Reflection's Beam 1.0 llega a OpenRouter como un MoE de codificación de 501B

Episodio 123 — 16 de octubre de 2026

[00:00] Gancho del episodio

Beam 1.0 de Reflection llegó a OpenRouter como un modelo de razonamiento de mezcla dispersa de expertos con 501 mil millones de parámetros y 23 mil millones de parámetros activos. Hermes Agent envió v0.22.2 el 15 de octubre de 2026 para revertir una compilación defectuosa de v0.22.1 que había sido ensamblada a partir del commit incorrecto e incluía trabajo de gateway no publicado. NVIDIA completó su familia abierta Nemotron con tres modelos, encabezados por Nemotron 3.5 Super VL de 120 mil millones de parámetros para agentes de alto volumen siempre activos, además de variantes Bolt edge para despliegues más ajustados. Apple publicó una guía para ejecutar el modelo Muse Spark Open de casi un billón de parámetros en un clúster de Mac Studios usando MLX y una estructura RDMA sobre Thunderbolt. El editor arquitectónico 3D de código abierto Pascal Editor envió una CLI local y herramientas de Model Context Protocol orientadas a flujos de trabajo de agentes de IA. OpenBMB publicó un checkpoint de borrador DSpark cuantizado en GGUF para MiniCPM-V 4.7, agregando decodificación especulativa al modelo de lenguaje visión de 35 mil millones de parámetros.

[02:00] Lectura del lanzamiento del Agent Stack: Hermes Agent v0.22.2, v0.22.1, v0.22.0, v0.21.7

Hermes Agent v0.22.2 se envió el 15 de octubre de 2026, y es la versión que v0.22.1 debería haber sido. El día anterior, v0.22.1 se construyó a partir del commit incorrecto, lo que significa que incluía trabajo de gateway no publicado, y la versión de Microsoft Store podría quedarse en una pantalla de "Conectando". La 0.22.2 revierte ese error y envía dos correcciones en su lugar.

La más importante de las dos es un error de reinicio. En Linux, después de un reinicio, el kernel puede entregar un PID temprano que termina perteneciendo a algún proceso completamente no relacionado que se inició primero. El gateway supervisado —systemd, launchd, Docker— luego vería lo que parecía un gateway en ejecución y se negaría a iniciar. Hermes ahora registra en qué arranque se inició, y cuando no puede determinarlo, consulta el bloqueo del host, que solo un gateway activo realmente mantiene.

La otra es una mejora de ergonomía para laptops con modelos locales. Las solicitudes locales ahora siempre transmiten el progreso de lectura del prompt en la línea de estado, para que puedas ver qué tan lejos ha llegado el servidor en un prompt largo. Los temporizadores de bloqueo omiten el tiempo que la laptop estuvo dormida, para que una conversación dormida no parezca bloqueada. Un servidor local recuperado obtiene un intento más de reintento en lugar de un interruptor de circuito que falla en cada turno posterior. La compresión ya no agota el tiempo de espera mientras el servidor aún está leyendo una conversación larga. En máquinas Windows con memoria unificada, el lanzamiento del modelo y la caché de prompts se dimensionan para liberar memoria, lo cual importa cuando no hay un pool de VRAM separado.

Una advertencia que el proyecto está señalando: las sesiones que se ejecutaron bajo el gateway 0.22.1 no se pueden eliminar en 0.22.2. Cualquier cosa que se haya iniciado limpiamente bajo la compilación correcta se puede borrar; solo las sesiones de la compilación defectuosa están atrapadas.

Contexto para la línea: v0.22.0 salió el 13 de octubre como la "Versión Umbral", descrita por el proyecto como la ventana más grande que Hermes ha enviado, aproximadamente 2.5 veces el ciclo de v0.21.0. Las adiciones principales fueron una guía de configuración de primer lanzamiento que se ejecuta en un modelo de prueba gratuita para que los recién llegados no necesiten una clave API para comenzar, conectores que llevan el agente a aplicaciones alojadas, un tiempo de ejecución llama.cpp de un clic para modelos locales, y paquetes de escritorio firmados incluyendo la compilación de Microsoft Store.

