Multimodal

• Alibaba Cloud presentó el 8 de mayo de 2026 una nueva suite de agentes multimodales, Tongyi AgentStudio, integrando capacidades de visión, voz y procesamiento de documentos en una sola plataforma orientada a empresas. • La suite admite hasta 128 llamadas a herramientas concurrentes por sesión y puede gestionar autónomamente flujos de trabajo de adquisiciones, tickets de RR. HH. y optimización de costes de nubes múltiples; los primeros pilotos en bancos chinos reportaron una reducción del 32% en el tiempo de respuesta de los servicios internos. • Alibaba afirma que Tongyi AgentStudio tiene ahora un precio de 1,20 dólares por millón de tokens de entrada para contratos de grandes empresas, una tarifa inferior a la de agentes occidentales comparables, lo que refuerza su estrategia de reducir los precios frente a sus rivales globales de la nube.

• OpenAI presentó GPT-5 el 19 de abril, el cual cuenta con un razonamiento multimodal avanzado que procesa texto, imágenes y audio simultáneamente con una mejora del 40% en el rendimiento respecto a GPT-4, según el blog de investigación de la empresa. • El modelo demuestra un razonamiento de cadena de pensamiento mejorado y puede resolver problemas complejos de múltiples pasos en dominios que incluyen matemáticas, programación y análisis científico con tasas de precisión significativamente más altas. • Analistas de la industria proyectan que GPT-5 acelerará la adopción de la IA empresarial e intensificará la competencia con Claude de Anthropic y Gemini de Google en el mercado de modelos de lenguaje extensos.

• Red Hat se unió al desarrollo upstream de vLLM Semantic Router, un marco para el enrutamiento inteligente de solicitudes en modelos de IA de mezcla de modalidades, anunciado el 13 de marzo de 2026. • Selecciona los modelos óptimos durante la inferencia basándose en las señales de la consulta, abordando los desafíos en despliegues diversos de LLM. • Esto mejora la eficiencia para el escalado de IA en nubes híbridas.