opensource

$MEITUAN ABRE CÓDIGO FUENTE DE UN MODELO DE IA LONGCAT-2.0 CON UN TRILLÓN DE PARÁMETROS 🚀

Este lanzamiento de código abierto de LongCat-2.0 con 1.6T de parámetros y una arquitectura innovadora de atención dispersa señala una nueva fase en la infraestructura de IA nacional. La exitosa inferencia del modelo en un clúster doméstico de 50.000 tarjetas rompe restricciones previas de hardware.

Es probable que el volumen y el interés de los desarrolladores en el ecosistema de Meituan se disparen a medida que la industria digiere este salto de capacidad. ¿Cómo crees que esto afectará la narrativa más amplia de IA en tu cartera?

No es asesoramiento financiero. Gestiona siempre tu riesgo.

#MEITUAN #AI #OpenSource #TechBreakthrough

🚀

HERMES MOA 2.0 ACABA DE LLEGAR — $AI ENSEMBLE MODEL SUPERA A GPT Y CLAUDE 🔥

Nous Research lanzó un marco de código abierto que combina GPT, Claude y DeepSeek en una sola salida — y supera a cualquier modelo individual en pruebas de razonamiento y codificación. El enfoque en conjunto trata a cada IA como un especialista, no como un comodín.

Este es el primer gran lanzamiento de pesos abiertos para desafiar a los modelos cerrados en rendimiento sin bloquearte a una sola API. Para desarrolladores, significa razonamiento de nivel fronterizo a una fracción del costo. Para el sector cripto y de IA, indica que la diversidad de modelos — y no el dominio — podría definir la próxima fase.

¿Estás apostando por los agentes o por los modelos base aquí?

No es asesoramiento financiero. Gestiona siempre tu riesgo.

#AI #MixtureOfAgents #OpenSource #CryptoAI

🔥

1、背景

Hoy, el cambio más digno de atención en el ecosistema de modelos de código abierto no es que los parámetros de un único modelo alcancen nuevas cotas, sino que la estructura de los participantes se está ampliando de forma evidente. Antes, el mercado se centraba más en unos pocos laboratorios punteros; ahora, el bando de código abierto se ha extendido a empresas de modelos a escala global, organizaciones de IA soberana, proveedores de nube y de chips, así como a compañías de productos con necesidades de casos de uso claramente definidas. Nombres como Zyphra, Cohere, Poolside aparecen con frecuencia, lo que indica que la pregunta de “quién está creando modelos” está pasando de ser liderada por pocos jugadores a una competencia multipolar. Al mismo tiempo, gigantes como NVIDIA, Google y Alibaba tampoco están ausentes: entran desde ángulos como potencia de cómputo, puntos de acceso al ecosistema y estrategias de plataforma, impulsando los modelos de código abierto desde una simple demostración técnica hacia una planificación industrial.🚀

2、Análisis central

Esta ronda de dinámicas ha liberado tres señales claras. Primera: la competencia de modelos de código abierto se está desplazando de “competir por tamaño de parámetros” a “competir por amplitud del ecosistema”. Por ejemplo, Cohere ha lanzado en código abierto Command A+, y no solo enfatiza las capacidades de los grandes modelos, sino que también abarca direcciones de multimodalidad, multilenguaje y agentes inteligentes, lo que muestra que los modelos de código abierto ya no son únicamente activos de investigación, sino que apuntan a aplicaciones empresariales reales. Segunda: la innovación en arquitectura sigue acelerando. NVIDIA ha lanzado un nuevo modelo que utiliza LatentMoE y ha ajustado la estrategia de licencias, reflejando que la industria optimiza de forma simultánea el rendimiento, el costo de inferencia y la disponibilidad; en particular, la ruta MoE sigue siendo ampliamente valorada porque permite encontrar un equilibrio entre alta capacidad y eficiencia en el despliegue. Tercera: se está intensificando la tendencia a la verticalización. Empresas de productos como JetBrains, Zed, Krea y Photoroom entrenan modelos pequeños y especializados, lo que significa que en el futuro la competencia no necesariamente la ganará “el modelo más grande”, sino que podría ganarla “el modelo más alineado con el caso de uso” y, por ello, lograr una mayor conversión comercial.

