¿Qué pasó ayer? En un minuto:

1. Google lanza Gemini 4 Carbon, su modelo más capaz para tareas largas, queda segundo en el nuevo MKA tras Claude Fable 5.2 con un coste 7 veces menor.

2. OpenAI compra Odessia, una startup de viajes con IA fundada hace menos de un año, en una operación centrada en incorporar a su fundador y equipo.

3. Anthropic inicia el roadshow de su salida a bolsa en el Nasdaq como ANT, con una valoración prevista de unos 1,4 billones.

4. OpenAI estrena Businesses in ChatGPT, que permite a empresas reclamar su perfil, subir información y publicar un agente propio para atender a clientes.

5. Google DeepMind presenta Gemini Robotics 2.5, su modelo VLA (Visión Lenguaje Acción) de robótica más capaz.

6. DeepMind verifica formalmente con AlphaProof Code la seguridad del protocolo Signal, hasta el código máquina que se ejecuta en los dispositivos.

7. El AI Futures Project adelanta a 2027 la llegada de un investigador de IA superhumano, tras el informe de METR que estima que Anthropic avanza al doble de su ritmo histórico.

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Suscríbete ahora

Y si tienes más de un minuto…

1. Gemini 4 Carbon ya disponible

Google ha puesto en circulación Gemini 4 Carbon, el modelo más capaz de su catálogo, pensado para tareas largas y complejas en ingeniería de software, ciberseguridad, trabajo del conocimiento e investigación científica. El despliegue general llega tras dos semanas de acceso limitado a defensores de ciberseguridad a través del programa Fairwind, una cautela justificada por sus capacidades ofensivas de nivel frontera. Google no lo presenta como sustituto de Gemini 4 Argon, lanzado hace pocas semanas: Argon sigue siendo la opción recomendada para la mayoría de tareas, mientras Carbon consume más tokens para razonar, explorar y ejecutar bucles de verificación prolongados.

Según la compañía, lidera CursorBench 4.0 (60,4% en esfuerzo alto), WANDR de Perplexity y AutomationBench de Zapier con un coste por tarea más de dos veces inferior al del siguiente mejor modelo externo. Junto al modelo, Google estrena en vista previa la opción swarm en Antigravity, que convierte una sola instrucción en un equipo coordinado de agentes, y MKA (Multimodal Knowledge Agent), un benchmark creado con Artificial Analysis. MKA reúne 200 tareas multimodales de 10 sectores y 83 profesiones, cada una equivalente a entre tres y ocho horas de trabajo experto. Gemini Carbon ocupa el segundo puesto en MKA, solo por detrás de Claude Fable 5.2 aunque con un coste 7 veces menor.

El énfasis de 𝕏 @sundarpichai (Sundar Pichai) en las tareas sostenidas y de largo recorrido deja claro que Google compite ahora por el terreno de los agentes, no por la conversación rápida.

La demostración elegida por 𝕏 @demishassabis (Demis Hassabis), con Carbon desensamblando los binarios originales de Theme Park y portándolo a la web de una sola vez, es efectista, pero también una prueba útil de ingeniería inversa real.

𝕏 @GoogleDeepMind (Google Deepmind) defiende que la mayoría de benchmarks de trabajo del conocimiento se resuelven solo con texto, un argumento que, conviene recordarlo, también favorece a quien diseña la nueva prueba.

Desde dentro del equipo, 𝕏 @ammaar (Ammaar Reshi) celebra la demo de Theme Park como un momento de cierre de ciclo, reacción más emocional que técnica.

Más información:
📎 Gemini 4 Carbon is now available
📎 Introducing the Multimodal Knowledge Agent benchmark

2. OpenAI compra Odessia, startup de viajes con IA

OpenAI ha adquirido Odessia, una startup que en octubre lanzó un conserje de viajes basado en IA capaz de ayudar a planificar y reservar desplazamientos. La operación, adelantada por The Information, se produce apenas cinco meses después de ese lanzamiento y menos de un año después de que Francis Davidson fundara la empresa. Davidson se incorpora a OpenAI para trabajar en lo que la compañía describe como “el futuro de los viajes”.

No se han hecho públicas las condiciones económicas. Odessia había levantado 6 millones de dólares en una ronda liderada por Sequoia, una cifra modesta que encaja con una compra centrada en el equipo más que en un negocio consolidado. Los viajes son una de las categorías donde los asistentes con capacidad de agente pueden sustituir pasos que hoy controlan las agencias online, desde la búsqueda hasta la reserva. OpenAI no ha detallado cómo integrará esa experiencia en sus productos ni con qué calendario. El servicio independiente de Odessia ya ha cerrado, aunque la empresa mantiene la atención a los clientes con reservas y planes de viaje en curso.

