manzana Un ejecutivo dijo que los ingenieros tomaron una decisión clave en 2017 que llevó a la compañía a poder ofrecer Apple Intelligence incluso en dispositivos lanzados en 2020. En un podcast, los altos ejecutivos de la compañía destacaron que los ingenieros responsables de diseñar el chipset M1 decidieron agregar networking Neural para prepararlo para la inteligencia artificial (IA). Esto es notable desde que el chipset M1 se lanzó por primera vez en 2020, dos años antes de que despegara la tendencia de la IA generativa.
El CEO de Apple revela una decisión clave que llevó a que los chips M1 estuvieran preparados para la IA
The Circle Podcast, en su última edición episodioinvitó al vicepresidente de ingeniería de plataformas de Apple, Tim Millett, y a Tom Boger, director senior de marketing de productos Mac y iPad de Apple, a conversar. El dúo discutió el enfoque de la empresa hacia la IA, la integración de hardware, la importancia de la arquitectura y más.
Curiosamente, los ejecutivos revelaron que los ingenieros de Apple se dieron cuenta de las redes neuronales en 2017, poco después de que se publicara el primer artículo al respecto. La misma tecnología condujo al desarrollo de redes de transformadores que son la base de la inteligencia artificial generativa.
Los ejecutivos confirmaron que los ingenieros han comenzado a rediseñar el motor neuronal de la compañía para la próxima generación de silicio de Apple: el chip M1. Cuando aparecieron por primera vez las diapositivas con macbook aire13 pulgadas macbook proy Mac Mini en 2020, la empresa podrá ejecutar redes neuronales en el procesador. Sin embargo, en ese momento la empresa no hacía mucho uso de las redes neuronales y aún faltaban dos años para la tecnología de IA generativa.
Como conclusión, los ejecutivos de M1 dijeron que “tuvimos la previsión de poder mirar, prestamos atención a las tendencias y cumplimos, sabiendo que el silicio tarda en llegar allí”.
En particular, Apple anunció esto en su evento “It's Glowtime” a principios de este año. inteligencia de manzana Será compatible con el chipset M1, aportando nuevas funciones a los dispositivos de cuatro años. Las ofertas de inteligencia artificial del gigante tecnológico ahora se lanzarán a los usuarios de todo el mundo en diciembre. Sin embargo, los usuarios de la UE y China no lo recibirán en el lanzamiento debido a obstáculos regulatorios.
Los enlaces de afiliados pueden generarse automáticamente; consulte nuestro sitio web Declaración de ética Para más detalles.
A medida que la cantidad y las capacidades de los modelos de inteligencia artificial (IA) se expanden rápidamente, las empresas enfrentan un desafío cada vez más complejo: cómo evaluar y seleccionar de manera efectiva el modelo correcto. Modelos de lenguajes grandes (LLM) Para sus necesidades.
Con el reciente lanzamiento de Meta's Llama 3.2 y la proliferación de modelos similares GoogleGemma W. microsoftAhora bien, el paisaje es más diverso (y más complejo) que nunca. A medida que las organizaciones buscan aprovechar estas herramientas, deben navegar por un laberinto de consideraciones para encontrar las soluciones que mejor se adapten a sus requisitos únicos.
Víctor Botev
CTO y cofundador de Iris.ai.
Más allá de las métricas tradicionales
Las métricas y clasificaciones disponibles públicamente a menudo no reflejan la efectividad del modelo en el mundo real. Aplicacionesespecialmente para organizaciones que buscan aprovechar el conocimiento profundo encerrado en sus silos de datos no estructurados. Las métricas de evaluación tradicionales, aunque científicamente precisas, pueden resultar engañosas o irrelevantes para los casos de uso comercial.
Consideremos la perplejidad, una métrica común que mide qué tan bien un modelo predice una muestra de texto. Aunque se usa ampliamente en el mundo académico, la perplejidad a menudo está débilmente relacionada con la utilidad real en escenarios comerciales, donde el valor real radica en la capacidad del modelo para comprender, contextualizar y sacar a la luz conocimientos procesables a partir de contenido complejo de un dominio específico.