Para los constructores, esto es principalmente una actualización de estabilidad. Si tu gateway supervisado se negó a iniciar después de un reinicio del servidor, o tu aplicación de Store se congeló en Conectando, esta actualización es la solución. Los entusiastas de modelos locales, especialmente en laptops Windows con memoria unificada, obtienen una experiencia más silenciosa en conversaciones largas y cuando la laptop está dormida.

[03:47] Beam 1.0 de Reflection se lista en OpenRouter como un MoE de codificación de 501B

Un nuevo modelo de razonamiento de peso abierto de Reflection llamado Beam 1.0 ha aparecido en OpenRouter como una lista de modelo. Es un modelo de mezcla dispersa de expertos con 501 mil millones de parámetros totales y 23 mil millones de activos por token, una ventana de contexto de un millón de tokens, y está posicionado para codificación y flujos de trabajo agenticos de largo alcance. La forma ofrecida es una herramienta de trabajo: un MoE de medio billón de parámetros orientado a codificación agentica, con suficiente contexto para mantener un proyecto serio en una sola sesión. El modelo está listado en OpenRouter bajo el identificador reflection/beam-1.0-501b-a23b.

[04:38] MLX de Apple ejecuta Muse Spark Open de casi un billón de parámetros en un clúster de Mac Studio

El grupo de investigación de ML de Apple publicó una guía práctica para ejecutar modelos de lenguaje de frontera completamente en hardware de Mac Studio usando MLX, su marco de arrays de código abierto. El resultado destacado: un modelo de mezcla de expertos de casi un billón de parámetros llamado Muse Spark Open genera más de 36 tokens por segundo cuando se distribuye en cuatro Mac Studios con chips M5 Ultra, muy por encima de la velocidad de lectura promedio.

En un solo Mac Studio M5 Ultra con 512GB de memoria unificada, Mistral Medium 3.5 (128 mil millones de parámetros) y Qwen 3.8 (27 mil millones de parámetros) caben cómodamente. La generación M5 agrega un Acelerador Neural de GPU dedicado a la multiplicación de matrices, lo que se traduce en hasta 4.6× más rápido tiempo hasta el primer token comparado con el M3 Ultra. La velocidad de decodificación, que está limitada por el ancho de banda de memoria, mejora en aproximadamente 1.6× gracias a los 1.2 TB/s de ancho de banda de memoria unificada del M5 Ultra, frente a los 819 GB/s del M3 Ultra. La potencia máxima se mantiene alrededor de 300 vatios, aproximadamente lo que consume una tostadora.

Muse Spark Open, con 816 mil millones de parámetros totales y 42 mil millones de activos por token, necesita aproximadamente 493GB en cuantización NVFP4, demasiado grande para una sola máquina. MLX v0.30.1 y posteriores, emparejados con el controlador RDMA sobre Thunderbolt 5 de baja latencia de macOS 26.2, divide el modelo en múltiples Macs usando nuevos colectores de comunicación llamados jaccl. MLX soporta dos enfoques: paralelismo de pipeline, que divide el modelo a lo largo de la profundidad (una Mac ejecuta la primera mitad de las capas, luego pasa los resultados a la segunda), y paralelismo de tensor, que divide a lo ancho. Un comando de ayuda, mlx.launch, facilita iniciar trabajos en múltiples hosts a través de un par conectado por Thunderbolt.

Para los constructores, el flujo de trabajo significa que los modelos grandes pueden permanecer locales en hardware de oficina, soportando codificación agentica privada y otras cargas de trabajo pesadas en contexto sin tocar la nube.

