Pines que coinciden con tag:Multimodal

Alibaba lanza en código abierto el buque insignia Qwen3-VL-235B-A22B en versiones Instruct y Thinking, un modelo de visión y lenguaje de mezcla de expertos de 235B con un contexto nativo de 256K tokens que, según Alibaba, iguala o supera a Gemini 2.5 Pro en las principales pruebas de percepción visual.

Mistral AI lanza Mistral 3: Mistral Large 3, un modelo de mezcla de expertos dispersa de 675B parámetros con 41B activos bajo Apache 2.0, y tres modelos densos Ministral 3 (3B, 8B y 14B).

Z.ai lanza GLM-4.6V, un modelo de visión y lenguaje de mezcla de expertos de 106B, y el GLM-4.6V-Flash de 9B bajo licencia MIT, los primeros modelos GLM-V con llamada nativa a funciones, entrenados para un contexto de 128K tokens y con un precio de $0.30 por millón de tokens de entrada.

Moonshot AI lanza Kimi K2.5, un modelo multimodal nativo de pesos abiertos preentrenado de forma continua con unos 15 billones de tokens mixtos visuales y de texto, con un modo Agent Swarm que coordina hasta 100 subagentes en 1,500 llamadas a herramientas.

Alibaba lanza Qwen3.5-397B-A17B, un modelo multimodal nativo de pesos abiertos que activa 17B de 397B de parámetros, además del Qwen3.5-Plus alojado con un contexto de 1M de tokens, en vísperas del Año Nuevo Lunar.

El equipo Qwen de Alibaba lanza tres modelos Qwen3.5 de tamaño medio y pesos abiertos bajo Apache 2.0: uno de mezcla de expertos de 122B con 10B activos, otro de 35B con 3B activos y un modelo denso de 27B, que según la compañía superan a GPT-5 mini de OpenAI en la mayoría de los benchmarks.

Z.ai (Zhipu AI) lanza GLM-5V-Turbo, su primer modelo fundacional multimodal de programación, que convierte maquetas de diseño, capturas de pantalla y vídeo en código de front-end ejecutable y obtiene 94.8 en Design2Code frente a los 77.3 de Claude Opus 4.6.

Alibaba lanza Qwen3.6-Plus, un modelo multimodal alojado orientado a la programación con agentes, con una ventana de contexto de 1M de tokens, a un precio de CNY 2 por 1M de tokens de entrada y con 78.8 en SWE-bench Verified.

Meta lanza Muse Spark, el primer modelo de Meta Superintelligence Labs y su primer modelo de frontera sin pesos abiertos; impulsa la aplicación Meta AI y obtuvo una puntuación de 52 en el Índice de Inteligencia de Análisis Artificial en el lanzamiento, solo detrás de Gemini 3.1 Pro, GPT-5.4 y Claude Opus 4.6.

Moonshot AI publica como código abierto Kimi K2.6, un modelo multimodal de mezcla de expertos de 1 billón de parámetros con 32 mil millones activos, una ventana de contexto de 256K tokens y enjambres de agentes de hasta 300 subagentes que ejecutan 4,000 pasos coordinados.

Xiaomi lanza MiMo-V2.5-Pro, un modelo agéntico de 1.02T parámetros con 42B activos y un contexto de 1M tokens, y MiMo-V2.5, un modelo hermano omnimodal de 310B, y publica ambos como código abierto bajo la licencia MIT.

Mistral AI lanza Mistral Medium 3.5, su primer modelo insignia unificado: un modelo denso de pesos abiertos de 128B con ventana de contexto de 256K que obtiene 77.6% en SWE-Bench Verified y cuesta $1.50 por millón de tokens de entrada y $7.50 por millón de tokens de salida.

MiniMax lanza MiniMax-M3, un modelo nativamente multimodal con un contexto de 1M tokens construido sobre su nueva atención dispersa, que obtiene 59.0% en SWE-Bench Pro y cuesta $0.30 por 1 millón de tokens de entrada tras un descuento de lanzamiento.

Alibaba lanza Qwen3.7-Plus, un modelo de agente multimodal patentado que lee imágenes y videos, opera pantallas y obtiene una puntuación de 79,0 en ScreenSpot Pro, con un precio de aproximadamente 0,40 dólares por millón de tokens de entrada.

Meta lanza Muse Spark 1.1, un modelo de razonamiento multimodal para tareas agénticas con una ventana de contexto de 1M tokens, junto con una vista previa pública de la Meta Model API a $1.25 por 1 millón de tokens de entrada y $4.25 por 1 millón de tokens de salida; obtiene 51 en el Artificial Analysis Intelligence Index.

Thinking Machines Lab lanza Inkling, su primer modelo y un sistema de mezcla de expertos de pesos abiertos con 975B parámetros (41B activos) y contexto de 1M tokens que razona sobre texto, imágenes y audio, concebido como base para el ajuste fino.

Moonshot AI lanza Kimi K3, un modelo multimodal de pesos abiertos con 2.8 billones de parámetros y una ventana de contexto de 1 millón de tokens, con un precio de $3.00 por millón de tokens de entrada y $15.00 por millón de tokens de salida, y con los pesos publicados el 27 de julio.

Thinking Machines Lab lanza Inkling-Small, un modelo de pesos abiertos de 276B parámetros con 12B activos que iguala o supera al Inkling de 975B en razonamiento y programación agéntica, con un 80.2% en SWE-bench Verified.

Alibaba lanza Qwen3.8-Max, un modelo insignia de mezcla de expertos con 2,4 billones de parámetros y una ventana de contexto de 1M de tokens, quinto en Text Arena y segundo en Vision Arena, y el primer Qwen de nivel Max cuyos pesos después publicó.

El equipo de Qwen de Alibaba publica en código abierto Qwen3.8-27B, un modelo multimodal denso de 27B bajo Apache 2.0 que, según afirma, supera al propietario Qwen3.7-Plus en programación y flujos de trabajo de oficina, con 262K de contexto nativo.

Z.ai lanza GLM-5.3-Flash, un modelo multimodal nativo de pesos abiertos con 320B de parámetros (18B activos) sobre una base recién entrenada que, según la empresa, supera a GLM-5.2 a una décima parte del precio, con un precio de $0.15 por millón de tokens de entrada.

StepFun lanza Step 5 Preview, un modelo insignia de mezcla de expertos dispersa con 600B parámetros, 27B activos y un contexto de 1M tokens, con un precio de $1.00 por 1 millón de tokens de entrada y una puntuación de 44 en el Artificial Analysis Intelligence Index.

Xiaomi lanza y publica como código abierto MiMo-V2.6-Pro y MiMo-V2.6-Flash, modelos nativamente omnimodales con contexto de 1M de tokens; Pro obtiene 46,32 en el Artificial Analysis Intelligence Index, la puntuación más alta de cualquier modelo de código abierto.

Mistral AI lanza Mistral Large 4 en vista previa pública, un modelo de mezcla de expertos nativamente multimodal de unos 1 billón de parámetros entrenado en su propio clúster, con pesos abiertos prometidos para finales de octubre de 2026.