Esta investigación introduce EnterpriseMem-Bench, un nuevo benchmark Text-to-SQL de múltiples turnos con 300 sesiones y 1.400 turnos de dominios empresariales. Evalúa empíricamente cinco modelos de vanguardia, incluyendo variantes de GPT y Claude, revelando que los modelos Text-to-SQL de múltiples turnos sin estado alcanzan una precisión de ejecución nula en el Turno 3.
Este artículo compara los últimos modelos de IA insignia — GPT-5.5, Claude Opus 4.7 y Gemini 3.1 Pro — para flujos de trabajo de producción, construcción de agentes y herramientas de codificación. Argumenta que ningún modelo es universalmente superior, con la elección dependiendo de tareas específicas, precio e infraestructura, especialmente para codificación agentiva de alto riesgo.
El Prof. Alois Knoll, investigador de robótica e IA, sostiene que la verdadera inteligencia necesita un cuerpo, ya que los grandes modelos de lenguaje están atrapados en el espacio digital y carecen de experiencia física. Destaca la importancia de los robots humanoides para recopilar datos del mundo real, ofreciendo un nivel de comprensión que el análisis de texto puro no puede reemplazar.
OpenAI lanzó GPT-5.5, un modelo genuinamente diferente diseñado para manejar tareas complejas y de varias partes que requieren un razonamiento sostenido en múltiples pasos. Esta iteración busca reducir la necesidad de supervisión constante, permitiendo a los desarrolladores confiar en él para planificar y navegar por la ambigüedad.
Este artículo describe una auditoría de visibilidad de IA realizada para una empresa en plataformas como ChatGPT, Claude, Gemini y Perplexity, revelando que la optimización SEO tradicional para Google es insuficiente. La auditoría probó cómo los modelos de IA representan un negocio a través de consultas de categoría general y de marca específica, indicando una brecha significativa en las estrategias de optimización actuales para plataformas de IA.
LlamaFactory se presenta como un framework unificado y eficiente diseñado para el fine-tuning de más de 100 modelos de lenguaje. Busca optimizar y simplificar el proceso de adaptación de una amplia gama de LLMs.
La GPT-5.5 System Card de OpenAI describe un modelo de lenguaje basado en transformadores, que se basa en GPT-3 con enfoque en escalado y ajuste fino. Su arquitectura es principalmente solo decodificador y utiliza mecanismos de autoatención y redes feed-forward.
DeepSeek V4 Pro, un modelo MoE con 1.6T parámetros y 1M de tokens de contexto, ha sido lanzado, aportando mejoras significativas para agentes de IA, incluyendo modos duales de pensamiento/no pensamiento y llamadas a funciones más fiables. Se posiciona como una alternativa rentable y de alto rendimiento, superando a modelos como Claude Sonnet y GPT-4o para cargas de trabajo de agentes.
Una pila de codificación de IA de $30/mes, utilizando APIs de pago por token como Claude Opus 4.7, puede reemplazar suscripciones de $200/mes, priorizando la estrategia de enrutamiento sobre la selección de modelos individuales. Este enfoque evita los límites de uso comunes en estructuras de tarifa fija, ofreciendo costos más predecibles por tarea.
Esta semana, las herramientas de codificación de IA como Cursor, Claude Code y OpenAI Codex están convergiendo en entornos de desarrollo unificados, y nuevos modelos de lenguaje elevan el nivel multimodal. Además, el hardware para cargas de trabajo agenticas está ahora generalmente disponible, con el 84% de los desarrolladores ya utilizando herramientas de IA a diario.
El artículo describe la familia de modelos de lenguaje grandes MiniMax M2, que utiliza una arquitectura Mixture of Experts para un alto rendimiento y bajo costo de inferencia. El modelo M2.7 logra el 90% de la calidad de los modelos frontera con el 7% del costo, con resultados de referencia comparables a Claude Sonnet 4.
O novo modelo Muse Spark da Meta, competitivo com GPT-5.4 e Gemini 3.1 Pro, destaca-se por seu catálogo de 16 ferramentas integradas. Ele oferece um sandbox Python 3.9 com OpenCV e permite gerar e analisar imagens instantaneamente no mesmo ambiente, incorporando recursos como o Segment Anything.
Este contenido describe la construcción de una herramienta de IA en tiempo real para abogados de negligencia médica para analizar declaraciones. El sistema utiliza Deepgram para la transcripción en vivo y Claude para analizar segmentos de 30 segundos, identificando admisiones e inconsistencias.
DeepSeek-V4 presenta un nuevo modelo de lenguaje con una ventana de contexto de un millón de tokens, diseñada para ser utilizada eficazmente por agentes de IA. Esta innovación busca mejorar considerablemente la memoria y el razonamiento de los agentes.
Este conteúdo apresenta SWAY, uma nova métrica computacional linguística não supervisionada para medir a bajulação (sycophancy) em Grandes Modelos de Linguagem (LLMs), que é a tendência de alinhar respostas com a postura do usuário. A pesquisa utiliza um mecanismo de prompt contrafactual e propõe uma estratégia de mitigação baseada em considerar premissas opostas para reduzir esse viés.
Este trabajo replantea la eliminación de caché KV para LLMs utilizando un objetivo de información-teórico derivado del principio del Cuello de Botella de la Información. Introduce CapKV, un nuevo método consciente de la capacidad que preserva la información, superando las estrategias heurísticas existentes.
Este artículo evalúa un asistente virtual basado en IA Generativa que utiliza Generación Aumentada por Recuperación (RAG) para apoyar a estudiantes de la Universidad de Maastricht con regulaciones de proyectos. El sistema busca abordar desafíos como las alucinaciones y proporcionar respuestas precisas y contextuales integrando conocimiento específico del dominio.
Este artículo propone un marco de optimización de red basado en inteligencia artificial agentica que integra arquitecturas de mezcla de expertos (MoE) con grandes modelos de lenguaje (LLMs). El LLM actúa como una puerta semántica para razonar sobre los objetivos del operador y componer dinámicamente agentes de optimización adecuados para redes móviles 6G.
Este artículo investiga el impacto de errores de verificación sistemáticos en el Aprendizaje por Refuerzo con Recompensas Verificables (RLVR), un enfoque para mejorar las capacidades de razonamiento de los LLM. A diferencia de análisis anteriores que consideraban los errores aleatorios, este estudio demuestra que los errores sistemáticos pueden hacer que los modelos aprendan comportamientos consistentes no deseados. Los experimentos en tareas aritméticas muestran que los falsos negativos sistemáticos tienen efectos similares al ruido aleatorio, mientras que los falsos positivos sistemáticos pueden causar problemas mayores.
Este artículo presenta una arquitectura de agente de IA que integra grandes modelos de lenguaje con la orquestación de laboratorio. Permite a los científicos crear y monitorear protocolos de laboratorio automatizados de forma interactiva usando lenguaje natural.