y producción. Con la versión 2.5, Lightricks refuerza su apuesta por el vídeo generativo abierto.

Hugging Facevideo-generationopen-weightscreative

Qwen-Image 2.1 Turbo: imagen y edición más rápida en diffusers

Qwen ha actualizado Qwen-Image a 2.1 Turbo, una versión optimizada para generación y edición de imágenes sobre la base 2.1. Está empaquetada en diffusers, por lo que se integra directo en el ecosistema estándar de modelos de difusión de Hugging Face. Sirve tanto para crear imágenes desde texto como para editarlas a partir de una imagen de referencia.

Hugging Faceimage-generationdiffusersqwen

Google lanza embeddinggemma-2: embeddings multimodales abiertos

Google ha publicado embeddinggemma-2, una nueva generación de modelos Gemma para extraer embeddings. Aporta embeddings multimodales (texto, imagen, audio y vídeo) bajo licencia Apache 2.0, pensados para búsqueda semántica, clasificación y tareas de similitud. Es la vía estándar de los modelos abiertos para indexar y recuperar contenido multimodal.

Hugging FaceLaunch blogembeddingsmultimodalopen-weightsgoogle

Agentes y software

Cromford: la fábrica de software que arranca donde mueren los demás agentes

Cromford se presenta como «la fábrica de software»: un agente de código de pesos abiertos (Apache 2.0) que no se detiene al abrir el pull request, sino que empieza ahí. A partir de un ticket en tu tablero, lo planifica, lo construye, lo revisa, lo integra, comprueba el despliegue y lo prueba. Su objetivo es cubrir el ciclo completo de entrega, no solo la generación de código.

GitHubagentsopen-sourceci-cdapache-2.0

Hermes PRD Workbench: de requisito a PRD, specs, tests y prototipo

Hermes PRD Workbench es una bancada self-hosted que, usando Hermes Agent, convierte requisitos crudos en documentos de producto (PRD), especificaciones técnicas, casos de prueba, estimaciones y prototipos interactivos. Es un buen ejemplo de agentes de software orientados a flujos de producto, más allá del código. Llega con CI de comprobación y releases.

GitHubagentsself-hostingproducthermes

dsh-local-compute-pool: unifica tus endpoints locales de inferencia en un pool

dsh-local-compute-pool es un plugin de DeepSeek Harness que agrupa varios endpoints de inferencia locales en un único pool de cómputo: reparte los subagentes delegados según carga, aplica control de admisión por endpoint, aparca el endpoint que falla y hace failover al siguiente. Si no hay endpoint local útil, los hijos conservan la ruta que resolvió el harness. Pensado para quien corre inferencia local en varias máquinas.

GitHubself-hostinglocal-llmagentsinfrastructure

NIKA: asistente de IA nativo para Mac con modelos locales

NIKA es un asistente de IA nativo de macOS construido con SwiftUI y llama.cpp: descargas un modelo local, chateas sin conexión y trabajas con tus documentos en PDF. Es una app de referencia para quien quiere un asistente de escritorio privado, sin nube, en Apple Silicon.

GitHublocal-llmmacosllama.cppprivacy

Papers e investigación

Tev: escalando entornos de agentes de largo horizonte con recompensas de progreso

Tev aborda el entrenamiento de agentes que trabajan de forma autónoma durante horas o días en tareas económicamente valiosas. La clave es escalar entornos de agentes de largo horizonte usando recompensas de progreso densas, en lugar de una única recompensa al final. El paper muestra cómo esa señal densa estabiliza el entrenamiento en tareas muy largas.

arXivagentsreinforcement-learninglong-horizonresearch

DoubtLess: decodificación contrastiva sin entrenamiento para razonar más barato

Los modelos de razonamiento gastan muchos tokens en cadenas de pensamiento largas. DoubtLess propone una decodificación contrastiva «training-free» para acortar el razonamiento sin reentrenar: reduce los tokens necesarios para resolver el problema manteniendo la calidad. Un enfoque práctico para abaratar la inferencia de razonamiento.

arXivreasoninginference-efficiencyresearch

ReTerm: entrenamiento de recuperación para agentes de terminal

Los agentes de terminal resuelven tareas de código complejas, pero les cuesta recuperarse de errores durante ejecuciones largas (fallos de comando, implementaciones defectuosas). ReTerm introduce «recovery training» para que los agentes de terminal se autoperfeccionen recuperándose de sus propios fallos. Directamente relevante para quien corre agentes de código en producción.

arXivagentsterminalself-improvingresearch

UltraBERT: más allá de los límites del pre-entrenamiento de BERT

UltraBERT moderniza los codificadores bidireccionales heredando ideas de los LLMs causales, pero también moderniza la receta de pre-entrenación, que aún venía de convenciones a pequeña escala. El paper explora cómo escalar el pre-entrenamiento de codificadores tipo BERT para superar sus límites históricos.

arXivencoderspretrainingresearch

Comunidad y self-hosting

Unlimited-OCR: Baidu abre su modelo de OCR sin límites, bajo MIT

Baidu ha publicado Unlimited-OCR, un modelo de OCR abierto bajo licencia MIT, con más de 1,1 millones de descargas y 4.600 likes. Está pensado para extraer texto de imágenes sin las restricciones típicas de las herramientas de OCR comerciales. Es una gran opción para montar pipelines de OCR propios, sin dependencia de servicios cerrados.

Hugging Faceocropen-sourcemitself-hosting

LiquidAI d1-3B: un decision model de 3B para el edge

LiquidAI ha lanzado d1-3B, un «decision model» multimodal de 3 parámetros, entrenado a partir de LFM2.5-VL-3B, para clasificación y decisión calibrada en el edge. Cubre una veintena de idiomas y se orienta a decisiones tipadas en dispositivos con recursos limitados. Es la rama ligera de la misma corriente de decision models que el Clef de Cloudflare.

Hugging Faceedgedecision-modelsopen-weightsmultilingual

arxiv-complete: el corpus completo de arXiv como dataset

secemp9/arxiv-complete publica el corpus completo de arXiv como dataset (más de 10 millones de registros, bajo licencias mixtas de autores de arXiv). Incluye texto completo, metadatos y versiones, empaquetado en Parquet. Es la base para entrenar o indexar sobre el corpus científico completo, sin tener que reconstruirlo a mano.

Hugging Facedatasetsresearcharxivself-hosting