[06:22] El editor arquitectónico 3D de código abierto envía CLI y herramientas MCP para agentes de IA

El repositorio Pascal Editor, un editor arquitectónico 3D de código abierto, recientemente publicó actualizaciones incluyendo su paquete @pascal-app/cli en la versión 1.0.4 el 13 de octubre, con el repositorio نفسه actualizado nuevamente el 16 de octubre. El proyecto envía una interfaz de línea de comandos local y herramientas de Model Context Protocol, y se describe como compatible con flujos de trabajo prácticos tanto para diseñadores humanos como para agentes de IA. La pieza MCP es la parte interesante: MCP es el estándar que permite a los asistentes de IA llamar herramientas externas, por lo que integrarlo en un editor 3D significa que los flujos de trabajo impulsados por agentes son una preocupación de primera clase, no un pensamiento posterior añadido. El repositorio tiene alrededor de 24,900 estrellas en GitHub, lo que sugiere que ya se ha formado una audiencia establecida de constructores. Para los desarrolladores, la conclusión es que una CLI más herramientas MCP hace que el editor sea programable y accesible para agentes desde el primer día, útil si quieres automatizar tareas de modelado repetitivas o entregar partes del proceso de diseño a un asistente de IA sin renunciar a un flujo de trabajo humano directo. La actualización del 16 de octubre muestra mantenimiento activo. Hay que estar atentos a la documentación de qué herramientas MCP específicas se envían y qué operaciones de escena exponen, ya que esa lista determinará cuánto del editor puede manejar un agente por sí mismo.

[07:37] MiniCPM-V 4.7 obtiene un aumento de velocidad mediante decodificación especulativa

OpenBMB publicó un checkpoint de borrador DSpark cuantizado en GGUF para MiniCPM-V 4.7 en Hugging Face, habilitando la decodificación especulativa con llama.cpp. MiniCPM-V es una familia de modelos de lenguaje visión-lenguaje abiertos diseñados para implementación en dispositivos y bordes, y este repositorio permite ejecutarlo con decodificación especulativa de llama.cpp. La decodificación especulativa empareja un pequeño modelo borrador que predice múltiples tokens con un modelo objetivo más grande que verifica esas predicciones en paralelo. En lugar de esperar a que el modelo completo de 35 mil millones de parámetros genere un token a la vez, el borrador propone un lote que el objetivo confirma o rechaza, lo cual acelera la tasa de salida visible. El borrador tiene aproximadamente 389 millones de parámetros y predice 15 tokens por pasada hacia adelante, apuntando a capas específicas de estado oculto en el modelo base. Los números de evaluación muestran longitudes de aceptación que van desde aproximadamente 3.5 tokens por ronda de verificación en texto general hasta 7.4 en tareas de código, con benchmarks de visión como MMMU y MathVista rondando los 5 a 6 tokens aceptados. Para usarlo, descarga el modelo objetivo, su proyector de visión, y el borrador cuantizado, luego ejecútalo con el tipo spec draft-dspark en llama-cli o lancégalo como un servidor multimodal. El borrador debe estar emparejado con el objetivo MiniCPM-V 4.7 35B-A3B correspondiente, y requiere una compilación de llama.cpp que soporte la arquitectura dflash y el cabezal Markov de DSpark. Cuantizar el borrador en sí solo afecta la frecuencia con la que se aceptan las predicciones, nunca la salida final, por lo que los desarrolladores pueden usar el borrador cuantizado más pequeño que se ajuste a su presupuesto de memoria. El modelo borrador predice 15 tokens por pasada hacia adelante, y los benchmarks muestran promedios reportados por el editor de 3.501 tokens aceptados por paso de verificación en texto general y 7.387 en generación de código. El borrador cuantizado funciona con llama-cli o llama-server usando el flag --spec-type draft-dspark, requiriendo una compilación de llama.cpp con arquitectura dflash.

