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

MiniMax M3.1-Flash: MoE multimodal nativo de ~428B (23B activos) con 1M de contexto

MiniMax M3.1-Flash es la actualización de su modelo MoE nativo multimodal, optimizada para tareas de agente, código y ciberseguridad, con texto, imagen y vídeo como entrada y 1M de tokens de contexto. Sparse attention, quantization-aware training y DSpark speculative decoding la convierten en una de las más eficientes de su clase; Hugging Face la lista ya en trending.

MiniMax M3.1-Flash es un mixture-of-experts nativo multimodal de ~428B parámetros totales, con 23B activos por token, y texto, imagen y vídeo como entradas. La actualización respecto a MiniMax-M3 trae mejoras en tareas de agente, código y ciberseguridad, y tres cambios de eficiencia: MiniMax Sparse Attention (MSA, arXiv 2606.13392) a lo largo de todo el modelo, quantization-aware training, y un draft head de DSpark speculative decoding incluido en el checkpoint.

Los números de MiniMax en su technical report la sitúan por encima de DeepSeek V4.1-Flash-1017 en varios benchmarks de agente: 76,2 en BankerToolBench (vs 73,7), 73,7 % en DeepSWE v1.1 (vs 77,0 en DeepSeek), 61,7 en OSWorld V2, 29,6 en Agents' Last Exam y 82,2 en CyberGym. La ventana de contexto de hasta 1.000.000 tokens es el dato más llamativo para despliegues de largo recorrido. El modelo está en Hugging Face con endpoints compatibles y cuantizaciones 8-bit/mxfp8 ya disponibles.

DeepSeek V4.1-Flash-1017: la variante «Flash» actualiza código, agente y visión, y reduce la salida

El 17 de octubre DeepSeek publicaba V4.1-Flash-1017, una actualización menor de V4.1-Flash con mejoras medibles en razonamiento, código, tareas de agente y benchmarks visuales, y —lo más interesante para quien la autoaloja— una reducción en el tiempo de ejecución y la longitud de salida. La cuantización GSQ+RCO de ISTA-DASLab ya está disponible en GGUF con licencia MIT.

DeepSeek-V4.1-Flash-1017 es una actualización menor de DeepSeek-V4.1-Flash: el technical report reporta mejoras en razonamiento, código, tareas de agente y benchmarks visuales, y una reducción en el tiempo de ejecución y la longitud de salida de las respuestas. Eso avanza, según DeepSeek, la frontera pareto de rendimiento–coste en varios harness de agente. En el benchmark HLE (sin herramientas) sube de 36,8 a 42,6 (44,0 con herramientas), Terminal-Bench 4.0 de 31,2 a 42,3, y DeepSWE v1.1 de 74,2 a 77,0.

Lo relevante para la comunidad de self-hosting: la cuantización GSQ+RCO de ISTA-DASLab (arXiv 2604.18556 y 2605.00649) ya está en Hugging Face como GGUF con licencia MIT — ISTA-DASLab/DeepSeek-V4.1-Flash-1017-GSQ-RCO-GGUF —, lo que abre la puerta a ejecutar la variante Flash en hardware modesto. El release original no incluye template Jinja, algo que DeepSeek documenta en su technical report.

FLUX 3 Klein aterriza en ComfyUI oficial: el checkpoint «comfy» de Black Forest Labs ya en Hugging Face

Black Forest Labs publicó black-forest-labs/flux-3-image-klein-comfy el 14 de octubre y en 13 días ya acumula 1.720 likes y 700.000 descargas en Hugging Face: es el checkpoint oficial de FLUX 3 Klein empaquetado para ComfyUI, con image-to-image y image editing integrados. El «comfy» es la señal de que el pipeline se usa tal y como se usa Stable Diffusion.

FLUX 3 es la nueva familia de generación de imágenes de Black Forest Labs, y el checkpoint Klein es la variante orientada a calidad alta en menos steps. El release «comfy» (black-forest-labs/flux-3-image-klein-comfy) es el ckpt empaquetado con la estructura de archivos y el pipeline que ComfyUI espera: diffusion-single-file con ComfyUI en las tags, image-to-image y image editing integrados, y base_model flux-3-image-klein de referencia.

