zai-org lanza GLM-5.2
zai-org ha lanzado GLM-5.2, un nuevo modelo de lenguaje grande. El modelo está disponible en Hugging Face y forma parte de las discusiones de la comunidad LocalLLaMA.
bartowski/command-a-plus-05-2026-GGUF en Hugging Face
Un modelo GGUF llamado command-a-plus-05-2026 está disponible en Hugging Face. Se anima a los usuarios a probarlo con la última versión de llama.cpp y compartir las métricas de rendimiento y comentarios.
¿Alguien está ejecutando Qwen 3.6 27b UD Q8 en múltiples GPUs?
Un usuario pregunta si alguien ha logrado ejecutar Qwen 3.6 27b UD Q8 en múltiples GPUs, señalando problemas con llamacpp y vllm. El modelo se bloquea o se congela durante las solicitudes de múltiples turnos, con llamacpp mostrando errores de CUDA y vllm fallando a mitad del turno, a pesar de funcionar bien con la cuantización Q5.
Georgi Gerganov elogia a Qwen3.6-27B para tareas de programación
Georgi Gerganov confirma que Qwen3.6-27B es altamente capaz para tareas de programación, señalando su uso diario en hardware local como M2 Ultra y RTX 5090. Describe el uso de un agente pi mínimo con un prompt de sistema breve para alinearlo con su flujo de trabajo, destacando su utilidad para mantener proyectos de código abierto.
Mejor modelo y configuración para MacBook Pro M5 Max de 128 GB de RAM y 8 TB
El mejor modelo para ejecutar en un MacBook Pro M5 Max con 128 GB de RAM y 8 TB es LocalLLaMA, optimizado para inferencia local con mínima sobrecarga de memoria. Las configuraciones deben priorizar modelos más pequeños como LLaMA-3-8B o LLaMA-3-7B con cuantización para garantizar un rendimiento eficiente dentro de la memoria disponible.
El caso por los modelos de peso abierto y por qué no podemos confiar en las empresas líderes
El artículo defiende los modelos de lenguaje de peso abierto, haciendo hincapié en la transparencia y la accesibilidad. Expresa escepticismo hacia las empresas líderes (Frontier Labs), sugiriendo preocupaciones sobre su desarrollo de modelos y apertura.
¿Es realmente tan bueno DiffusionGemma en un agente PI?
Una publicación de Reddit pregunta si DiffusionGemma se desempeña excepcionalmente bien en un agente PI. La publicación incluye un enlace a una imagen y hace referencia a la sección de comentarios para más discusión.
Anthropic revierte su postura sobre el uso de claude -p por terceros
Según se informa, Anthropic está permitiendo que wrappers de terceros utilicen Claude a través del comando "claude -p", revirtiendo una restricción previa. Sin embargo, la política podría incluir aún un control de acceso futuro, aunque el cambio difiere de las prohibiciones anteriores de herramientas como OpenClaw y Hermes.
VibeThinker-3B alcanza rendimiento de vanguardia en matemáticas y programación
VibeThinker-3B, escalado a partir de un modelo de 1.5B, alcanza un rendimiento de nivel vanguardia en tareas de matemáticas y programación. Obtiene 94.3 en AIME'26, 80.2 en LiveCodeBench v6, 76.4 en IMO-AnswerBench y 93.4 en IFEval, con un 96.1% de éxito en problemas de LeetCode en el primer intento.
Anunciado el Conjunto de Robots Qwen
Aliyun ha lanzado el Conjunto de Robots Qwen, un nuevo conjunto de herramientas robóticas impulsadas por IA. El conjunto tiene como objetivo permitir a los desarrolladores construir y desplegar robots inteligentes con capacidades mejoradas.