Las organizaciones necesitan modelos que puedan navegar por la jerga de la industria, comprender las relaciones matizadas entre conceptos y extraer patrones significativos de su panorama de datos único, capacidades que las métricas tradicionales no logran capturar. El modelo puede lograr excelentes grados de incertidumbre y al mismo tiempo no generar respuestas prácticas y favorables a las empresas.
Del mismo modo, las puntuaciones BLEU (Sección de Evaluación Bilingüe), desarrolladas originalmente para la traducción automática, a veces se utilizan para evaluar el resultado de los modelos lingüísticos frente a textos de referencia. Sin embargo, en un trabajo En contextos donde se valoran la creatividad y la resolución de problemas, el estricto cumplimiento de los textos de referencia puede resultar contraproducente. Servicio al cliente chatbot que solo pueden responder a través de scripts previamente aprobados (que funcionarán bien en BLEU) pueden tener un desempeño deficiente en interacciones reales con clientes donde la flexibilidad y la comprensión del contexto son fundamentales.
El dilema de la calidad de los datos
Otro desafío para la evaluación de modelos proviene de las fuentes de datos de capacitación. mayoría Código abierto Los modelos se entrenan en gran medida con datos sintéticos, a menudo generados por modelos avanzados como GPT-4. Si bien este enfoque permite un rápido desarrollo e iteración, plantea varios problemas potenciales. Es posible que los datos sintéticos no reflejen completamente las complejidades de los escenarios del mundo real y su naturaleza general a menudo no se alinea con las necesidades comerciales especializadas.
Suscríbase al boletín TechRadar Pro para recibir las principales noticias, opiniones, características y orientación que su empresa necesita para tener éxito.
Además, cuando los modelos se evalúan utilizando datos sintéticos, especialmente datos generados por otros modelos lingüísticos, existe el riesgo de crear un circuito de retroalimentación que se refuerza a sí mismo y que puede enmascarar limitaciones importantes. Los modelos entrenados con datos sintéticos pueden aprender a replicar los artefactos y patrones del modelo generativo en lugar de desarrollar una verdadera comprensión de los conceptos subyacentes. Esto crea una situación particularmente difícil en la que las métricas de evaluación pueden mostrar un desempeño sólido simplemente porque el modelo ha aprendido a imitar las peculiaridades y los sesgos estilísticos del generador de datos sintéticos en lugar de demostrar una verdadera capacidad. Cuando la capacitación y la evaluación se basan en datos sintéticos, estos sesgos pueden magnificarse y ser difíciles de detectar.
Para muchos casos de negocios, los modelos deben ajustarse tanto en los datos de la industria como del dominio para lograr un rendimiento óptimo. Esto ofrece muchas ventajas, incluido un mejor rendimiento en tareas especializadas y una mejor alineación con los requisitos específicos de la empresa. Sin embargo, el ajuste no está exento de desafíos. El proceso requiere datos de alta calidad y específicos del dominio, puede consumir muchos recursos y ser técnicamente desafiante.
Comprender la sensibilidad al contexto
Los diferentes modelos de lenguaje exhiben diferentes niveles de rendimiento en diferentes tipos de tareas, y estas diferencias afectan en gran medida su aplicabilidad en diferentes escenarios comerciales. Un factor crítico para evaluar la sensibilidad al contexto es comprender cómo funcionan los modelos con datos sintéticos versus datos del mundo real. Los modelos que muestran un buen rendimiento en entornos sintéticos controlados pueden verse afectados cuando se enfrentan a la naturaleza más caótica y ambigua de las comunicaciones empresariales reales. Esta disparidad se vuelve particularmente evidente en campos especializados donde los datos sintéticos de capacitación pueden no ser capaces de capturar la complejidad y los matices de las interacciones profesionales.
Los modelos de llamas han ganado reconocimiento por su fuerte preservación del contexto y por sobresalir en tareas que requieren un pensamiento coherente y amplio. Esto lo hace particularmente efectivo para aplicaciones que necesitan un contexto consistente a través de interacciones largas, como escenarios complejos de soporte al cliente o discusiones técnicas detalladas.