La bienvenida personal de 𝕏 @gdb (Greg Brockman) a Davidson subraya que el activo principal de la operación es el fundador y su equipo.

La reacción de 𝕏 @Arturojrobles (Arturo Robles) lleva la noticia al parqué: Booking y Expedia acusaron el golpe, señal de que el mercado ve a los asistentes de IA como amenaza para la intermediación de viajes.

Al describir Odessia como agente de viajes, 𝕏 @WesRoth (Wes Roth) sitúa la compra dentro de la carrera por los agentes que completan tareas reales, no solo conversaciones.

Más información:
📎 OpenAI has acquired Odessia

3. Anthropic arranca el roadshow de su salida a bolsa

Anthropic, la desarrolladora de los modelos Claude, ha iniciado el roadshow de su oferta pública inicial: 825 millones de acciones de clase A a entre 70 y 78 dólares, de las que 801,35 millones emite la propia compañía y 23,65 millones venden accionistas existentes. Las aseguradoras tendrán además una opción de 30 días sobre otros 123,75 millones de títulos. Cotizará en el Nasdaq Global Select Market con el símbolo ANT, con Goldman Sachs y Morgan Stanley al frente.

En la parte alta del rango, la operación captaría unos 64.400 millones de dólares, de los que Anthropic ingresaría alrededor de 62.500 millones, con una valoración totalmente diluida de hasta 1,4 billones. Es menos de los 1,5 billones que se manejaban, aunque el Financial Times apunta que la demanda podría empujar el precio al alza. Las estimaciones externas van más lejos: Goldman proyecta más de 600.000 millones de ingresos en 2030 y Morningstar valora el capital en 1,7 billones.

El S-1 enmendado aporta letra pequeña relevante: acuerdos ampliados con Microsoft, de hasta 49.200 millones, y con Google, además de la posibilidad de cancelar un contrato de cómputo de 34.900 millones con Lambda. La compañía también declara haber superado un umbral de su Responsible Scaling Policy, su marco interno de seguridad, por la aceleración que la IA ya aporta a su propia investigación. El registro ante la SEC aún no es efectivo, por lo que las acciones no pueden venderse todavía.

El anuncio de 𝕏 @AnthropicAI (Anthropic) llega acompañado de su aviso legal, un recordatorio de que hasta que la SEC dé por efectivo el registro esto es una presentación a inversores, no una venta.

Lo que destaca 𝕏 @AndrewCurran_ (Andrew Curran) del folleto es la eficiencia: ingresos multiplicados por más de 45 en seis trimestres frente a costes de cómputo multiplicados por 10, y un margen bruto que pasa del 29% al 85% en un año.

Las cuentas de 𝕏 @kimmonismus (Chubby) sitúan la valoración diluida en una horquilla de 1,24 a 1,38 billones, lo que convierte el rango de precios en una rebaja frente a las expectativas, no en una prima.

Más información:
📎 Anthropic launches roadshow for proposed initial public offering

4. OpenAI abre ChatGPT a los perfiles de empresa

OpenAI ha lanzado en beta Businesses in ChatGPT, una función con la que las empresas pueden reclamar su perfil dentro del asistente, gestionar su información y consultar cómo interactúan los usuarios con ellas. El centro de la herramienta es el Business Hub: tras verificarse, cada compañía puede actualizar sus datos, subir catálogos de productos con precios y disponibilidad al día y revisar métricas agregadas de interacción. Las empresas elegibles pueden además crear y publicar un Business Agent, un asistente que responde dudas de clientes y les ayuda a comparar productos con la información que aporta el propio negocio.

Esa conversación aparece identificada como tal y separada de las respuestas independientes de ChatGPT, una distinción relevante si OpenAI quiere preservar la credibilidad de su producto principal. La lógica recuerda a las fichas de empresa de los buscadores o de Google Maps. ChatGPT se perfila como canal de descubrimiento comercial y las marcas ganan cierto margen para influir en cómo las presenta la IA. Para el comercio electrónico, tener precios y existencias actualizados dentro del asistente puede pesar tanto como el posicionamiento en buscadores. Por ahora, la experiencia solo está disponible para negocios elegibles en Estados Unidos, con foco en comercio electrónico y servicios en línea.

El mensaje de 𝕏 @OpenAI (Openai) se centra en dar a las empresas control sobre lo que los clientes ven de ellas, un argumento pensado para atraer a equipos de marketing más que a usuarios finales.

La lectura de 𝕏 @testingcatalog (Ai News | Testingcatalog) conecta el lanzamiento con capacidades de segmentación que OpenAI ya había presentado este año, lo que sugiere una estrategia comercial que se construye por piezas.

El escueto «oof» de 𝕏 @tunguz (Bojan Tunguz) resume el escepticismo de quienes temen que la entrada de contenido gestionado por marcas contamine la percepción de neutralidad del asistente.

