Sistemas fronterizos combinaron diagramas, papers PDF y código en un solo hilo de razonamiento verificado por herramientas.
En early 2026, demos mostraron agentes que leen papers con figuras, escriben código de experimentación y formalizan lemmas intermedios.
La integración no es perfecta: errores de OCR científico y de diagramas persisten. Aun así, el throughput de un investigador asistido creció.
El patrón alimenta tanto labs de producto como esfuerzos de IA para matemáticas puras.
Nuevos modelos multimodales de OpenAI integran texto, imagen y audio con APIs renovadas para desarrolladores.
Anunciado ~10 de septiembre de 2026, DeepSeek-V4.1-Flash es un MoE multimodal nativo (visión+texto) de 552B parámetros con encoder–decoder causal asimétrico (8B activos en input, 16B en output), KV cache drásticamente menor, precios peak/off-peak y retiro de V4-Flash —presión directa sobre laboratorios cerrados en coste por token.
Modelos optimizados para pensar más al inferir marcaron 2025, con saltos en math contests y coding agents.