Pines que coinciden con tag:Reasoning

IBM lanza Granite 3.2 con razonamiento en cadena de pensamiento activable en los modelos Instruct 8B y 2B y su primer modelo oficial de visión y lenguaje, Granite Vision 3.2 2B, todos bajo Apache 2.0.

Google lanza un Gemini 2.5 Pro experimental, su primer modelo 2.5 y un modelo de razonamiento que obtiene un 18.8% en Humanity's Last Exam y un 63.8% en SWE-Bench Verified, con una ventana de contexto de 1 million de tokens.

IBM lanza Granite 3.3 8B y 2B Instruct con compatibilidad con relleno intermedio (fill-in-the-middle) y razonamiento refinado, además de Granite Speech 3.3 8B, su primer modelo oficial de voz a texto, bajo Apache 2.0.

Google pone en vista previa Gemini 2.5 Flash, su primer modelo de razonamiento totalmente híbrido, en el que los desarrolladores pueden desactivar el razonamiento o limitarlo con un presupuesto de hasta 24,576 tokens.

El equipo Qwen de Alibaba publica como código abierto la familia Qwen3 bajo Apache 2.0: seis modelos densos de 0.6B a 32B y dos modelos de mezcla de expertos (30B-A3B y 235B-A22B), con modos de pensamiento y no pensamiento intercambiables y 119 idiomas; el buque insignia denso Qwen3-32B obtiene 93.8 en Arena-Hard en modo de pensamiento.

DeepSeek actualiza su modelo de razonamiento R1 a R1-0528 con pesos abiertos bajo licencia MIT, elevando AIME 2025 del 70.0% al 87.5% y GPQA-Diamond del 71.5% al 81.0%, y añadiendo llamadas a funciones y salida JSON.

MiniMax lanza M1, un modelo de razonamiento de pesos abiertos de 456B con mezcla de expertos híbrida y atención relámpago, un contexto de 1M tokens y salida de razonamiento de 80K tokens, entrenado con un nuevo algoritmo de aprendizaje por refuerzo por un coste reportado de $534,700.

El equipo Qwen de Alibaba lanza Qwen3-235B-A22B-Thinking-2507, un modelo de mezcla de expertos de 235B que solo piensa con un contexto de 262K bajo Apache 2.0, con una puntuación de 92,3 en AIME25 y 74,1 en LiveCodeBench v6.

OpenAI lanza GPT-5 mini y GPT-5 nano en la API junto con GPT-5: contexto de 400,000 tokens, nuevo esfuerzo de razonamiento mínimo y precios de $0.25 y $0.05 por 1 millón de tokens de entrada.

Alibaba lanza Qwen3-Next-80B-A3B-Instruct y Thinking, modelos de 80B ultradispersos que activan solo 3B de parámetros por token, usan un diseño de atención híbrido Gated DeltaNet y tienen licencia Apache 2.0.

DeepSeek lanza DeepSeek-V3.2, un modelo de pesos abiertos que piensa mientras usa herramientas y rinde a nivel de GPT-5 según sus propias pruebas, y DeepSeek-V3.2-Speciale, solo para API, que según la empresa rivaliza con Gemini-3.0-Pro y alcanzó nivel de medalla de oro en la IMO y la IOI de 2025.

Google despliega Gemini 3 Deep Think para los suscriptores de Google AI Ultra en la app de Gemini, un modo de razonamiento mejorado que obtiene un 41.0% en Humanity's Last Exam y un 45.1% en ARC-AGI-2.

Z.ai (Zhipu AI) lanza GLM-4.7, un modelo insignia centrado en programación con licencia MIT que obtiene 73.8 en SWE-bench Verified y 87.4 en τ²-Bench, y que a finales de 2025 ocupa el primer puesto entre los modelos abiertos en Code Arena.

StepFun publica como código abierto Step 3.5 Flash, una mezcla de expertos dispersa de 196B parámetros con 11B activos, contexto de 256K y hasta 350 tokens por segundo, que logra un 74.4% en SWE-bench Verified con licencia Apache 2.0.

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.

Google lanza Gemini 3.1 Pro en vista previa, un núcleo mejorado para el razonamiento complejo que alcanza un 77.1% verificado en ARC-AGI-2 y llega a la app de Gemini, NotebookLM, la API y Vertex AI.

Inception lanza Mercury 2, al que llama el primer LLM de difusión de razonamiento: 1.009 tokens por segundo en GPU NVIDIA Blackwell a 0,25 dólares por 1 millón de tokens de entrada y 0,75 dólares por 1 millón de tokens de salida, con un contexto de 128K.

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.

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.

SpaceXAI (antes xAI) lanza Grok 4.3 en su API, un modelo de razonamiento de 1M de tokens a $1.25 por millón de tokens de entrada y $2.50 por millón de tokens de salida, cerca de un 40% y un 60% más barato que Grok 4.20; Artificial Analysis le dio 53 en el lanzamiento.

Alibaba presenta Qwen3.7-Max, un modelo agéntico insignia propietario, solo de texto, con una ventana de contexto de 1M de tokens que, según la compañía, funcionó de forma autónoma durante 35 horas y obtiene 80.4 en SWE-bench Verified.

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.

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.

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.