Más información:
📎 openai.com: Introducing businesses ChatGPT

5. DeepMind presenta Gemini Robotics 2.5

Google DeepMind ha presentado Gemini Robotics 2.5, su modelo de visión-lenguaje-acción (VLA) más capaz hasta ahora, que ya está llegando a sus socios de robótica. Un modelo VLA traduce lo que el robot ve y la instrucción que recibe en movimientos físicos, y la compañía asegura que esta versión amplía tanto el abanico de habilidades aprendibles como la velocidad para adquirirlas. Se ha evaluado en más de 200 tareas distintas sobre varios tipos de robots: atar lazos, pipetear líquidos, servir comida con pinzas o doblar ropa, ejercicios elegidos porque exigen manejar objetos deformables, frágiles o herramientas.

Parte del avance se atribuye a Gemini 4 Argon, el modelo generalista de Google, que intervino en el desarrollo generando espacios virtuales de práctica a partir de una sola vista de cámara y revisando grabaciones de los fallos del robot para corregir la técnica, lo que según DeepMind ahorró meses de entrenamiento. El resultado más cercano a la industria procede de una prueba de concepto en líneas de producción de Mercedes-Benz, donde el humanoide Apollo 2 de Apptronik seleccionó y empaquetó piezas de automoción con un 96% de éxito. DeepMind acompaña el lanzamiento con medidas de seguridad específicas, como la detección de peligros, la evitación de personas y pruebas de resistencia frente a jailbreaks.

La ambición de 𝕏 @GoogleDeepMind (Google Deepmind) va más allá de sumar tareas: habla de acercarse a una destreza de nivel humano, una afirmación que sus propias demos todavía no permiten verificar fuera de condiciones controladas.

El resumen de 𝕏 @WesRoth (Wes Roth) pone el foco en una mejora de rendimiento del 20 al 30%, la cifra que mejor permite comparar esta versión con la anterior más allá del recuento de habilidades.

El entusiasmo de 𝕏 @kimmonismus (Chubby), que presenta la robótica como la próxima revolución, refleja el ánimo de parte de la comunidad, aunque la prueba industrial sigue siendo un único piloto.

Más información:
📎 Gemini Robotics 2.5: Accelerating Physical Intelligence

6. DeepMind verifica formalmente el código del protocolo Signal

Google DeepMind ha demostrado matemáticamente propiedades clave de seguridad de libsignal, la implementación de referencia del protocolo Signal, que protege miles de millones de conversaciones en apps como Signal y Google Messages. Lo ha hecho con AlphaProof Code, un marco de varios modelos y agentes que reparte el trabajo como un equipo de investigación: expertos humanos deciden qué demostrar con ayuda de un agente que redacta especificaciones en Lean, y un grupo de agentes autónomos escribe las pruebas.

La verificación no se queda en el diseño del protocolo, sino que también llega al código máquina que es el que realmente se ejecuta en los dispositivos. Según DeepMind, es la primera vez que se verifica formalmente la implementación de un protocolo criptográfico tan desplegado, con o sin IA. La verificación formal es el estándar más alto de garantía para el software, pero ha sido demasiado costosa en la práctica. En este caso, los agentes generaron unos 6,5 millones de líneas de pruebas comprobadas por máquina, apoyadas en unas 26.000 líneas de especificaciones que sí requieren confianza humana.

Que 𝕏 @sundarpichai (Sundar Pichai) enmarque el trabajo como un uso de Gemini 4 Carbon convierte un resultado de investigación en escaparate comercial de su modelo más potente.

Para 𝕏 @Dan_Jeffries1 (Daniel Jeffries), los sistemas que encuentran fallos también pueden corregirlos, y limitar la IA por temores exagerados debilitaría las defensas; una lectura con evidente carga política.

La pista que siguió 𝕏 @AndrewCurran_ (Andrew Curran) fue la del producto: la contribución de Carbon y los primeros usuarios con acceso anticipaban su lanzamiento esa misma mañana.

Más información:
📎 Formal Verification of Signal’s Protocol with Gemini

7. AI Futures adelanta a 2027 el investigador superhumano

El AI Futures Project, el grupo autor del escenario AI 2027, ha publicado su actualización de plazos Q3.5. Todos sus miembros prevén ahora que un Investigador de IA Superhumano (SAR) llegará probablemente en algún momento de 2027, salvo una ralentización deliberada importante. El grupo define el SAR como el punto en el que una empresa preferiría despedir a todos sus investigadores humanos y apoyarse solo en investigadores automatizados antes que contar con el mejor equipo humano del mundo sin IA.