En 13 días, el release acumula 1.720 likes y 700.000 descargas en Hugging Face, un ritmo que lo sitúa en trending y que sugiere que la comunidad lo está adoptando como pipeline por defecto de ComfyUI para FLUX 3. No hay todavía cuantizaciones GGUF de Comfy-Org ni unsloth para Klein en trending, pero el patrón que se vio con MOSS-Image y Qwen-Image 2.1 apunta a que las GGUF llegarán en las próximas semanas.

Agentes libres

AutoTavern: el «construye, no juegues» de la RSI — un agente que gana a los top de Hearthstone BG

Ya en portada como el tercer pilar de la RSI, AutoTavern (Nanjing) merece su propio lugar en agentes: es un sistema de investigación auto-mejorable donde agentes LLM especializados comparten una memoria de investigación con tipos, sus partidas en vivo cierran el circuito, y el resultado final —TavernAgent— juega partidas completas en el leaderboard en vivo de Hearthstone Battlegrounds mejor que los diez jugadores mejor puntuados del servidor.

El repositorio MCG-NJU/AutoTavern (MIT) incluye TavernGym, la primera reproducción fiel de contenido completo de Hearthstone Battlegrounds con interfaz de RL, y TavernBench, un benchmark de 960 tareas en 40 escenarios, ambos open-source según el paper. El agente final, TavernAgent, se entrena con PPO contra oponentes calibrados a partidas reales, y en el leaderboard público del juego su última racha de 20 partidas promedia posición 1,60 con 80 % de primeros —mejor que los diez jugadores con mayor rating del servidor, que promedian 2,34 y 59 %—.

El timing de las decisiones es la otra cifra que vale la pena retener: TavernAgent decide en 0,03 segundos, donde los LLMs frontera necesitan hasta 26 segundos; dentro del segundo que el juego permite por turno, conserva el 90 % de sus decisiones y ningún LLM más del 26 %. Es la primera vez que se muestra, con datos, que un sistema que se auto-mejora puede construir un agente mejor que el que un equipo humano habría podido programar con los mismos datos y el mismo compute.

Skill∞: la meta-skill que optimiza skills… y que se optimiza a sí misma

Skill∞ (NTU) convierte la optimización de skills de agentes en un procedimiento recursivo: un agente meta sigue una meta-skill para optimizar skills de tarea, y usa el mismo procedimiento para optimizar la meta-skill. En SkillsBench (83 tareas) llega al 60,7 % de acierto, por encima de skills curadas a mano (56,4 %) y de SkillEvolver (54,5 %).

La apuesta de Skill∞ es de arquitectura, no de compute: los optimizadores de skills existentes siguen un pipeline diseñado a mano, y Skill∞ reescribe ese pipeline como una meta-skill que el propio agente meta puede editar. La optimización es dirigida por el agente: el agente meta diagnostica trazas de ejecución, propone candidatos, pide reviews independientes y asigna el presupuesto de búsqueda, y la meta-skill define esos pasos, de modo que la automejora puede reescribirlos. La meta-skill queda además desacoplada de las skills de tarea: se refina en varias tareas de optimización de skills y luego se reutiliza en dominios diversos, como en despliegue las skills de ambos niveles se cargan a través del descubrimiento nativo de skills.

El resultado en SkillsBench (83 tareas) es 60,7 % de acierto para Skill∞, frente al 56,4 % de skills curadas a mano y el 54,5 % de SkillEvolver. No es una gran diferencia, pero es la primera medida concreta de que la optimización recursiva de skills supera a la optimización de un solo paso, y el paper (arXiv 2610.35434) está entre los dos más leídos del día en Hugging Face Papers.

Software libre para IA

mistrial: una «tarjeta de fiabilidad» para tu juez LLM — repite el evaluador y mide la varianza

mistrial (GitHub, MIT, 7 estrellas) responde a una pregunta incómoda: ¿es fiable tu juez LLM? La herramienta re-ejecuta cualquier evaluador a lo largo de ejecuciones, modelos de juez y redacciones de rúbrica, y produce una tarjeta de fiabilidad con la varianza de las puntuaciones. Es la pieza que faltaba para tratar a los LLM-as-judge como lo que son: instrumentos de medición, no oráculos.

Los LLM-as-judge son la práctica estándar para evaluar outputs de LLMs cuando no hay respuesta de referencia, y el paper FORK (arXiv 2610.33512) que publica hoy la comunidad lo ilustra bien: los rewards basados en rúbricas tienden a producir respuestas más largas y con más contenido no necesario, porque el modelo optimiza la recall de la rúbrica y no la precisión. mistrial se apunta a ese problema desde la otra punta: en lugar de mejorar el juez, mide cuán fiable es.

