Modelos multimodales
Mistral presenta Robostral Navigate, su primer modelo de navegación para robots
Mistral presentó el 8 de julio de 2026 Robostral Navigate, un modelo de 8.000 millones de parámetros que permite a un robot desplazarse de forma autónoma por oficinas, edificios y exteriores con una sola cámara RGB, sin LiDAR ni sensores de profundidad. Según Mistral, se entrenó por completo en simulación y funciona en robots con ruedas, con patas y voladores.
AnuncioDisponibilidad sin confirmarSin confirmar si afecta al plan gratuito
Qué significa para ti
Mistral lo orienta a usos en fabricación, reparto, logística y hostelería. La página no dice si el modelo se puede descargar, bajo qué licencia ni cómo se accede a él: enlaza un informe técnico e invita a hablar con su equipo, sin ofrecer ninguna vía para probarlo.
Fuentes
Todo lo anterior sale de estas páginas. Si alguna contradice lo que publicamos, gana la fuente y lo corregimos.
Seguir leyendo
- Modelos multimodales
Gemini Live estrena Guided Vision, que describe el entorno por voz, y llega a Android 9 o posterior
Google lanzó el 1 de octubre Guided Vision en Gemini Live para los dispositivos Android compatibles: al compartir la cámara, Gemini describe el entorno por voz y, si el encuadre no le sirve, pide girar despacio a la derecha, inclinar hacia abajo o echarse atrás. Está dirigido a personas ciegas o con baja visión y se construyó junto a esa comunidad: para entrenarlo se asociaron con Aira, con decenas de miles de horas de interpretación visual, y más de 1.000 miembros de su red de probadores ayudaron a afinar el modelo.
LanzamientoDisponible
- Modelos multimodales
Google añade avatares en tiempo real a Gemini 3.8 Live, por ahora sólo dentro de Gemini Enterprise
Google DeepMind presentó el 24 de septiembre Gemini 3.8 Live con Live Avatar, que añade presencia visual casi en tiempo real a sus modelos de diálogo en directo. La función combina generación de vídeo casi en tiempo real con voz, de forma que el sistema escucha, ve y habla a la vez, y llega apoyada en el lanzamiento de Gemini 3.8 Live de la semana anterior. Desde ese mismo día está disponible en Gemini Enterprise, y los desarrolladores pueden generar un avatar a partir de una imagen de referencia conservando el parecido o la identidad de marca.
LanzamientoAcceso limitado
- Modelos multimodales
DeepSeek lanza V4.1-Flash y redirige a él las peticiones de V4-Pro desde el 14 de septiembre
DeepSeek presentó el 10 de septiembre V4.1-Flash, el modelo más pequeño de su nueva familia de arquitectura, con comprensión visual nativa. Es un modelo de mezcla de expertos de 552.000 millones de parámetros que activa 8.000 millones para procesar la entrada y 16.000 millones para generar la salida. Está disponible en la API de DeepSeek y sustituye a V4-Flash y V4-Flash-Vision-Exp, que quedan retirados. Según la compañía, pruebas de varias partes lo sitúan por delante de V4-Pro en rendimiento, coste y velocidad.
LanzamientoDisponible