mezcla de expertos
7 published articles
Grok 4.5
El Grok 4.5 de Cursor fue construido por agentes de IA, no por humanos. Esa es la verdadera historia.
El Grok 4.5 de Cursor es un modelo Mixture-of-Experts construido mediante aprendizaje por refuerzo en entornos creados por agentes de IA anteriores, no por humanos. Maneja tareas complejas y de larga duración en ingeniería de software, ciencia de datos, finanzas y derecho, y ya está disponible.
2026-07-10
Estrategia de cartera
Alibaba's Qwen construye un modelo para cada trabajo de IA, no solo uno para gobernarlos a todos
El equipo de Qwen de Alibaba Cloud lanzó silenciosamente un modelo de mundo de agente MoE de 35B, tres nuevos modelos ASR y un informe de RL de generación de imágenes, revelando una apuesta estratégica por la amplitud sobre el espectáculo en la carrera de modelos de IA.
2026-07-09
Google DeepMind
El Gemma 4 de Google DeepMind convierte 26 mil millones de parámetros en una máquina de razonamiento que cabe en una GPU
El informe técnico de Gemma 4 de Google DeepMind detalla una familia de modelos de peso abierto con mezcla de expertos, ventanas de contexto de 1 millón de tokens y visión multimodal. El lanzamiento señala una jugada estratégica para llevar el razonamiento de nivel fronterizo a los desarrolladores sin el costo de las API propietarias.
2026-07-09
Inteligencia artificial
La nueva librería megakernel de Aleph Alpha reduce la latencia de inferencia MoE en un 200%
Alpha-MoE fusiona múltiples operaciones en un solo kernel persistente para lograr ganancias de velocidad de inferencia de hasta el 200% sobre los kernels basados en Triton en vLLM y SGLang, dirigido a modelos MoE de precisión FP8.
2026-07-09
Inteligencia Artificial
El EMO de Ai2 hace que la IA modular surja de los datos, no de reglas humanas
El nuevo modelo MoE de Ai2, EMO, utiliza un método de entrenamiento novedoso que permite que los módulos expertos emerjan naturalmente de los datos, permitiendo el uso selectivo de expertos con una pérdida mínima de rendimiento. El modelo iguala el rendimiento de MoE estándar en pruebas de referencia, al tiempo que ofrece una modularidad enormemente mejorada.
2026-07-07
Análisis en profundidad
Aleph Alpha construye modelo teórico de inferencia para DeepSeek: Derivando rendimiento a partir de primitivas de hardware
Aleph Alpha creó un modelo teórico de inferencia para DeepSeek v3 que estima el rendimiento a partir de parámetros de hardware, analizando compensaciones en configuraciones de GPU para ayudar a los profesionales a optimizar el rendimiento y el costo de modelos MoE grandes.
2026-07-05
Optimización de Inferencia de LLM
Aleph Alpha construye un modelo teórico de inferencia para descifrar el rendimiento de DeepSeek V3 a partir de primitivas de hardware
El modelo teórico de Aleph Alpha predice el rendimiento de inferencia de DeepSeek V3 únicamente a partir de parámetros de hardware, revelando cómo la cantidad de GPU y el ancho de banda de interconexión desplazan el cuello de botella entre cómputo, memoria y comunicación.
2026-07-04