El repositorio hemanth1999k/mistrial (MIT) permite re-ejecutar cualquier evaluador a lo largo de múltiples runs, con diferentes modelos de juez y redacciones de rúbrica, y produce una tarjeta de fiabilidad con la varianza de las puntuaciones, los outliers y la correlación entre rúbricas. Es una herramienta pequeña —7 estrellas, pero el timing la hace interesante— que llega justo cuando la comunidad empieza a tratar a los jueces LLM como instrumentos de medición con error, no como oráculos.

GitHub — hemanth1999k/mistrial (MIT)evaluacionllm-as-judgefiabilidadmit

cruxwire: un lector de RSS privado con LLM local para self-hosting — ranking, dedup y resumen en tu hardware

cruxwire (GitHub, MIT, 13 estrellas) es un lector de noticias self-hosted que usa un LLM local para clasificar, deduplicar y resumir tus feeds RSS/Atom de forma privada, en tu propio hardware. Es la respuesta de código abierto a los lectores de IA cerrados, y encaja directamente en la audiencia de esta edición: gente que ya self-hosts su IA.

cruxwire (philoking/cruxwire, MIT) es un lector de noticias self-hosted que se alimenta de tus feeds RSS/Atom y usa un LLM local para clasificar por relevancia, deduplicar (agrupar noticias repetidas de varias feeds) y resumir (un resumen por noticia y un resumen diario). El LLM se ejecuta localmente vía Ollama o llama.cpp, de modo que ninguna noticia sale de tu máquina, y la configuración es un YAML con tus feeds, tu modelo y tus parámetros de ranking.

Con 13 estrellas es un proyecto pequeño, pero es exactamente la clase de pieza que encaja en la audiencia de IA·A·Hoy: alguien que ya tiene un LLM local y quiere que le lea el correo, no que le genere noticias. El ranking y el dedup son las piezas útiles, porque la limitación real de un lector de RSS no es la cantidad de feeds sino la capacidad de filtrar. cruxwire deja el LLM como el filtro, no como el generador de noticias, y eso es una decisión de diseño correcta.

GitHub — philoking/cruxwire (MIT)self-hostingrssllm-localmitprivacidad

Papers e investigación

S3AC: un actor-critic stabilized para razonamiento long-CoT — supera a GRPO del 1,5B al 397B

S3AC (arXiv 2610.35518, Shen et al.) propone una receta práctica para entrenar un crítico en razonamiento long-CoT —el paso que los métodos crític-free evitan por su coste— que da advantages a nivel de token y baselines por prompt. Combinado con Difficulty-Aware Prompt Sampling, mejora GRPO-X del 1,5B al 397B, y a 35B soporta single-rollout training donde los baselines crític-free se degradan.

Los métodos crític-free como GRPO son la vía dominante para RLVR (refuerzo con rewards verificables) en razonamiento long-CoT, porque entrenar un crítico para long-CoT es difícil y caro. S3AC (Stabilized, Selective, Scalable Actor-Critic) ataca el problema con una receta práctica de entrenamiento de crítico que supera dos de sus limitaciones: insuficiente coverage de trayectorias de longitud diversa, y gradientes iniciales dominados por la value head recién inicializada. El crítico entrenado aporta advantages específicos por token y baselines específicas por prompt.

La segunda pieza, Difficulty-Aware Prompt Sampling (DAPS), usa el baseline de prompt para estimar la dificultad y selecciona prompts antes de la generación, reduciendo rollouts desperdiciados sin inicialización offline de dificultad. El resultado: S3AC mejora el rendimiento de group-rollout en modelos dense y MoE de 1,5B a 397B, superando a GRPO-X, y a 35B sostiene single-rollout training mientras que los baselines crític-free se degradan tras las ganancias iniciales. Es un paper técnico, de la clase que no sale en titulares, pero es la pieza que falta para que el RL con crítico vuelva a ser competitivo en el long-CoT.

arXiv — S3ACHugging Face Papersrlactor-criticlong-cotgrporeasoning

AMBIT: audio espacial nativo FOA con ScenePlans ejecutables y self-distillation — generación y edición con un solo backbone

AMBIT (arXiv 2610.34415) unifica generación y edición de audio espacial nativo FOA (First-Order Ambisonics) con un backbone Transfusion compartido: un plan de escenas ejecutable que especifica content, actividad y trayectorias 3D de las fuentes, un VAE FOA-aware, y self-distillation on-policy conjunta del planning y el rendering. Mejora content y calidad espacial en habla, música y sonido, y preserva las fuentes sin editar en ediciones guiadas por instrucciones.

