Xiaomi Research publicó Xiaomi-OCR-0, un modelo de 0,8 mil millones de parámetros para comprensión de documentos y OCR, con licencia Apache-2.0. La empresa afirma que compite con sistemas mayores en varias pruebas de documentos. Basado en Qwen3.5-0.8B-Base, admite analizar páginas, extraer texto de regiones seleccionadas, extraer información según un esquema y responder preguntas visuales. Xiaomi informa que lo entrenó con unos 170 millones de muestras y obtuvo una media de 83,2 en cinco pruebas OCR-VQA.
Investigadores de Stanford probaron en 20 modelos 50 afirmaciones sobre LLM citadas con frecuencia. Consideraron que el 44 % había caducado y que otro 34 % se había debilitado significativamente. El análisis abarcó modelos publicados entre julio de 2024 y septiembre de 2026. Los 22 hallazgos con una fecha de caducidad estimada duraron, en promedio, 15,7 meses. Los nueve hallazgos sobre razonamiento se habían debilitado o caducado, mientras que algunas afirmaciones sobre preferencias y tendencias persistieron más.
Ai2 lanzó OlmoEarth v1.3 con representaciones satelitales globales y un explorador web. Las herramientas permiten investigar cambios temporales y localizar lugares similares en datos satelitales.
Google DeepMind y sus socios publicaron un mapa de bosques y usos del suelo. Forest Typology 2020 clasifica parcelas de diez metros para distinguir bosques naturales, plantaciones y terrenos agrícolas.
NVIDIA amplió Nemotron Retriever con modelos de embeddings, reordenación y análisis documental. El lanzamiento busca recuperar pruebas relevantes y extraer contenido de documentos para agentes empresariales.
Anthropic presentó Claude Haiku 5.5 para tareas rápidas y de gran volumen. La empresa destaca resúmenes, clasificación y atención al cliente; conviene comprobar sus afirmaciones con ejemplos propios.
AT&T ha publicado OTel 2.0 en Hugging Face, un modelo de 31B basado en Gemma 4 y entrenado posteriormente con 440.000 millones de tokens de datos sobre estándares de telecomunicaciones. La fuente menciona la eficiencia de QLoRA, pero no ofrece más detalles. OTel 2.0 se presenta como un modelo abierto especializado en telecomunicaciones. La fuente no detalla la configuración de QLoRA.
Hugging Face presentó compatibilidad nativa con TPU mediante TorchTPU. La integración conecta Transformers, Diffusers y Kernels con flujos PyTorch ejecutados en TPU.
LLM Course de Hugging Face presenta los modelos de lenguaje y sus herramientas. Incluye Transformers, conjuntos de datos, tokenizadores y entrenamiento; es un recurso formativo, no una noticia reciente.