Revisión de la receta de post-entrenamiento de Frontier con Finbarr Timbers
El podcast analiza la evolución de las recetas de post-entrenamiento en modelos de lenguaje grandes, desde InstructGPT hasta los modelos frontier de 2026. Destaca la Distilación On-Policy Multi-Maestro (MOPD) como el patrón dominante, donde los modelos especialistas por dominio se entrenan y luego se destilan en un modelo estudiante general mediante distilación on-policy, escalando a más de 10 maestros en modelos como DeepSeek V4 y Nemotron 3 Ultra.
llama.cpp lanza b96669 con muestreo de backend para Eagle3
la versión b9669 de llama.cpp añade soporte de muestreo de backend para Eagle3. El lanzamiento incluye binarios para macOS, Linux, Android, Windows y openEuler en múltiples arquitecturas y opciones de aceleración de hardware, incluyendo Vulkan, CUDA, ROCm, OpenVINO y SYCL.
llama.cpp Release b9670: Correcciones y nuevas compilaciones
La versión b9670 de llama.cpp incluye correcciones para casos límite de NVFP4 en llama-graph, como el movimiento de operaciones MUL post-GEMM y la restricción de build_ffn a combinaciones admitidas. La versión proporciona binarios para macOS, Linux, Android, Windows y openEuler en múltiples arquitecturas y opciones de backend, incluyendo CUDA, Vulkan, SYCL y OpenVINO.
Por qué DiffusionGemma podría destacar en llamadas a herramientas a pesar de una calidad base inferior
DiffusionGemma utiliza atención bidireccional para permitir la autocorrección durante la generación de tokens, lo que le permite revisar los tokens anteriores en un bloque de 256 tokens. Esta capacidad le otorga una ventaja estructural al generar llamadas a herramientas válidas, ya que puede corregir salidas malformadas que los modelos autoregresivos no pueden corregir una vez comprometidos.
llama.cpp Release b9667 Adds Vulkan and CUDA Support
La versión b9667 de llama.cpp introduce soporte para Vulkan con S_v=16 a través de gated_delta_net. Incluye binarios para macOS, Linux, Android, Windows y openEuler en múltiples arquitecturas, con opciones para Vulkan, CUDA 12.4 y 13.3, ROCm, OpenVINO y SYCL.
la versión b9668 de llama.cpp añade memoria visible para el host UMA y binarios multiplataforma
La versión b9668 de llama.cpp implementa búferes de memoria visibles para el host UMA para mejorar el rendimiento en dispositivos UMA, basándose en la sugerencia de 0cc4m. La publicación incluye binarios para macOS, Linux, Android, Windows y openEuler, con soporte para CPU, Vulkan, ROCm, OpenVINO, SYCL e HIP, junto con un paquete de interfaz de usuario dedicado.
Resultados de la prueba de rendimiento de cuantización de Qwen3.6 27B
Una prueba que compara las versiones cuantizadas Q8 e IQ3 XXS turbo4 de Qwen3.6 27B muestra que Q8 destaca en seguridad de API y sanitización de entradas, mientras que IQ3 XXS turbo4 tiene un mejor desempeño en gestión de hilos y diseño de código modular. El modelo recomienda combinar ambos enfoques: usar Q8 para la protección inicial al inicio e IQ3 XXS para escrituras atómicas y ciclo de vida de los hilos, formando una base combinada de Fase 1.
Aprendizaje de contexto e ingeniería de harness para IA local-first
Un usuario busca orientación sobre el aprendizaje de contexto e ingeniería de harness para construir aplicaciones de IA local-first con casos de uso especializados. Expresa interés en evitar modelos de IA de propósito general como Hermes o OpenClaw y pregunta dónde encontrar recursos, dada su experiencia con servidores MCP y la llamada de herramientas.
Instrucciones de endurecimiento del razonamiento para Gemma 12b
Se ha desarrollado una instrucción de sistema para reducir el sesgo cognitivo en el razonamiento de Gemma 12b, al exigir un estricto apego a las premisas y la intención explícita del usuario. La instrucción desaconseja recurrir por defecto a interpretaciones 'habituales', 'estándar' o 'típicas', y obliga a reexaminar cualquier suposición de este tipo, mejorando el rendimiento en preguntas trampa sin sobreanalizar las normales.
Desconfía de las distilaciones de Qwen/Claude: a menudo son peores que el modelo base
Las distilaciones de modelos Qwen y Claude, como Qwen 3.6 distilado con solo 4.000 muestras, rara vez mejoran el rendimiento y a menudo degradan la calidad. Estos modelos pueden exhibir un estilo más 'similar a Opus', pero fallan al transferir capacidad real, con algunos mostrando alucinaciones y tiempos de respuesta más lentos en comparación con los modelos base, según lo demostrado en pruebas y reportes de usuarios.