Zhihui AI ha lanzado GLM-5.3, un modelo de pesos abiertos que se basa en la arquitectura base GLM-5.2 mediante mejoras post-entrenamiento. La actualización mejora significativamente el rendimiento en tareas complejas de codificación y de largo alcance, estableciendo nuevos resultados de estado del arte en varios benchmarks públicos.
Zai ha lanzado GLM-5.3, un modelo de pesos abiertos que se basa en la arquitectura base GLM-5.2 mediante un extenso postentrenamiento. La actualización aporta mejoras significativas en tareas complejas de codificación y a largo plazo, estableciendo nuevos resultados de estado del arte en varios benchmarks públicos.
Zai ha presentado GLM-5.3-Flash, el primer modelo nativamente multimodal de la serie GLM-5. Cuenta con una arquitectura híbrida que combina atención dispersa y lineal para reducir los costos de servicio de contextos largos mientras mantiene capacidades precisas.
ZhiPu presenta GLM-5.3-Flash, el primer modelo nativamente multimodal de la serie GLM-5, que cuenta con una arquitectura híbrida que combina atención dispersa y lineal para reducir los costos de servicio de contexto largo mientras preserva la precisión.
Una comparación de GLM-5.3 y su variante destilada, GLM-5.3 Flash, en el benchmark DeepSWE revela que la destilación preserva la capacidad central de codificación mientras reduce significativamente los costos de rollout. El modelo completo logra una tasa de pass@1 del 69.0% a $3.99 por tarea, mientras que la variante Flash obtiene un puntaje de 63.4% a solo $0.24, lo que representa una reducción de precio de 17x.
Zhipu AI ha lanzado el modelo GLM-5.3-Flash, posicionándolo como una solución de inteligencia de vanguardia con capacidades de inferencia de bajo costo.
Z.ai ha lanzado formalmente GLM-5.3-Flash, revelando que el modelo previamente anticipado como "Ox Alpha" es su identidad pública. El modelo cuenta con 320 mil millones de parámetros totales y 18 mil millones activos, una ventana de contexto de 1 millón de tokens y capacidades multimodales nativas.
Z.ai ha lanzado GLM-5.3-Flash, el primer modelo nativamente multimodal de la serie GLM-5, que presenta una arquitectura de mezcla de expertos con 320 mil millones de parámetros totales y 18 mil millones activos por token. El modelo admite entradas de imagen y video dentro de una ventana de contexto de 1,048,576 tokens y está disponible bajo una licencia MIT en Hugging Face.
Zhipu AI ha lanzado GLM-5.3-Flash, el primer modelo nativamente multimodal de la serie GLM-5 y el primer lanzamiento de peso abierto de la arquitectura glm5_next. El modelo de 320B parámetros se entrena en un corpus multimodal de 30T tokens y presenta un mecanismo de atención híbrido disperso y lineal para reducir los costos de servicio de contexto largo.
Z.AI confirmó el miércoles que el modelo Ox Alpha es una nueva iteración de su serie GLM. La empresa declaró que publicará los pesos del modelo más tarde esa noche, respondiendo a las consultas de Bloomberg News.
Los investigadores presentan TelecomGPT-R1, una familia de modelos de razonamiento unificados de telecomunicaciones de código abierto diseñados para automatizar tareas de ingeniería mediante el razonamiento sobre estándares, configuraciones y registros. El modelo aborda las limitaciones de los LLMs existentes de propósito general y especializados a través de un enfoque estructurado que cubre ejes de protocolo, conocimiento, modelado y fallos.
Los autores presentan Fathom-Vaidya, un modelo de 30B parámetros que utiliza datos sintéticos y aprendizaje por refuerzo basado en rúbricas para mejorar el razonamiento diagnóstico y clínico en atención médica. El marco de entrenamiento primero aplica RL guiado por reglas a preguntas derivadas de MedBullets para el diagnóstico, luego utiliza 5.3k escenarios sintéticos multi-turno con rúbricas multidimensionales para tareas clínicas interactivas.
Se ha descubierto que la aplicación oficial de codificación con IA de Zhipu, ZCode, empaqueta y sube silenciosamente los espacios de trabajo completos de los usuarios cuando inician sesión. Este proceso incluye cifrar los datos y enviarlos directamente a Aliyun OSS.
El equipo de GLM ha publicado un artículo en el blog de z.ai que detalla la arquitectura y el diseño de su infraestructura de inferencia.
Un estudio evalúa seis modelos de lenguaje de vanguardia en una tarea de comunicación entre dos agentes donde un interrogador identifica un objetivo a partir de N párrafos de Wikipedia utilizando exactamente log2(N) preguntas de sí/no. El experimento ejecutó 408 juegos en conjuntos de documentos de 4 a 1024 párrafos, revelando disparidades significativas en el rendimiento entre los modelos evaluados.
Charlie O'Neill de Base-10 discute por qué los modelos Kimi y GLM son "casi objetivamente" superiores a Opus 5 en un episodio reciente con Dwarkesh Patel.
InternLM ha presentado Intern-S2-397B, un modelo base multimodal de 397 mil millones de parámetros diseñado para la inteligencia científica y agentes de horizonte largo. El modelo escala en preentrenamiento, cobertura de tareas de aprendizaje por refuerzo y entornos de agentes interactivos para mejorar el razonamiento general y las capacidades agénticas.
Los investigadores demuestran que la ablación direccional, un ataque de caja blanca que elimina el rechazo proyectando fuera una única dirección desde los pesos, sigue siendo efectiva en modelos de vanguardia de mezcla de expertos (MoE) como GLM-5.3-Flash. El estudio muestra que, aunque el ataque sobrevive a la arquitectura, sus efectos se distribuyen entre los escritores de atención, densos y de expertos enrutados, en lugar de concentrarse en una sola ubicación.
CogEvol presenta una familia de modelos diseñados para convertir resúmenes de cursos en diapositivas JSON estructuradas o páginas HTML interactivas en un solo paso, reemplazando el andamiaje multi-turno de agentes. El sistema utiliza una canalización de datos basada en producción y mecanismos de recompensa híbridos para garantizar la fiabilidad durante el entrenamiento.
Los autores presentan WebWorld, una interfaz que permite a un Modelo de Visión y Lenguaje (VLM) interactuar autónomamente con el navegador como un modelo del mundo determinista para el código web. Este enfoque aborda la falla estructural en la auto-mejora impulsada por VLM donde el modelo juzga sus propias reparaciones introduciendo una contraparte que no puede ser engañada.