Meta ha lanzado Muse-Glimmer-30B, un modelo denso de 29.6B con capacidades visuales bajo la licencia Apache 2.0.
El lanzamiento incluye checkpoints GGUF en Hugging Face y soporte a través de una pull request a llama.cpp.
Meta describe el modelo como una solución agénica abierta.
Meta ha lanzado Muse Glimmer, un modelo multimodal denso de 30 mil millones de parámetros optimizado para flujos de trabajo de agentes locales siempre activos. Los pesos están disponibles bajo la licencia Apache 2.0.
Google ha abierto el código fuente de sus modelos de IA WeatherNext 2 y WeatherNext Cyclones para mejorar la precisión en la predicción de ciclones. Los modelos logran resultados state-of-the-art en la predicción de trayectoria, intensidad y estructura del viento, proporcionando a los pronosticadores un día adicional promedio de precisión predictiva en comparación con los métodos actuales.
El Laboratorio Nacional Lawrence Berkeley ha implementado el Modelo Segment Anything 3 (SAM 3) y DINOv3 de Meta dentro de la iniciativa SYNAPS-I para automatizar el análisis de datos de rayos X y neutrones. Ajustados finamente con datos de imagen científica, estos modelos reemplazan los cuellos de botella de la segmentación manual por una canalización que entrega volúmenes 3D etiquetados semánticamente en aproximadamente 15 minutos.
El equipo de PLN de la Universidad Estatal de Ohio ha lanzado QUEST-35B, un agente de investigación profunda de código abierto entrenado en aproximadamente 32 GPUs H100 utilizando 8.000 muestras sintéticas. El equipo ha liberado como código abierto la receta de entrenamiento, el código, los pesos y los conjuntos de datos, con resultados de evaluación que muestran un rendimiento competitivo en comparación con los principales sistemas de investigación profunda de código cerrado.
Los investigadores de la Universidad Estatal de Ohio entrenaron QUEST-35B, un agente de investigación profunda, utilizando aproximadamente 32 GPUs H100 y 8.000 muestras sintéticas. Han liberado como código abierto la receta de entrenamiento, el código, los pesos y los conjuntos de datos, con resultados de evaluación que muestran un rendimiento competitivo en comparación con los principales sistemas de investigación profunda propietarios.
Usamos cookies para medir el tráfico y mejorar el sitio. Puedes aceptar o rechazar las cookies de analítica. Política de privacidad