[09:24] NVIDIA Expande la Familia Nemotron con Modelos Super VL y Bolt Edge

NVIDIA expandió esta semana su familia Nemotron abierta con tres modelos que cubren todo el rango de implementación de agentes — desde el centro de datos hasta escritorios RTX. El modelo insignia es Nemotron 3.5 Super VL, un modelo abierto de 120 mil millones de parámetros construido con la Coalición Nemotron para agentes de alto volumen siempre activos. NVIDIA dice que coincide con la precisión de su modelo de razonamiento más grande en aproximadamente una quinta parte del conteo de parámetros, y funciona hasta 5 veces más rápido que el siguiente mejor en su clase en el Índice de Inteligencia Artificial de Artificial Analysis.

Bolt 74B-A9B 24GB está diseñado para cargas de trabajo de agentes locales en RTX y DGX Spark. El truco es una cuantización nativa de 2 bits — una compresión que mete el modelo de 74 mil millones de parámetros en 24GB de memoria, dejando espacio para otras aplicaciones. NVIDIA lo clasifica como el modelo abierto #1 en su clase de memoria en PinchBench y #2 en BrowseComp. Soporta llama.cpp, Ollama, LM Studio, Unsloth, y vLLM.

Un tercer modelo, Bolt E4B 4GB, se lanza el 23 de octubre para agentes conversacionales y físicos en GeForce RTX, Jetson, y DGX Spark. Super VL y Bolt 74B-A9B están disponibles ahora en Hugging Face, Open Router, ModelScope, y como microservicios NVIDIA NIM.

Super VL fue entrenado en aproximadamente 26 billones de tokens y post-entrenado con aproximadamente 3.8 millones de muestras en docenas de entornos de aprendizaje por refuerzo. NVIDIA también está liberando conjuntos de datos abiertos en Hugging Face para uso de herramientas, finanzas, seguimiento de instrucciones, contexto largo, equidad, y comprensión visión-lenguaje, además de los entornos de aprendizaje por refuerzo en NeMo Gym.

La canalización de personalización ya está ocupada: Scale AI lo adaptó para el agente de finanzas de crédito de proveedor de Skydance y el agente de diligencia debida de M&A de EY; AfterQuery lo ajustó para el análisis de acuerdos de crédito de Hebbia; Mercor post-entrenó para agentes de codificación en el benchmark APEX-SWE; e integraciones están activas en Atlassian, CrowdStrike, Dassault Systèmes, Perplexity, Salesforce, y Synopsys. Escalado en NVIDIA Dynamo, NVIDIA reclama hasta 8x más usuarios con 85% menor latencia.

[11:17] Resumen de investigación: Cuatro Agentes de IA Derrotan al Ender Dragon de Minecraft Juntos

Un equipo de cuatro agentes Gemini 4 Argon ha derrotado al Ender Dragon de Minecraft en un mundo survival en sandbox, y el artículo describiendo la corrida está en tendencia en el feed diario de HuggingFace. Cada agente controlaba un jugador a través de una biblioteca de código abierto llamada Mineflayer. Los agentes hablaban entre sí en el chat del juego y mantenían una memoria compartida que podían leer y escribir, pero nadie les asignó roles ni les dio lógica del juego. Los agentes planearon, escribieron y depuraron cada programa ellos mismos mientras la corrida se desarrollaba. Los investigadores observaron todo el asunto en un dashboard en vivo y podían pausar o detener los agentes en cualquier momento, aunque dicen que nunca necesitaron hacerlo. El punto no es solo un trofeo de Minecraft — es una demostración limpia de coordinación multi-agente en una tarea de final abierto. Con nada más que chat, memoria compartida, y la capacidad de escribir su propio código, cuatro modelos manejaron una meta de horizonte largo que normalmente demanda horas de juego humano. Ese es el patrón que cualquiera construyendo stacks de agentes debería estar observando de cerca.

[12:21] Grok Voice 3.0 Lidera el Índice de Voz a Voz a los Mismos $0.08 el Minuto

xAI lanzó Grok Voice 3.0 hoy, un modelo de voz a voz que lidera el Índice de Voz a Voz de Artificial Analysis con una puntuación de 86.9, por delante de su propio predecesor en 81.3 y por delante de GPT-Live-1 (Astra, Medium) en 83.2 y Gemini 3.8 Live (Ext. Thinking, High) en 82.6. El modelo logra latencia de sub-segundo, cuesta menos por tarea que modelos comparables en la corrida de Audio Big Bench de Artificial Analysis, y tiene el mismo precio que Grok Voice 2.0 a $0.08 por minuto en la API de Agente de Voz.

