Alibaba triplicó precios de DeepSeek sin avisar.

SF Compute ejecutó con éxito una venta de computación por $245 millones.

Esta transacción destaca la intensa y sostenida demanda de recursos computacionales programables en el mercado actual. A medida que los laboratorios y las empresas escalan sus cargas de trabajo de entrenamiento e inferencia, la lucha por la capacidad de computación garantizada ha creado una clase de activos distinta.

Para los desarrolladores, esto indica que el mercado de infraestructura subyacente sigue siendo ferozmente competitivo. Si se están cerrando acuerdos de nueve cifras por el acceso a la computación, el costo del poder de procesamiento bruto no bajará pronto. Los ganadores aquí son los intermediarios de infraestructura; los perdedores son los equipos más pequeños que esperaban que la abundancia de hardware redujera sus costos de servidor.

Meta debutó Muse Wonder Full (Max) en el puesto número seis en Code Arena WebDev, estableciendo a Meta como el tercer laboratorio. Junto con el modelo insignia, Meta publicó un informe técnico sobre Muse Glimmer, un modelo agéntico de peso abierto de 30B construido específicamente para la implementación en una sola GPU de consumo, detallando su receta de destilación y métodos de entrenamiento.

El doble lanzamiento muestra a Meta atacando ambos extremos del espectro: compitiendo en benchmarks de primer nivel mientras asegura que los desarrolladores independientes puedan ejecutar sus modelos localmente. La receta de destilación para Muse Glimmer es particularmente valiosa para los investigadores que intentan integrar el comportamiento agéntico en hardware limitado.

Meta continúa obligando al resto de la industria a justificar sus barreras de entrada de código cerrado. Si un modelo de 30B en una sola GPU puede manejar tareas agénticas locales, el mercado de llamadas API de nivel medio de laboratorios cerrados se reducirá drásticamente.

MiniMax lanzó oficialmente M3.1 Flash, confirmando que es el modelo sigiloso 'Space Bunny' que previamente dominó las tablas de clasificación de uso. La compañía afirma que el nuevo modelo funciona a un tercio del costo y tres veces la velocidad de M3, mostrando un fuerte rendimiento en DeepSWE, Automation-Bench y BabyVision.

La transición de una prueba de "patio de juegos" sigilosa a un lanzamiento oficial ofrece a los desarrolladores una nueva opción de alta velocidad y rentable para flujos de trabajo automatizados. Sin embargo, las evaluaciones independientes indican una alta tasa de "alucinaciones" a pesar de su precisión en tareas específicas.

Los desarrolladores que buscan velocidad y bajo costo se beneficiarán, pero la compensación por las "alucinaciones" significa que M3.1 Flash requiere una estricta validación de la salida. Es una herramienta para tareas restringidas y de alto volumen, no para razonamiento abierto.

NVIDIA lanzó Nemotron 3.5, un modelo diseñado específicamente para abaratar la inferencia de IA. La arquitectura presenta un diseño híbrido Mamba-Transformer y Mixture-of-Experts con un total de 120B parámetros, pero solo 12B activos por token. También incluye decodificación especulativa nativa para la predicción de múltiples tokens.

A medida que los costos de inferencia se convierten en el principal cuello de botella para la IA en producción, NVIDIA está proporcionando una solución estructural. Al mantener bajo el número de parámetros activos e incorporar la decodificación especulativa, Nemotron 3.5 permite a los equipos ejecutar un modelo masivo sin el impuesto computacional correspondiente.

Este lanzamiento solidifica el control de NVIDIA sobre el ecosistema. No solo venden los chips; también están enviando las arquitecturas optimizadas que hacen que esos chips sean económicamente viables para la inferencia a escala.

Inception lanzó Mercury 3, declarándolo el LLM de difusión más capaz disponible. La compañía afirma que supera a GPT-6 Luna y Haiku 5.5 en calidad mientras genera más de 1,000 tokens por segundo, señalando que es 40 veces más grande que Mercury 1.

Las afirmaciones de rendimiento son asombrosas, pero el aumento masivo de tamaño plantea preguntas inmediatas sobre quién puede realmente permitirse ejecutarlo. Un modelo tan grande operando a esa velocidad requiere una infraestructura seria, lo que lo pone fuera del alcance de la mayoría de los desarrolladores independientes.

Si las afirmaciones de calidad de Inception se mantienen bajo pruebas independientes, ganarán el mercado de generación de alta gama. Sin embargo, sin recuentos de parámetros confirmados o detalles de accesibilidad, actualmente parece más una demostración de poder que una herramienta práctica para el desarrollador promedio.