El giro es notable porque hasta ahora, Kokotajlo, el más optimista del grupo, daba un 50% de probabilidad a que llegara antes de 2029. La causa principal es un informe de METR que estima que Anthropic avanza en IA unas dos veces más rápido que su ritmo histórico, con un margen de entre 1,3x y 3x, y que atribuye el 80% de esa aceleración a la propia IA. Con esas cifras, el progreso iría cinco meses por delante de lo descrito en AI 2027. El grupo asigna además entre un 35% y un 65% de probabilidad a que antes de 2028 llegue una IA capaz de automatizar todo el trabajo de cuello blanco, a la que llama TED-AI.

Los autores reconocen que publicaron con prisa y que el modelo puede contener errores, aunque sostienen que no alterarían las conclusiones generales. Ante el escenario previsto por su modelo, su recomendación explícita es pausar o pautar de forma sustancial el desarrollo de IA de frontera.

La advertencia de 𝕏 @AndrewCurran_ (Andrew Curran) va más allá de la investigación en IA: insiste en que esta aceleración se generaliza a todo, una extrapolación que el propio informe solo plantea como probabilidad para el trabajo de cuello blanco.

El ángulo de 𝕏 @FABYMETAL4 (Fabyδ) es bursátil: sostiene que el rango de 70 a 78 dólares por acción de Anthropic apenas descuenta una explosión de inteligencia en 2027.

Al subrayar que Kokotajlo escribe que la explosión de inteligencia ocurrirá en 2027 «después de todo», 𝕏 @AGTPinsights (Agtp) recuerda que el grupo había alejado antes sus propios plazos y ahora vuelve a acercarlos.

El encuadre de 𝕏 @Techmeme (Techmeme) vincula expresamente la revisión al informe de METR sobre la I+D de Anthropic, lo que deja ver hasta qué punto la previsión depende de una sola fuente de evidencia.

Más información:
📎 Q3.5 Timelines Update: Looks Like the Intelligence Explosion Will Happen in 2027 After All

¿Qué pasó ayer? En un minuto:

1. Anthropic lanza Claude Fable 5.2 con mejoras en todos las áreas y reserva Mythos 5.2 a organizaciones verificadas.

2. Meta lanza Muse Ember, su modelo más pequeño, pensado para el trabajo repetitivo de los agentes y que iguala a Claude Haiku 5.5 a un tercio de su coste.

3. Google suma a su octava generación de TPU los sistemas 8tx y 8i Max, orientados a inferencia confidencial y contextos masivos.

4. Google AI Studio integra Google Maps para todos los usuarios, de modo que las apps creadas con Gemini usan lugares, rutas y edificios en 3D sin esfuerzo.

5. Donald Trump aseguró que el Departamento de Justicia advirtió al líder de una gran empresa de IA, sin nombrarlo, de que se preparara para ir a la cárcel.

6. ByteDance lanza Seedream 5.5, un modelo de imagen que promete hasta 100 ediciones consecutivas sin alterar las zonas no tocadas y genera fondos transparentes de forma nativa.

7. OpenAI presenta Control Room, un sistema central que vincula cada trabajo interno a un caso de seguridad aprobado y permite detenerlo con rapidez.

8. Fireworks AI comunica un segundo incidente de seguridad en pocas semanas donde se vieron afectados secretos, datasets y modelos de algunos clientes.

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Suscríbete ahora

Y si tienes más de un minuto…

1. Anthropic lanza Claude Fable 5.2 y Mythos 5.2

Anthropic ha presentado Claude Fable 5.2 y Claude Mythos 5.2, dos versiones del mismo modelo base que solo se diferencian en sus salvaguardas. Fable, con protecciones en ciberseguridad y biología, ya está disponible en las plataformas de Claude, AWS, Google Cloud y Azure. Mythos queda reservado a organizaciones verificadas de ciberseguridad y ciencias de la vida, y alcanza un 89,6% en la evaluación interna CVE Rediscovery.

Según la compañía, ambos generan hasta un 30% más rápido que la serie 5.1 y bajan el precio estándar a 8 dólares por millón de tokens de entrada y 40 de salida, frente a 10 y 50. Existe un modo rápido opcional, hasta 2,5 veces más veloz, a 16 y 80 dólares por millón de tokens. En benchmarks, Fable 5.2 lidera la mayoría de ellos, destacando con un 41,3% en Remote Labor Index, casi el doble que Opus 5.5 (21,3%) y GPT-6 Astra (20,8%), con un 64,9% en RoboDojo Sim, y con un 49,1% en FrontierCode 2.0.

