Cerebras ha estado demostrando su capacidad para alojar grandes MoEs a velocidades muy altas esta semana, lanzando los puntos finales Qwen3 235B 2507 y Qwen3 Coder 480B a >1,500 tokens de salida/s ➤ @CerebrasSystems ahora ofrece puntos finales tanto para Qwen3 235B 2507 Razonamiento como No-razonamiento. Ambos modelos tienen 235B de parámetros totales con 22B activos. ➤ Qwen 3 235B 2507 Razonamiento ofrece una inteligencia comparable a o4-mini (alta) y DeepSeek R1 0528. La variante No-razonamiento ofrece una inteligencia comparable a Kimi K2 y muy por encima de GPT-4.1 y Llama 4 Maverick. ➤ Qwen3 Coder 480B tiene 480B de parámetros totales con 35B activos. Este modelo es particularmente fuerte para la codificación agente y se puede utilizar en una variedad de herramientas de agentes de codificación, incluyendo la Qwen3-Coder CLI. Los lanzamientos de Cerebras representan la primera vez que este nivel de inteligencia ha estado accesible a estas velocidades de salida y tienen el potencial de desbloquear nuevos casos de uso, como usar un modelo de razonamiento para cada paso de un agente sin tener que esperar minutos.

🇰🇷 LG lanzó recientemente el EXAONE 4.0 32B - obtiene 62 en el Índice de Inteligencia de Análisis Artificial, la puntuación más alta para un modelo 32B hasta ahora. El EXAONE 4.0 de @LG_AI_Research se lanza en dos variantes: el modelo híbrido de razonamiento 32B del que estamos informando los resultados de las pruebas aquí, y un modelo más pequeño de 1.2B diseñado para aplicaciones en el dispositivo que aún no hemos evaluado. Junto con el reciente lanzamiento del Solar Pro 2 de Upstage, es emocionante ver a los laboratorios de IA de Corea unirse a los de EE. UU. y China cerca de la cima de las listas de inteligencia. Resultados clave: ➤ 🧠 EXAONE 4.0 32B (Razonamiento): En modo de razonamiento, el EXAONE 4.0 obtiene 62 en el Índice de Inteligencia de Análisis Artificial. Esto iguala a Claude 4 Opus y al nuevo Llama Nemotron Super 49B v1.5 de NVIDIA, y se sitúa solo 1 punto detrás de Gemini 2.5 Flash. ➤ ⚡ EXAONE 4.0 32B (No Razonamiento): En modo no razonamiento, el EXAONE 4.0 obtiene 51 en el Índice de Inteligencia de Análisis Artificial. Iguala a Llama 4 Maverick en inteligencia a pesar de tener solo ~1/4 de parámetros totales (aunque tiene ~2x los parámetros activos). ➤ ⚙️ Tokens de salida y verbosidad: En modo de razonamiento, el EXAONE 4.0 utilizó 100M de tokens de salida para el Índice de Inteligencia de Análisis Artificial. Esto es más alto que algunos otros modelos de frontera, pero se alinea con las tendencias recientes de modelos de razonamiento que utilizan más tokens de salida para 'pensar más' - similar a Llama Nemotron Super 49B v1.5, Grok 4 y Qwen3 235B 2507 Razonamiento. En modo no razonamiento, el EXAONE 4.0 utilizó 15M de tokens - alto para un no razonador, pero no tan alto como los 30M de Kimi K2. Detalles clave: ➤ Razonamiento híbrido: El modelo ofrece opcionalidad entre modo 'razonamiento' y modo 'no razonamiento'. ➤ Disponibilidad: Actualmente alojado por @friendliai, y con precios competitivos (especialmente en comparación con opciones propietarias) por FriendliAI a $1 por 1M de tokens de entrada y salida. ➤ Pesos abiertos: El EXAONE 4.0 es un modelo de pesos abiertos disponible bajo el Acuerdo de Licencia del Modelo de IA EXAONE 1.2. La licencia limita el uso comercial. ➤ Multimodalidad: Solo entrada y salida de texto. ➤ Ventana de contexto: 131k tokens. ➤ Parámetros: 32B de parámetros activos y totales, disponibles en precisión de 16 bits y 8 bits (lo que significa que el modelo se puede ejecutar en un solo chip H100 en precisión completa).

