Más información sobre Claude y las noticias e información actualizadas de ChatGPT sobre grandes modelos. Este blog se centra en el seguimiento y análisis de las tendencias actuales del estado del arte de los grandes modelos lingüísticos (LLM), las actualizaciones tecnológicas y sus aplicaciones prácticas en diferentes dominios.
阶跃星辰(StepFun)团队开源了NextStep-1，一款14B参数的纯自回归图像生成模型。该模型直接在连续视觉空间生成图像，无需依赖扩散模型或离散化处理，由14B参数Transformer骨干和157M参数流匹配头组成。它支持高保真文生图及精准图像编辑（如物体增删、背景修改），在GenEval（0.73）、GenAI-Bench等基准测试中表现优异，接近顶尖扩散模型。但存在生成不稳定、解码延迟等挑战，标志着自回归图像生成新阶段。
Nanobrowser es un marco de automatización de navegadores con IA de código abierto que se ha vuelto muy popular recientemente en GitHub, y que obtuvo más de 17 000 estrellas en su primera semana. Su núcleo utiliza un modelo de colaboración entre dos agentes inteligentes: Planner desglosa las instrucciones en lenguaje natural en pasos operativos, mientras que Navigator ejecuta y lee en páginas web reales. El proyecto admite la ejecución local y la integración de múltiples modelos, y permite realizar tareas de automatización web como la extracción de datos de artículos académicos, la comparación de precios y el monitoreo de la opinión pública. Un caso típico muestra que puede completar la extracción de datos de un artículo académico en dos minutos y medio, con un costo de solo 0,1 yuan.
Web3已从概念走向现实，2025年全球市场规模达213.5亿美元，中国相关产业规模超200亿元。其核心在于用户主权，通过区块链、智能合约、NFT和DID实现权力重分配。五大应用场景包括：DeFi（TVL超1200亿美元）、NFT实用化（如星巴克权益）、DAO（活跃组织超5000个）、GameFi（超3100款游戏）和去中心化身份。市场正从投机转向价值驱动，未来机会聚焦创作者经济、数字身份及RWA资产代币化，目标重建数字信任与公平。
LTX-2是Lightricks发布的全球首个音画同步4K视频生成模型，可生成20秒、50fps高清视频，支持文本/图像输入。它实现了角色口型与语音同步，能在ComfyUI运行并本地部署，将于5年11月下旬开源。作为专业级创作工具，LTX-2让"文字变电影级短片"成为现实。
Blockchain, Bitcoin, Web3 en 2025 ha dejado claro que el precio del "oro digital" superó los 110.000 dólares estadounidenses, con un máximo histórico de 111.013 dólares estadounidenses; blockchain se ha convertido en una "nueva infraestructura" y se aplica en los ámbitos de la administración pública, las finanzas, etc., y el tamaño del mercado de RWA ha alcanzado los 202.500 millones de dólares estadounidenses; el tamaño del mercado de Web3 ha alcanzado los 21.350 millones de dólares estadounidenses. El tamaño del mercado de Web3 alcanza los 21.350 millones de dólares estadounidenses, pasando a aplicaciones reales, y se espera que alcance los 5,1 billones de dólares estadounidenses en 2030. China apoya blockchain pero se centra en el camino "sin monedas" de Web3.
Cursor 2.0 se lanza oficialmente con el lanzamiento de Composer, un gran modelo de desarrollo propio que genera código a una velocidad de hasta 250 tokens/segundo, dos veces más rápido que GPT-5 y Claude Sonnet 4.5. El modelo está especialmente entrenado para escenarios reales de desarrollo y puede completar de forma autónoma todo el proceso de codificación, pruebas y corrección de errores, y actualmente sólo está integrado en el editor Cursor para uso interno.
FlowithOS es el primer sistema operativo nativo del mundo diseñado para inteligencias de IA, capaz de realizar tareas complejas en lugar de limitarse al chat. Basado en el navegador Chromium, el sistema admite multitarea multiplataforma en paralelo con memoria contextual ilimitada y biblioteca Skills, y puede automatizar tareas del mundo real como compras en Taobao, microblogging y recopilación de datos. Actualmente se encuentra en fase beta temprana, es compatible con Windows y macOS, y requiere un código de invitación para experimentar.
