inteligencia artificial
Todas las noticias con este tag.
Noticias por hora
Últimas 24 horas · hora argentina
Consultar los valores por hora
| Hora | Noticias |
|---|---|
| 2 nov 2026, 8:00 p. m. | 13 |
| 2 nov 2026, 9:00 p. m. | 30 |
| 2 nov 2026, 10:00 p. m. | 12 |
| 2 nov 2026, 11:00 p. m. | 19 |
| 3 nov 2026, 12:00 a. m. | 22 |
| 3 nov 2026, 1:00 a. m. | 17 |
| 3 nov 2026, 2:00 a. m. | 196 |
| 3 nov 2026, 3:00 a. m. | 31 |
| 3 nov 2026, 4:00 a. m. | 38 |
| 3 nov 2026, 5:00 a. m. | 27 |
| 3 nov 2026, 6:00 a. m. | 30 |
| 3 nov 2026, 7:00 a. m. | 23 |
| 3 nov 2026, 8:00 a. m. | 22 |
| 3 nov 2026, 9:00 a. m. | 20 |
| 3 nov 2026, 10:00 a. m. | 22 |
| 3 nov 2026, 11:00 a. m. | 16 |
| 3 nov 2026, 12:00 p. m. | 16 |
| 3 nov 2026, 1:00 p. m. | 17 |
| 3 nov 2026, 2:00 p. m. | 13 |
| 3 nov 2026, 3:00 p. m. | 11 |
| 3 nov 2026, 4:00 p. m. | 30 |
| 3 nov 2026, 5:00 p. m. | 18 |
| 3 nov 2026, 6:00 p. m. | 21 |
| 3 nov 2026, 7:00 p. m. | 18 |
| 3 nov 2026, 8:00 p. m. | 0 |
Noticias por día
Últimos 30 días, incluido hoy · hora argentina
Consultar los valores por día
| Día | Noticias |
|---|---|
| 2026-10-05 | 1 |
| 2026-10-06 | 4 |
| 2026-10-07 | 8 |
| 2026-10-08 | 11 |
| 2026-10-09 | 3 |
| 2026-10-10 | 2 |
| 2026-10-11 | 2 |
| 2026-10-12 | 1 |
| 2026-10-13 | 3 |
| 2026-10-14 | 5 |
| 2026-10-15 | 8 |
| 2026-10-16 | 2 |
| 2026-10-17 | 4 |
| 2026-10-18 | 2 |
| 2026-10-19 | 14 |
| 2026-10-20 | 32 |
| 2026-10-21 | 48 |
| 2026-10-22 | 38 |
| 2026-10-23 | 20 |
| 2026-10-24 | 19 |
| 2026-10-25 | 6 |
| 2026-10-26 | 26 |
| 2026-10-27 | 45 |
| 2026-10-28 | 148 |
| 2026-10-29 | 213 |
| 2026-10-30 | 204 |
| 2026-10-31 | 223 |
| 2026-11-01 | 331 |
| 2026-11-02 | 434 |
| 2026-11-03 | 608 |
Los gráficos cuentan por fecha de publicación y respetan los filtros. El archivo incluye todo el histórico.
Noticias de inteligencia artificial
2.771 noticias · De más nuevas a más antiguas.
Hugging Face BlogCodex de OpenAI ahora puede ejecutar experimentos de machine learning de punta a punta con Hugging Face Skills
Hugging Face publicó un tutorial que muestra cómo conectar el agente de programación Codex, de OpenAI, con el repositorio Hugging Face Skills para automatizar experimentos de machine learning de punta a punta. El agente puede validar datasets, elegir hardware, lanzar trabajos de fine-tuning, monitorear métricas con Trackio, evaluar checkpoints y convertir modelos a GGUF para despliegue local. El texto destaca que la extensión es de código abierto y soporta SFT, DPO y aprendizaje por refuerzo en modelos de 0.5B a 7B parámetros.
