https://radar.montevive.ai/es/ Qué se movió de verdad en LLMs, una vez al mes. llama.cpp, compresión de modelos pequeños y los pesos abiertos que merecen la descarga. 2026-08-16T12:00:00Z Montevive https://montevive.ai ai@montevive.ai © 2026 Montevive https://radar.montevive.ai/es/issues/2026-08-16-estado-del-arte-llm.html 2026-08-16T12:00:00Z 2026-08-16T12:00:00Z

Del 16 de julio al 16 de agosto de 2026. llama.cpp tiene NVFP4 de principio a fin más un endpoint de clonado de KV cache que reporta hasta 2,12x en cargas con prefijo compartido, y el suffix decoding trajo speculative decoding sin draft model. La on-policy distillation desplazó al pruning estructurado como forma de hacer bueno un modelo pequeño, y la compresión de KV cache es donde se fue el volumen de investigación. Cuatro papers independientes encontraron modelos comprimidos que pasan todos los controles de calidad habituales mientras se comportan de forma medible distinta. Incluye un glosario de la tecnología de base.