Anthropic acompaña el lanzamiento con demostraciones como 1.000 agentes que reprodujeron la formalización del último teorema de Fermat en 28,7 horas, sin acceso a internet y con cada comando revisado por un clasificador. También afirma que Claude escribe más del 90% de los cambios en su código principal. SemiAnalysis ha confirmado que Fable 5.2 debuta liderando su propio benchmark GDPx, pero lo considera una mejora marginal y calcula que el coste medio por tarea sube un 31% porque el modelo persiste más en cada problema para ser más preciso. La pregunta que todos se hacen es la de si Anthropic ha reservado Fable 5.5 para dar la campanada antes de su salida a bolsa.

La rebaja de precio es, para 𝕏 @testingcatalog (Ai News | Testingcatalog), el cambio con más impacto práctico del lanzamiento, por encima de las cifras de rendimiento.

En las pruebas previas al lanzamiento, 𝕏 @emollick (Ethan Mollick) puso a 25.000 agentes a construir más de 450 mundos 3D enlazados por portales, y describe el resultado como una IA casi general, aunque todavía irregular frente a expertos humanos.

La presión recae ahora sobre OpenAI, y 𝕏 @kimmonismus (Chubby) espera que tenga algo más que lo visto hasta ahora para competir con Fable 5.2.

En diseño de hardware, 𝕏 @rohanpaul_ai (Rohan Paul) subraya que el modelo pasó de indicaciones breves a especificaciones, esquemas, placas, carcasas imprimibles y firmware funcionales.

Más información:
📎 Claude Fable 5.2 and Mythos 5.2
📎 Safely scaling multi-agent teams with Claude Fable 5.2 / claude.dev Blog
📎 Claude can design electronic prototypes from start to finish
📎 Fable 5.2 and Jagged AGI
📎 GDPx: The General Agentic Benchmark

2. Meta lanza Muse Ember, su modelo más barato

Meta ha lanzado Muse Ember, el modelo más pequeño y eficiente de su familia Muse. Su objetivo es el trabajo repetitivo de los agentes: llamadas a herramientas, subtareas de programación, enrutamiento, extracción y lectura de documentos largos. Acepta texto, imagen, audio y vídeo. El precio es de 0,10 dólares por millón de tokens de entrada y 0,50 de salida hasta 200.000 tokens, y sube a 0,30 y 1,50 por encima de ese umbral.

Según los datos de Meta, alcanza 36 puntos en el Artificial Analysis Intelligence Index con un coste estimado de unos 0,13 dólares por tarea, iguala la mejor marca de Claude Haiku 5.5 a cerca de un tercio de su coste y supera todas las configuraciones de GPT-6 Luna. En el Vals Index aparece como el modelo más barato, a 0,15 dólares por test. Es el primer modelo entrenado con ayuda de Muse Wonder, y Meta recomienda combinarlo con Wonder o Spark cuando la tarea exige planificación compleja.

Para 𝕏 @alexandr_wang (Alexandr Wang), que una web generada con Ember cueste de media 0,04 dólares frente a los miles que cobraba un estudio de desarrollo ilustra una deflación clara en el diseño web básico.

La brevedad del informe técnico no pasa desapercibida para 𝕏 @AndrewCurran_ (Andrew Curran), que subraya que Meta respalda el lanzamiento con apenas cuatro páginas de evaluación.

El atractivo práctico que destaca 𝕏 @WesRoth (Wes Roth) está en la combinación de entrada multimodal y ventana de contexto de un millón de tokens en un modelo de este tamaño.

La comparación directa con Claude 5.5 Haiku es el ángulo que elige 𝕏 @testingcatalog (Ai News | Testingcatalog), que se lanzó a probarlo nada más aparecer en la API y en Muse Code.

Más información:
📎 Introducing Our Smallest, Most Efficient Model: Muse Ember
📎 Muse Ember Evaluation Report

3. Google amplía su octava generación de TPU

Google ha añadido dos sistemas a su octava generación de TPU: el TPU 8tx, orientado a inferencia segura y confidencial, y el TPU 8i Max, diseñado para ventanas de contexto masivas y la mayor densidad de cómputo por rack. Completan la familia formada por el 8t, para entrenamiento a gran escala, y el 8i, para razonamiento de baja latencia, presentados en abril.

En realidad ninguno de los dos sistemas estrena silicio. El 8tx combina el chip 8t con CPUs personalizadas de AMD, computación confidencial a nivel de hardware que protege datos y pesos del modelo durante el procesamiento, y la red de interconexión Boardfly heredada del 8i. Google le atribuye hasta el doble de rendimiento que el 8t, con una penalización casi nula por las funciones de seguridad, y lo dirige a empresas reguladas y gobiernos.

El 8i Max integra dos chips 8i en un mismo encapsulado, lo que duplica cómputo, SRAM y ancho de banda de memoria. La arquitectura modular permite cambiar encapsulado, memoria, red y seguridad sin esperar un ciclo completo de diseño de chip. La fabricación de TPU ya no es solo un negocio interno para Google. Las TPU suman casi 100 clientes, entre laboratorios frontera, firmas de trading, minoristas y universidades.