Noticia originalHugging Face permite a Claude fine-tuning de modelos de lenguaje de código abierto
Hugging Face presentó una nueva herramienta llamada Hugging Face Skills que permite a agentes de programación como Claude Code, Codex y Gemini CLI realizar el fine-tuning completo de modelos de lenguaje de código abierto. La skill hf-llm-trainer enseña al agente a validar datasets, seleccionar GPUs, enviar trabajos a la nube, monitorear el entrenamiento y publicar los modelos en el Hub, con soporte para SFT, DPO y GRPO. El proceso puede costar desde centavos hasta decenas de dólares según el tamaño del modelo, que va de 0.5B a 70B parámetros.
Noticia originalTransformers v5: definiciones de modelos simples que impulsan el ecosistema de IA
Hugging Face lanzó Transformers v5, la nueva versión de su biblioteca de definición de modelos de IA, que ahora supera los 1.200 millones de instalaciones y las 400 arquitecturas. La versión prioriza la simplicidad del código, la interoperabilidad con motores de inferencia como vLLM, SGLang y llama.cpp, y convierte la cuantización en una característica de primera clase. También abandona el soporte de Flax/TensorFlow para centrarse en PyTorch como único backend.
Noticia originalDiffusers incorpora FLUX.2, el nuevo modelo abierto de generación de imágenes de Black Forest Labs
Black Forest Labs presentó FLUX.2, una nueva serie de modelos abiertos de generación y edición de imágenes con arquitectura y preentrenamiento desde cero, que no reemplaza directamente a FLUX.1. El modelo usa un único codificador de texto (Mistral Small 3.1) y un DiT de 32B con más bloques de flujo único, y su inferencia sin optimizaciones requiere más de 80 GB de VRAM. La publicación de Hugging Face detalla cómo ejecutarlo con Diffusers mediante cuantización de 4 bits, offloading y codificador de texto remoto, además del ajuste fino con LoRA.
Noticia originalContinuous batching desde los primeros principios: cómo optimizar la inferencia de LLM
Artículo técnico del blog de Hugging Face que explica desde los fundamentos el continuous batching, la técnica que permite servir modelos de lenguaje a muchos usuarios simultáneamente. Partiendo del mecanismo de atención y la caché KV, los autores derivan el prefill troceado y el ragged batching con planificación dinámica, y muestran cómo combinados maximizan el throughput y eliminan el desperdicio de relleno en la inferencia de LLM.
Noticia original
Google DeepMindGoogle DeepMind presenta Nano Banana Pro, su nuevo modelo de generación y edición de imágenes basado en Gemini 3 Pro
Google DeepMind presentó Nano Banana Pro (Gemini 3 Pro Image), un nuevo modelo de generación y edición de imágenes construido sobre Gemini 3 Pro. Permite crear visuales precisos con texto legible en varios idiomas, combinar hasta 14 imágenes y mantener la consistencia de hasta 5 personas, con resolución de hasta 4K. Está disponible en la app Gemini, Google Ads, Workspace, Google AI Studio y Vertex AI, con marcas de agua SynthID para identificar el contenido generado por IA.
Noticia originalApriel-H1: la clave inesperada para destilar modelos de razonamiento eficientes
Investigadores de ServiceNow-AI presentaron Apriel-H1, una familia de modelos híbridos que combina capas de atención con capas Mamba para acelerar el razonamiento de un modelo de 15B. El hallazgo central es que destilar sobre trazas de razonamiento de alta calidad, y no sobre datos de preentrenamiento, preserva la calidad: el modelo insignia logra 2,1x de rendimiento con retrocesos mínimos en benchmarks. Publicaron los siete checkpoints y el framework Fast-LLM para hacer reproducible el método.
Noticia originalHugging Face facilita la creación y el intercambio de kernels ROCm para GPUs AMD
Hugging Face publicó una guía para compilar, probar y compartir kernels ROCm compatibles con GPUs AMD usando su biblioteca kernels y la herramienta kernel-builder. El ejemplo es el kernel GEMM en FP8 de RadeonFlow, premiado en el AMD Developer Challenge 2025 y optimizado para la GPU AMD Instinct MI300X. El flujo incluye estructura de proyecto, archivos build.toml y flake.nix, compilación reproducible con Nix, registro como operador nativo de PyTorch y carga al Hub para su uso con pocas líneas de código.