Por el contrario, los modelos GEMMA, aunque fiables en muchas aplicaciones de propósito general, pueden tener dificultades en tareas cognitivas profundas que requieren experiencia especializada. Esta limitación puede ser especialmente problemática para empresas en áreas como los campos legal, médico o técnico donde una comprensión profunda y precisa es esencial. Las formas Phi ofrecen otra consideración, ya que a veces pueden desviarse de las instrucciones dadas. Si bien esta propiedad puede convertirlos en excelentes candidatos para tareas creativas, requiere una consideración cuidadosa para aplicaciones donde el estricto cumplimiento de las pautas es esencial, como en industrias reguladas o aplicaciones críticas para la seguridad.
Desarrollar un marco de evaluación integral
Ante estos desafíos, las empresas deben desarrollar marcos de evaluación que vayan más allá de simples medidas de desempeño. El desempeño de una tarea específica debe evaluarse en función de escenarios directamente relacionados con las necesidades comerciales. Consideraciones operativas, incluidos requisitos técnicos, Infraestructura Los requisitos y la escalabilidad juegan un papel crucial. Además, no se puede pasar por alto el cumplimiento y la gestión de riesgos, especialmente en industrias reguladas donde el cumplimiento de directrices específicas es obligatorio.
Las empresas también deberían considerar implementar un monitoreo continuo para detectar cuando el desempeño del modelo se desvía de los estándares esperados en los entornos de producción. Esto suele ser más valioso que los resultados iniciales de las pruebas comparativas. La creación de pruebas que reflejen escenarios comerciales reales y las interacciones de los usuarios, en lugar de depender únicamente de conjuntos de datos académicos estandarizados, puede proporcionar información más útil sobre el valor potencial del modelo.
como Herramientas de inteligencia artificial A medida que continúan replicándose y difundiéndose, las estrategias comerciales para evaluarlas y adoptarlas deben volverse cada vez más precisas. Aunque no existe un enfoque único para la evaluación de modelos que se adapte a todas las necesidades, comprender las limitaciones de las métricas actuales, la importancia de la calidad de los datos y la diferente sensibilidad contextual de los diferentes modelos puede guiar a las organizaciones a elegir las soluciones que mejor se adapten a ellas. Al diseñar marcos de evaluación, las organizaciones deben considerar las fuentes de datos utilizadas para las pruebas. Depender demasiado de datos sintéticos para la evaluación puede crear una falsa sensación de capacidad del modelo. Las mejores prácticas incluyen mantener un conjunto de pruebas diverso que combine ejemplos sintéticos y del mundo real, prestando especial atención a identificar y monitorear cualquier patrón artificial o sesgo que pueda estar presente en los datos sintéticos.
Evaluar un modelo exitoso consiste en darse cuenta de que los estándares y métricas disponibles públicamente son solo el comienzo. Las pruebas en el mundo real, la evaluación de dominios específicos y una comprensión clara de los requisitos comerciales son esenciales para cualquier proceso de selección de modelos eficaz. Al adoptar un enfoque de evaluación reflexivo y sistemático, las empresas pueden navegar por sus opciones de IA y determinar qué modelos satisfacen mejor sus necesidades.
Este artículo se produjo como parte del canal Expert Insights de TechRadarPro, donde mostramos las mejores y más brillantes mentes de la industria tecnológica actual. Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí: https://www.techradar.com/news/submit-your-story-to-techradar-pro
cielo azul Recientemente anunció que ya no entrena sus modelos de inteligencia artificial (IA) generativa con datos de usuarios. La plataforma de redes sociales también destacó las áreas en las que utiliza herramientas de inteligencia artificial y afirmó que ninguno de los modelos fue entrenado en publicaciones públicas y privadas realizadas por los usuarios. La declaración se publicó después de que varios creadores y usuarios expresaran su preocupación sobre la política de privacidad de la plataforma en torno a la inteligencia artificial. En particular, Bluesky superó recientemente la marca de los 17 millones de usuarios registrados después de que 1 millón de usuarios se unieran a la plataforma en un solo día la semana pasada.
