Hilos · 3 noticias en 11 días
DeepSeek publica V4.1-Flash-1017 con licencia MIT: 763B totales, 1M de contexto y mejoras parejas en toda la batería agéntica (17/10)
- Noticias
- 3
- Briefings
- 3
- Empieza
- Última
-
DeepSeek publica V4.1-Flash-1017 con licencia MIT: 763B totales, 1M de contexto y mejoras parejas en toda la batería agéntica (17/10)
Es una actualización menor de V4.1-Flash, pero los saltos no son menores: HLE sin herramientas pasa de 36,8 a 42,6 —44,0 en el subconjunto de texto—, Terminal-Bench 4.0 de 31,2 a 42,3, DeepSWE v1.1 de 74,2 a 77,0, NL2Repo-Bench de 65,4 a 68,2, Automation-Bench de 54,8 a 60,5 y Apex Bench de 64,6 a 72,1. Lo que vale para quien lo quiera usar es el resto de la ficha: MIT para el repo y para los pesos, contexto recomendado de 1M con salida de 256K o más, modo thinking con esfuerzo de razonamiento numérico, tool calling, mensajes de sistema a mitad de conversación y contenido de imagen intercalado, y servido local con vLLM, SGLang o Docker Model Runner. Dos detalles prácticos: no hay chat template Jinja —viene una implementación de referencia en Python (encoding.py) y un toolkit en Rust, deepseek-recipe, para producción— y la temperatura recomendada es 1,0 con top_p 1,0. Las reservas son las de siempre: todos los números son autoreportados, Opus 5 queda arriba en la mayoría de las columnas de la propia tabla, y al momento de la publicación ningún proveedor de inferencia lo hostea. Hugging Face
-
Nanbeige4.3-33B: un denso de 33B con 512K de contexto y licencia Apache 2.0 para coding agéntico (25/10)
Lo publicó en Hugging Face el laboratorio de Nanbeige, que está adentro de la plataforma de reclutamiento BOSS Zhipin, junto con el checkpoint Base para post-entrenamiento propio. Los números que reporta el vendedor: 80,9 en Terminal-Bench 2.1 contra 73,0 de Qwen3.8-27B, 65,5 contra 42,5 en DeepSWE, 54,2 contra 38,3 en Automation Bench y 95,2 en AIME 2026, con 17 de 20 filas a favor; pierde en SWE-Bench Pro (60,3 contra 61,7), GDPval y GPQA Diamond. Dos cosas antes de bajarlo: los benchmarks son autoinformados y varias cifras de los competidores en la tabla de Nanbeige no coinciden con las de sus propias model cards, y el hardware no es poco —unos 66 GB de pesos en BF16 más unos 112 GB de caché KV para una secuencia de 512K, o sea servidor multi-GPU—. Hay recetas para Transformers, SGLang y vLLM, y cuantizaciones de la comunidad en GGUF y MLX-4bit para uso local. MarkTechPost
-
Baidu abre Unlimited OCR 2: 3B, licencia MIT y un libro entero parseado en un solo request (27/10)
El truco está en la arquitectura: Sparse Reference Sliding Window Attention (SR-SWA) reduce la atención texto-visual sobre secuencias muy largas a un conjunto fijo de referencias de trabajo —unos 512 tokens— y libera cachés KV que ya no se usan, así que la latencia de decodificación y la memoria quedan casi constantes sin importar el largo del documento. Reclama estado del arte en MPDocBench (decenas de páginas) y MarathonDocBench (cientos), aunque los puntajes solo aparecen en una imagen de leaderboard y no en texto. Para probarlo: pesos en safetensors BF16, setup de Transformers probado en una A800 de 80 GB, SGLang recomendado para servirlo y un tope de salida de 20.000 tokens por página en los ejemplos. Ojo con una inconsistencia del propio model card: el release log fecha el modelo el 27/10 pero el paper (arXiv 2606.23050) figura publicado el 22 de junio de 2026, y no explica el hueco. Hugging Face · MarkTechPost
El hilo se arma solo en cada build: junta noticias de días distintos que nombran a la misma entidad y repiten vocabulario que casi no aparece en el resto del archivo. Nadie lo edita a mano, así que puede dejar afuera una noticia o sumar una de al lado.