AI TrackerNoticias de código abierto,
para desarrolladores.
Lo último en código abierto de todos los proveedores de IA: lanzamientos, cambios de precio y retiradas, resumidos con lo que significan para ti.
Asahi Linux pasa todo su código a la GPL y cita el blanqueo de código asistido por IA
Asahi Linux, el proyecto que lleva Linux a los Mac con Apple Silicon, anunció en un informe de avances que cambiará la licencia de todos sus repositorios de MIT a la Licencia Pública General de GNU, versión 2 o posterior, de modo que su código quede exclusivamente bajo licencias copyleft. El proyecto anunció el cambio unos días antes del 9 de noviembre.
Nous Research lanza Arete-27B, Qwen3.8-27B con posentrenamiento para reducir del 22 % al 1 % la tasa de adhesión a la «línea del partido»
Nous Research anunció Arete-27B en X el 6 de noviembre. Se trata de Qwen3.8-27B con posentrenamiento, según palabras del laboratorio, «para reforzar los valores occidentales». Nous sostiene que los modelos abiertos más potentes son chinos y vienen con comportamientos alineados con el Estado incorporados en sus pesos.Harness Leaderboard compara nueve entornos de agentes de programación con modelos abiertos; un agente que solo usa bash queda en primer lugar
Joel Niklaus publicó Harness Leaderboard, que compara nueve entornos de agentes de programación con modelos abiertos. En cada comparación solo cambia el entorno: el modelo, el proveedor y el nivel de razonamiento se mantienen fijos, y cada tarea se intenta tres veces. Niklaus afirma que realizó 28.849 pruebas con un coste de inferencia de 4.746 $, usando GLM-5.3-Flash, DeepSeek-V4.1-Flash y Flint en Terminal-Bench 2.1 y DeepSWE. La publicación tenía 625 puntos en X al 6 de noviembre.Village: los modelos de pesos abiertos son la mejor opción en apenas el 3% de los presupuestos, frente al 41% en junio
Village, que publica LLM Atlas, informa que los modelos cerrados ahora ocupan casi todos los puntos de la frontera de precio-rendimiento. Según sus estimaciones, un modelo de pesos abiertos es el más potente en el 3% de los presupuestos, casi todos en el extremo más barato (Gemma 4 E4B de Google y MiMo-V2.6-Flash de Xiaomi). En junio, la proporción era del 41%, cuando DeepSeek V4 Flash por sí solo lideraba casi un tercio de los presupuestos. Village afirma que la proporción actual es la más baja que ha medido; al cierre de cada trimestre desde 2024 había sido de al menos el 6%.
Artificial Analysis sitúa a FLUX 3 Image Klein en el puesto n.º 2 entre los modelos de texto a imagen de pesos abiertos
Artificial Analysis afirma que FLUX 3 Image Klein, de Black Forest Labs, un modelo de imágenes de pesos abiertos con 5,6 B de parámetros lanzado el 15 de octubre, ocupa el puesto n.º 2 entre los modelos de pesos abiertos en su clasificación AA-Image-T2I v2.1, muy cerca del n.º 1, Qwen-Image-2.1. En AA-Image-Editing v2.1 ocupa el puesto n.º 3 entre los modelos de pesos abiertos. Las clasificaciones son propias de Artificial Analysis.Moonshot releases the open weights of Kimi K3.1 Pro
Moonshot posted on X that it is releasing the model weights of Kimi K3.1 Pro, on Hugging Face as moonshotai/Kimi-K3.1-Pro, and said "we'll keep advancing open intelligence." It had promised the weights by November 4 when it launched the model on October 23.Hermes Agent v0.23.0 añade un escritorio en el navegador, /rewind, chats grupales y límites de gasto
Nous Research lanzó Hermes Agent v0.23.0, al que llama Hearth Release. Estos son sus aspectos destacados, según la empresa:Artificial Analysis puntúa al modelo de pesos abiertos Nanbeige4.3-33B con 20 en su Intelligence Index, a la par de Qwen3.8 27B
Artificial Analysis afirma que Nanbeige4.3-33B, el modelo de pesos abiertos de Nanbeige (el equipo de modelos fundacionales de la plataforma china de contratación BOSS Zhipin), obtiene 20 en su Intelligence Index v5, la misma puntuación que Qwen3.8 27B (xhigh). Ambos son modelos densos, con 33B y 27B de parámetros totales, respectivamente. Artificial Analysis señala que el modelo de Nanbeige destaca más en el uso de terminales, pero tiene menos conocimientos, y establece un nuevo punto óptimo de Pareto en el Intelligence Index frente al total de parámetros.Baidu publica como código abierto ERNIE-5.5-Flash-Base, un modelo MoE disperso de 280B parámetros