Bluesky dice que no entrena su IA en las publicaciones de los usuarios
en un correo En la plataforma, Bluesky anunció su posición sobre la inteligencia artificial y los datos de los usuarios. “No utilizamos ninguno de sus contenidos para entrenar IA generativa, y no tenemos intención de hacerlo”, decía la publicación, y agrega que se publicó después de que varios artistas y creadores de la plataforma expresaron su preocupación sobre la política de IA de la plataforma.
En una publicación separada, Bluesky también enumeró las áreas en las que utiliza herramientas de IA generativa. La empresa utiliza inteligencia artificial internamente para ayudar con su sistema de moderación de contenidos, una práctica común en las plataformas de redes sociales. Además, también utiliza IA en el feed algorítmico Discover, a través del cual la plataforma sugiere publicaciones a los usuarios en función de su actividad en la plataforma.
Borde mencioné Aunque es posible que la empresa no utilice datos de usuarios para entrenar sus modelos de IA, las empresas de terceros aún pueden rastrear la plataforma y extraer datos para entrenar sus modelos. La portavoz de la empresa, Emily Liu, dijo a la publicación que los archivos robots.txt de Bluesky no impiden que empresas de terceros rastreen su sitio web en busca de datos.
Sin embargo, el portavoz destacó que el tema es actualmente un tema de discusión dentro del equipo y Bluesky está tratando de descubrir cómo garantizar que las organizaciones externas respeten el consentimiento de los usuarios en la plataforma.
De particular interés es el domingo de Blueski. abierto Un millón de nuevos usuarios se unieron a la plataforma de redes sociales en un día. También destacó que la plataforma ha superado la barrera de los 17 millones de usuarios registrados.
Samsung Galaxy S22 Ultra Los modelos seleccionados que sufrieron el infame problema de la línea verde serán elegibles para un reemplazo de pantalla por única vez en los centros de servicio autorizados en India. La compañía confirmó que esta oferta estará disponible hasta fin de año. Sin embargo, el grupo tecnológico surcoreano ha impuesto algunas restricciones a la elegibilidad del dispositivo, teniendo en cuenta la fecha de compra, el estado y otros factores.
Reemplazo de pantalla del Samsung Galaxy S22 Ultra
En primer lugar descubrir Por el informante Tarun Vats El soporte de Samsung ha confirmado que su programa de reemplazo de pantalla será válido para el Samsung Galaxy S22 Ultra. Galaxia S21 serie, y Galaxy S21 FE 5G Modelos que están fuera de garantía hasta el 31 de diciembre de 2024. Sin embargo, los dispositivos no deben tener ningún daño físico ni signos de daño por agua.
Reemplazo de pantalla gratuito de Samsung
El personal de Gadgets 360 pudo contactar al Soporte de Samsung para confirmar la disponibilidad de este programa de reemplazo en el país.
La compañía reemplazará el conjunto OCTA (On-Cell Touch AMOLED), así como la batería y el conjunto de forma gratuita, aunque con algunos términos y condiciones. Samsung dice que los dispositivos dentro de los tres años posteriores a la compra serán elegibles para el reemplazo de piezas gratuito. Además, sólo el primer comprador podrá recibir el reemplazo previa presentación de la factura original.
Aunque el reemplazo de piezas no generará ningún costo, los costos de mano de obra para la reparación correrán a cargo del cliente. Pueden reservar una cita en el centro de servicio autorizado más cercano para aprovechar esta oferta.
Sin embargo, esta no es la primera vez que Samsung hace una oferta de este tipo. En abril, Samsung Anunciar Un programa especial de reemplazo en el país para dispositivos afectados por el problema de la línea verde en la pantalla. En ese momento, la lista de dispositivos elegibles incluía la serie Samsung Galaxy S20, la serie Galaxy Note 20, la serie Galaxy S21 y el Galaxy S22. Los informes indicaron que los problemas de la línea verde ocurrieron principalmente en los teléfonos inteligentes Samsung con pantallas AMOLED después de las actualizaciones de software. Sin embargo, el gigante tecnológico no es el único OEM que sufre este problema. El mes pasado, OnePlus reconoció los problemas de visualización que rodean a muchos de sus dispositivos, afirmando que representan un “desafío para toda la industria”.
