El radar

Palette: teaching a small model to build decks in your design language

IBM Research presenta Palette, un modelo open-weight de 20B afinado con LoRA que genera presentaciones dividiendo el trabajo en dos roles (un "designer" que planifica y un "coder" que dibuja cada slide), entrenado con datos sintéticos que siguen el IBM Design Language. El sistema usa razonamiento contrafactual en los ejemplos de entrenamiento, directivas en lenguaje natural entre [[ ]] para controlar decisiones de diseño, y un harness de check-and-repair que renderiza y mide cada slide antes de devolverlo, lo que permite que los slides se generen en paralelo (6-7× más rápido). En PresentBench queda primero en dos de los tres dominios medidos, con un dataset de ~1000 decks y ~10.000 slides.

Por qué importa: Palette demuestra cómo descomponer un problema visual complejo en agentes especializados con roles diferenciados permite optimizar tanto la calidad como la velocidad de generación, un patrón arquitectónico crítico para sistemas multi-agente que manejan tareas de rendering o verificación en tiempo de inferencia.

The biggest modding site in PC gaming is taking a stance on AI

Nexus Mods, el mayor repositorio de mods de PC, hará obligatorio declarar si se usó IA en los nuevos uploads, con explicación pública cuando el mod esté etiquetado como "AI-assisted" y etiquetas de IA más visibles en las páginas de mods. La plataforma descarta prohibir los mods generados por IA, afirma que no usará mods para entrenar IA ni los venderá o licenciará con ese fin, y añade controles para ocultar contenido de IA y límites de subida por autor. Los autores tienen 60 días (hasta el 2 de enero) para actualizar sus mods existentes antes de que se apliquen las reglas.

Por qué importa: Los modelos de IA entrenados con contenido comunitario sin consentimiento explícito se enfrentarán a crecientes barreras legales y técnicas que obligarán a replantear cómo se construyen pipelines de datos de entrenamiento y evaluación en infraestructuras de producción.

↳ Contexto: Meta open sources code to let you make Muse AI gadgets · ver hilo completo

OpenAI says ChatGPT is catching up to Google in search

Adam Fry, responsable de producto de consumo de ChatGPT, afirmó en un evento que el volumen de búsquedas web realizadas a través de ChatGPT equivale ya al 20% del de Google, aunque no especificó el origen de la cifra de Google. La compañía define búsqueda como cualquier query que desemboca en una búsqueda web, y Fry presentó la "Intelligent UI" (interfaces visuales e interactivas dentro de la respuesta del chatbot) como hacia dónde va el producto. También defendió la publicidad en ChatGPT, que no habría afectado al uso, en un momento en que OpenAI se aproxima a una posible salida a bolsa.

Por qué importa: La capacidad de ChatGPT para capturar volumen de búsqueda significativo implica que los sistemas agénticos y workflows autónomos deberán integrar interfaces de búsqueda especializadas y optimizar la recuperación de información en tiempo real, lo que afecta directamente el diseño de RAG y la orquestación de múltiples herramientas en agentes complejos.

↳ Contexto: Researchers are getting tired of OpenAI gatekeeping its breakthroughs · ver hilo completo

b12102

El commit b12102 de llama.cpp corrige en ggml la validación de views: antes se comprobaban contra el tamaño de un tensor contiguo de la misma forma calculado antes de fijar los strides, lo que rechazaba views con filas solapadas pero dentro de su origen y aceptaba views con strides mayores que se salían del final. Ahora las funciones de view pasan sus strides al constructor del tensor, que verifica los bytes realmente alcanzados, como ggml_nbytes, y las ventanas de convolución de delta_net se crean con todas sus filas a la vez en lugar de ensancharse tras la comprobación. Además, las views fijan nb[0] al tamaño del tipo, por lo que el origen debe tener elementos contiguos en la dimensión 0.

