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.
LanzamientoDisponibleSin confirmar si afecta al plan gratuito
Qué significa para ti
Lo aprovechable para quien monta búsqueda en documentos sin presupuesto es el pequeño: con 631 millones de parámetros, Parse devuelve Markdown, tablas en HTML y bloques estructurados, y admite tres modos según si se quiere velocidad o detalle (16,1 páginas por segundo con 72,74 puntos, o 10,5 con 75,20). La búsqueda entra en tablas, gráficos, infografías y esquemas, no sólo en el texto. Las posiciones de cabeza son medidas de NVIDIA y están fechadas al 20 de octubre; en una clasificación pública eso caduca.
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
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
- Local y open source
Meta abre los pesos de Muse Spark, de 816.000 millones, y la configuración de referencia pide cuatro GPU GB300
Hugging Face publicó el 15 de octubre la llegada de Muse Spark Open, el modelo de pesos abiertos de Meta: una mezcla de expertos de unos 816.000 millones de parámetros con unos 42.000 millones activos por token, que acepta texto, imágenes, audio y vídeo y devuelve texto, con hasta un millón de tokens de contexto. Meta lo entrenó para programar de forma agéntica: leer un repositorio, escribir y depurar código, y llamar a herramientas.
LanzamientoDisponible
- Local y open source
Mistral publica Timestral, modelos de previsión de series temporales que corren en CPU y con licencia MIT modificada
Mistral publicó el 15 de octubre Timestral, su primera familia de modelos fundacionales para series temporales. Sostiene que el mayor, de sólo 209 millones de parámetros, queda primero en las tres pruebas públicas principales del campo —GIFT-Eval, TIME y fev-bench— superando al estado del arte anterior con dos tercios de sus parámetros. La familia tiene cuatro tamaños, de 5 a 209 millones, se despliega en local o en entornos aislados y sale con licencia MIT modificada.
LanzamientoDisponible