ModelosAgentes 🇺🇸 27.07.2026 04:07

Fable escribe núcleos de GPU, automatización con IA y computación analógica: resumen de Import AI 464

OpenAIOpenAI AnthropicAnthropic Moonshot AIMoonshot AI MiniMaxMiniMax Alibaba/QwenAlibaba/Qwen JD.comJD.com
Fable creó el mega-kernel más rápido para KernelBench-Mega, logrando una aceleración de 18.71x. Investigadores de CAIS y Scale Labs documentaron un aumento en la tasa de éxito de agentes de IA en trabajos freelance online del 2.5% (octubre de 2025) al 16.1% (julio de 2026). Se ha lanzado el benchmark OSWORLD 2.0 para evaluar tareas informáticas de larga duración (mediana de 1.6 horas); el mejor resultado es del 20.6%. JD publicó detalles de su sistema de gestión de inventario Oxygen AIIC, que se ejecuta en NPUs Huawei Ascend.
Fable ha escrito el primer megakernel real para KernelBench-Mega, logrando una aceleración de 18,71 veces en la RTX PRO 6000 Blackwell en comparación con la línea base de PyTorch. Este es el mejor resultado del benchmark, mientras que Claude Opus 4.8 muestra 14,4 veces, GLM-5.2 muestra 11,14 veces y GPT 5.5 muestra 4,34 veces. La solución de Fable utiliza un único lanzamiento de kernel cooperativo por token, a diferencia de los 4 a 14 lanzamientos de los competidores. Según el Índice de Trabajo Remoto, la tasa de éxito de los sistemas de inteligencia artificial en el trabajo independiente en línea ha aumentado del 2,5 % al 16,1 % en ocho meses; los mejores modelos a julio de 2026 son GPT-5.5 (6,3 %), Opus 4.8 (8,3 %) y Fable 5 (16,1 %). La evaluación incluyó tareas en 3D, diseño, video, audio, análisis de datos y aplicaciones web. OSWORLD 2.0 contiene 108 tareas de larga duración (mediana de 1,6 horas) que utilizan 31 sitios web y programas de software, como Slack, LinkedIn, REAPER, AWS, etcétera. El mejor agente, Claude Opus 4.8, alcanzó una precisión del 20,6 %, muy lejos del nivel humano. JD ha presentado el Centro de Artículos Oxygen AI para la gestión de inventario (700 millones de usuarios, miles de millones de unidades de mantenimiento de existencias o SKU, por sus siglas en inglés). El sistema utiliza ingeniería ontológica, búsqueda semántica, modelos de lenguaje grande y de visión-lenguaje (LLM/VLM, por sus siglas en inglés) autoaprendientes y un túnel de datos unificado. Todo funciona en NPU de Huawei Ascend.
Fuente: Import AI — original
Nuestros artículos anteriores sobre este tema ↓
Noticias frescas