Xiaomi ha abierto el código fuente de los modelos omnimodales MiMo-V2.6 Pro y Flash, diseñados para coordinar agentes en la construcción y prueba visual de escenas 3D interactivas. Estos modelos pueden generar activos de Blender, controlar brazos robóticos a partir de transmisiones de cámara, producir frontends y presentaciones, ensamblar videos y componer música como partituras y MIDI.
AntLing ha lanzado la familia Ming-Image-0.1-Design, que incluye dos modelos de 6B parámetros: Ming-Image-0.1-Design y Ming-Image-0.1-Design-Layer.
Xiaomi ha lanzado la serie MiMo-V2.6, presentando modelos nativamente omnimodales que incluyen MiMo-V2.6-Pro y MiMo-V2.6-Flash. La compañía también lanzó MiMo-V2.6-Pro-UltraSpeed, que ofrece una velocidad de salida hasta 20 veces más rápida con la misma calidad.
El equipo de AWS Strands Agents ha lanzado Strands Harness, un harness de agentes de propósito general y código abierto disponible bajo la licencia Apache 2.0 para Python y TypeScript. La herramienta está diseñada para cerrar la brecha entre el prototipado de agentes en entornos como Claude Code o Codex y su implementación con bucles personalizados.
Microsoft Research ha publicado y liberado como código abierto RetroChimera, un nuevo marco de trabajo para la predicción de retrosíntesis que combina dos modelos complementarios para proponer rutas de síntesis de alta calidad. El sistema integra R-SMILES 2, un modelo de-novo basado en Transformer, con NeuralLoc, un modelo basado en redes neuronales gráficas (GNN), utilizando una estrategia de ensamble aprendida para clasificar las predicciones.
El equipo de Qwen de Alibaba ha lanzado Qwen-Image-2.1, un modelo unificado de generación de texto a imagen y edición de imágenes que consolida los puntos de control anteriores separados en un único transformador de difusión de 7B parámetros.
La biblioteca tokenizers ha lanzado una versión candidata a release 1 que mejora significativamente el rendimiento para la codificación de texto, abordando cuellos de botella en los flujos de trabajo de entrenamiento y servicio. La actualización mantiene compatibilidad con la API de v0.23 mientras proporciona aceleraciones sustanciales en diez familias de modelos.
Multiverse ha publicado un artículo que detalla un método que reformula la poda de modelos de lenguaje grandes como un problema de optimización binaria restringida mapeado a un vidrio de Ising. Al tratar los bloques del transformador como espines con acoplamientos por pares derivados de la Hessiana de la pérdida, el enfoque identifica configuraciones óptimas de eliminación de bloques sin requerir evaluación iterativa.
El autor presenta un informe sobre el estado de los modelos de peso abierto, señalando que las empresas de IA chinas se han convertido en los claros líderes en este espacio desde aproximadamente abril de 2025. Este cambio queda evidenciado por las métricas de descarga de Hugging Face y el rendimiento en benchmarks de capacidades.
Qwen ha lanzado Qwen-Image-2.1, un modelo unificado diseñado tanto para la generación como para la edición de imágenes.
Stepfun ha lanzado el modelo Step 5 Preview 600B-A27B, que actualmente está disponible a través de sus productos y API. La versión de peso abierto de este modelo se lanzará el 15 de octubre.
El repositorio stepfun-ai/Step-5-Preview-BF16 ha sido publicado en Hugging Face. El título de la publicación indica que el modelo parece prometedor.
Se ha filtrado en línea una vista previa del nuevo modelo "Step 5" de Stepfun.
Alibaba ha lanzado un modelo de inteligencia artificial médica de código abierto capaz de detectar cáncer y aproximadamente otras 150 condiciones médicas.
inclusionAI ha publicado el sistema Realtime-Venus en Hugging Face, que incluye dos puntos de control: Realtime-Venus-Omni y Realtime-Venus-Audio. El punto de control Omni es un modelo de interacción audiovisual de 9B adaptado a partir de MiniCPM-o 4.5 que observa y escucha continuamente para decidir cuándo responder.
Naive AI, una startup encubierta fundada por el profesor Dai Jifeng de la Universidad Tsinghua, ha completado tres rondas de financiación que suman $400 millones, alcanzando una valoración de más de $1.4 mil millones. La empresa se prepara para lanzar su primer modelo de lenguaje grande, también llamado Naive, como un lanzamiento de peso abierto tan pronto como este mes.
Tencent ha lanzado WeVisDoc, un analizador de documentos de extremo a extremo para imágenes de páginas, ajustado finamente a partir de modelos Qwen3-VL. El sistema convierte las imágenes de las páginas en Markdown estructurado, incluyendo fórmulas LaTeX y tablas HTML.
Tencent ha lanzado WeVisDoc-4B, un analizador de documentos de extremo a extremo para imágenes de páginas que convierte las páginas en Markdown estructurado con fórmulas LaTeX y tablas HTML. Fine-tuneado desde Qwen3-VL-4B-Instruct, el modelo alcanza una puntuación general de 95.38 en OmniDocBench v1.6 y se clasifica primero entre los analizadores comparados en las cuatro configuraciones reportadas.
Together proporciona un marco para que las empresas migren de modelos de IA propietarios a modelos de código abierto (OSM) utilizando servicios gestionados, con el objetivo de reducir la complejidad y acelerar la adopción. El proceso implica descubrir modelos adecuados mediante benchmarks, evaluarlos mediante la repetición del tráfico, adaptar los prompts o los pesos, y calcular el ROI para justificar el cambio.
Un informe de Mozilla indica que los modelos de IA de peso abierto de China han cerrado la brecha de desarrollo a solo cuatro meses por detrás de las ofertas fronterizas de EE. UU. A pesar de este rápido progreso, los modelos siguen quedándose atrás en ciertas evaluaciones de benchmarks.