Noticia originalEl cambiante panorama global de la computación: cómo China impulsa su ecosistema de chips e IA
El artículo analiza cómo los controles de exportación de chips de IA de EE. UU. desde 2022, lejos de frenar a China, catalizaron el desarrollo de chips domésticos como Ascend de Huawei, Cambricon y Kunlun de Baidu. Modelos chinos de pesos abiertos como DeepSeek, Qwen, GLM y Kimi, con innovaciones en eficiencia computacional (MLA, GRPO), ya se entrenan e infieren en silicio local y ganan adopción global. El texto sostiene que el ecosistema de software de NVIDIA (CUDA) es desafiado en cada capa y que el centro de gravedad de la IA podría desplazarse hacia China.
Noticia originalNVIDIA Isaac presenta una guía para construir un robot sanitario desde la simulación hasta el despliegue
NVIDIA publicó una guía práctica para construir un robot asistente quirúrgico usando su framework Isaac for Healthcare, con un flujo de trabajo inicial basado en SO-ARM que integra recolección de datos, entrenamiento y despliegue. El enfoque Sim2Real combina unos 70 episodios de simulación con 10-20 reales, y más del 93% de los datos de entrenamiento se generaron sintéticamente. El modelo GR00T N1.5 se ajusta finamente y se despliega en hardware físico, con requisitos de GPU de al menos 30 GB de VRAM.
Noticia originalIBM lanza Granite 4.0 Nano, sus modelos de IA más pequeños para el borde y dispositivos
IBM presentó Granite 4.0 Nano, su familia de modelos de lenguaje más pequeños hasta la fecha, pensados para aplicaciones en el borde y en dispositivos. Incluye cuatro modelos instruct (H 1B, H 350M, 1B y 350M) con arquitectura híbrida SSM y variantes transformer, bajo licencia Apache 2.0 y con certificación ISO 42001. La compañía afirma que superan a modelos de tamaño similar en conocimiento general, matemáticas, código, seguridad, seguimiento de instrucciones y llamado de herramientas.
Noticia originalProponen una "barrera de consentimiento de voz" para clonar voces solo con autorización explícita
Investigadores de Hugging Face presentaron el concepto de "barrera de consentimiento de voz", un mecanismo que solo permite clonar una voz cuando el hablante pronuncia explícitamente una frase de consentimiento que el sistema reconoce. El diseño combina generación automática de frases únicas, reconocimiento automático del habla y clonación de voz, y busca convertir el consentimiento en una condición técnica auditable del sistema. Los autores reconocen limitaciones, como la posibilidad de burlar el control con otro sistema de síntesis, y publicaron un demo y código abierto para su discusión.
Noticia originalhuggingface_hub v1.0: cinco años construyendo la base del aprendizaje automático abierto
La biblioteca huggingface_hub alcanzó su versión 1.0 tras cinco años de desarrollo, consolidándose como el paquete de Python que impulsa 200.000 bibliotecas dependientes y da acceso a más de 2 millones de modelos públicos. La versión introduce cambios disruptivos, como la migración a httpx, una CLI rediseñada basada en Typer y la adopción total de hf_xet para transferencias de archivos. El lanzamiento apunta a sostener la próxima década del aprendizaje automático abierto, con 113,5 millones de descargas mensuales y una comunidad de casi 300 contribuyentes.
Noticia originalHugging Face mejora el streaming de datasets: 100 veces menos peticiones y hasta el doble de velocidad
Hugging Face anunció mejoras en el streaming de datasets de su librería, logrando hasta 100 veces menos peticiones de inicio, resolución de archivos 10 veces más rápida y el doble de velocidad de streaming. Las optimizaciones incluyen caché persistente de archivos entre workers del DataLoader, prefetching para Parquet y buffering configurable. La compañía usa estas mejoras para entrenar sus modelos SmolVLM y nanoVLM, alcanzando velocidades comparables a la lectura desde SSD locales.
