Una comparación de DeepSeek-V4 Flash 0731 y GPT-5.6 Luna en el benchmark DeepSWE revela que, aunque GPT-5.6 Luna es el ingeniero más fuerte, una estrategia en cascada que utiliza ambos modelos logra mayor precisión a menor costo.
Moonshot AI ha lanzado Kimi K3, un modelo de pesos abiertos con 2,8 billones de parámetros diseñado para codificación a largo plazo y razonamiento profundo. Es el primer modelo de código abierto en la clase de 3 billones de parámetros y soporta una ventana de contexto de 1 millón de tokens.
Together AI ha anunciado una asociación estratégica con Moonshot AI para servir como plataforma de lanzamiento de los modelos open-weight de Moonshot, comenzando con Kimi K3. Esta colaboración proporciona a los desarrolladores acceso inmediato a lanzamientos de vanguardia a través de la infraestructura y herramientas alojadas en EE.UU. de Together AI.
Una comparación entre Kimi K3 y GPT-5.6 Sol en el benchmark DeepSWE revela que, aunque GPT-5.6 Sol lidera en calidad de intento único (72.7% frente a 68.5%), Kimi K3 logra puntuaciones pass@k más altas para k > 1 con un costo significativamente menor.
Kimi K3, un modelo de pesos abiertos de Moonshot AI, logra un rendimiento comparable al de Claude Fable 5 de Anthropic en el benchmark DeepSWE mientras cuesta significativamente menos por tarea. En una evaluación del 16 de julio de 2026, Kimi K3 alcanzó un 68,5% de pass@1 frente al 69,9% de Fable 5, pero lo superó en escenarios de múltiples intentos y ofreció una mayor eficiencia de costos.
Thinking Machines Lab ha lanzado Inkling, un nuevo modelo de mezcla de expertos multimodal diseñado para el razonamiento eficiente en tokens y la comprensión nativa de entradas de texto, imagen y audio. Together AI está poniendo el modelo disponible en su plataforma de inferencia con acceso desde el día cero.
Together AI ha añadido capacidades de escalado automático a su plataforma de Inferencia Dedicada de Modelos, permitiendo que los despliegues se escale según métricas que el motor de inferencia comprende, como solicitudes en curso, tiempo hasta el primer token (TTFT) y utilización de GPU.
ThunderAgent es un sistema que introduce una abstracción de programa para la programación de solicitudes LLM agentes con el fin de abordar el thrashing del caché KV en la generación de datos sintéticos de alta concurrencia. Al tratar los flujos de trabajo de agentes como programas programables en lugar de solicitudes independientes, mejora significativamente el rendimiento y reduce la latencia.
Together AI detalla la arquitectura de su plataforma de Inferencia de Modelos Dedicados, que conecta puntos finales, implementaciones y configuraciones inmutables mediante una división de tráfico consciente de la capacidad. Este sistema enruta las solicitudes en función de la capacidad efectiva (peso multiplicado por réplicas listas) en lugar de porcentajes fijos, lo que habilita funciones como despliegues sin tiempo de inactividad y pruebas A/B.
Together ha lanzado una actualización significativa para su plataforma de inferencia, presentando "Inferencia de Modelo Dedicada" diseñada para dar a los usuarios control total sobre el rendimiento, el costo y la calidad de los modelos de peso abierto. La actualización también anuncia una beta cerrada para capacidades de entrenamiento personalizado, incluyendo refuerzo con pesos completos y LoRA.
Together AI y Y Combinator han anunciado una asociación para proporcionar el primer clúster de GPU dedicado exclusivamente al portafolio de startups nativas de IA de Y Combinator. Esta iniciativa tiene como objetivo resolver la crítica barrera de acceso a la capacidad de cómputo ofreciendo infraestructura flexible y rentable para entrenamiento e inferencia sin requerir compromisos a largo plazo.
Together AI detalla los requisitos arquitectónicos específicos necesarios para lograr diferentes niveles de confiabilidad en la inferencia con GPU, argumentando que los números estándar de SLA a menudo ocultan los dominios de falla reales cubiertos.
Together ha actualizado su plataforma GPU Cluster con nuevas funciones de confiabilidad y control operativo diseñadas para cargas de trabajo de entrenamiento e inferencia a gran escala. Los cambios incluyen una pila Slurm-on-Kubernetes reconstruida, mecanismos automatizados de reparación de nodos y herramientas mejoradas de gestión de acceso.