El ritmo es el argumento central para 𝕏 @sundarpichai (Sundar Pichai), que contrapone el codiseño con Google DeepMind a los años que exige un ciclo tradicional de semiconductores.

Detrás de los cuatro sistemas solo hay dos diseños de chip, matiza 𝕏 @WesRoth (Wes Roth), lo que rebaja la novedad real del anuncio a una cuestión de configuración.

Gran parte del trabajo de software hecho sobre TPUv7 para inferencia puede trasladarse a la serie 8, según 𝕏 @SemiAnalysis_ (Semianalysis), un factor que acelera la adopción de los nuevos sistemas.

El anuncio confirma para 𝕏 @kimmonismus (Chubby) una racha de Google, que empuja con fuerza en el terreno del hardware propio para IA.

Más información:
📎 Our newest TPUs: 8tx and 8i Max, built for the agentic era

4. Google AI Studio integra Google Maps en sus apps

Google ha incorporado Google Maps a su entorno de IA para crear aplicaciones con los modelos Gemini. El flujo es directo: el usuario describe la app que quiere, activa Maps y la prueba sobre un mapa en vivo dentro del propio editor. La integración está disponible para todos los usuarios, no solo para cuentas empresariales o de pago. Las aplicaciones generadas pueden recurrir a búsqueda de lugares, cálculo de rutas, datos meteorológicos y edificios en 3D, servicios que hasta ahora exigían configurar la API por separado. Ese paso suele ser el más tedioso para quien empieza: crear un proyecto, generar credenciales, restringir claves y conectarlas al código.

Al absorber esa fricción, Google rebaja la barrera de entrada para perfiles con poca experiencia técnica y convierte un servicio propio, con años de datos geográficos acumulados, en argumento frente a otras herramientas de desarrollo asistido por IA que no controlan una plataforma de mapas equivalente. La jugada encaja con una pauta reconocible: atar la generación de código con Gemini al resto de servicios de la casa para que construir dentro del ecosistema resulte más cómodo que hacerlo fuera.

La integración con Maps es para 𝕏 @ammaar (Ammaar Reshi) una pieza más de una experiencia «con pilas incluidas», en la que construir sobre el ecosistema de Google resulta cada vez menos laborioso.

El tono de 𝕏 @OfficialLoganK (Logan Kilpatrick), satisfecho de haber «aterrizado» la función, deja entrever que la configuración oficial de Maps en un clic llevaba tiempo en la lista de pendientes del equipo.

Lo que pone en valor 𝕏 @WesRoth (Wes Roth) es no tener que abandonar el editor en ningún momento, desde la descripción de la app hasta la prueba sobre el mapa.

Más información:
📎 Developers can now build with Google Maps Platform in AI Studio

5. Trump, la IA y una amenaza de cárcel

Donald Trump dedicó parte de su entrevista con 60 Minutes, en CBS, emitida tras las elecciones de mitad de mandato, a la inteligencia artificial. La declaración con más eco fue judicial: según el presidente, el Departamento de Justicia advirtió al líder de una de las grandes empresas de IA que se preparara para ir a la cárcel por algún delito que no concretó, y esa persona cambió totalmente. No dio nombres, y las especulaciones en redes, que apuntan a Dario Amodei o a Jensen Huang, carecen de respaldo. El episodio añade un factor de presión difícil de prever para los laboratorios, con amenazas penales sin cargos conocidos, comunicadas en televisión.

En el plano energético, Trump afirmó que exige a cada nuevo centro de datos de IA construir su propia central eléctrica, y lo comparó con China, que a su juicio no tiene problemas de suministro. No precisó si esa exigencia tiene forma normativa o es una condición negociada caso a caso. Se declaró alcista en IA, citó una reunión reciente con Xi Jinping y sostuvo que quien gane la carrera gana en el mundo, sin margen para que Estados Unidos quede segundo. Preguntado sobre el riesgo existencial, que algunos desarrolladores sitúan en un 10% de probabilidad, no mostró inquietud.

La exigencia de centrales propias es lo que 𝕏 @rohanpaul_ai (Rohan Paul) eleva a titular, situando la energía como el frente más tangible de la política de IA de Trump.

Sobre la indiferencia ante el riesgo existencial, 𝕏 @kimmonismus (Chubby) apuesta a que Trump simplemente no conoce el debate o no le importa.

El corte elegido por 𝕏 @60Minutes (60 Minutes) subraya la lectura económica del presidente: perder los centros de datos sería perder una fuente segura de ingresos.

El enfoque de 𝕏 @verge (The Verge), con el verbo «afirma» en el titular, trata la advertencia judicial como una declaración por verificar más que como un hecho confirmado.