Anunciando el Ranking del Arena de Análisis Artificial de Música: con más de 5k votos, Suno v4.5 es el modelo líder de Generación de Música, seguido por el FUZZ-1.1 Pro de Riffusion. Lyria 2 de Google ocupa el tercer lugar en nuestro ranking de Instrumental, y el v1.5 Allegro de Udio ocupa el tercer lugar en nuestro ranking de Voces. El Ranking de Instrumental es el siguiente: 🥇 @SunoMusic V4.5 🥈 @riffusionai FUZZ-1.1 Pro 🥉 @GoogleDeepMind Lyria 2 @udiomusic v1.5 Allegro @StabilityAI Stable Audio 2.0 @metaai MusicGen Los rankings se basan en los votos de la comunidad a través de una amplia gama de géneros y prompts. ¿Quieres ver tu prompt destacado? Puedes enviar prompts en la arena hoy. 👇 ¡Mira a continuación el Ranking de Voces y el enlace para participar!

Cambio en la demanda del modelo 2024 a 2025: Google (+49pts), DeepSeek (+53pts) y xAI (+31pts) han logrado enormes ganancias en la cuota de demanda durante el último año. @Google ha pasado de ser un rezagado en IA a un líder en IA con un aumento de ~2.5x en la proporción de encuestados que utilizan o consideran la serie de modelos Gemini. Un factor clave de esto ha sido que Google ha logrado avances significativos en inteligencia: Gemini 2.5 Pro ahora ocupa el puesto #3 en nuestro Índice de Inteligencia de Análisis Artificial, en comparación con estar significativamente rezagado detrás de OpenAI y Anthropic a principios de 2024. @deepseek_ai en el primer semestre de 2024 solo había lanzado DeepSeek 67B, un modelo que vio una adopción limitada y tuvo un rendimiento inferior al de Llama 3 70B. DeepSeek vio un aumento en la adopción a finales de 2024 con los lanzamientos de su modelo V2, y luego experimentó una rápida adopción a principios de 2025 con sus modelos V3 y R1 que los han llevado a liderar entre los modelos de pesos abiertos. @xai lanzó su primer modelo Grok-1 a mediados del primer semestre de 2024 y desde entonces ha escalado rápidamente a la posición de liderazgo en inteligencia en todos los modelos con lanzamientos sucesivos, culminando en el lanzamiento de Grok 4 la semana pasada. Fuente: Encuesta de Adopción de IA de Análisis Artificial H1 2025 (informe disponible en el sitio web de Análisis Artificial)

Proveedores de Kimi K2: Groq está sirviendo Kimi K2 a >400 tokens de salida/s, 40 veces más rápido que la API de primera parte de Moonshot. Felicitaciones a varios proveedores por ser rápidos en lanzar APIs para Kimi K2, incluyendo a @GroqInc, @basetenco, @togethercompute, @FireworksAI_HQ, @parasail_io, @novita_labs, @DeepInfra, y por supuesto a @Kimi_Moonshot. Esto es impresionante considerando el tamaño del modelo con 1 billón de parámetros en total. Groq se destaca por su velocidad increíblemente rápida. DeepInfra, Novita y Baseten se destacan por sus precios, siendo los únicos proveedores que tienen precios similares o más baratos que la API de primera parte de Moonshot. Vea a continuación más comparaciones entre los proveedores. Esperamos aumentos rápidos en la velocidad entre algunos proveedores a medida que los equipos optimizan para el modelo K2; nuestros números a continuación muestran velocidades medianas durante las últimas 72 horas, pero ya estamos viendo a DeepInfra alcanzar 62 tokens/s en las mediciones de hoy.

