IA
FLUX 3 de Black Forest Labs: IA multimodal y robótica
BFL presenta FLUX 3, un modelo multimodal capaz de generar video con audio, texto y controlar robots, superando a competidores como Gemini Omni y Grok Imagine.
Latent Space
Etiqueta
#multimodal
11 notas publicadas
IA
Flux 3 genera videos con audio nativo de hasta 20 segundos
Black Forest Labs presenta un modelo multimodal que aprende de imágenes, video y audio, y que la empresa alemana ya prueba en robótica junto a Audi.
The Decoder
IA
Qwen 3.8: Alibaba planta cara a Kimi K3 con pesos abiertos
El modelo multimodal de 2,4 billones de parametros llega en version preview y busca frenar el impulso de Kimi K3 antes de que Moonshot AI salga a bolsa.
The Decoder
IA
Inkling, el mejor modelo abierto de EE.UU. bajo licencia Apache 2.0
Thinking Machines Lab, la empresa de Mira Murati, presenta su primer modelo entrenado desde cero: 975.000 millones de parámetros, multimodal y con pesos abiertos de uso comercial libre.
Latent Space
IA
Kimi K3: el mayor modelo abierto jamás liberado
Moonshot AI presenta un modelo de 2,8 billones de parámetros con contexto de 1 millón de tokens y pesos abiertos prometidos para el 27 de julio, que ya lidera el ranking de código frontend.
Latent Space
IA
Thinking Machines Lab lanza Inkling, su primer modelo abierto
Inkling es un modelo open-weight de 975.000 millones de parametros entrenado desde cero para entender texto, audio y video, y podria posicionar a la startup de Mira Murati frente a OpenAI y Anthropic.
Wired
IA
Cohere libera un modelo abierto para transcribir árabe difícil
El sistema de reconocimiento de voz tiene 2.000 millones de parámetros, se publica bajo licencia Apache 2.0 y ataca dialectos, mezcla árabe-inglés y vocabulario especializado.
The Decoder
IA
Nano Banana 2 Lite y Gemini Omni Flash: IA rápida y eficiente
Google presentó dos nuevos modelos de IA enfocados en alta velocidad, eficiencia de costos y capacidades avanzadas de edición de video y generación de imágenes.
Google DeepMind
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
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
Etiquetas relacionadas
Otros temas que aparecen junto a #multimodal en nuestra cobertura editorial.