Para comprender los efectos de la radiación en el cuerpo, dos “fantasmas”, Helga y Zohar, fueron amarrados a la cápsula Orion como parte de la misión Artemis 1 y lanzada al espacio el 16 de noviembre.y 2022.
Hay datos limitados sobre los efectos de la radiación espacial en el cuerpo femenino, y con futuras misiones lunares planificadas para incluir tripulaciones femeninas, Helga y Zohar son clave para llenar este vacío. Se les ha equipado con una gran cantidad de detectores para determinar los riesgos a los que están expuestas las mujeres astronautas en el futuro.
Lea el artículo: Mediciones de radiación espacial durante la primera misión lunar Artemis
La radiación espacial se presenta en dos formas: los omnipresentes rayos cósmicos galácticos y los estallidos de radiación provenientes de eventos de partículas solares. Ambos plantean problemas diferentes para el cuerpo humano, y si la humanidad quiere perseguir la idea de viajar a otros planetas, debemos comprender nuestros límites.
Vivo X200Vivo X200 Pro y Vivo X200 Pro Mini se lanzaron en China el mes pasado. Vivo aún no ha confirmado la fecha de lanzamiento global del trío, pero la última filtración sugiere que su lanzamiento en India se producirá el próximo mes. Sin embargo, el informe indica que no toda la serie Vivo X200 estará disponible en India. La serie Vivo X200 se ejecuta en SoC MediaTek Dimensity 9400, interfaz de usuario Origin OS 5 y cuenta con cámaras de la marca Zeiss.
Citando a personas familiarizadas con el asunto, 91mobiles Informes Vivo lanzará Vivo X200 y Vivo X200 Pro en India en diciembre. Según se informa, se saltará la marca. X200 Pro Mini En el mercado indio.
La serie Vivo X200 se presentó el mes pasado y actualmente es exclusiva de China. Se confirmó que la alineación descendería a Mercado malasio prontoSin embargo, ahora no está claro si el modelo Vivo X200 Pro Mini será parte del lanzamiento global. eran telefonos Él dijo anteriormente a Lanzamiento en India a finales de noviembre o la primera semana de diciembre.
Desafortunadamente, Vivo no ha revelado ningún detalle sobre la disponibilidad de la serie Vivo X200 en India. Por lo tanto, es seguro mirar estos detalles con una pizca de sal. Los teléfonos anteriores de la serie Vivo X estuvieron disponibles en el mercado indio.
Precio y especificaciones de la serie Vivo X200
Precio de la serie Vivo X200 comienza Tiene un precio de 4.300 CNY (aproximadamente 51.000 rupias) en China para la configuración de almacenamiento básica de 12 GB + 256 GB del modelo básico.
vivo x200, X200 ProEl X200 Pro Mini se presentó con Origin OS 5, basado en Android 15. Los tres teléfonos funcionan con el SoC MediaTek Dimensity 9400 y tienen una configuración de cámara trasera triple de la marca Zeiss e incluyen una cámara principal de 50 megapíxeles. El Vivo X200 Pro tiene un sensor teleobjetivo de 200 megapíxeles.
El Vanilla Vivo X200 tiene una batería de 5.800 mAh con soporte para carga por cable de 90 W. Mientras tanto, Vivo X200 Pro y X200 Pro Mini están respaldados por baterías de 6000 mAh y 5800 mAh respectivamente, con soporte para carga por cable de 90 W.
Los enlaces de afiliados pueden generarse automáticamente; consulte nuestro sitio web Declaración de ética Para más detalles.
Epoch AI, un instituto de investigación con sede en California, ha lanzado un nuevo programa inteligencia artificial (AI) récord la semana pasada. El nuevo estándar de IA, llamado FrontierMath, prueba la capacidad de los modelos de lenguaje grandes (LLM) para refactorizar y resolver problemas matemáticos. La empresa de IA afirma que los estándares matemáticos actuales no son muy útiles debido a factores como la contaminación de datos y los modelos de IA que obtienen puntuaciones demasiado altas en ellos. Epoch AI afirma que incluso los principales titulares de LLM obtuvieron menos del dos por ciento en el nuevo punto de referencia.
