I like to investigate, create digital products, I like 2 learn and apply my knowledge some times 2 resolve some kind of problem, sometimes for pure enthusiasm
4K image generation in 10 seconds! ⚡
Meet MiniMax H3-Image.
16 million pixel resolution. Stunning realism. Precise prompt following & editing. Up to 16 reference images. All in 10 seconds.
And it's open-weight. 🚀
Available now via our API, MiniMax Code, and Hailuo AI — with 50% off 16MP+ generations during launch week!
Can't wait to see what you create. 🔥
Hugging Face: https://t.co/bpbJAIvXg0
API: https://t.co/avbsq6GAcM
MiniMax Code: https://t.co/GmxLmDurCL
@fedepardog Hola Fede. Yo he estado experimentando con uno cuando tengo tiempo. Igual podemos hablar mas adelante y comparar notas igual algo de lo que yo tengo se puede sumar a lo tuyo o viceversa
Isaac Newton's Most Productive Quarantine?
From the plague years to calculus, light and gravity—discover the ideas that reshaped science. #IsaacNewton#ScienceHistory
“AI slop” does not even bother me anymore.
What actually pisses me off is the “human slop”:
people who have zero clue how AI works, yelling that it should be banned.
NVIDIA publica un ciclo pr��ctico para mejorar agentes sin tocar solo el modelo: NeMo Compass saca un backlog de fallos desde trazas, Eval Author convierte eso en evaluaciones (Harbor / NeMo Gym) y luego cambias una pieza del harness y mides otra vez.
En su ejemplo Hermes, un ajuste en el system prompt (SOUL.md) pasa las evals de development y held-out a 6/6 y baja tool calls. En un agente de ingeniería de Dassault Systèmes reportan 142→0 tool calls malformados, +28% relativo en el score del workflow y 35% menos tool calls por run en seis escenarios.
La idea que me queda: el harness es superficie de optimización tan real como el modelo. Trazas → test → un cambio → held-out. Muy accionable si ya tienes agentes en producción.
Lo voy a probar con el agente que estoy construyendo 😆
https://t.co/ohl58Q21CY
Apple ML Research publica un enfoque de retrieval aprendido para RAG: en lugar de indexar solo la geometría de las keys, entrenan redes pequeñas (SupportNet / KeyNet) offline para enrutar y reescribir queries según cómo se comportan de verdad en producción.
En Natural Questions (~2,6M pasajes) reportan, entre otras cifras, routing ~1,9× más rápido a ~95% de recall frente a centroides, y con KeyNet + IVF hasta ~8× menos latencia para llegar al 99% de recall. La intuición es clara: en RAG pregunta corta ≠ documento largo, y si conoces la distribución de queries puedes amortizar cómputo.
Si montas RAG en serio, este paper de ICML 2026 merece una lectura: empuja el retrieval hacia “aprendido para tus queries”, no genérico para cualquier vector.
https://t.co/wknGouaDFa
Vercel Schedules ya está en beta pública en todos los planes, y llega como sucesor de los Cron Jobs.
Sirve para lanzar tareas de forma recurrente o en un momento concreto, en producción, preview o entornos personalizados. Puedes definirlas en vercel.json, apuntando a una Function privada, a una ruta HTTP o a un topic de Vercel Queues, o crearlas en tiempo de ejecución. Cualquiera se puede activar, desactivar o lanzar a mano sin volver a desplegar.
Los Cron Jobs actuales siguen funcionando y hay guía de migración. El plan Hobby incluye 500 creaciones y 5.000 ejecuciones al mes.
Lo que más me llama es poder crearlas en runtime: que la propia app o un agente programe su siguiente tarea sin tocar configuración ni hacer redeploy. En Apto B, que vive en Vercel, es de lo primero que probare para recordatorios y procesos diferidos.
Vercel Schedules is now in public beta.
Agents and applications can now schedule and manage their own work.
▪︎ Define static jobs once in code
▪︎ Create dynamic ones at runtime
▪︎ Run in any environment, including preview
https://t.co/yDAYTPzbi6
Thinking Machines Lab ha presentado Inkling 2 Small, la segunda generación de su familia Inkling.
Es un MoE con 594B de parámetros totales y 17B activos, con entrada de imagen y esfuerzo variable. Según el blog oficial, marca unos 30,6 en el Artificial Analysis Index v5.0 (ellos lo redondean a 31 en X). Ya está en Tinker para inferencia y fine-tuning con pesos cerrados; planean liberar los pesos completos bajo Apache 2.0 la semana que viene, tras pruebas de seguridad externas.
Para quien entrena modelos a medida, lo jugoso es que el customizing en Tinker está disponible desde el día uno, con la apertura de pesos en camino.
Introducing Inkling 2 Small. Scoring 31 on the AA Intelligence Index, it's a big jump over its predecessor.
Inkling 2 Small is available for fine-tuning and inference on Tinker today, with full weight release planned soon.
https://t.co/VR02tw73fJ
Por acá yo con un M5 de 24 lo que les recomiendo es que esperen un poco mas y si van invertir ese dinero mejor en el miniordenador con el chip RTX Spark que va sacar NVidia para finales de año directamente tiene potencia y capacidad para ejecutar modelos locales bastantes grandes, ademas de la ventaja del cuda y la Ram de 128 unificada, lo hacen como su server y acceden desde sus ordenadores vamos me parece mejor que gastar un pastizal en otro mac que se ven muy limitados para IA por la poca compatibilidad y rendimiento actual de mlx
Hey @jonathan_wilke, I’m the guy who always arrives late — the one who shows up when the party’s already over.
Built https://t.co/yww9YRyhcP anyway.
Better late than never, right? 😅
Fun fact about building https://t.co/ZElVA2hguv:
I had never heard of the million dollar homepage before someone told me about it after seeing outbid.
Had I known about it I would probably not have built outbid because I would have felt like a copycat.
Do You Really Know Albert Einstein?
A patent clerk changed space, time, light, and gravity—ideas that still power GPS, solar cells, and gravitational-wave science.
#AlbertEinstein#Physics#JeniusTrail
Sabías que #OpenAI ofrece un modelo gratuito para moderación de contenido acepta texto, e imágenes las analiza y te da el resultado incluso con la api es free
el modelo es:
omni-moderation-latest
De nada😉