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

Muse-Spark-Open: Meta libera un MoE abierto de 816B/42B activos, multimodal, con 1M de contexto, enfocado a coding y agentes

meta-models/Muse-Spark-Open-816B-A42B es el open-weights del día: un mixture-of-experts de 816B parámetros totales (42B activos) y 1M de tokens de contexto, nativamente multimodal y construido para coding y trabajo agéntico, publicado por Meta como «el open-weight más capaz de su stack en EE. UU.». Va en la portada del trending de Hugging Face y el blog de research.meta.ai lo enmarca como la opción self-hosted de la familia Muse: weights abiertos con recetas BF16 y NVFP4, el tipo de MoE grande que encaja con las recetas de NVMe-streaming de experts que venimos viendo en la comunidad. Para el self-hoster, es el frontier-class open model de la semana: el MoE que no cabe en una GPU y sí en una receta distribuida.

Hugging Face (Muse-Spark-Open-816B-A42B)Meta Research (Muse Spark Open)metamuse-sparkmoeopen-weights1m-contextmultimodalcodingagentsnvfp4

FLUX 3 Image Klein: Black Forest Labs libera el open-weights de FLUX 3 — 5.6B de imagen con edición y hasta 10 referencias

black-forest-labs/flux-3-image-klein es la variante open-weights de la familia FLUX 3: un modelo de text-to-image y image editing de 5.6B parámetros que comparte los aprendizajes que BFL ha ido acumulando a lo largo de FLUX 3 a través de imagen, vídeo y audio — imagen aporta el detalle espacial, vídeo el motion — y que compone imágenes desde cero o las edita usando hasta 10 imágenes de referencia (o layout boxes) como guía. Sale como diffusion-single-file (listo para ComfyUI) y en un pipeline de diffusers, con un space de Hugging Face para probarlo directamente. Para el self-hoster de generación de imagen, es la pieza abierta de la familia FLUX 3 del día: weights que puedes fine-tunear y correr en tu propio hardware.

Hugging Face (flux-3-image-klein)Blog de BFL (FLUX 3 Image Klein)black-forest-labsflux-3image-generationimage-editingopen-weightscomfyuidiffusers

LTX-2.5: Lightricks libera su foundation model de audio-vídeo de 22B con weights abiertos

Lightricks/LTX-2.5 es el foundation model open-weights del día para vídeo con audio: un modelo de 22B parámetros que cubre text-to-video, image-to-video, video-to-video y las variantes con audio (audio-to-video, text-to-audio, etc.), y que genera escenas multishot en un solo paso, edita footage real y exporta EXR de calidad cinematográfica. Lightricks lo define como un «world model» open-weights que puedes fine-tunear y correr en tu hardware. Es el anchor de la semana en el espacio video+audio de Hugging Face: el foundation model abierto al que apuntan los que buscan generación de vídeo con sonido nativo, en lugar de los pipelines que pegan TTS y TTS-driven lip-sync encima.

Hugging Face (LTX-2.5)LTX (LTX-2.5)lightricksltx-2.5videoaudioopen-weightsworld-modeldiffusion

Drama 3 (Fish Audio): TTS multi-hablante «dirigible» — un MoE de 35B/3B con voice direction en lenguaje natural, con receta vLLM-Omni

fishaudio/drama-3 es la nueva generación de TTS de Fish Audio construida para voice direction y content creation: además del script, describes en lenguaje natural cómo debe interpretarse cada línea (emoción, ritmo, sonidos y pausas), y soporta multi-hablante, voice cloning y control natural. Es un MoE de 35B parámetros totales (3B activos) con tags de hablante y eventos inline, y llega con una receta en vLLM-Omni para servirlo. Es el counterpoint interesante del día frente al Granite Speech de la portada de ayer: no un ASR, sino un TTS «dirigido», con una receta de inference abierta. Para quien genera audio con LLMs locales, es la pieza open del stack de voz del día.