3、Impacto potencial

Para desarrolladores, la selección de modelos será más diversa, y la flexibilización de las licencias de código abierto también facilitará el desarrollo en segunda instancia y el despliegue comercial, reduciendo la dependencia de una única API cerrada. Para las empresas, la lógica de compra futura podría pasar de “perseguir el modelo más fuerte” a “ajustar costos, cumplimiento y resultados según el caso de uso”. Para las industrias de cifrado y Web3, esta tendencia también es importante: por un lado, más modelos de código abierto implican que la IA on-chain, la inferencia descentralizada y la infraestructura de agentes de IA tendrán una base más amplia; por otro lado, la participación de múltiples países y organizaciones reforzará las necesidades de “IA soberana” y despliegues localizados, generando nuevas narrativas para la computación distribuida, la atribución de datos y la computación sobre privacidad. En general, el hilo conductor que transmiten estas actualizaciones de hoy es muy claro: la IA de código abierto ya entró en una fase de expansión del ecosistema; el factor decisivo del futuro no estará únicamente en el modelo en sí, sino también en las licencias, la comunidad de desarrolladores, la facilidad de despliegue y la capacidad de adaptación a la industria.📌

#AI #OpenSource #Crypto

🛡️ Ciberseguridad

Linux Foundation y 19 organizaciones enormes, incluyendo laboratorios de IA y grandes bancos, acaban de lanzar Akrites... es una nueva capa de seguridad para detener ataques impulsados por IA contra el código abierto. Gran victoria para los desarrolladores 🛡️💻

#OpenSource #CiberSeguridad

🚨 Los modelos de IA de China están cerrando la brecha con rapidez. GLM 5.2 acaba de quedar #2 en benchmarks de simulación empresarial de ciclo largo.
¿Kimi K2.7 y MiniMax M3? Resultados mixtos — pero siguen en la pelea.

Lo que muestran los datos:
GLM 5.2 obtiene 91 frente a 81 de Kimi K2.6 en benchmarks agregados — con GLM dominando las tareas de conocimiento: 67.2 vs 53.8. Yahoo Finance
En benchmarks de ciberseguridad, GLM 5.2 superó a Claude Code — con MiniMax M3 y Kimi K2.7 obteniendo puntuaciones significativamente más bajas, agrupadas muy de cerca. Followin
Pero esta es la historia real 👇
GLM 5.2 cuesta solo una séptima parte de GPT-5.5 — a una fracción del precio, los modelos chinos de código abierto ahora son competitivos con APIs cerradas de frontera. 3Commas

Por qué esto importa para las criptos y Web3:
Los costos de inferencia de IA están bajando rápido. Cuando los modelos de código abierto igualan a las APIs cerradas a 1/7 del precio:
① Los agentes de IA se vuelven lo suficientemente baratos como para desplegarse on-chain a escala

② Los proyectos de IA descentralizados obtienen acceso a modelos de nivel “frontera” sin pagar precios de OpenAI

③ Empieza a resquebrajarse el relato de la dominación de la IA en EE. UU.
El ángulo geopolítico:
El gobierno de EE. UU. acaba de restringir el lanzamiento de GPT-5.6 por preocupaciones de seguridad. Mientras tanto, el GLM 5.2 de China es de código abierto — cualquiera puede ejecutarlo, en cualquier lugar, sin necesidad de aprobación gubernamental.
IA resistente a la censura + inferencia barata = exactamente lo que necesita Web3. 👀

Mi opinión:
La carrera de la IA ya no es solo EE. UU. vs China.
Es abierto vs cerrado.
Y lo abierto está ganando en precio. Lo cerrado sigue ganando en capacidad “cruda” — por ahora.
Mira este espacio. La brecha se está cerrando cada mes.

No es asesoría financiera. DYOR.