En los sub-puntajes más difíciles, Grok Voice 3.0 obtiene 98.5% en Speech Reasoning Big Bench Audio, 1070 Elo en Human Preference Speech Agent Arena, 94.8% en Task Completion, y 97.0% en Full Duplex Bench, este último midiendo qué tan naturalmente un modelo maneja pausas, turnos e interrupciones. En EVA-Bench de ServiceNow, que puntúa agentes de voz empresariales en más de 200 escenarios, obtiene 74% de precisión y lidera en un puntaje combinado de precisión y experiencia. Nitin Aggarwal de ServiceNow lo llamó una nueva frontera de Pareto para IA de servicio al cliente de primera línea.

El modelo ya está funcionando a escala. Tesla lo usa para millones de conversaciones diarias dentro del auto, donde los conductores revisan calendarios, envían emails, ordenan café, o reservan cenas con manos libres a través de Grok Bot. Los centros de llamadas de Starlink enrutan 20,000 llamadas al día a través de Grok Voice en múltiples idiomas, con aproximadamente 70% resolviéndose sin humano involucrado y aproximadamente una de cada cuatro llamadas de ventas terminando en una compra. Agentes existentes construidos sobre grok-voice-latest ya han sido migrados sin cambios de código.

[13:52] El Paquete de $30 de xAI Mete los Modelos Grok Dentro de Cursor

xAI lanzó un paquete de suscripción única que reúne su asistente Grok, Grok Bot, el agente de codificación Cursor, y X Premium, con el nivel Premium priced a $30 al mes y posicionado como reemplazo de aproximadamente $90 en suscripciones separadas. La columna vertebral del trato es un pool compartido de uso de modelos Grok que viaja a través del chat de Grok, voz, generación de imágenes y video, y dentro de los agentes de codificación de Cursor. Los modelos de terceros en Cursor todavía funcionan en Premium y superior, facturados por separado a través de recargas de API al precio de lista.

La alineación comienza en un nivel gratuito con acceso diario a Grok y una asignación inicial de Cursor. Plus corre $8 al mes con más uso de IA en Grok y Cursor más una verificación de X y menos anuncios. Premium a $30 desbloquea lo que solía ser SuperGrok, Cursor Pro, y X Premium+ combinados, con cuatro veces el uso de Plus. Super a $100 lo multiplica por quince, y Ultra a $200 por cincuenta. xAI dice que cada nivel pagado incluye al menos el doble del uso de codificación con sus modelos que el plan independiente comparable de Cursor.

Para equipos, Premium, Super, y Ultra están disponibles por asiento a los mismos precios individuales, reemplazando los precios antiguos de Cursor Teams mientras agregan tres veces el uso de codificación más SSO, controles de administrador, facturación consolidada, análisis de uso, y cumplimiento SOC 2. Los clientes empresariales obtienen un único dashboard gestionando Grok y Cursor con un pool de uso compartido. Los suscriptores existentes de SuperGrok, Cursor, y X Premium pueden mantener su plan actual o cambiar a través de la facturación de la cuenta con reembolsos prorrateados durante la ventana de transición.

[15:29] mcp-use 2.10 llega para un framework MCP fullstack cubriendo ChatGPT, Claude, y servidores de agentes

mcp-use, un framework de código abierto para construir apps MCP, lanzó la versión 2.10 el 14 de octubre. El proyecto se posiciona como fullstack: una única base de código que apunta a apps MCP para ChatGPT y Claude en el frontend, y servidores MCP para agentes de IA en el backend. El repositorio reporta 10,772 estrellas en GitHub, poniéndolo entre los kits de desarrollador MCP más populares en circulación activa.