Por qué importa: La corrección de la validación de views en ggml es crítica para la estabilidad de operaciones de inferencia local que dependen de manipulaciones eficientes de memoria como sliding windows y convoluciones, evitando accesos fuera de límites que podría corromper resultados o causar crashes durante la ejecución de modelos cuantizados en llama.cpp.

↳ Contexto: b11528 · ver hilo completo

b12100

Release b12100 de llama.cpp corrige el matching de tags `-hf` tras un fallo por el que `:F16` seleccionaba un archivo BF16 cuando el repo contenía ambos (ya que "BF16" contiene "F16"), y el mismo problema afectaba a `:Q4_XS` frente a `IQ4_XS`. Ahora el tag debe empezar en un límite de token del path, y se añade `_` como límite para repos que separan el quant con guion bajo (ej. `Step-3.5-Flash-GGUF-Q4_K_S`, que ya no matcheaba con `:Q4_K_S`), fijando además los casos de tag y búsqueda por defecto.

Por qué importa: La corrección del matching de tags en llama.cpp evita descargar modelos con la cuantización incorrecta, lo que es crítico para garantizar la inferencia local reproducible y eficiente en pipelines que dependen de formatos específicos como Q4_K_S o IQ4_XS.

b12098

Nuevo release b12098 de llama.cpp que añade soporte preciso para el formato de prompt de vídeo de qwen3-vl en mtmd (multimodal). El build incluye matrices de compilación para macOS/iOS, Linux (CPU, Vulkan, CUDA 12/13, ROCm 10.0, OpenVINO, SYCL, Snapdragon) y Windows, además de openEuler.

Por qué importa: El soporte nativo para qwen3-vl en llama.cpp expande significativamente las opciones de inferencia local de modelos multimodales, permitiendo desplegar agentes con capacidad de visión sin dependencias externas y con control total sobre la optimización de memoria y latencia en diferentes aceleradores.

NVIDIA CUDA 13.5 Brings NVIDIA Vera Rubin GA Support

CUDA Toolkit 13.5 alcanza GA con soporte de producción para la arquitectura GPU NVIDIA Vera Rubin y extiende Windows on Arm a DGX Station for Windows. Incluye novedades de scheduling con locality domains (flag para incluir SMs suplementarios y API cudaDevSmResourceSplit() en modo discovery) y MPS v3 con weighted timeslicing, balanceo de particiones SM con borrowing/lending, routing por cgroups y polling de contabilidad de memoria como fallback. Además, CUDA Tile añade comunicación multi-GPU con punteros unicast/multicast sobre NVLink y NVSwitch, y un preview de interoperabilidad SIMT para llamar funciones de dispositivo de librerías como NVSHMEM, CCCL Coop, Warp y MathDx; CCCL 3.5 suma APIs de tuning para CUB y Top-K batched integrado en FlashInfer.

Por qué importa: El soporte GA de Vera Rubin y las mejoras de scheduling con locality domains y MPS v3 con weighted timeslicing permiten optimizar significativamente la utilización de recursos GPU en clústeres de inferencia multi-modelo y sistemas multi-agente, reduciendo latencia y mejorando el throughput de cargas de trabajo heterogéneas.

↳ Contexto: Making Kubernetes AI-Ready for NVIDIA Vera Rubin on Day One · ver hilo completo

Ukraine’s drone strikes spur hasty Russian plans for underground data centers

Tras los ataques con drones ucranianos que dañaron centros de datos de Yandex, Sberbank, VKontakte y el Ministerio de Finanzas ruso, empresas tecnológicas rusas estudian mover instalaciones bajo tierra, incluida una propuesta de construir centros de datos en minas de carbón a cielo abierto. Yandex tuvo que reubicar sus tres supercomputadores principales, y Putin firmó un decreto que obliga a los operadores a reservar un 10% de capacidad para necesidades estatales y permite autorizar el uso de centros de datos extranjeros. Esto continúa la noticia que publicamos sobre el drone strike que destruyó un centro de datos de IA de "el Google ruso".

