Modelos de IA
Los modelos de IA realizan predicciones basándose en sus datos de entrenamiento. Pueden funcionar en cualquier ámbito, como números, texto o multimedia.
Cuota de mercado de los másteres en derecho (LLM): Comparación de uso y adopción
Analizamos la cuota de mercado de LLM combinando datos de uso y estimaciones de visitas web para mostrar cómo se distribuye la demanda de grandes modelos de lenguaje entre los laboratorios y aplicaciones de IA: Comparación de la cuota de mercado de LLM por país. Lea la metodología para ver cómo medimos y calculamos estos resultados.
Comparar modelos de fundamentos relacionales
Comparamos SAP-RPT-1-OSS con el método de potenciación de gradiente (LightGBM, CatBoost) en 17 conjuntos de datos tabulares que abarcan todo el espectro semántico-numérico: tablas pequeñas/de alta semántica, conjuntos de datos empresariales mixtos y grandes conjuntos de datos numéricos de baja semántica. Nuestro objetivo es determinar dónde las distribuciones semánticas preentrenadas de un modelo LLM relacional pueden ofrecer ventajas sobre los modelos de árbol tradicionales y dónde presentan dificultades en escala o con estructuras de baja semántica.
Cuantización LLM: BF16 vs FP8 vs INT4
Realizamos pruebas de rendimiento de Qwen3-32B en 4 niveles de precisión (BF16, FP8, GPTQ-Int8, GPTQ-Int4) en una única GPU NVIDIA H100 de 80 GB. Cada configuración se evaluó en 2 pruebas de rendimiento (~12.200 preguntas) que abarcan conocimiento y generación de código, además de más de 2.000 ejecuciones de inferencia para medir el rendimiento.
Parámetros LLM: GPT-5 Alto, Medio, Bajo y Mínimo
Los nuevos LLM, como la familia OpenAI (GPT-5), vienen en diferentes versiones (por ejemplo, GPT-5, GPT-5-mini y GPT-5-nano) y con diversas configuraciones de parámetros, incluyendo alto, medio, bajo y mínimo. A continuación, exploramos las diferencias entre estas versiones del modelo recopilando su rendimiento en pruebas de referencia y los costos de ejecución de dichas pruebas. Precio vs.