Un equipo de investigadores de Carnegie Mellon y Princeton ha presentado Mamba-2, una evolución significativa de la arquitectura de modelos de espacio de estados selectivos. El paper demuestra que Mamba-2 iguala o supera a Transformers de tamaño equivalente en benchmarks de lenguaje natural, código y razonamiento, mientras consume hasta 10 veces menos memoria GPU y permite contextos de hasta 1 millón de tokens sin degradación de rendimiento significativa.
Investigación9 min min lectura
Breakthrough en eficiencia: nueva arquitectura Mamba-2 rivaliza con Transformers usando 10x menos memoria
La arquitectura Mamba-2 basada en modelos de espacio de estados demuestra rendimiento comparable a Transformers con una fracción del coste computacional.
IA
IAOnda Redaccion
jueves, 12 de marzo de 2026
Comentarios
Cargando comentarios...
Relacionados
Investigación
GPT-6 Astra conquista el vuelo autónomo y los negocios sin supervisión humana
GPT-6 Astra de OpenAI supera al humano en drones autónomos y triplica beneficios frente a Claude Fable 5.1. El sistema rechaza acuerdos ilegales de precios, mostrando juicio normativo sin precedentes en IA.
5 min lectura12hIAOnda Redaccion
Investigación
MIT lanza SEAL: marco que permite a los LLM autocorregirse y actualizarse
MIT presentó SEAL, un marco que permite a los LLM autocorregirse y actualizar sus pesos con aprendizaje por refuerzo. Una revolución que impulsa IA autónoma y mejora su rendimiento sin intervención externa.
5 min lecturaayerIAOnda Redaccion
Investigación
Nuevo marco multi-etapa revoluciona el razonamiento computacional
Un estudio de arXiv presenta un framework de encadenamiento de reglas que alcanza más del 95% de precisión en pruebas avanzadas. El sistema combina descubrimiento determinista, composición de patrones y abstracción estructural para lograr razonamiento composicional e interpretable.
5 min lecturaayerIAOnda Redaccion