IA
Aleph Alpha libera Kolibri, un modelo abierto en alemán e inglés
El modelo de 78.000 millones de parámetros activa unos 3.000 millones por token, se entrenó en 768 GPU B200 y sale con licencia Apache 2.0.
The Decoder
Etiqueta
#mixture of experts
5 notas publicadas
IA
Qwen3.8-Flash-Next rinde 16.000 tokens por segundo en la GB300
Alibaba liberó los pesos del modelo como anticipo de la arquitectura Qwen4, y NVIDIA publicó su validación sobre el rack GB300 NVL72 con soporte desde el día cero.
NVIDIA Developer
IA
Qwen3.8-Flash-Next: 125B con solo 6B activos por token
El nuevo modelo multimodal de peso abierto de Alibaba anticipa la arquitectura de Qwen4 y, según el equipo, se entrenó por cerca de un noveno de lo que costó Qwen3.7-Plus.
MarkTechPost
IA
Soofi S: el modelo abierto alemán de 30B que lidera benchmarks
Un consorcio alemán libera un modelo híbrido Mamba-Transformer entrenado en la nube de Deutsche Telekom, con foco deliberado en datos en alemán y solo 3,2B parámetros activos por token.
The Decoder
IA
Baidu lanza Ernie 5.1 con 94% menos costo de pre-training
El nuevo modelo de Baidu se destila desde Ernie 5.0 con cerca de un tercio de los parámetros y el 6% del costo de entrenamiento, alcanzando el 4° lugar global del Search Arena con 1.223 puntos.
The Decoder
Etiquetas relacionadas
Otros temas que aparecen junto a #mixture of experts en nuestra cobertura editorial.