Fuentes: BenchLM, Medium, Semgrep — junio de 2026
#GLM #Kimi $BTC #MiniMax #OpenSource #CoinbroNews

$GLM CRACKS TOP 3 AI MODELS WHILE COSTING A FRACTION OF RIVALS 💎

Cuerpo:
El modelo GLM‑5.2 de código abierto de Z.ai ahora ocupa el tercer lugar a nivel global en evaluaciones independientes, solo detrás de dos sistemas de Anthropic y por delante de todos los modelos de OpenAI y Google. La diferencia de precio es la verdadera historia: 1,40 USD por cada millón de tokens de entrada frente a aproximadamente 15 USD para Claude Opus 4.8: un ahorro de diez veces para los equipos que ejecutan cargas de trabajo de producción.

Este modelo funciona con chips nacionales, se puede descargar y modificar, y cuenta con una ventana de un millón de tokens. Los ingenieros que esperaban que las limitaciones de chips ampliaran la brecha la están viendo reducirse en su lugar. ¿Qué tan rápido los modelos abiertos y rentables reconfigurarán el gasto en IA empresarial?

No es asesoramiento financiero. Gestiona siempre tu riesgo.

#GLM #AI #OpenSource #Disruption

💎

Los riesgos de la centralización del código están llevando a devs como Matt Corallo a pedir $BTC proyectos que se salgan de GitHub tras una prohibición de Lightning. La descentralización no es solo para el dinero. Pasa a un sistema autohospedado para tener control. 🛡️
#BitcoinDev #OpenSource

Historia completa: https://cryptoversenews.eu/bitcoin/matt-corallo-urges-bitcoin-projects-to-exit-github-after-rus/

🚨😲UNSLOTH ACABA DE COMPRIMIR UN MODELO DE IA DE 753 MIL MILLONES DE PARÁMETROS PARA FUNCIONAR EN UNA MAC. ESTO CAMBIA LA IA LOCAL PARA SIEMPRE.

GLM-5.2 — uno de los modelos de IA abierta más grandes jamás construidos — acaba de ser comprimido por Unsloth utilizando una cuantización extrema GGUF. El resultado: despliegue local fluido en una Mac. Sin nube. Sin costos de API. Sin datos saliendo de tu dispositivo.
→ 753B parámetros es IA a escala de centro de datos — Unsloth lo comprimió al nivel de hardware de consumo

→ El formato GGUF permite una compresión extrema del modelo sin destruir el rendimiento central

→ La IA local a esta escala significa que desarrolladores y creadores pueden ejecutar modelos de nivel frontera de manera privada y gratuita
Para los constructores de cripto y Web3: esto significa agentes de IA en el dispositivo, análisis privado de contratos inteligentes y inferencia sin costo — ya no más dependencia de las APIs de OpenAI o Anthropic.
¿Qué construirías si tuvieras un modelo de 753B funcionando localmente en tu laptop?
"El futuro de la IA no está en la nube. Unsloth acaba de probar que cabe en tu mochila." — Análisis de CoinbroNews
#Unsloth #GLM5 #LocalAI #GGUF #AITools #Web3 #OpenSource

CoinbroNews | coinbronews.com

Fable-5 fue bloqueado por cuatro días, Qwable tomó el relevo rápidamente🤖

Claude Fable-5 de Anthropic estuvo disponible brevemente del 9 al 12 de junio, y luego fue cerrado directamente por una orden de control de exportaciones de EE.UU. Pero la comunidad de código abierto reaccionó rápido: el desarrollador lordx64 lanzó Qwable-v1 en HF, utilizando Qwen3.6-35B-A3B como base, aprovechando las herramientas de Fable-5 para que corra localmente.

Archivo de pesos de 70GB, actualmente no hay Token, es un proyecto completamente de código abierto. Sin embargo, este ritmo de "modelo grande bloqueado → reposición inmediata de código abierto" ya no es la primera vez que ocurre en 2026. La narrativa de AI x Crypto suma otro caso real: computación descentralizada + AI local, podría ser la tendencia del futuro.

$AI $WEB3 #OpenSource

$AI $WEB3

El CEO del Instituto Solana insta al Senado a proteger a los desarrolladores de código abierto bajo la Ley CLARITY. Los desarrolladores no deberían ser tratados como intermediarios financieros. #Crypto #Regulation #OpenSource

🔐 La autocustodia de Bitcoin no debería ser complicada.

