Nota: Este artículo fue traducido automáticamente con Claude Sonnet 4.5; la calidad puede verse degradada, especialmente en la terminología técnica.
Lanzamientos
Lanzamiento de DeepSeek 3.1
Después de un largo receso, DeepSeek finalmente ha lanzado un nuevo modelo. Es el modelo DeepSeek V3.1, que combina las capacidades de razonamiento y no razonamiento de sus modelos anteriores en un único modelo híbrido.
Este lanzamiento parece ser una respuesta a Kimi K2 y GLM 4.5, que son ambos modelos de razonamiento y agénticos muy potentes lanzados por otros laboratorios chinos. Con este lanzamiento, DeepSeek realmente enfatizó la capacidad de codificación agéntica del modelo, logrando grandes mejoras en la mayoría de los benchmarks de ingeniería de software y agénticos respecto a las versiones anteriores.

La porción de razonamiento del modelo es mucho más rápida que antes, ya que DeepSeek había sido conocido por tener cadenas de pensamiento muy largas que causaban tiempos de respuesta prolongados, incluso para consultas simples. Con este lanzamiento, redujeron bastante este comportamiento ya que el modelo ahora usa entre 30 y 50% menos tokens mientras piensa, manteniendo una precisión similar.

También han hecho muy fácil usar el modelo en Cloudcode, proporcionando instrucciones muy simples sobre cómo usarlo en Cloudcode. La única desventaja, sin embargo, es que el modelo funciona muy lentamente desde la API de DeepSeek con solo 20 tokens por segundo.
Sin embargo, el modelo domina en la relación precio-rendimiento ya que con su precio de $1 por millón de tokens de salida y la cantidad reducida de tokens de razonamiento hace que el modelo sea aún más eficiente que antes, siendo la mitad del precio de los otros modelos chinos.
Z.ai Lidera el Benchmark de Uso de Computadoras
ZAI lanzó un framework de RL para afinar agentes de uso de computadoras. Junto con esto, también lanzaron un ajuste fino de su modelo GLM 4.1 de 9 mil millones de parámetros que lidera el benchmark OS World.
OS World es un benchmark para agentes multimodales que prueba qué tan bien pueden interactuar con interfaces visuales así como con sistemas operativos. Algunas tareas incluidas que forman parte de él son instalar Spotify y también extraer un archivo adjunto de un correo electrónico y subirlo a Google Drive.

Su modelo, siendo mucho, mucho más pequeño que los competidores en la cima del benchmark, como Claude 4 Sonnet, aún logra superarlos, mostrando cuán lejos se puede llegar con un modelo pequeño si lo enfocas solo en un dominio algo limitado.
Lamentablemente el modelo no fue de código abierto, pero podría ser divertido ir e intentar afinar tu propia versión de esto y ver si puedes incluso superar su rendimiento.
Qwen Image Edit
Qwen ha lanzado un modelo de edición de imágenes basado en Qwen image, que lanzaron hace dos semanas. El modelo sobresale en todas las formas de edición de imágenes, incluyendo manipulación de texto, rotación de objetos, edición de apariencia, agregar y eliminar objetos, y más.
Sus capacidades están respaldadas también en benchmarks del mundo real, estando básicamente en la cima de la tabla de clasificación de edición de imágenes de Artificial Analysis, la cual es votada por personas reales. También puedes revisar la página de Twitter de Qwen para ver un montón de otros ejemplos de cómo puede ser usado.

Esto combinado con el también bueno modelo base Qwen image conforma uno de los mejores stacks de generación y edición de imágenes disponibles. Cambiaré mi pipeline local de generación de imágenes para usar ambos en la próxima semana debido a esto.
Investigación
¿Puede la IA Predecir el Futuro?
Recientemente, mercados de apuestas como Kalshi y Polymarket han ganado una popularidad masiva, permitiendo a los usuarios apostar sobre lo que podría suceder en el mundo real, como ¿habrá un terremoto de magnitud 7 este mes?, o ¿cuántos tweets hará Elon Musk esta semana?
Los investigadores quisieron ver qué tan buenos son los LLMs para elegir sobre qué eventos del mundo real apostar y asignarles probabilidades para ver si tienen una ventaja sobre estos mercados.
Ningún LLM pudo vencer al mercado. Los modelos de OpenAI fueron los mejores en promedio y DeepSeek fue el peor, pero ninguno de ellos tuvo pérdidas catastróficas.
Es interesante ver las dinámicas de cómo diferentes LLMs deciden hacer apuestas y cómo quieren actuar. O3-Mini, por ejemplo, es súper agresivo y está dispuesto a tomar posiciones arriesgadas para obtener un gran pago, lo que resulta en que esté en la cima de la tabla de clasificación.
El resultado de DeepSeek es definitivamente el más interesante de todos estos modelos. La mayoría de los modelos tienden a estar al menos algo cerca unos de otros en términos de probabilidad esperada para la mayoría de estas apuestas. Pero DeepSeek no. DeepSeek tiene probabilidades enormemente diferentes que está asignando a que estos eventos sucedan o no sucedan, que es completamente contrario al resto de los modelos. Esta singularidad no le ayuda en absoluto, ya que tuvo los peores retornos de cualquier modelo.
Lo genial sobre este benchmark es que no puede ser sobreajustado. Siempre está en vivo, y siempre hay nuevos eventos sobre los cuales ir y apostar. Así que asegúrate de revisar la tabla de clasificación de vez en cuando para ver cómo están los modelos y ver si alguno de ellos ha sido capaz de superar en astucia a la mente colectiva humana.
Ronda Rápida
Herramientas útiles o temas que encontré esta semana que pueden o no estar relacionados con IA, pero sobre los que no tuve tiempo de escribir una sección completa.
A los modelos con RL realmente les gustan los números
Al preguntarle a un LLM cuáles son sus artistas favoritos, los investigadores encontraron que los modelos que habían tenido más aprendizaje por refuerzo (modelos de razonamiento) tendían a tener una mayor probabilidad de responder con artistas que tenían números u otros símbolos matemáticos en sus nombres que artistas regulares.

Tú eres el chatbot
Alguien en twitter hizo lo opuesto de un asistente de IA, un usuario de IA. Ha sido entrenado en una estructura invertida, donde espera que tú respondas sus preguntas, resultando en algunos intercambios hilarantes.

Puedes hablar con el usuario de IA ahora en https://youaretheassistantnow.com.
Final
Espero que hayas disfrutado las noticias de esta semana. Si quieres recibir las noticias cada semana, asegúrate de unirte a nuestra lista de correo a continuación.