Para los constructores, el argumento práctico es la consolidación. En lugar de mantener dos integraciones paralelas, un equipo puede escribir una vez y enviar a ambas superficies de chat principales, mientras también expone un servidor MCP que los agentes pueden invocar. Ese componente de servidor importa porque el ecosistema MCP asume cada vez más que los agentes descubrirán e invocarán herramientas a través de un protocolo compartido en lugar de endpoints REST personalizados. Un framework unificado reduce el costo de soportar ambas direcciones desde un proyecto.

Lo que cambió específicamente en la versión 2.10 no está documentado en las notas de lanzamiento visibles aquí, por lo que el aspecto noticioso es que el proyecto está activamente enviando actualizaciones y continúa ganando tracción. Los desarrolladores que evalúan stacks de MCP ahora tienen una opción de framework único que cubre tanto el despliegue de aplicaciones de chat como de servidores, y una comunidad lo suficientemente grande para que las preguntas y ejemplos tiendan a surgir rápidamente.

Algo a observar: cómo el framework maneja la divergencia a medida que ChatGPT y Claude evolucionan sus implementaciones de MCP de forma independiente, ya que las superficies unificadas a menudo pagan por la amplitud con ocasionales retrasos detrás de las características específicas de cada plataforma.

[16:55] Third Moment Research Ejecuta 10,000 Agentes Durante Más de 36 Horas Seguidas

Un laboratorio de investigación llamado Third Moment Research mantiene diez mil agentes de IA ejecutándose durante más de treinta y seis horas seguidas, usando GPT-6 Astra y GPT-6.1 Sol, Codex, y Daybreak — este último maneja trabajo de ciberseguridad. La configuración, presentada en el índice de noticias de OpenAI a mediados de octubre, está posicionada alrededor de agentes que mantienen su enfoque durante días y mejoran cuanto más se usan.

El número del titular importa. La mayoría de los agentes en producción hoy terminan su trabajo en segundos o minutos; una configuración que mantiene diez mil agentes concurrentes durante más de un día y medio apunta a una clase diferente de despliegue. El hecho de que OpenAI esté mostrando la configuración del laboratorio señala que la familia GPT-6 subyacente y Codex pueden sostener ese tipo de carga multi-día.

El stack está estratificado en lugar de ser de modelo único. Third Moment ejecuta GPT-6 Astra y GPT-6.1 Sol como columna vertebral, Codex para código y ejecución, y Daybreak para tareas de seguridad. El enfoque del laboratorio — agentes que mejoran con el uso — sugiere que mientras más larga sea la ejecución, más aprenden los agentes de su trabajo acumulado, que es la parte que vale la pena observar.

Para los constructores, la conclusión es que los flujos de trabajo de múltiples agentes de larga duración han dejado atrás las demos. Si un solo laboratorio puede mantener diez mil agentes coherentes durante treinta y seis horas, las plantillas para operaciones sostenidas de agentes están empezando a existir. Vale la pena observar a continuación: qué están haciendo realmente esos agentes a lo largo de la ejecución, y si otros laboratorios publican números comparables.

[18:25] El equipo de seguridad de Block reduce la respuesta a amenazas a minutos con OpenAI

Block está poniendo los modelos de OpenAI a trabajar dentro de su organización de seguridad, y los primeros resultados son concretos: el equipo investiga amenazas más rápido y propone parches en minutos. La colaboración salió a la superficie a través de OpenAI News el 14 de octubre de 2026.

Lo que cambió es dónde se sitúa el modelo en el flujo de trabajo. En lugar de ser usado para chat o resúmenes, la tecnología de OpenAI está incrustada en el loop de investigación y remediación de amenazas. El equipo aún posee las decisiones, pero el modelo está ayudando a reducir el tiempo desde la detección hasta un parche candidato. Eso importa porque en seguridad la brecha entre detectar algo y actuar sobre ello es donde ocurre la mayor parte del daño.