AMBIT (wjm-george/AMBIT, arXiv 2610.34415) ataca el problema de autoría de audio espacial —que no es generar un sonido bonito, sino colocar fuentes en el espacio 3D y editarlas preservando lo que no se toca— con tres piezas conectadas. Primero, un backbone Transfusion compartido que acopla planning autoregressive con rendering rectified-flow a través de ScenePlans ejecutables que especifican content de fuente, actividad y trayectorias 3D; para edición, el plan describe la escena objetivo completa, incluyendo las fuentes que se conservan, con features contrastivas que anclan el cambio pedido y latents de referencia completos que aportan el detalle acústico residual a preservar.

Segundo, un VAE FOA-aware continuo que combina recuperación omnidireccional con decodificador compartido, KL asimétrico agrupado y matching de covarianza espacial, para preservar content y estructura inter-canal. Tercero, self-distillation on-policy conjunta (OPSD) que refina el planning sobre prefijos generados por el student y el rendering en estados de muestreo alcanzados bajo plans del student, con teachers condicionalizados por objetivo que supervisan ambos modos del student compartido. En evaluaciones de habla, música y sonido, AMBIT mejora la calidad de content y espacial, la fidelidad acústica en edición guiada por instrucciones, y la preservación de fuentes sin editar, frente a los baselines comparadas.

arXiv — AMBITPágina del proyectoaudio-espacialfoatransfusionvaeself-distillation

RynnVLA-Latent: escalar VLA de robótica con acciones latentes ancladas en 3D — el foundation model de manipulación que no depende de demos

RynnVLA-Latent (arXiv, 2026) propone escalar modelos vision-language-action (VLA) de robótica usando acciones latentes ancladas en 3D, para superar las dos limitaciones clásicas: la escasez de demos etiquetadas y los espacios de control incompatibles entre embodiments. Es el intento de dar a la robótica un foundation model de manipulación con la misma receta que se dio al lenguaje.

Escalar VLA de robótica está limitado por dos problemas: la escasez de demos etiquetadas de acción, y los espacios de control incompatibles entre embodiments (un brazo de 7 DOF y un humanoide no comparten el mismo action space). RynnVLA-Latent ataca ambos con acciones latentes ancladas en 3D: en lugar de predecir acciones en el espacio de control nativo de cada robot, predice tokens latentes que se mapean al espacio 3D, de modo que el foundation model puede compartir weights entre embodiments y aprovechar datos de visión no etiquetados.

Es, en la práctica, la receta foundation-model aplicada a la robótica: un pre-training grande en datos multimodal, fine-tuning por embodiment, y una acción que vive en un espacio común 3D. RynnVLA-Latent llega en un momento en que la comunidad está buscando el equivalente robótico de GPT en el lenguaje, y la apuesta por acciones latentes ancladas en 3D es la más seria hasta la fecha para que el scaling funcione.

arXiv — RynnVLA-LatentHugging Face Papersvlaroboticsfoundation-modellatent-actionsmanipulation

Comunidad y self-hosting

sfnx: un MoE «de producción» en tres V100 PCIe usadas — 382 tok/s en una caja de ~1.800 $

sfnx (johnfink8/sfnx, MIT, 9 estrellas) es un engine CUDA que reparte cada capa de un MoE de calidad de producción a lo largo de tres tarjetas V100 PCIe, entregando 382 tokens/s en una caja usada de ~1.800 $. Es la clase de hack que encaja en la audiencia: hardware modesto, throughput real, código abierto.

sfnx parte de una observación práctica: las V100 PCIe usadas son baratas (~600 $ cada una en el mercado de segunda mano), tienen 32 GB de HBM2, y aunque no tienen NVLink entre sí, el throughput de PCIe 3.0/4.0 es suficiente para un MoE donde la explosión de experts se hace por batch y el all-reduce entre cards puede solaparse con el compute. El engine reparte cada capa del MoE a lo largo de las tres V100 y entrega 382 tokens/s en una caja de ~1.800 $ —un throughput que solo se alcanzaba, hasta ahora, con H100 o H200.