¿Cuál es el verdadero propósito de recuperar una seed phrase?

Recuperar el control de tus bitcoins para mover fondos o generar claves públicas, sin exponer tus claves privadas a internet.

Muchos usuarios aún dependen de wallets de código cerrado. Otros utilizan soluciones offline avanzadas que ofrecen excelente seguridad, pero pueden ser complejas para el usuario promedio.

Con el objetivo de hacer la autocustodia más accesible sin renunciar a la transparencia y la seguridad operativa, desarrollé la PhantOS ColdWallet.

Una solución open-source, auditada y totalmente offline, diseñada para proteger lo que realmente importa: tus claves privadas.

🚀 Principales características:

✔ Recuperación de seed offline;

✔ Generación de nuevas direcciones Bitcoin;

✔ Exportación de claves públicas para monitoreo;

✔ Firma de transacciones vía QR Code y PSBT;

✔ Inicialización directa por pendrive;

✔ Ambiente dedicado a la gestión segura de claves privadas y firma de transacciones.

La filosofía es simple:

🔒 Dispositivos offline protegen y firman.

👁️ Dispositivos online visualizan y transmiten información.

Sin servidores centralizados.

Sin dependencia de terceros.

Sin exposición de las claves privadas a internet.

Bitcoin elimina la necesidad de confiar en terceros. La autocustodia es la consecuencia natural de esta filosofía.

₿ Tus claves. Tu Bitcoin. Tu libertad.

#Bitcoin #SelfCustody #OpenSource $BTC

1、Antecedentes

Recientemente, los modelos de código abierto han entrado en una fase de expansión intensa, con el lanzamiento de modelos de pesos abiertos como el Nvidia Nemotron y el Google Gemma, que han cambiado directamente el marco comparativo de la adquisición de capacidades de IA por parte de las empresas. En el pasado, el mercado se centraba más en "quién es el más fuerte", mientras que ahora las empresas se preocupan más por "cuánto difiere el rendimiento, cuánto difiere el precio, y si vale la pena un compromiso a largo plazo". Según las estimaciones proporcionadas en el texto, ha surgido una diferencia de costos de casi 40 veces entre los modelos de código cerrado de primera línea y los de código abierto en escenarios de tareas similares, lo que significa que la competencia en IA está cambiando de una carrera técnica a una competencia en eficiencia de costos y control de la arquitectura.

2、Análisis Clave

Lo más destacado de esta noticia no es el precio de un modelo individual, sino el cambio en la lógica de la industria. Primero, la brecha de capacidades se está reduciendo. Aunque los modelos de código abierto no siempre lideran en razonamiento complejo, estabilidad y rendimiento extremo, ya son suficientemente "utilizables y baratos" en una gran cantidad de escenarios de negocio generales 🙂. Cuando "ser suficiente" se convierte en el estándar de compra, la ventaja de precio de los modelos premium se verá erosionada.

En segundo lugar, la desajuste en las decisiones internas de las empresas está saliendo a la luz. Muchos CEOs no gestionan directamente la capa de invocación de modelos, y los equipos técnicos, en busca de resultados y facilidad de desarrollo, a menudo optan por las API más fuertes y, además, más caras. A corto plazo, esto mejora la velocidad de implementación, pero a largo plazo puede aumentar los costos de razonamiento, crear dependencia de proveedores e incluso carecer de auditoría y gobernanza. Para negocios con alta frecuencia de invocación, esto no es un problema técnico, sino un problema de rentabilidad.

En tercer lugar, el enrutamiento de modelos y la "arquitectura independiente de modelos" se convertirán en una nueva tendencia. En el futuro, las empresas no necesariamente apostarán por un solo modelo, sino que delegarán tareas altamente complejas a modelos de código cerrado de primera línea, mientras que el razonamiento a gran escala y estandarizado se desvíe hacia soluciones de código abierto de bajo costo como DeepSeek. Quien logre un buen enrutamiento, monitoreo, auditoría y control de costos, será el que más probablemente coseche los beneficios de la próxima fase de implementación de IA en las empresas.