Baidu ha publicado ERNIE-5.5-Flash-Base en Hugging Face. La ficha del modelo describe ERNIE 5.5 Flash como un modelo de lenguaje eficiente de mezcla dispersa de expertos, con 280B de parámetros totales y 14B activos, preentrenado desde cero con 33,5T de tokens y un contexto de entrenamiento de 128K. El ajuste fino y la inferencia admiten un contexto de hasta 1M de tokens.Ricursive AI lanza Ripple-65B Preview, un modelo de pesos abiertos denso de 65B para programación con agentes
Ricursive AI lanzó Ripple-65B Preview el 4 de noviembre, un modelo de lenguaje denso de 65.000 millones de parámetros que, según afirma, preentrenó desde cero. La empresa sostiene que establece un nuevo estado del arte entre los modelos de pesos abiertos de EE. UU. en tareas de programación con agentes, por delante de modelos mucho más grandes que menciona: Muse Spark Open-816B, Beam-501B, Inkling-975B y Nemotron 3 Ultra-550B. Estas son afirmaciones de la propia empresa.Nous Research reúne los plugins, conectores y skills de Hermes Agent en un solo marketplace
Nous Research anunció en X el 4 de noviembre que los plugins, conectores y skills de Hermes Agent ya están reunidos en un único Hermes Marketplace, donde los usuarios pueden explorar y añadir extensiones con unos pocos clics. El marketplace está en hermes-agent.nousresearch.com/marketplace.Cloudflare publica como código abierto una habilidad de auditoría de seguridad para agentes de programación
La cuenta de desarrolladores de Cloudflare publicó cloudflare/security-audit-skill, una habilidad de código abierto que convierte a un agente de programación en un equipo de auditores de seguridad. Cloudflare afirma que esta habilidad sentó las bases de su propio sistema de detección de vulnerabilidades.Perplexity lanza pplx-embed-v2-context, modelos de embeddings multimodales de pesos abiertos de 9B y 0,6B
Perplexity lanzó pplx-embed-v2-context, dos modelos de embeddings multimodales de pesos abiertos (9B y 0,6B) en Hugging Face, junto con un artículo escrito con turbopuffer. Ambos generan un vector int8 por documento, o uno por fragmento que tiene en cuenta el documento completo, y también funcionan en modo no contextual, con un embedding por documento y sin dividirlo en fragmentos.
OpenCode se reconstruye para ejecutarse dentro de las herramientas de desarrollo del navegador
Adam (adamdotdev) dijo en X el 2 de noviembre que reconstruyó OpenCode para ejecutarse en la consola de las herramientas de desarrollo de un navegador, usando instrucciones console.log para su interfaz. Está basado en un framework que enlaza en textjs.org e invita a desarrolladores y a sus agentes a crear otras aplicaciones de consola con él. Una nota junto a la publicación indica que se está desarrollando una extensión para VS Code y que todavía está pendiente una extensión para las herramientas de desarrollo de Chrome.
Anthropic lanza FlashProve, un prototipo de código abierto para demostrar qué modelo generó una respuesta
Anthropic publicó una investigación sobre inferencia demostrable: una prueba criptográfica (un zkSNARK) de que una respuesta provino de un conjunto específico y comprometido de pesos del modelo, que puede verificar un usuario sin tener los pesos. La publicación señala que esto podría ayudar a detectar si un servicio de enrutamiento sustituyó un modelo en secreto o si un atacante lo manipuló, y podría ofrecer a evaluadores y reguladores una forma de comprobar qué modelo se está usando.
Se lanza Hydrogen-1.0, un modelo de pesos abiertos posentrenado a partir de GLM-5.3
Chenru Duan anuncia Hydrogen-1.0, que el equipo describe como su primer modelo de pesos abiertos para la investigación científica. Se trata de GLM-5.3 (de Z.ai), posentrenado con datos científicos internos del equipo, registros de laboratorio y trayectorias de descubrimiento.
MiniMax reúne cuantizaciones comunitarias para ejecutar M3.1 Flash localmente
MiniMax publicó un resumen de versiones cuantizadas de código abierto, creadas por la comunidad, de su modelo M3.1 Flash de 428B parámetros, dirigidas a quienes lo ejecutan en su propio hardware. MiniMax afirma que los pesos de menos bits reducen la memoria necesaria para cargar el modelo y los datos de pesos transferidos durante la decodificación, y que para que esto resulte útil hacen falta una calibración cuidadosa, kernels eficientes de baja precisión y distribuir los expertos entre la GPU y la RAM del sistema.