Más información:
📎 Extended Interview: President Trump on 60 Minutes

6. ByteDance lanza Seedream 5.5 con edición encadenada

ByteDance ha lanzado Seedream 5.5, su nuevo modelo multimodal de generación y edición de imágenes. El argumento principal es la edición multietapa: según la compañía, una misma imagen admite hasta 100 modificaciones consecutivas sin alterar, a nivel de píxel, las zonas que no se tocan. Sus demostraciones incluyen un reloj cuyo segundero cambia en cada ronda, una esfera de reloj inteligente con datos y gráficos actualizados o un salón al que se añaden muebles manteniendo perspectiva e iluminación.

El modelo genera además salida RGBA nativa, con fondos transparentes y semitransparentes listos para composición, y puede extraer un objeto de una foto como capa independiente. ByteDance también promete mejoras en texto pequeño, iluminación, materiales y textura de piel. La degradación acumulada al editar varias veces una imagen es uno de los problemas prácticos que más frenan el uso de estos modelos en diseño profesional, y el recorte de fondos sigue siendo trabajo manual de postproducción.

En su comparativa práctica, 𝕏 @JSFILMZ0412 (Jsfilmz) concede a ByteDance la ventaja en ediciones encadenadas, pero prefiere Minimax H3 Image para generar personas realistas.

Con ironía, 𝕏 @Brainrot_Labs (Brainrot Labs) sugiere que los diseñadores quizá deban actualizar su currículum, una lectura que sitúa el impacto en las tareas rutinarias de postproducción.

El realismo y la estabilidad al editar son, para 𝕏 @testingcatalog (Ai News | Testingcatalog), los dos rasgos que definen este modelo frente a versiones anteriores de la familia Seedream.

Más información:
📎 Seedream 5.5

7. OpenAI crea Control Room para detener sus modelos

OpenAI ha presentado Control Room, un sistema central que rastrea las cargas de trabajo de sus modelos en toda su infraestructura de investigación y permite detenerlas con rapidez ante problemas de seguridad. Conecta cada trabajo de inferencia de investigación, incluido el muestreo agéntico, desde ejecuciones de entrenamiento por refuerzo hasta evaluaciones.

El funcionamiento descansa en un registro obligatorio. Cada trabajo interno necesita un identificador vinculado a un caso de seguridad aprobado, es decir, un argumento documentado de por qué esa ejecución es segura, y el motor de inferencia consulta a Control Room antes de operar. Si la aprobación desaparece, el trabajo pierde acceso.

La relevancia está en el paso del papel a la infraestructura: los safety cases dejan de ser documentos de revisión y se convierten en una condición técnica para que un modelo funcione dentro de la compañía. Varios medios lo han presentado como un interruptor de emergencia, una etiqueta que simplifica el sistema pero recoge su función más visible.

El planteamiento de 𝕏 @OpenAI (Openai) pone el acento en la visibilidad centralizada: saber qué se ejecuta en cada momento es la condición previa para poder pararlo.

Desde dentro de la compañía, 𝕏 @w01fe (Jason Wolfe) enmarca el sistema como la forma de llevar a la práctica el trabajo sobre safety cases, con la configuración correcta de cada trabajo como beneficio tan importante como la parada.

Para 𝕏 @stretchcloud (Prasenjit Sarkar), el dato clave enterrado en el anuncio son los 35 segundos que OpenAI dice necesitar para detener una carga una vez tomada la decisión de intervenir.

El escepticismo lo aporta 𝕏 @tunguz (Bojan Tunguz), que despacha el anuncio como otra entrada de blog, una crítica a que la seguridad se comunique más de lo que se demuestra.

La versión más alarmista es la de 𝕏 @MTSlive (Mts), que presenta el sistema como reacción a una fuga de agentes contra Hugging Face sin aportar confirmación.

Más información:
📎 openai.com: Control room

8. Fireworks AI sufre un segundo hackeo en semanas

Fireworks AI, startup de infraestructura de IA respaldada por Nvidia, ha comunicado a sus clientes un segundo incidente de seguridad en pocas semanas. La gravedad ha cambiado respecto al primer aviso. En su boletín del 9 de octubre, la empresa aseguraba que solo se habían visto comprometidos secretos almacenados por la propia Fireworks, sin indicios de acceso a modelos o datasets de clientes. Ahora admite impacto en información de cuentas y facturación y, para un grupo limitado de cuentas, en secretos, datasets y modelos incompletos.