Hugging Face (drama-3)Docs de Fish Audio (Drama 3)vLLM Recipes (drama-3)fish-audiodrama-3ttsmulti-speakervoice-cloningmoevllm-omniopen-weights

Agentes y software

ThinkingBox-Training (Microsoft/Hugging Face): convertir la grading de base de datos en rewards de RL para post-trainar agentes

Microsoft y Hugging Face publican Turning Database Grading into RL Rewards (blog de Hugging Face, 22 de octubre): la idea es tomar ThinkingBox — el benchmark que evalúa a un agente por el estado de la base de datos que deja, no por las frases que genera — y usar esas comprobaciones ejecutables de estado final como rewards de reinforcement learning para post-trainar agentes. El punto de partida es duro: un estudio citado en la semana halló que los agentes «fallan al completar la tarea» en una abultada mayoría de casos, y que lo que el agente dice que hizo no siempre coincide con lo que realmente dejó hecho. La lección práctica del team article es la del día: entrenar con checks de base de datos como reward hizo al agente mucho más consistente completando tasks multi-paso, y es una receta reproducible para quien post-trains sus propios agentes.

Blog de Hugging Face (ThinkingBox-Training)Microsoft (ThinkingBox bench)microsofthugging-facethinkingboxrlagentsevaluationpost-trainingrewards

stablehand: un runtime de agentes autohospedado — corre cualquier harness en sandboxes aislados, con HITL, budgets y streaming UI

iofold/stablehand es un runtime de agentes self-hosted: corre cualquier harness (cualquier coding agent que tengas) dentro de sandboxes aislados, y añade la pila operativa que falta en el home-lab — streaming UI, human-in-the-loop (HITL), budgets y durable events. Es el ejemplo concreto de la semana del «el sandbox como primer cliente del endpoint local»: en vez de lanzar el agente bare en tu máquina, lo aíslas, le pones tope de gasto y un canal para que un humano intervenga cuando toca. Para la comunidad self-hosted que ya tiene un LLM en el rack, es la capa de contención del día: seguridad y control sin salir de tu propio hardware.

GitHub (stablehand)stablehandiofoldagentsself-hostingsandboxhitlruntimeopen-source

vestigium: un MCP server que deja a los agentes leer PDFs largos «por dirección» y citar la página

Yonagi043/vestigium resuelve un dolor muy concreto de los coding agents y asistentes de research: «cada respuesta deja una traza de vuelta a su página». Es un MCP server que permite a un agente leer PDFs largos por dirección (ir a la página N, extraer ese chunk) y citar la página exacta de donde viene cada afirmación. En la semana del RAG y la citas verificables — con Jev-RAG-Claim-Verification-130K y FDE-Gym en el trending de datasets — este es el ladrillo open que cierra el loop entre leer y citar: el agente no «responde de memoria», apunta a la página. Para quien monta RAG local con MCP, es la pieza de grounding de la semana.

GitHub (vestigium)vestigiummcppdfcitationsragagentsself-hostingopen-source

Papers e investigación

Heartbeat Thinking: razonamiento y ejecución de tools especulativos mientras el agente escucha, en agentes de voz en realtime (arXiv 2610.26233)

Zhang, Fu, Tong, Zheng y col. (arXiv 2610.26233, 18 de octubre) parten de un problema muy concreto de los agentes de voz: el usuario tiene que esperar tras terminar de hablar, aunque la información actionable ya llegó antes. Los enfoques speculativos empezar a trabajar durante el speech, pero la generación acotada por chunks o «interruption al actualizar» puede romper cuando el hablante se corta. Heartbeat Thinking propone razonar y ejecutar tools de forma speculativa «mientras escucha» — un heartbeat de trabajo speculativo que no se bloquea esperando el fin del turno. Es el paper del día para quien trabaja con voice agents y la latencia del turno de user como bottleneck: el trick es empezar antes de que el speech termine.

arXiv (Heartbeat Thinking)Hugging Face Papersheartbeat-thinkingvoice-agentsspeculativerealtimelatencyresearch

RouteWeaver: tejer selección de modo y ejecución en un routing unificado de LLMs (arXiv 2610.19705)

