
Guía en lenguaje sencillo de DeepSeek-V4.1-Flash: caché KV más pequeña, expertos activados por token, benchmarks, pesos abiertos y la actualización 1017.
Aquí reúno los análisis y las comparativas de modelos como Gemini, DeepSeek, JEV y Laya. Las cifras salen de fuentes oficiales y, cuando la hay, de mi propia prueba. No es un sitio de noticias: no persigo cada lanzamiento.

Guía en lenguaje sencillo de DeepSeek-V4.1-Flash: caché KV más pequeña, expertos activados por token, benchmarks, pesos abiertos y la actualización 1017.

Análisis de la Decisions API de OpenAI (beta): respuestas tipadas con probabilidades, entrada de imágenes y precio por token, frente a Jev y Laya.

Puse a prueba a JEV (TypeSafe AI) frente a Laya (ConvAI / ModernBERT) sobre un conjunto real de datos ruidosos. Evalué precisión zero-shot, calibración, manejo de taxonomías densas y privacidad. Estas son mis lecciones para elegir el modelo correcto.

Análisis técnico de JEV (TypeSafe AI) y la arquitectura System One: cómo funcionan las primitivas Choice, Score y Noul, el entrenamiento RLCD para calibración estadística y por qué la inferencia no autorregresiva es el futuro de la clasificación y el enrutamiento.

Cómo funciona un pipeline para clasificar órdenes de mantenimiento con texto sucio: normalizar, clasificar rápido con Jev, verificar con un LLM solo donde hace falta y sumar texto adicional cuando existe. Y por qué decidí cada paso, con los experimentos como evidencia.

Análisis técnico de Gemini 4 Argon: cómo llega hasta 1M de tokens de salida dentro de una ventana compartida, qué cambia frente a Gemini 3.1 Pro y 3.8 Flash, y cómo diseñar arquitecturas agénticas en 2026 sin arruinarte en la factura.