3、Impacto en el Mercado

Para los gigantes de código cerrado, la presión está cambiando de "si están en la delantera" a "si vale la pena estar en la delantera a este precio". Si no se ajusta el sistema de precios, los ingresos de API de miles de millones enfrentarán el riesgo de ser continuamente desplazados por el código abierto. Para el campo del código abierto, la oportunidad no solo radica en el modelo en sí, sino también en servicios administrados, implementaciones privatizadas, gobernanza de seguridad y herramientas de nivel empresarial.

Para el mercado de inversiones, la lógica de valoración en el sector de IA también podría volverse más detallada: en el futuro, lo verdaderamente valioso no será necesariamente solo la plataforma que entrene el modelo más fuerte, sino el software y la infraestructura que puedan ofrecer las capacidades del modelo a bajo costo, auditables y escalables a las empresas 🚀. Esto es una señal positiva para servicios en la nube, optimización de razonamiento, middleware y orquestación de agentes.

4、Conclusión

Esta competencia de "código abierto vs. código cerrado" es, en esencia, una etapa inevitable en la transición de la IA de la exhibición técnica a la implementación comercial. A corto plazo, los modelos de código cerrado todavía tienen ventajas en capacidades de alto nivel; pero a la luz de la tendencia actual, las empresas serán cada vez más racionales, priorizando la relación calidad-precio, la capacidad de gobernanza y la flexibilidad arquitectónica. Quien logre la mejor solución entre efectividad, costo y control, será el que más probablemente se convierta en el ganador de la próxima ronda de comercialización de IA.

#AI #OpenSource #Crypto

El bug de ZCash que sobrevivió 4 años sin ser detectado es la historia más importante en cripto esta semana — no BTC probando los $62K.

Shielded Labs reveló una falla crítica que permitió a alguien acuñar ZEC ilimitadamente sin que nadie se diera cuenta. El token se desplomó un 40%. La reacción es comprensible. Pero aquí está lo que la mayoría está pasando por alto.

El hecho de que esto se haya descubierto y se haya divulgado públicamente es el modelo de seguridad de código abierto funcionando exactamente como se esperaba. Ninguna empresa lo ocultó. Ningún ejecutivo hizo un parche silencioso y esperó que nadie se diera cuenta. La comunidad lo encontró, lo divulgó y el mercado lo incorporó de inmediato.

Compara eso con la cantidad de escándalos de TradFi que duraron años — a veces décadas — antes de salir a la superficie.

$BTC y $ETH han sobrevivido a un escrutinio comparable porque fueron sometidos a pruebas de estrés en público, por adversarios, durante años. Eso no es debilidad. Así es como se construye una infraestructura duradera.

Las divulgaciones de bugs son dolorosas. También son la forma en que esta industria gana credibilidad — una solución transparente a la vez.

#Crypto #Bitcoin #OpenSource #CryptoSecurity #BinanceSquare

$VANRY EL CEO DE TETHER DICE QUE LOS GIGANTES DE IA ESTÁN GASTANDO DE MÁS EN INFRAESTRUCTURA 🔥

Paolo Ardoino acaba de soltar una realidad—los gigantes de IA están quemando efectivo en infraestructura mientras bajan los márgenes y se retrasan las ganancias. La competencia de código abierto se está intensificando, y eso podría cambiar hacia dónde fluye el dinero inteligente a continuación.

Esto no es solo noticia tecnológica. Cuando el capital se aprieta en un sector, a menudo rota hacia oportunidades infravaloradas como los tokens de IA descentralizados. El debate es si esto acelera el cambio hacia alternativas basadas en blockchain o si solo frena todo.

¿Lo ves como un catalizador alcista para proyectos como $VANRY o como una señal de advertencia para todo el sector?

No es asesoramiento financiero. Administra siempre tu riesgo.

#VANRY #AI #CryptoNews #OpenSource

⚡

Cuarenta años después del cyberpunk: la prótesis ya es real, pero Arasaka también ha llegado 💀

Descifra el nuevo tablero: el repaso de contenido — interfaz cerebro-máquina de Neuralink, gafas con IA, extremidades biónicas… toda la tecnología del cyberpunk se ha hecho realidad. Pero el pronóstico más acertado no es chrome, sino “las corporaciones que controlan todo”.