MiniMax lanzó una nueva generación de gran modelo de código abierto M2, con el rendimiento entre los 5 mejores del mundo, y el precio es de sólo 8% de Claude 4.5. El modelo tiene un parámetro total de 230B, un parámetro de activación de sólo 10B, y una velocidad de inferencia de más de 100 tokens/segundo. Tiene un excelente rendimiento en programación, flujo de trabajo de agentes y tareas multimodales, rompiendo el "triángulo imposible" de alto rendimiento, bajo precio y alta velocidad en el campo de la IA.
En el AlphaArena AI Coin Speculation Live Arena, seis de los mejores modelos de IA operaron de forma independiente en el mercado de criptomonedas con 10.000 $ en dinero real. A 23 de octubre, Qwen3 Max (Alibaba) ocupa el primer lugar con una ganancia de +44,38% y un saldo de cuenta de $14.438, DeepSeek Chat V3.1 ocupa el segundo lugar con una ganancia de +20,92% y un saldo de $12.092, y las IA chinas ocupan los dos primeros puestos. Otros modelos norteamericanos, como Gemini 2.5 Pro, perdieron más de 60%. Los puntos fuertes de los modelos chinos son el pensamiento cuantitativo, el control del riesgo y no operar en exceso, lo que demuestra el potencial de la IA en la toma de decisiones en el mercado real.
DeepAnalyze es un modelo de gran lenguaje basado en agentes y de código abierto desarrollado conjuntamente por un equipo de la Universidad Renmin de China y la Universidad Tsinghua, la primera solución integral para la ciencia de datos autónoma. DeepAnalyze-8B (8B parámetros) supera a modelos comerciales como GPT-4o-mini en las pruebas comparativas y, gracias a que las ponderaciones, el código y los datos de entrenamiento del modelo son de código abierto, DeepAnalyze puede utilizarse como asistente dedicado a la ciencia de datos. asistente dedicado a la ciencia de datos.
Racer ha lanzado la matriz de productos de programación de IA KAT-Coder, que abarca modelos, herramientas y plataformas de desarrollo propio y admite más de 20 lenguajes de programación y múltiples tipos de tareas de desarrollo. Su versión de código abierto, KAT-Dev-72B-Exp, superó a GPT y Claude en la lista de SWE-bench con 74,6%. El modelo tiene capacidad de generación de código, depuración, optimización, etc., y es compatible con las principales herramientas de desarrollo, y ha demostrado un gran potencial de aplicación en los campos de generación de páginas web, sitios web de comercio electrónico, efectos especiales 3D, etc., lo que marca la entrada oficial de KAT en el circuito de programación de IA.
DeepSeek-OCR se basa en un modelo de lenguaje visual y en la tecnología de "compresión óptica contextual", y consigue un procesamiento eficiente de textos largos mediante la conversión de imágenes en tokens visuales, manteniendo una precisión de 97% con una relación de compresión de 10x y de 60% con una relación de compresión de 20x. Mantiene una precisión de 97% con una relación de compresión de 10x y de 60% con una relación de compresión de 20x. En la prueba, supera a GOT-OCR2.0 con 100 tokens visuales y a MinerU2.0 con menos de 800 tokens, y es capaz de reconstruir la estructura de documentos complejos.
Manus, como representante del auge del Agente de IA en 2025, se basa en grandes modelos, cadenas de herramientas y tecnología de memoria para lograr la ejecución de tareas, pero debido a la falta de cultivo profundo de escenarios profesionales y de entrega en bucle cerrado, expone la burbuja de "Agente universal". La raíz del problema radica en la falta de acumulación de ingeniería y la miopía impulsada por el capital, que conduce al apilamiento de funciones pero a una inteligencia limitada. La industria se está volcando en áreas verticales, como el Agente médico OpenEvidence, que hace hincapié en los procesos deterministas y basados en datos, lo que revela que el futuro pertenece a la vía de la "inteligencia tonta", centrada, evaluable y sólida sobre el terreno.
OpenAI ha lanzado ChatGPT Atlas, el primer navegador nativo de IA, que integra en profundidad las capacidades inteligentes de ChatGPT. Entre sus funciones principales figuran: resumen e interacción de contenidos web en tiempo real asistidos por IA, optimización inteligente de la escritura, control en lenguaje natural de las operaciones del navegador, recomendaciones de memoria personalizadas, modo corporal inteligente para automatizar las tareas de compra y reserva, y procesamiento de texto en tiempo real para el chat con cursor. El navegador mejora la eficacia de la navegación, automatiza tareas y reinventa la experiencia de interacción entre el ser humano y el ordenador gracias a la tecnología de IA.