Noticia originalLeRobot v0.4.0: impulso al aprendizaje de robótica de código abierto
LeRobot lanzó la versión v0.4.0, una actualización mayor para el aprendizaje de robótica de código abierto que introduce conjuntos de datos escalables v3.0 con formato fragmentado y streaming, y herramientas de edición de datasets. La versión incorpora modelos VLA como PI0.5 de Physical Intelligence y GR00T N1.5 de NVIDIA, soporte para simulaciones LIBERO y Meta-World, entrenamiento multi-GPU simplificado y un nuevo sistema de plugins para integrar hardware de terceros. También suma la integración de Reachy 2, teleoperación desde el teléfono y un curso abierto de aprendizaje de robótica de Hugging Face.
Noticia originalPotenciá tus pipelines de OCR con modelos abiertos
Hugging Face publicó una guía sobre modelos abiertos de OCR basados en modelos de visión-lenguaje, comparando opciones como Nanonets-OCR2, PaddleOCR-VL, dots.ocr, OlmOCR-2, Granite-Docling, DeepSeek-OCR, Chandra y Qwen3-VL. El artículo detalla capacidades como transcripción multilingüe, manejo de tablas y gráficos, formatos de salida y evaluación mediante benchmarks como OmniDocBench y OlmOCR-Bench. También aborda eficiencia de costos, conjuntos de datos abiertos y herramientas para ejecutar los modelos localmente o en la nube.
Noticia originalInteligencia artificial aplicada a la investigación de alergias alimentarias: nace un laboratorio comunitario y una colección abierta de datos
Un grupo de más de 20 contribuyentes de la comunidad HuggingScience publicó el artículo "AI for Food Allergies", en el que presenta un laboratorio de investigación abierto dedicado a aplicar inteligencia artificial al estudio de las alergias alimentarias, que afectan a unos 220 millones de personas en el mundo. El equipo lanzó "Awesome Food Allergy Datasets", la primera colección abierta de conjuntos de datos sobre alergias alimentarias, organizada en tres capas: proteínas y alergenicidad molecular, clínica e inmunológica, y de alimentos, ingredientes y regulación. El texto repasa el estado del arte de modelos como AlphaFold, AllergenAI y AllerCatPro 2.0, y detalla decenas de bases de datos y sus posibles usos en diagnóstico, diseño de fármacos y lectura automática de etiquetas.
Noticia originalBigCodeArena: la plataforma que evalúa modelos de generación de código mediante ejecución real
El Proyecto BigCode lanzó BigCodeArena, la primera plataforma con humanos en el circuito que evalúa modelos de generación de código mediante ejecución real en sandboxes aislados, permitiendo comparar dos modelos lado a lado y votar por el mejor resultado. Tras cinco meses de operación acumuló más de 14.000 conversaciones de 500 usuarios y 4.700 votos de preferencia, con o3-mini y o1-mini liderando el ranking Elo. También presentó dos benchmarks: BigCodeReward, que muestra que ver los resultados de ejecución mejora la precisión de los jueces de IA, y AutoCodeArena, una evaluación automatizada donde GPT-5 establece el nuevo estado del arte.
Noticia originalOCR de última generación con Core ML y dots.ocr: cómo llevar un modelo de 3B a la ejecución en dispositivo
El artículo técnico describe la conversión del modelo de OCR dots.ocr, de 3B parámetros y desarrollado por RedNote, para ejecutarse en dispositivo mediante Core ML y MLX de Apple. Los autores detallan el proceso de conversión de PyTorch a Core ML, la resolución de errores sucesivos en el grafo de ejecución y una evaluación inicial que arroja un modelo de más de 5 GB y más de un segundo por pasada del codificador de visión. El texto forma parte de una serie de tres partes sobre optimización para el Neural Engine.
Noticia originalMongoDB y MTEB presentan RTEB, un nuevo estándar para evaluar modelos de recuperación de información
MongoDB y los mantenedores de MTEB presentaron la versión beta de RTEB (Retrieval Embedding Benchmark), un nuevo estándar para evaluar la precisión de recuperación de modelos de embeddings en aplicaciones reales. RTEB combina conjuntos de datos abiertos y privados para medir la verdadera generalización y evitar el sobreajuste de los benchmarks públicos. Cubre 20 idiomas y dominios como derecho, salud, código y finanzas, con NDCG@10 como métrica principal.
Noticia original