IA
Gemma 4 12B: el nuevo modelo multimodal sin encoder de Google
Google DeepMind presenta Gemma 4 12B, un modelo de 12 mil millones de parámetros diseñado para ejecutar inteligencia multimodal avanzada directamente en tu laptop.
Google DeepMind
Etiqueta
#multimodal
12 notas publicadas
IA
StepFun lanza Step 3.7 Flash, VLM MoE de 198B en NVIDIA
El modelo Mixture-of-Experts con 11B parámetros activos, contexto 256K y entrada multimodal nativa corre en NVIDIA NIM, TensorRT-LLM, vLLM y SGLang.
NVIDIA Developer
IA
ByteDance: preguntar a un LMM enseña mejor que transcribir
MMProLong, un modelo de 7B parámetros, supera a InternVL3-38B y Gemma3-27B en documentos de hasta 512.000 tokens entrenándose con pares pregunta-respuesta en vez de OCR puro.
The Decoder
IA
Gemini Omni de Google convierte imagen, audio y texto en video
Anunciado en Google I/O 2026, Omni Flash genera clips de 10 segundos con avatares verificables, marca de agua SynthID y razonamiento conjunto sobre múltiples modalidades.
TechCrunch AI
IA
Gemini Omni Flash: video generativo editable por conversación
DeepMind libera el primer modelo de la familia Omni a suscriptores AI Plus, Pro y Ultra. Combina imagen, audio, video y texto, con marca SynthID en cada clip y avatares con tu propia voz.
Google DeepMind
IA
Thinking Machines lanza TML-Interaction-Small, su MoE de voz
El nuevo modelo es un Mixture-of-Experts de 276B parámetros con 12B activos, entrenado desde cero para diálogo en tiempo real con audio y video integrados, en microturnos de 200 ms.
Latent Space
IA
Nemotron 3 Nano Omni: Nvidia abre su modelo multimodal
El modelo procesa texto, imagen, video y audio con 30 mil millones de parámetros y se entrenó con datos sintéticos de Qwen, GPT-OSS, Kimi y DeepSeek-OCR.
The Decoder
IA
NVIDIA Nemotron 3 Nano Omni unifica video, audio e imagen en un modelo
El nuevo modelo de 30B con arquitectura mixture-of-experts apunta a reemplazar las pilas fragmentadas de visión, voz y lenguaje dentro de los sistemas agénticos.
NVIDIA Developer
IA
NVIDIA lanza Nemotron 3 Nano Omni, modelo omnimodal para agentes de IA
La arquitectura de mezcla de expertos de 30B parámetros unifica visión, audio y texto en un solo modelo, con un rendimiento hasta 9 veces superior al de otros modelos omni abiertos.
NVIDIA Blog
IA
Claude se integra directamente con Photoshop, Blender y Ableton
Anthropic también anunció su membresía como patrocinadora corporativa del Blender Development Fund, con un aporte de al menos 240.000 euros anuales para sostener el software libre.
The Verge
IA
GPT-Image-2 redefine las posibilidades creativas de la IA
Latent Space analiza cómo GPT-Image-2 va más allá del marketing y demuestra capacidades multimodales que redefinen lo que puede hacer un modelo generativo.
Latent Space
IA
Google prueba 'Ask YouTube', un buscador conversacional con IA
'Ask YouTube' genera páginas de resultados al estilo de AI Mode, disponible primero para suscriptores Premium en EE.UU.
The Verge
Etiquetas relacionadas
Otros temas que aparecen junto a #multimodal en nuestra cobertura editorial.