Esta semana la IA ha dejado de mirar tanto al cuadro de texto. Lo más interesante ha ocurrido cuando los modelos han tenido que ver, escuchar, usar herramientas o comprobar el trabajo de otros.
Entre el lunes 10 y el jueves 13 de agosto seleccionamos siete movimientos. Juntos cuentan una historia bastante clara: la siguiente mejora no consiste solo en responder mejor, sino en encajar mejor en el mundo real.
Meta vuelve a apostar por un agente local
Muse Glimmer es un modelo multimodal de 30.000 millones de parámetros, destilado de Muse y publicado con licencia Apache 2.0. Puede trabajar con texto e imágenes, usar herramientas y ejecutarse en infraestructura propia. La tarjeta oficial de Meta incluye soporte para Transformers, vLLM y SGLang. Aquí la privacidad no es un añadido: es parte del producto.
La visión también baja al dispositivo
Liquid AI presentó LFM2.5-VL-3B, un modelo de visión y lenguaje pensado para hardware propio. Entiende pantallas y documentos, localiza objetos, combina varias imágenes y puede llamar funciones. La promesa útil no es ganar una tabla: es poder leer una interfaz o una factura sin enviar cada captura a un servicio remoto.
La voz abierta aprende tres idiomas más
NVIDIA amplió Magpie TTS Multilingual con árabe estándar moderno, coreano y portugués de Brasil. El modelo, de pesos abiertos y 364 millones de parámetros, cubre ahora doce idiomas y permite desplegar la síntesis en servidores propios. Su ficha técnica deja probarlo y revisar el despliegue. Para una voz útil, controlar la latencia importa tanto como sonar bien.
Gemini conecta servicios, no solo documentos
Google anunció una nueva tanda de aplicaciones conectadas a Gemini. Durante las próximas semanas añadirá servicios como Granola, Wix, Ticketmaster, Zocdoc o GetYourGuide. El asistente puede pasar de recomendar a reservar, editar o resumir. Esa comodidad también exige mirar con calma qué permisos recibe y cuándo debe pedir confirmación.
AMIE prueba la consulta clínica por vídeo
Google Research y DeepMind mostraron AMIE en consultas clínicas audiovisuales en tiempo real. El sistema interpreta señales visuales y de voz, guía exploraciones virtuales y razona sobre el diagnóstico. En un estudio simulado fue valorado favorablemente en varias competencias. Sigue siendo investigación, no un médico listo para pasar consulta. Conviene subrayarlo antes de que el vídeo promocional haga el resto.
Los agentes aprenden sin tragarse todo el historial
IBM Research comparó dos formas de convertir errores anteriores en memoria para agentes. ALTK-Evolve recupera solo las pautas relevantes para cada tarea, en vez de reenviar un manual completo en cada paso. Sus pruebas reducen mucho los tokens frente a ACE sin perder rendimiento, y el código está publicado. Una memoria útil no tiene por qué ser una mochila cada vez más pesada.
La reproducibilidad escala con agentes, pero no se automatiza sola
Hugging Face reunió a 1.221 personas para intentar reproducir 2.226 trabajos de ICML 2026. Publicaron 6.816 cuadernos auditables y revisaron 35.908 afirmaciones. Hubo resultados verificados, falsados y contradictorios. La lección incómoda es la buena: los agentes permiten revisar a una escala nueva, pero todavía hacen falta personas que detecten pruebas flojas, datos ausentes y conclusiones demasiado seguras.
Si hay un hilo común, es este: la IA empieza a ser interesante cuando deja de presumir de conversación y se enfrenta a límites concretos. Latencia, permisos, memoria, privacidad y posibilidad de repetir un resultado. Ahí es donde una demo empieza, por fin, a convertirse en herramienta.
0 comentarios
Todavía no hay comentarios.
Deja un comentario