Epoch AI lanza el estándar FrontierMath
en un correo En X (anteriormente conocido como Twitter), la empresa de inteligencia artificial explicó que ha colaborado con más de 60 matemáticos para crear cientos de activos y problemas matemáticos inéditos. Epoch AI afirma que incluso los matemáticos podrían tardar horas en resolver estas preguntas. La razón detrás del desarrollo del nuevo estándar se citó como las limitaciones de los estándares existentes como GSM8K y MATH, donde los modelos de IA generalmente obtienen una puntuación alta.
La empresa afirmó que las altas puntuaciones obtenidas por los LLM se debían en gran medida a la contaminación de datos. Esto significa que las preguntas ya se han introducido de una forma u otra en los modelos de IA, lo que permite que las preguntas se resuelvan fácilmente.
FrontierMath resuelve el problema al incluir nuevos problemas que son únicos y no están publicados en ninguna parte, mitigando los riesgos asociados con la contaminación de datos. Además, el estándar incluye una amplia gama de preguntas que incluyen problemas computacionales intensivos en teoría de números, análisis real y geometría algebraica, así como temas como la teoría de grupos de Zermelo-Fränkel. La compañía de inteligencia artificial dice que todas las preguntas son “a prueba de conjeturas”, lo que significa que no se pueden resolver accidentalmente sin pensar detenidamente.
Epoch AI destacó que para medir la eficiencia de la IA, se deben crear criterios para la resolución creativa de problemas, ya que la IA debe sustentar el pensamiento en múltiples pasos. En particular, muchos expertos de la industria creen que los estándares actuales no son suficientes para medir adecuadamente el progreso de un modelo de IA.
Respuesta a la nueva norma en A correoNoam Brown, el investigador de OpenAI que estuvo detrás del modelo o1 de la compañía, dio la bienvenida al nuevo estándar y dijo: “Me encantaría ver una nueva evaluación con bajas tasas de éxito para modelos paramétricos”.
No se espera que la serie iPhone 18 se lance hasta septiembre de 2026, pero los detalles de la línea ya están comenzando a surgir en línea. Recientemente, el analista de TF Securities International, Ming-Chi Kuo, afirmó lo mismo manzana Ofrecerá una importante actualización de la cámara con la serie iPhone 18 al incluir una cámara principal actualizada con apertura variable. Se espera que el iPhone 18 Pro o iPhone 18 Pro Max obtenga esta función primero. A los competidores de Apple les gusta Samsung Xiaomi ofrece la misma función en sus teléfonos inteligentes, que inicialmente se rumoreaba que llegaría a la línea iPhone 17.
Apple ofrecerá una importante actualización de la cámara para el iPhone 18 Pro en 2026
En una publicación mediana, Ko abierto Sus predicciones sobre la serie iPhone 18 El analista dice que los modelos de gama alta de la línea de teléfonos inteligentes 2026 estarán equipados con una nueva cámara principal con apertura variable que “mejorará significativamente la experiencia fotográfica del usuario”. Kuo no mencionó los teléfonos por su nombre, pero la línea de tiempo de 2026 sugiere que será el iPhone 18 Pro o el iPhone 18 Pro Max.
Kuo compartió detalles de la cámara actualizada en un análisis de las perspectivas financieras de Sunny Optical para los próximos años: “Mi reciente encuesta de la industria indica que Sunny Optical será el principal proveedor de persianas (con Luxshare como proveedor secundario) y el segundo proveedor de lentes de apertura variable (después de Largan Precision)”, añadió.
Anteriormente era Apple Rumor agregar una lente de apertura variable a al menos un modelo de iPhone 17 en 2025. La última afirmación de Kuo parece indicar que esta actualización llegará un año después. Dicho todo esto, todavía faltan varios meses para las series iPhone 18 y iPhone 17, y podemos esperar que aparezcan más predicciones sobre las capacidades de la cámara en las alineaciones en línea en los próximos meses.
Las cámaras principales con apertura variable ajustarán el tamaño de la apertura para controlar la cantidad de luz que llega al sensor de la cámara, lo que beneficia la fotografía con poca luz. Proporciona una mayor profundidad de campo.