Mientras que Kimi k2 de Moonshot AI es el modelo no razonador de pesos abiertos líder en el Índice de Inteligencia de Análisis Artificial, produce ~3 veces más tokens que otros modelos no razonadores, difuminando las líneas entre razonamiento y no razonamiento. Kimi k2 es el modelo de pesos abiertos más grande hasta ahora - 1T de parámetros totales con 32B activos (esto requiere una enorme memoria de 1TB en FP8 nativo para mantener los pesos). Tenemos a k2 en el puesto 57 en el Índice de Inteligencia de Análisis Artificial, una puntuación impresionante que lo coloca por encima de modelos como GPT-4.1 y DeepSeek V3, pero detrás de los modelos de razonamiento líderes. Hasta ahora, ha habido una clara distinción entre modelos de razonamiento y modelos no razonadores en nuestras evaluaciones - definida no solo por si el modelo utiliza etiquetas <reasoning>, sino principalmente por el uso de tokens. El número medio de tokens utilizados para responder a todas las evaluaciones en el Índice de Inteligencia de Análisis Artificial es ~10 veces mayor para los modelos de razonamiento que para los modelos no razonadores. El Kimi k2 de @Kimi_Moonshot utiliza ~3 veces el número de tokens que utiliza el modelo no razonador medio. Su uso de tokens es solo hasta un 30% menor que Claude 4 Sonnet y Opus cuando se ejecutan en su modo de pensamiento extendido de presupuesto máximo, y es casi el triple del uso de tokens de ambos, Claude 4 Sonnet y Opus, con el razonamiento desactivado. Por lo tanto, recomendamos que Kimi k2 se compare con Claude 4 Sonnet y Opus en sus modos de pensamiento extendido de presupuesto máximo, no con las puntuaciones no razonadoras para los modelos Claude 4. Kimi k2 está disponible en la API de primera parte de @Kimi_Moonshot, así como en @FireworksAI_HQ, @togethercompute, @novita_labs y @parasail_io. Vea a continuación y en Artificial Analysis para un análisis más detallado 👇

Menos de 500 días desde el lanzamiento de su primer modelo en marzo de 2024, xAI ha lanzado el modelo de IA líder.

¡La nueva API de Investigación Profunda de OpenAI cuesta hasta ~$30 por llamada a la API! Estos nuevos puntos finales de la API de Investigación Profunda podrían ser la nueva forma más rápida de gastar dinero. A través de nuestras 10 consultas de prueba de investigación profunda, gastamos $100 en o3 y $9.18 en o4-mini. ¿Cómo se vuelven tan grandes los costos? Precios altos y millones de tokens. Estos puntos finales son versiones de o3 y o4-mini que han sido entrenadas con refuerzo para tareas de investigación profunda. La disponibilidad a través de la API permite que se utilicen tanto con la herramienta de búsqueda web de OpenAI como con fuentes de datos personalizadas a través de servidores MCP remotos. La tarifa de o4-mini-deep-research es 5 veces más baja que la tarifa de o3-deep-research. En nuestras consultas de prueba, o4-mini también parece usar menos tokens: resultó ser más de 10 veces más barato en total a través de nuestras 10 consultas de prueba. Precios: ➤ o3-deep-research tiene un precio de $10 /M de entrada ($2.50 de entrada en caché), $40 /M de salida ➤ o4-mini-deep-research tiene un precio de $2 /M de entrada ($0.5 de entrada en caché), $8 /M de salida Estos puntos finales son sustancialmente más caros que los puntos finales estándar de o3 y o4-mini de OpenAI - estos están a: ➤ o3: $2 /M ($0.5 en caché) de entrada, $8 /M de salida para o3 ➤ o4-mini: $1.1 /M (0.275 en caché) de entrada, $4.4 /M de salida

Black Forest Labs va a crear una avalancha de nuevas startups con su modelo de edición de imágenes de pesos abiertos lanzado hoy - La prueba virtual mejorará 10 veces, pero eso es solo el comienzo. También veremos nuevas experiencias a medida que las personas se vuelvan creativas con estos modelos (mucho más expansivos que los filtros de Snapchat e Instagram) - El modelo solo tiene 12B y se puede ajustar en hardware de consumo - Plataformas como @FAL ofrecen soporte completo para el entrenamiento de LoRA Crédito a @FAL por la imagen a continuación, tienen un gran artículo sobre su oferta de ajuste fino (enlace a continuación)

¡La edición de imágenes ahora es de código abierto! Black Forest Labs acaba de lanzar un modelo de edición de imágenes con pesos abiertos, comparable en rendimiento a modelos propietarios. @bfl_ml ha lanzado FLUX.1 Kontext [dev], un modelo de edición de imágenes de 12B. Se nos dio acceso anticipado y lo hemos estado probando en nuestra Arena de Análisis de Imágenes Artificiales. Hemos verificado de forma independiente que ofrece un rendimiento comparable o superior al de varios modelos propietarios, incluidos Gemini 2.0 Flash de Google y Bagel de ByteDance. FLUX.1 Kontext [dev] solo queda por detrás de los propios modelos propietarios de Black Forest Labs y de GPT-4o de OpenAI. Las APIs alojadas también están disponibles en @FAL, @replicate, @togethercompute. Enlace a continuación para los pesos en HuggingFace 👐