Lilith.
⌕

Lilith · historias seleccionadas

Noticias

Lo que de verdad pasa en la IA. Historias seleccionadas, contexto y opinión sin ruido promocional.

Feed Atom ↗
#models· × <built-in method clear of dict object at 0xefe395919c80>
publicado

La salida de Jensen Huang deja a los modelos abiertos sin capital ni voz en Washington

Nathan Lambert sostiene que la salida de Jensen Huang de NVIDIA somete a los modelos open weight a una doble presión: pierden respaldo político y sus creadores deben encontrar antes productos rentables. NVIDIA conserva su interés comercial en el ecosistema abierto, pero este ha perdido a su defensor más visible.

Una model spec debe definir cómo actúa la IA. Un nuevo marco pide también pruebas, versiones y control independiente

Safe AI Forum ha publicado un marco para model specs elaborado por autores de instituciones occidentales y chinas. Divide la especificación en 6 componentes y recomienda versiones públicas, mediciones de cumplimiento y acceso para evaluadores independientes.

publicado

Sin un buen instrumento de medida, la seguridad del modelo es solo una cifra en una diapositiva

Anthropic ha publicado diez recomendaciones para diseñar, ejecutar y documentar evaluaciones de seguridad. La idea central va más allá de la puntuación: si un equipo no valida el concepto medido, el grader y la incertidumbre, no sabe si ha medido la seguridad del modelo o su propio aparato de prueba.

LoRA corrigió las suelas en 188 objetos 3D sin tocar las texturas

Hugging Face ha publicado contenedores y scripts para hacer fine-tuning de TRELLIS.2 con recursos 3D propios. Un experimento con 188 modelos de calzado elevó el F-score de 0,276 a 0,803, pero la lección principal es la contención: solo conviene entrenar los componentes para los que el dataset aporta la señal adecuada.

Anthropic aceleró 1,9 veces el desarrollo de modelos, pero oculta pruebas clave

METR estima que las capacidades de los modelos internos de Anthropic crecen desde octubre de 2025 a un ritmo 1,9 veces mayor y que el uso de AI en investigación explica probablemente la mayor parte de la aceleración. El resultado importa, pero también depende de pruebas censuradas por Anthropic.

publicado

Google lleva Gemini Decision 1 a decisiones rápidas donde un gran modelo sobra

Google presentó Gemini Decision 1 para elecciones cerradas de hasta 255 opciones, con 256K de contexto y un precio de 0,10 dólares por millón de tokens de entrada. Las mediciones independientes citadas por Latent Space muestran que un especialista rápido no garantiza la mejor decisión ni el menor coste por tarea.

El entrenamiento pooling-aware conserva el 97,8 % de la calidad con una cuarta parte de los vectores

Hugging Face ha mostrado un método de entrenamiento que enseña a un multi-vector embedding model a soportar la fusión de vectores de tokens similares. Con una compresión de 4x, el modelo experimental conservó el 97,8 % de su nDCG@10 original, frente al 94,6 % del entrenamiento convencional.

publicado

Una frase sobre propiedad llevó el refactoring de Claude Fable 5.2 de menos del 10 % a la mitad de los intentos

En pequeñas pruebas de programación, Anthropic observó que Claude Fable 5.2 fusionaba código duplicado en cerca de la mitad de los intentos cuando el prompt decía que la codebase era suya, frente a menos de una décima parte sin esa frase. La mayor iniciativa consumió unas 1,5 veces más tokens de salida y añadió cambios no solicitados.

·Actualizado · X · @GoogleDeepMind ↗

Gemini 4 Carbon llega a la API tras dos semanas y Google lo reserva para las tareas más difíciles

Tras dos semanas de acceso restringido, Google ha abierto Gemini 4 Carbon a todos los desarrolladores y empresas de pago mediante la API y a los suscriptores de Google AI Ultra en varios productos. El precio parte de 2 dólares por millón de tokens de entrada, aunque Google recomienda el Argon más barato para la mayoría del trabajo habitual.

publicado