Pines que coinciden con tag:Open-Weight

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.

MiniMax lanza M2.7, su primer modelo que participa en su propia evolución, con un 56.22% en SWE-Pro y un 57.0% en Terminal Bench 2 y con Agent Teams nativos, a $0.30 por 1 millón de tokens de entrada.

Arcee AI lanza Trinity-Large-Thinking, un modelo de razonamiento abierto de 398B parámetros (unos 13B activos) creado para agentes de largo horizonte, que según dice ocupa el segundo lugar en PinchBench detrás de Claude Opus 4.6 a $0.90 por 1 millón de tokens de salida.

Z.ai (Zhipu AI) lanza GLM-5.1 como pesos abiertos con licencia MIT, un modelo de 754B de parámetros diseñado para trabajar de forma autónoma en una sola tarea hasta 8 horas, y encabeza SWE-Bench Pro con 58.4.

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.

DeepSeek lanza la vista previa de DeepSeek-V4 como pesos abiertos: V4-Pro con 1,6 billones de parámetros (49 mil millones activos) y V4-Flash con 284 mil millones (13 mil millones activos), ambos con una ventana de contexto de 1 millón de tokens y precios de API de lanzamiento desde $0,14 por millón de tokens de entrada.

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.

IBM lanza Granite 4.1, modelos de lenguaje densos de 3B, 8B y 30B bajo Apache 2.0, cuyo modelo instruct de 8B iguala o supera al modelo de mezcla de expertos Granite 4.0 de 32B parámetros, junto con nuevos modelos de visión, voz, guardian y embeddings.

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.

Z.ai (Zhipu AI) lanza GLM-5.2, un modelo insignia de 753B parámetros con licencia MIT, creado para programación de largo horizonte con una ventana de contexto de 1M tokens, que obtiene 62.1 en SWE-bench Pro y 81.0 en Terminal Bench 2.1.

Tencent lanza oficialmente Hy3, la versión de producción de su modelo de pesos abiertos Hunyuan: una mezcla de expertos de 295B parámetros con 21B activos y un contexto de 256K tokens, con un precio de 1 yuan por 1 millón de tokens de entrada.

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.

Z.ai (Zhipu AI) lanza GLM-5.3, una mejora de GLM-5.2 basada solo en el posentrenamiento que obtiene 28.3 en Terminal Bench 3.0 y 84.5% en el benchmark de vulnerabilidades CyberGym, con un contexto de 1M de tokens y pesos abiertos dos semanas después.

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.

IBM lanza Granite 4.2, tres modelos de razonamiento abiertos Apache 2.0 (3B, 8B y 30B) con un modo de pensamiento conmutable; el 8B obtiene una puntuación de 47,67 en SWE-bench Verified y 86,67 en AIME25 en las propias ejecuciones de IBM.

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.

DeepSeek lanza DeepSeek-V4.1-Flash, un modelo multimodal de pesos abiertos con 552.000 millones de parámetros que dice supera a su propio buque insignia V4-Pro, y enruta todo el tráfico de la API de V4-Pro hacia él a los precios de Flash.

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.