Samsung presentó un Apertura variable La característica principal de la cámara regresa en 2018 con Galaxia S9 serie. Teléfonos inteligentes como Xiaomi 14 Ultra, OPPO R17 ProEl Honor Magic 6 Pro ofrece características similares.
Los nuevos chips M4 Pro y M4 Max que Apple presentó el miércoles para los nuevos modelos de MacBook Pro de alta gama proporcionarán potencia más que suficiente para manejar Apple Intelligence y muchas otras tareas informáticas complejas, dijo Apple. El M4 Pro debutó el martes con Mac mini M4 Pro rediseñado. Los nuevos chips podrían llegar a otros dispositivos, como Mac Studio, el próximo año.
“Apple Silicon ha llevado a Mac a niveles sin precedentes, y el rápido ritmo de innovación continúa con el M4 Pro y el M4 Max”, dijo Johnny Srouji, vicepresidente senior de Tecnologías de Dispositivos de Apple. “Con la CPU más rápida del mundo, las GPU más potentes y el motor neuronal más rápido hasta la fecha, el rendimiento y las capacidades de eficiencia energética de la familia M4 amplían su liderazgo como el chipset más avanzado de la industria”.
Los conjuntos de chips M4 Pro y M4 Max brindan una potencia sin precedentes a los modelos de MacBook Pro
El chip M4 Pro manejará fácilmente las tareas informáticas de los usuarios promedio. Imagen: manzana
Como Apple señaló el martes con Versión M4 Pro Mac miniel potente chip cuenta con la CPU más rápida del mundo con un rendimiento ultrarrápido de un solo subproceso. Con hasta 14 núcleos, incluidos 10 núcleos de rendimiento y cuatro núcleos de eficiencia, el M4 Pro también ofrece un impresionante rendimiento multiproceso.
El M4 Pro es hasta 1,9 veces más rápido que la CPU del M1 Pro y hasta 2,1 veces más rápido que el último chip de computadora con IA. La GPU cuenta con hasta 20 núcleos para un rendimiento gráfico que es el doble que el del M4 y hasta 2,4 veces más rápido que el último chip AI para PC, dijo Apple, añadiendo que podría hacer que la creación y prueba de aplicaciones en múltiples simuladores en Xcode “más rápido que alguna vez.” “
“Y gracias al motor de trazado de rayos optimizado por hardware en la GPU de la familia M4, juegos como Control parecen más convincentes y los renderizadores 3D profesionales pueden producir imágenes impresionantes en menos tiempo”, añadió Apple.
El M4 Pro admite hasta 64 GB de memoria unificada y 273 GB/s de ancho de banda de memoria para acelerar las cargas de trabajo de IA. Apple dijo que eso es un aumento del 75% con respecto al M3 Pro y el doble del ancho de banda de cualquier chip de computadora con IA. El M4 Pro es compatible con Thunderbolt 5, que ofrece velocidades de transferencia de datos de hasta 120 Gb/s y más del doble del rendimiento de Thunderbolt 4.
chip M4 máximo
M4 Max es el procesador actual de la serie M de gama alta. Imagen: manzana
En la parte superior de la línea, el M4 Max está dirigido a usuarios avanzados con hasta 16 núcleos de CPU y 40 núcleos de GPU. Es hasta 2,2 veces más rápido que la CPU del M1 Max y hasta 2,5 veces más rápido que el último chip de computadora con IA. La GPU tiene hasta 40 núcleos para un rendimiento hasta 1,9 veces más rápido que el M1 Max y hasta 4 veces más rápido que el último chip de computadora con IA. Por lo tanto, ahora se pueden ejecutar cargas de trabajo pesadas, como secuencias de vídeo sin procesar para eliminar el ruido, en DaVinci Resolve Studio en tiempo real.
El motor de medios actualizado es potente. Imagen: manzana
El M4 Max admite una enorme memoria unificada de 128 GB y puede manejar los flujos de trabajo profesionales más intensos, incluido el procesamiento de video en tiempo real y la interacción con grandes modelos de lenguaje que contienen casi 200 mil millones de parámetros. Esto equivale a cuatro veces el ancho de banda del último chip informático de IA, dijo Apple. El motor multimedia M4 Max incluye dos motores de codificación de vídeo y dos aceleradores ProRes. Apple señaló que esto lo convierte en la elección perfecta para los profesionales del vídeo. Al igual que el M4 Pro, el M4 Max también es compatible con Thunderbolt 5 con la capacidad de transferir datos de hasta 120 GB/s.