El fundador de Mondo 2000 dijo: “En aquel entonces pensábamos que las computadoras dispersarían el poder; en realidad, solo ayudamos a Big Tech a construir un reino todavía más grande”.

Pero el código abierto de agentes de IA, la comunidad cyberdeck, el almacenamiento de Bitcoin para desvelar Wikileaks… la resistencia se está reorganizando.🖤

#Cyberpunk #Web3 #OpenSource #Bitcoin

#Bitcoin

𝗘𝗻 𝗺𝗲𝗻𝘁𝗿𝗮 𝗾𝘂𝗲 𝗿𝗼𝗺𝗽𝗮𝗺𝗼𝘀 𝗼𝗳𝗲𝗿𝘁𝗮 𝗱𝗲 𝗔𝗜 𝗻𝗼𝗶𝘀𝗲, @𝗦𝗲𝗻𝘁𝗶𝗲𝗻𝘁𝗔𝗚𝗜 𝗲𝘀𝗿𝗲𝗻𝗮𝗻𝗱𝗼 𝗿𝗼𝗰𝗸𝗲𝘁𝗼 🚀

Patrón detectado: bucles de habilidad-a-agente fortaleciendo rápido, el competidor más fuerte del lado de la sujeción en el campo

Apuesta contraria: compra el encendido ahora, no después de que la luna sea inminente #AI #OpenSource

La Ilusión de la Independencia Local en el Desarrollo

Transitar de la infraestructura en la nube a hardware local autoalojado no se trata solo de ahorrar dinero; es un giro estructural hacia la autonomía absoluta.
Depender de servidores empresariales de pago introduce riesgos de terceros y obligaciones ocultas con contrapartes. La arquitectura local a través de nodos independientes garantiza una privacidad de datos absoluta.

#SelfHosted #OpenSource #DevOps #TechAutonomy

Nube Pagada vs. Hardware Local: ¿Dónde alojas? 🖥️⚙️

Con los costos en la nube aumentando y la privacidad disminuyendo, más creadores están regresando al hardware local: ejecutando servidores independientes en dispositivos más antiguos, computadoras de placa única o LLMs locales a través de Ollama.
Construir tu propia infraestructura requiere esfuerzo, pero tener total control sobre tus datos y tiempo de actividad vale la pena.

¿Eres del equipo Nube (AWS/Vercel) o del equipo Local/Auto-alojado? Vamos a ver el desglose técnico. 😁

#SelfHosted #OpenSource #DevLife

$LONGCAT 1.6T PARAMETER MODEL GOES OPEN SOURCE — GAME CHANGER ⚡

Meituan just dropped LongCat‑2.0 — a trillion‑parameter beast built for real Agentic Coding. The 1.6T model activates only 48B per token, meaning massive capability without insane compute cost. They ran inference on a 50,000‑card domestic cluster — first trillion‑parameter model to do so.

This is a signal that AI infrastructure is maturing fast. When a major player open‑sources this level of tech, it spills directly into demand for decentralized compute and AI tokens. The narrative is heating up early.

Are you watching which AI crypto projects could benefit from this wave of real‑world adoption?

Not financial advice. Always manage your risk.

#LONGCAT #AI #OpenSource #CryptoAI #Bullish

⚡

$AI ENSEMBLE MODELS JUST GOT A MAJOR UPGRADE – HERMES MOA 2.0 ⚡

La Hermes MoA 2.0 de Nous Research combina salidas de GPT, Claude y DeepSeek para superar a cada uno individualmente en razonamiento, codificación y pruebas de seguimiento de instrucciones. La diferencia es más notable en pruebas de razonamiento de largo horizonte, donde los modelos individuales pierden coherencia. Este marco de código abierto permite que los investigadores intercambien modelos base y adapten el ensamble sin pagar costos de API de frontera cada vez. ¿Los laboratorios de modelo cerrado se moverán hacia capas de orquestación similares?

No es asesoramiento financiero. Gestiona siempre tu riesgo.

#AI #MixtureOfAgents #OpenSource #NousResearch #LLM

⚡