Veo3.1 de Google compite con Sora2 de OpenAI en el campo de la generación de vídeos con IA; Veo3.1 tiene la ventaja de un control preciso y una sincronización de alta calidad de audio y vídeo, lo que resulta adecuado para la creación de vídeos profesionales de larga duración, mientras que Sora2 es mejor en efectos dinámicos suaves y naturales y entretenimiento, lo que resulta más adecuado para vídeos cortos creativos. Ambos tienen sus propias ventajas, y la elección depende del escenario de aplicación específico.
Google Gemini 3.0 Pro tiene la capacidad de generar una interfaz web totalmente funcional para sistemas operativos macOS, Windows y Linux en un único archivo HTML basado en sencillas instrucciones para una experiencia interactiva fluida. Aunque destaca en la replicación de interfaces y la simulación funcional, superando a modelos como Claude 4.5 Sonnet, sigue estando limitado a la simulación de front-end y carece de lógica de sistema subyacente.
El equipo híbrido de Tencent ha lanzado Hunyuan3D-PolyGen, el primer gran modelo generativo 3D de la industria que cumple los estándares de grado artístico, capaz de generar modelos 3D profesionales que pueden utilizarse en el desarrollo de juegos y la producción de cine y TV, mejorando significativamente la eficiencia de los artistas. El modelo presenta importantes avances tecnológicos en cuanto a capacidad de modelado de geometrías complejas y estabilidad de generación, admite múltiples métodos de entrada y reduce significativamente el número de fichas y mejora la calidad del modelado mediante estrategias de compresión BPT y optimización del aprendizaje por refuerzo. Actualmente está disponible para experimentar de forma gratuita a través de la plataforma Tencent Hybrid 3D.
El procesamiento de tablas de Excel suele ser fastidioso debido a la complejidad de las operaciones. La nueva herramienta de IA Shortcut simplifica el proceso mediante la interacción con el lenguaje natural. Completa tareas complejas en 10 minutos en torneos de Excel simulados con una tasa de precisión de 80% o más, y admite una amplia gama de aplicaciones, desde el tratamiento de datos a la modelización financiera. La introducción de datos en lenguaje natural sustituye a la sintaxis de las funciones con gran comodidad, pero sigue habiendo limitaciones para el tratamiento y el formateo de datos extremadamente complejos. Actualmente en fase de pruebas internas, los usuarios de correo electrónico de Google pueden experimentar 3 veces de forma gratuita.
MuseSteamer, un modelo de generación multimodal lanzado por el equipo comercial de I+D de Baidu, ha alcanzado el primer puesto mundial en la evaluación de vídeo gráfico de VBench, y ha logrado importantes avances en la generación simultánea de audio y vídeo chinos, el perfeccionamiento del sistema de descripción y el control de estilo, y ha demostrado una capacidad de comprensión semántica superior. A pesar de la falta de capacidad de programación de objetivos y de la lentitud de la velocidad de generación, MuseSteamer sigue siendo un hito importante en el desarrollo de la tecnología de vídeo de IA nacional, y la versión Turbo se ha abierto para experimentar de forma gratuita.
Tencent AI Lab ha lanzado SongGeneration, un modelo de generación musical de código abierto que supera los retos de la calidad del sonido, la musicalidad y la velocidad de generación gracias a una arquitectura técnica y unos métodos de formación innovadores. El modelo soporta cuatro funciones básicas: control inteligente del texto, seguimiento preciso del estilo, generación multipista y clonación tímbrica, lo que reduce significativamente el umbral de creación musical. La estrategia de entrenamiento en tres fases y la alineación multidimensional de las preferencias humanas mejoran aún más el efecto de generación. La evaluación autorizada muestra que el modelo ocupa el primer lugar entre los modelos de código abierto, cerca del nivel de los modelos comerciales, y se ha abierto a la experiencia en Hugging Face y GitHub, ayudando a popularizar la creación inteligente de música.
AliCloud acaba de lanzar su último modelo de IA multimodal, Qwen-VLo, cuyas capacidades de generación y edición de imágenes han sido muy bien valoradas por los usuarios, superando incluso a GPT-4o. El modelo cuenta con las ventajas de una captura de detalles mejorada, edición de imágenes con un solo comando, compatibilidad con varios idiomas y adaptación flexible de la resolución, y rinde bien en reconocimiento de imágenes, sustitución de objetos y generación progresiva. Ya está disponible gratuitamente a través de la plataforma Qwen Chat.
Adopte su asistente de inteligencia artificial y aumente su productividad con un solo clic.