Wang, Zhang, Liu, Feng y col. (arXiv 2610.19705, 18 de octubre) atacan el LLM routing — elegir dinámicamente y coordinar LLMs heterogéneos entre tareas diversas — porque los enfoques actuales están cristalizados en un paradigma de ejecución predefinido (single-round, multi-round o agentic), y eso no encaja con todas las tareas. RouteWeaver une la selección del modo y la ejecución en un router unificado, en vez de fijar el paradigma por adelante. Es el ladrillo del día para quien orquesta varios LLMs (el MoE de Muse-Spark de Modelos o la receta NVFP4 de NVIDIA son el substrato): cómo ruteas la tarea al modelo y al modo correcto en un paso.

arXiv (RouteWeaver)Hugging Face Papersrouteweaverllm-routingorchestrationagenticresearch

Toward Recursive Self-Improvement in Physical AI: RSI en el mundo físico (arXiv 2610.29677)

Luo, Bai, Xu, Li y col. (arXiv 2610.29677, 20 de octubre) extienden la idea de recursive self-improvement — un sistema que no solo mejora su comportamiento sino también el proceso por el que se mejora — del mundo digital (agentes que re-escríben su código y validan cada versión con tests ejecutables) al mundo físico. La pregunta del paper: ¿cómo validas la auto-mejora cuando el estado a verificar no es una salida de código sino un robot actuando en el mundo? Es el counterpoint del día a la ola de «agentes que mejoran a agentes» y el más cercano a la pregunta de Physical AI que la comunidad se hace: ¿de qué sirve el auto-mejoramiento si no escala a la tarea física real*?

arXiv (Recursive Self-Improvement in Physical AI)Hugging Face Papersrecursive-self-improvementphysical-aiagentsresearch

Comunidad y self-hosting

granite-timeseries-ensemble-r1: IBM libera un ensemble de foundation models de series de tiempo Apache 2.0 para forecasting local

ibm-granite/granite-timeseries-ensemble-r1 es la pieza del día en el stack de forecasting autohospedado: un ensemble probabilístico de foundation models de series de tiempo de la familia Granite — acompañado del team article de IBM Research sobre ensemble forecasting — bajo Apache 2.0, evaluado contra GiftEval. El ensemble combina varios miembros (tspulse-r1, ttm-r2/r3, patchtst, etc.) para mejorar la calidad del pronóstico sin re-trainar de cero. Para quien monta forecasting en el rack — demanda, precio, consumo — es la receta open de la semana: un ensemble de foundation models de series de tiempo Apache 2.0 que corre local y se evalúa contra un benchmark público.

Hugging Face (granite-timeseries-ensemble-r1)Blog de Hugging Face (ensemble forecasting)ibmgranitetime-seriesensembleforecastingapache-2.0self-hosting

embeddinggemma-2 (Google): embeddings multimodales abiertos — texto, imagen, audio y vídeo en un solo modelo

google/embeddinggemma-2 es el open-weights del día para embeddings multimodales: un modelo de feature extraction/sentence-transformers que embebe texto, imagen, audio y vídeo en un espacio común, listo para retrieval y RAG multimodal. Con ~2.850 likes en Hugging Face, es la pieza open del stack de embeddings del día: en lugar de un embedding solo de texto, un modelo unificado que sirve todos los modos y corre local. Para quien monta RAG con imágenes o audio en su propio hardware, es el encoder open que faltaba de la semana.

Hugging Face (embeddinggemma-2)googleembeddinggemma-2embeddingsmultimodalragretrievalopen-weightsself-hosting

MiMo-V2.6-RL-oss (Xiaomi): dataset open de RL para LLMs — documents e imagen a parquet

XiaomiMiMo/MiMo-V2.6-RL-oss es el dataset del día en la semana del ThinkingBox-Training (sección de Agentes): datos abiertos de reinforcement learning de la familia MiMo de Xiaomi, a parquet con modalidad de documents e imagen (y texto), del orden de un millón de ejemplos y Apache 2.0. Es la pieza open que cierra el loop de post-training del día: el benchmark ThinkingBox aporta el reward y este dataset el material open para el RL. Para quien post-trains LLMs locales, es el dataset de RL open que complementa la receta de rewards por base de datos de Microsoft.

Hugging Face (MiMo-V2.6-RL-oss)xiaomimimorldatasetpost-trainingopen-dataapache-2.0