Análisis de tendencias de IA

Todos los análisis publicados, empezando por los más recientes.

La tabla de longitud de aceptación de la ficha del modelo: GSM8K 5.02 para MTP, 4.36 para DSpark, 5.46 para DFlash 2, bajando hasta MT-Bench con 3.74, 3.01 y 4.10, sobre una definición de longitud de aceptación como tokens completados dividido entre pasos de verificación.

DFlash 2: un drafter de 3.43× que cae a 1.45× bajo carga

El drafter de difusión por bloques de Inco AI llega a 3.43× en GSM8K con una sola solicitud y 1.45× en concurrencia 32. Esto cuesta en memoria y varianza.

Diagrama del bucle de decisión de jev-ultrafast: el estado de la página se convierte en una tabla indexada de elementos, una solicitud tipada devuelve una operación y su objetivo, y un modelo de lenguaje pequeño solo se invoca para TYPE_TEXT antes de que el ejecutor actúe.

Jev Ultrafast: el agente de navegador que dejó de escribir texto

jev-ultrafast (browser-use) completa una búsqueda en Google Flights en 7,1 s sustituyendo el bucle del agente por una decisión tipada por ciclo. Aquí está la trampa.

La tabla Measured on M3 Max del README de laya-coreml: MLX FP16 compilado en 6.94/7.39 ms y 0.4288 J por decisión, Core ML ANE FP16 en 4.98/5.31 ms y 0.1540 J, Core ML ANE W8 en 4.88/5.23 ms y 0.1344 J, sobre 65,598 llamadas estables.

Laya en el Neural Engine: 4.98 ms y 0.154 J por decisión

El port de Core ML de mizorewww ejecuta una decisión tipada de Laya en 4.98 ms y 0.154 J en un M3 Max. Lo que demuestran las pruebas de paridad, y lo que no.

Gráfico de barras y tabla titulados Evaluation on 324 held-out examples: Jev 1.13.0 al 93.21 por ciento, Bespoke-Nimble-9B al 90.12 por ciento, Qwen3.8-27B al 84.88 por ciento, y el modelo base Qwen3.5-9B sin ajustar al 66.36 por ciento.

Nimble: 2,676 ejemplos para acercarse a Jev en tres puntos

Bespoke Labs ajustó Qwen3.5-9B con 2,676 ejemplos sintéticos. Alcanza 90.12% frente al 93.21% de Jev, y su evaluación cubre seis de diez dominios entrenados.