El repo johnfink8/sfnx (MIT) documenta la topología, el sharding de experts y los benchmarks por modelo, y es la clase de pieza que la audiencia de IA·A·Hoy disfruta: hardware que ya tienes, código abierto, y un throughput que compite con tarjetas de 30.000 $. No es un framework nuevo, es una receta CUDA que funciona, y eso, en self-hosting, vale oro.

GitHub — johnfink8/sfnx (MIT)self-hostingcuamoev100throughput

vram-switcher: un companion local (LLM + voz + ComfyUI) turnándose en una GPU de 12 GB

vram-switcher (xiaoxiao150/vram-switcher, MIT, 17 estrellas) coordina tres servicios de IA local —un LLM de persona, IndexTTS para voz, y ComfyUI para selfies— turnándose en una única GPU de 12 GB, sin proxy. Es el pattern para quien quiere un companion de voz en casa sin una GPU de 24 GB.

El problema que vram-switcher resuelve es el clásico del companion local: quieres un LLM para persona, un TTS (IndexTTS) para voz, y ComfyUI para selfies o imágenes, y todos quieren la GPU al mismo tiempo. En una GPU de 24 GB podrías correr los tres a la vez; en una de 12 GB, no. vram-switcher (xiaoxiao150/vram-switcher, MIT) lo resuelve con arbitraje: detecta qué servicio está activo, unloada los demás, y reloada el que se necesita, sin proxy ni configuración compleja.

Es una pieza pequeña —17 estrellas— pero es el pattern que la comunidad de companion local necesita: arbitraje de VRAM entre servicios heterogéneos. El repo documenta la matriz de VRAM por servicio, el timeout de unload y la heurística de reload, y encaja directamente en la audiencia de IA·A·Hoy: gente que quiere un companion de voz en casa, en hardware modesto, sin cloud.

GitHub — xiaoxiao150/vram-switcher (MIT)self-hostingvramcompanioncomfyuitts

mesh-deck: un deck de control para correr muchos modelos en GPUs compartidas, sin OOM

mesh-deck (mrahmedromman/mesh-deck, MIT, 2 estrellas) es un deck de control para correr muchos modelos de IA en GPUs compartidas sin out-of-memory crashes. Es el pattern para labs y equipos que comparten GPU y quieren fairness y throughput a la vez, sin Kubernetes ni Orion.

mesh-deck parte de un problema muy concreto: en un lab o equipo con GPUs compartidas, los modelos de distintos usuarios compiten por VRAM, y el pattern habitual —FIFO con preemption— genera OOM crashes cuando un modelo grande se carga mientras otro está en inference. mesh-deck (mrahmedromman/mesh-deck, MIT) lo resuelve con un deck de control que arbitra la carga de modelos por prioridad, VRAM disponible y time-slice, y preempta de forma graceful (guardando state si es posible) en lugar de OOM.

Es una pieza pequeña —2 estrellas— pero ataca un problema que Kubernetes y Orion no resuelven bien para GPUs shared: el arbitraje de VRAM entre modelos de distintos usuarios, con preemption graceful. El repo documenta la API del deck, la matriz de prioridades y el protocolo de preemption, y es la clase de pieza que encaja en la audiencia: infraestructura open-source para GPUs shared, sin cloud.

GitHub — mrahmedromman/mesh-deck (MIT)self-hostinggpu-sharedarbitrajeoommit
Repos en tendencia
xiaoxiao150/vram-switcher★ 17
Coordina por turnos un LLM de persona, una voz IndexTTS y selfies de ComfyUI en una sola tarjeta de 12 GB, sin proxy.
Python
johnfink8/sfnx★ 9
Motor CUDA que reparte cada capa de un MoE de calidad de producción entre tres V100, logrando 382 tok/s en un equipo de segunda mano de ~1.800 $.
C++ · CUDA
xzyy03/Lintu★ 8
Cliente LLM para Android basado en RikkaHub, con interfaz miuix.
Kotlin
hemanth1999k/mistrial★ 7
¿Tu juez LLM es inestable? Reejecuta cualquier evaluador entre ejecuciones, modelos y redacción de rúbrica, y obtén una tarjeta de fiabilidad.
Python
ashishpatel26/Agent-harness-using-Agno★ 7
Un harness de agentes a mano con Agno: herramientas, I/O estructurado, memoria, RAG, guardarrails y equipos multiagente, corriendo modelos locales de Ollama.
Python
Comunidad en ebullición