Este proyecto es un traductor de manga e imágenes, desarrollado en Rust, que utiliza detección de objetos, OCR visual basado en LLM, análisis de diseño y modelos de inpainting. Integra llama.cpp para soportar la inferencia local de LLM con modelos como Gemma y Qwen, ofreciendo una solución de pipeline eficiente y fácil de usar.
Investigadores realizaron un benchmark de 18 LLMs para OCR, descubriendo que los modelos más baratos y antiguos a menudo igualan o superan la precisión de los modelos insignia a una fracción del costo. Han hecho de código abierto su conjunto de datos y framework de benchmarking.
Este artículo critica los modelos de IA propietarios de "jardín vallado", analizando los precios y el rendimiento de varios modelos como DeepSeek, Qwen, Kimi y GLM. Destaca DeepSeek V4 Flash por su mejor relación precio-rendimiento y Kimi por sus capacidades de razonamiento, al tiempo que defiende la libertad y hace referencia a las licencias Apache/MIT.
El vídeo "Zig 2026" aborda la política de no-IA del proyecto, el establecimiento de una fundación de 670 mil dólares y su salida de GitHub. También explica por qué el lenguaje de programación Zig aún no ha alcanzado la versión 1.0, detallando los planes de desarrollo futuros.
O TurboQuant Pro é um toolkit open-source que comprime vetores de alta dimensão, como embeddings, em 5 a 42 vezes. Ele otimiza o uso de RAM em sistemas de IA como RAG e bancos de dados de vetores, mantendo alta similaridade e recall.
Se ha lanzado GPU Compass, una herramienta de código abierto que ofrece precios de GPU en tiempo real de más de 20 proveedores de la nube. Cataloga 50 modelos de GPU y más de 2.000 ofertas, incluyendo precios bajo demanda, spot y tendencias históricas, haciendo los datos brutos accesibles a todos.
El autor revisó un antiguo proyecto de pipeline ASR->LLM->TTS local en tiempo real y quedó gratamente sorprendido con Qwen3 TTS. Tras experimentar, logró que el modelo Qwen3 TTS funcionara de forma fiable para streaming local, elogiando su expresividad y arquitectura adecuada.
Captionly es una herramienta gratuita y sin registro para subtítulos de video que se ejecuta completamente en el navegador utilizando WebGPU, WebCodecs y Transformers.js. Esto permite un procesamiento local que garantiza privacidad, velocidad y elimina la necesidad de subir videos a servidores.
Phosphene es un panel de escritorio gratuito y de código abierto para Macs con Apple Silicon, que genera video con audio sincronizado utilizando el modelo LTX 2.3 de Lightricks. Su diferenciador clave es la generación de video y audio en un solo paso de difusión, asegurando una sincronización perfecta entre los elementos visuales y auditivos.
![Phosphene local video and audio generation for Apple Silicon open source (LTX 2.3) [P]](/cdn-cgi/image/width=3840,quality=75,format=webp/https://preview.redd.it/vutakjb0vgyg1.png?width=140&height=59&auto=webp&s=08ecb95fd65ade25c924988f1992e9abe3d79f62)
Un investigador independiente creó SGOCR, una pipeline de dataset de código abierto centrada en OCR y VQA con base espacial, para cubrir una brecha en los datasets visuales para la conexión de texto en imágenes. Esta pipeline genera tuplas VQA con metadatos enriquecidos, soportando diversas estrategias de entrenamiento de VLM.
Tencent ha lanzado HY-World 2.0, el primer modelo de mundo 3D de código abierto de vanguardia que genera activos 3D reales, persistentes y editables. A diferencia de los modelos solo de video, ofrece verdadera consistencia 3D, física nativa y es totalmente importable en los principales motores de juego y software 3D.
Moonshot AI ha lanzado en código abierto FlashKDA, un kernel CUTLASS C++ para Kimi Delta Attention, logrando mejoras de rendimiento de hasta 2.22x sobre la línea base de Triton en benchmarks H20. Esta implementación acelera arquitecturas de atención lineal.
Este proyecto introduce un agente de codificación local que aprovecha los Grandes Modelos de Lenguaje (LLMs) para delegar tareas específicas, como llamadas a herramientas, a modelos de IA más pequeños y especializados. Busca mejorar la eficiencia y la modularidad en el desarrollo impulsado por IA mediante la distribución de cargas de trabajo.
El autor implementó y publicó dos ideas recientes, Cartridges y STILL, para la compactación de la caché KV neuronal y la inferencia de contexto largo. El objetivo es facilitar la inspección y ejecución de estas ideas con código abierto y benchmarks, comparándolas también con métodos existentes.
El autor presenta Mahoraga, un orquestador de código abierto que enruta tareas eficientemente entre agentes de IA locales y en la nube utilizando un bandit contextual (LinUCB). Desarrollada por experiencia personal con límites de créditos en la nube, la herramienta optimiza el uso de la IA, destacando el rendimiento de Qwen3 4B en tareas de código.
![Qwen3 4B outperforms cloud agents on code tasks—with Mahoraga research [R]](/cdn-cgi/image/width=3840,quality=75,format=webp/https://external-preview.redd.it/vJR39F6E0ARypSJNijuQ-yR1Ycl5eGsa5LcRuS3CoSM.png?width=140&height=70&auto=webp&s=6b39ed3b63f9683d366c205696aa8805c9cf6143)
TRELLIS.2 de Microsoft es un modelo de código abierto de 4B parámetros para la generación de 3D de alta fidelidad a partir de imágenes, produciendo activos PBR de hasta 1536³ con VAES 3D nativos y una estructura O-Voxel. Ofrece una solución eficiente y escalable para la creación de activos 3D detallados con materiales PBR completos.
Dan de Elodin ha lanzado un arnés de simulación de software de vuelo de código abierto y en tiempo real para los concursantes del AI Grand Prix. La herramienta, diseñada para cumplir con las restricciones de la competición, funciona con Betaflight y permite la generación directa de sensores de cámara en el bucle de simulación, utilizando el motor de juego Rust Bevy.
Un ingeniero de Netflix desarrolló una aplicación para reducir los costos de inteligencia artificial y luego la liberó como código abierto. La herramienta busca optimizar el uso de recursos de IA, beneficiando tanto a empresas como a desarrolladores.
Un proyecto de código abierto ha incorporado supuestamente una instrucción oculta para agentes de IA, indicándoles específicamente que eliminen el propio código del proyecto. Esto genera preocupaciones sobre el potencial de los agentes de IA para interpretar y actuar sobre comandos incrustados en proyectos de software.
Luce DFlash presenta un puerto GGUF de decodificación especulativa DFlash para Qwen3.6-27B, logrando casi el doble de rendimiento en una única RTX 3090. Este stack C++/CUDA independiente, disponible como proyecto de código abierto con licencia MIT, mejora significativamente el rendimiento de los LLM en hardware de consumo.
