DeepSeek.

ThinkingBox evalúa agentes de IA no por lo que dicen, sino por los registros que dejan en bases de datos reales, y les pide hacerlo correctamente en veinte intentos consecutivos

El sistema Vera Rubin NVL72 debutó en las pruebas MLPerf con hasta 3,7 veces más rendimiento que la generación anterior, mientras NVIDIA demuestra que su plataforma escala con un 99% de eficiencia al añadir más hardware.

Hugging Face y Amazon Web Services publican una guía técnica para ejecutar y personalizar los modelos de código abierto de DeepSeek en servidores en la nube, con opciones desde 1,30 dólares la hora hasta despliegues a gran escala.

Un equipo de investigadores ha creado Open-R1, un modelo de inteligencia artificial con razonamiento complejo que cualquiera puede descargar, estudiar y modificar libremente, replicando las capacidades de DeepSeek-R1 sin restricciones de uso.

Grupos de hackers respaldados por el gobierno chino han más que duplicado sus ataques desde que comenzaron a usar modelos de IA como DeepSeek para escribir código malicioso y escanear redes, según la empresa de seguridad TeamT5.

La plataforma acaba de publicar tablas de clasificación que miden cómo siguen instrucciones, generan texto y razonan los modelos de lenguaje en árabe, un idioma históricamente infrarrepresentado en inteligencia artificial.

El chip de inferencia de OpenAI consume menos energía que los Blackwell de Nvidia al ejecutar modelos de lenguaje, aunque la empresa de Jensen Huang sigue dominando el entrenamiento de IA

DeepSeek, Alibaba y Z.ai acaban de publicar modelos de lenguaje que se acercan peligrosamente al rendimiento de GPT-5.6 o Claude Fable 5, pero cuestan cien veces menos por cada consulta procesada.

Washington prepara una carta en la que pide a países socios posicionarse en su pugna tecnológica con Pekín, según Reuters.

Mientras Silicon Valley copia la cultura laboral 996 de China, la startup de IA más exitosa del momento asegura que su equipo no hace horas extra, no tiene objetivos mensuales ni supervisión tradicional.

El complejo Galaxy Campus, ya en funcionamiento en Mongolia Interior, está diseñado para albergar hasta un millón de aceleradores y marca un nuevo frente en la batalla global por la infraestructura de IA.

La compañía presenta una versión acelerada de GPT-5.6 Sol pensada para atraer a grandes empresas que necesitan respuestas rápidas en aplicaciones comerciales.

Investigadores de IBM han presentado ALTK-Evolve, un método que reduce a la mitad el tiempo de entrenamiento de modelos que razonan paso a paso, como el reciente DeepSeek-R1.

Investigadores de ServiceNow logran comprimir el razonamiento de modelos grandes en versiones 30 veces más pequeñas, usando un truco inesperado: entrenarlos con ejemplos que fallan.

La plataforma bloqueará a usuarios de ambos países para cumplir con las sanciones estadounidenses sobre semiconductores avanzados.

Desarrolladores chinos están experimentando con arquitecturas alternativas y combinando modelos pequeños para crear sistemas potentes sin necesidad de GPUs de última generación.

La startup china demostró que se podía entrenar modelos potentes gastando una fracción de lo que invierten las grandes tecnológicas, y desató una carrera por la eficiencia que sigue marcando el rumbo del sector.

El modelo chino DeepSeek-V3 demostró que se puede entrenar IA avanzada con menos recursos de lo que creían las grandes tecnológicas, y eso cambió el sector para siempre.

Los Mixture of Experts permiten crear modelos enormes que consumen pocos recursos al usar solo una parte de su capacidad en cada momento.

El nuevo modelo chino de código abierto no solo procesa textos enormes, sino que permite a sistemas autónomos buscar información en ellos sin perderse ni inventar datos.