Para constructores y equipos de seguridad, esta es una señal útil. Los modelos generativos ahora están siendo confiados dentro de un pipeline de respuesta a incidentes empresariales, no solo en el borde como asistente. El patrón que vale la pena adoptar es directo: dale al modelo el mismo contexto que ven tus analistas, deja que proponga un parche, y mantén un humano en el loop de aprobación. El tiempo de respuesta a escala de minutos es la métrica que importa, y es la que hay que observar a medida que más organizaciones de seguridad publiquen números similares.

[19:35] Small Vision Model Obtiene Impulso de Draft para IA Local

OpenBMB publicó un checkpoint de draft DSpark cuantizado en GGUF para MiniCPM-V-4.7-1B en Hugging Face, dando a los constructores de IA local una nueva herramienta para ejecutar inferencia visión-lenguaje con decodificación especulativa. MiniCPM-V-4.7-1B es un modelo de un solo mil millones de parámetros que maneja imágenes y texto, construido para despliegue en dispositivo y en el borde. El draft de DSpark es un checkpoint ligero separado entrenado para generar tokens candidatos que el modelo principal luego verifica. Tiene 5 capas de draft produciendo 15 tokens por pasada hacia adelante, dibujando de capas específicas de estado oculto del objetivo. El draft cuantizado en GGUF es descargable desde Hugging Face junto con el modelo objetivo y el proyector de visión para despliegue local. Las métricas de longitud de aceptación de la tarjeta del modelo muestran la proporción de tokens aceptados a pasos de verificación, alcanzando 5.891x en tareas de matemáticas y 4.752x en benchmarks de OCR, lo que significa que las predicciones del draft se alinean estrechamente con lo que el modelo objetivo habría generado. Esto importa para la inferencia local porque la decodificación especulativa puede mejorar el rendimiento incluso en hardware modesto, ya que el draft maneja la predicción inicial de tokens y el objetivo lo confirma o corrige. Los desarrolladores que ejecutan llama-cli o llama-server pueden configurar la descarga de GPU al máximo tanto para el objetivo como para el draft, establecer una longitud de contexto de 8192, y emparejar el objetivo Q4_K_M con un draft Q8_0 para mantener bajo el uso de memoria. El draft debe ser emparejado con el objetivo MiniCPM-V 4.7 1B correspondiente; requiere llama.cpp con la arquitectura dflash y la cabeza Markov de DSpark. Un nuevo repositorio en Hugging Face publicó el checkpoint de draft DSpark cuantizado en GGUF para MiniCPM-V-4.7-1B, habilitando la decodificación especulativa a través de llama.cpp. El draft DSpark genera 15 tokens candidatos por pasada hacia adelante a través de 5 capas de draft, que el modelo objetivo verifica para acelerar la inferencia.

[21:16] GitHub Copilot Deprecará Varios Modelos el 16 de Noviembre

GitHub publicó un changelog el 15 de octubre anunciando que un conjunto de modelos de GitHub Copilot serán retireados el 16 de noviembre de 2026. La deprecación aplica a través de cada superficie de Copilot: Copilot Chat, ediciones en línea, modo ask, modo agente, y completados de código. El efecto práctico es que cualquier usuario que haya anclado un modelo próximo a ser deprecated en su configuración de Copilot lo verá dejar de funcionar en la fecha límite. Los completados de código, chat y ejecuciones de agente que dependían de uno de los modelos afectados necesitarán un nuevo valor predeterminado después de ese día. La lista completa de modelos afectados está en la publicación del changelog de GitHub, junto con cualquier reemplazo sugerido. La deprecación golpea a Copilot Chat, modo ask, modo agente, ediciones en línea, y completados de código el mismo día, por lo que un usuario de Copilot que cambie de completar en línea a chat a mitad de una sesión no se salvará saltando entre superficies. Cualquiera cuyo equipo haya estandarizado en un modelo particular detrás de un plan de Copilot querrá confirmar que esa elección aún está en la lista de soportados antes de noviembre.