Mejorando la inteligencia de Apple
Las herramientas de escritura de todo el sistema de Apple Intelligence permiten a los usuarios mejorar sus palabras reescribiendo, corrigiendo y resumiendo el texto. Imagen: manzana
Los nuevos chips M4 impulsarán Apple Intelligence, el nuevo sistema de inteligencia personal impulsado por estos chips. Viene con macOS Sequoia 15.1 y ofrece varias funciones impulsadas por IA:
Herramientas de escritura mejoradas para mejorar y resumir el texto.
Siri rediseñado con entrada de voz y texto.
Área de juegos fotográfica para generar imágenes creativas.
Genmoji para crear emojis personalizados.
Integración ChatGPT (disponible en diciembre).
Protección de la privacidad y esfuerzos medioambientales
Apple enfatiza la protección de la privacidad en estas nuevas funciones de IA a través del procesamiento en el dispositivo y la “computación en la nube privada” para tareas más complejas. Los usuarios pueden acceder a ChatGPT sin crear una cuenta, con protecciones de privacidad integradas que incluyen el bloqueo de direcciones IP.
La eficiencia energética de la familia M4 contribuye a los objetivos medioambientales de Apple, permitiendo hasta 24 horas de duración de la batería en los modelos MacBook Pro y reduciendo al mismo tiempo el consumo general de energía. Esto está en línea con el compromiso de Apple de convertirse en carbono neutral en todas sus operaciones para 2030.
Los nuevos modelos de MacBook Pro de 14 y 16 pulgadas con conjuntos de chips M4, M4 Pro y M4 Max están disponibles para ordenar hoy y se enviarán el 8 de noviembre.
Samsung está considerando crear una nueva marca para algunos de sus teléfonos inteligentes, manteniendo la marca Galaxy para modelos selectos, según un informe. La compañía de tecnología surcoreana está lanzando actualmente nuevos teléfonos insignia de las series Galaxy S y Galaxy Z, así como los modelos más asequibles Galaxy A, Galaxy M y Galaxy F. Crear una marca separada para sus teléfonos de alta gama podría ayudar a la empresa a competir con rivales como Apple. La compañía aún no ha anunciado ningún plan para presentar una nueva marca de teléfonos inteligentes.
dia electronico un informe (en coreano) afirma que Samsung está sopesando los pros y los contras de lanzar una nueva marca para algunos teléfonos inteligentes. La publicación compara la potencial fragmentación de la marca con la decisión de Hyundai de introducir una nueva marca exclusiva, Genesis, como parte de los esfuerzos del fabricante de automóviles para promover su imagen premium.
El mayor competidor de Samsung en muchos mercados (incluido EE. UU.) es Apple, y aunque este último solo vende teléfonos inteligentes premium, los modelos menos costosos de las series Galaxy M y Galaxy F de la compañía surcoreana, así como los teléfonos de gama alta de las series Galaxy Z y Galaxy S, son también en lanzamiento. Todos bajo la misma marca.
A modo de comparación, el teléfono inteligente más barato de la compañía en India es Samsung A06que comienza desde Rs. 9.999. Precios para Samsung Galaxy S24 Ultra y Galaxy Z Fold 6 Comienza en Rs. 1,21,999 y Rs. 1,44,999 respectivamente. Por otro lado, el teléfono más asequible de Apple es iPhone SE (2022) Lo que cuesta Rs. 47600, mientras que la última iPhone 16 Pro Max El modelo comienza en Rs. 1.44.900.
Vale la pena señalar que Samsung aún no ha anunciado ningún plan para introducir una nueva marca de teléfonos inteligentes para diferenciar sus dispositivos premium. La compañía está implementando funciones de inteligencia artificial (IA) de la marca Galaxy AI en varios teléfonos inteligentes, incluidos algunos teléfonos de la serie Galaxy A, y actualmente no está claro cómo el cambio de marca de la compañía podría afectar su software.