Por qué importa: La infraestructura de IA distribuida en entornos adversos requiere nuevos patrones de resilencia y redundancia que impactan directamente cómo diseñar sistemas multi-región, balanceo de carga y failover para garantizar disponibilidad de modelo serving en contextos donde la localidad física de los recursos se vuelve crítica para la supervivencia operativa.

↳ Contexto: Ukraine’s drones knock out AI data center belonging to "Russia’s Google" · ver hilo completo

Whose startup does the AI back? An algorithm audit of reputation and demographic signals in LLM-assisted crowdfunding

Paper de arXiv (cs.CL) que realiza una auditoría algorítmica de las señales de reputación y demográficas que influyen en las recomendaciones de LLMs en el contexto de crowdfunding, analizando a qué startups "apoya" la IA. Firmado por Mirza Samad Ahmed Baig y otro autor, publicado en Journal of Business Venturing Insights 26 (2026). El abstract disponible no detalla la metodología ni los resultados concretos del estudio.

Por qué importa: Entender cómo los LLMs amplifican o sesgan las señales demográficas en sistemas de recomendación es crítico para quienes diseñan agentes autónomos que toman decisiones sobre asignación de recursos, ya que estos sesgos se propagan y amplifican en workflows donde los sistemas agénticos actúan sin intervención humana continua.

↳ Contexto: Self-Speculation for Faster Reasoning Models · ver hilo completo

Swapping the Judge Changes the Ranking: A Preregistered Study of Cross-Provider Replication in LLM-Judged System Comparisons

Estudio preregistrado que hace re-juzgar 4.000 batallas de Chatbot Arena (nueve sistemas, 33 pares) por cinco modelos judge de tres proveedores, en ambos órdenes de respuesta. La concordancia con el voto humano fue baja a nivel de veredicto (Cohen's kappa mediana = 0,22) y los rankings no sobrevivieron al cambio de judge: Kendall's tau frente al ranking humano osciló entre 0,17 y 0,89 (mediana 0,67), sin apoyo a la hipótesis de estabilidad. La replicación con dos judges de bajo coste de proveedores distintos mejoró la precisión en +0,10 frente a conclusiones de un solo judge, pero el gain provino de filtrar un judge mal alineado, y los judges que no concordaban con humanos no convergían en el 26-70% de los pares.

Por qué importa: Si dependes de evaluaciones automatizadas con LLMs para comparar agentes o modelos en producción, los rankings que obtengas pueden invertirse completamente solo por cambiar el modelo evaluador, lo que invalida decisiones críticas sobre qué sistemas desplegar o iterar.

Same Rule, Different Verdicts: Rubric Language and Clause Structure in LLM Judges for Korean Support Dialogues

Estudio sobre si el veredicto de un LLM judge depende del idioma del rubric (coreano vs. inglés) y de la estructura de sus cláusulas, con 12 criterios en cuatro estructuras (afirmativa, negada, condicional, excepción) y 51.744 peticiones a siete modelos. La concordancia entre proveedores baja con rubrics en coreano frente a inglés (kappa de Cohen 0.687 vs. 0.745) y el desacuerdo se concentra en ítems negados, condicionales y de excepción (odds ratio 5.6); un mismo modelo cambia de veredicto entre dos ítems equivalentes en el 11-15% de los casos. No se confirman dos hipótesis: los modelos de un mismo proveedor no concuerdan más entre sí, y añadir ejemplos pareados no reduce la brecha idiomática; solo se mide consistencia, sin etiquetas humanas.

Por qué importa: La inconsistencia de los LLM judges según el idioma y la estructura sintáctica del rubric (especialmente con negaciones y condicionales) impacta directamente la confiabilidad de pipelines de evaluación automática en RAG, sistemas agénticos multilingües y workflows de control de calidad donde la evaluación determina decisiones críticas del sistema.