Local y open source
Google explica cómo sus modelos médicos de pesos abiertos llegaron a clínicas: MedGemma corre en local y sin internet
Google Research publicó el 23 de octubre un repaso de cinco años de trabajo en cribado de tuberculosis por radiografía, y lo interesante para quien sigue los modelos abiertos es el giro que describe: de una herramienta cerrada con un socio a modelos de pesos abiertos que otros ajustan. MedGemma son modelos multimodales de 4.000 y 27.000 millones de parámetros que combinan la imagen con el historial, responden en lenguaje natural y funcionan en el propio dispositivo sin conexión.
ActualizaciónDisponibleSin confirmar si afecta al plan gratuito
Qué significa para ti
El caso que mejor explica para qué sirven unos pesos abiertos es Indonesia: su Ministerio de Sanidad está ajustando MedGemma y MedSigLIP con radiografías propias, y el motivo que se da es doble —revisar 50 millones de radiografías a mano es inviable, y el software propietario en la nube plantea problemas de residencia del dato—. Al ejecutarse en infraestructura local, los datos no salen del país. Las cifras de descargas y de uso en clínica son suyas; la decisión clínica final, dicen, sigue siendo del profesional.
Fuentes
Todo lo anterior sale de estas páginas. Si alguna contradice lo que publicamos, gana la fuente y lo corregimos.
Seguir leyendo
- Local y open source
OlmoEarth v1.3 regala las incrustaciones de satélite de todo el planeta, con pesos, datos y código abiertos
El Allen Institute publicó el 22 de octubre OlmoEarth v1.3, un modelo que lee un año de radar y de imagen multiespectral y devuelve un vector de 128 dimensiones por cada píxel de 10 metros de la Tierra. Con el modelo vienen las incrustaciones anuales ya calculadas de todo el planeta y un explorador de navegador para usarlas. Los pesos, los datos de preentrenamiento y el código son abiertos, bajo la licencia que ellos describen como la misma de las versiones anteriores.
LanzamientoDisponible
- Local y open source
NVIDIA abre los pesos de Nemotron 3.5: un extractor de documentos de 631 millones de parámetros que dice liderar ParseBench
NVIDIA publicó el 21 de octubre cinco modelos abiertos y de uso comercial para montar búsqueda sobre documentos: dos de incrustación (8.000 y 1.000 millones de parámetros), una versión cuantizada del pequeño, un reordenador de 8.000 millones y Nemotron 3.5 Parse, de 631 millones, que convierte imágenes de documentos en texto conservando la estructura. Los pesos, los datos y las recetas de entrenamiento están en Hugging Face.
LanzamientoDisponible
- Local y open source
PyTorch 2.15 acelera los modelos en Mac: una mezcla de expertos pasa de 9,4 a 61,3 tokens por segundo
El equipo de PyTorch de Hugging Face publicó el 20 de octubre lo que cambia en la versión 2.15 para quien ejecuta modelos en un Mac. Lo más llamativo son los modelos de mezcla de expertos, que según sus medidas decodifican entre 5 y 6,5 veces más rápido que en la 2.14: Qwen3.6-35B-A3B pasa de 9,4 a 61,3 tokens por segundo en un M3 Ultra. Llega además FP8 al Mac, que guarda los valores en la mitad de espacio que BF16.
ActualizaciónDisponible