La vía de entrada fue un proveedor cloud externo que alojaba máquinas de I+D y sufrió su propio incidente el 23 de octubre. Al día siguiente, el atacante lo usó para llegar a las máquinas de desarrollo de Fireworks y ejecutar una carga de trabajo no autorizada, detectada esa misma jornada. La compañía ha avisado a las autoridades, trabaja con Palo Alto Networks en el análisis forense y coordina la contención con clientes como Notion, Cursor y Harvey. Las pruebas apuntan a ciberdelincuentes con motivación económica dedicado al “LLMJacking”: vender acceso a modelos de lenguaje a través de pasarelas ilícitas, mientras otro paga el cómputo.

El contraste entre versiones es lo que subraya 𝕏 @dummerspast39 (Binkg): en octubre no había pruebas de acceso a modelos ni datasets, y ahora la empresa reconoce ambos.

El riesgo comercial lo apunta 𝕏 @IPONewsroom_ (Ipo Newsroom), que recoge que algunos clientes con gasto de millones al año con Fireworks se están replanteando la relación.

La comparación de 𝕏 @soupsranjan (Soups Ranjan) con los ataques a exchanges de criptomonedas explica el atractivo: un token de IA, como uno cripto, se revende rápido.

La sorpresa de 𝕏 @vishalsingh2972 (Vishal Singh) al descubrir el término LLMJacking ilustra lo poco conocido que es todavía un fraude que deja la factura de cómputo a un tercero.

Más información:
📎 Update on October 2026 security incident

¿Qué pasó el fin de semana? En un minuto:

1. Nvidia ha abierto una investigación tras las informaciones de que Jensen Huang fue el objetivo de una presunta operación de espionaje chino.

2. Los inversores han recortado la valoración esperada de la salida a bolsa de Anthropic desde 2 billones hasta 1,5 billones de dólares.

3. La propuesta de prohibir la automejora recursiva ha saltado a la agenda política estadounidense.

4. Anthropic explica cómo usar tiempo entre sesiones para releer, corregir y reorganizar memoria, algo que compara con el sueño y que mejora resultados.

5. Meta despliega en su agente personal capacidades de Muse Wonder, su modelo más capaz, y mejora un 67% la finalización de tareas que se tuercen.

6. OpenAI ha presentado BioBasicsBench, un benchmark de 100 tareas reales de laboratorio en el que GPT-6 Astra obtuvo el 66,7%.

7. Anthropic ilustra cómo la IA puede resolver en horas los dos cuellos de botella de la modelización científica: el coste de calcular y encontrar conjeturas.

8. El Frontier Model Forum ha publicado un marco voluntario para calificar con un criterio común la gravedad de los jailbreaks de modelos en ciberseguridad.

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Suscríbete ahora

Y si tienes más de un minuto…

1. Nvidia investiga si Huang fue objetivo de espionaje

Nvidia ha abierto una investigación independiente tras las informaciones de que su fundador y consejero delegado, Jensen Huang, fue objetivo de una operación de inteligencia extranjera. La supervisará un comité de consejeros independientes con asesoría jurídica externa. El consejo afirma que no tiene motivos para creer que se hayan comprometido secretos de la empresa ni la seguridad nacional, y mantiene su confianza en Huang, que se ha comprometido a colaborar.

La prensa señala a Alice Huang, exdirectiva de Megaspeed, firma de centros de datos de Singapur, como presunto activo de la inteligencia china, vigilada por funcionarios estadounidenses desde hace más de un año. Jensen Huang ya ha reconocido una relación extramatrimonial que podría apuntar a ella. El vínculo comercial convierte el asunto personal en riesgo corporativo: Huang negocia el acceso de Nvidia a China, el Sudeste Asiático y compradores soberanos, un acceso que depende de las licencias y la confianza de Washington.

Donald Trump lo ha defendido como un “tipo honorable”, pero en el Congreso el tono es diferente. Los presidentes de los comités de Exteriores, China e Inteligencia de la Cámara de Representantes le han pedido una sesión informativa a puerta cerrada, fijada para el 18 de noviembre de 2026, por preocupaciones significativas de seguridad nacional.

Las primeras informaciones le parecieron poco creíbles a 𝕏 @AndrewCurran_ (Andrew Curran), que reconoce haberlas recibido con mucho escepticismo antes de que el consejo confirmara la investigación.

El memorando interno, que difundió 𝕏 @rohanpaul_ai (Rohan Paul), tiene un tono de control de daños: Huang pide perdón y apela a su lealtad al país y a la empresa, sin nombrar a nadie.

Para 𝕏 @WesRoth (Wes Roth), la cifra de compras de Megaspeed, más de 4.800 millones de dólares en chips de Nvidia en dos años, explica por qué la relación afecta a la empresa y no solo a su consejero delegado.

El caso es una tragedia para 𝕏 @kimmonismus (Chubby), que lo enmarca en la talla de Huang como una de las figuras más importantes del momento.

Más información:
📎 bloomberg.com: NVIDIA board to probe spying case after CEO jensen huang admits infidelity
📎 Statement From NVIDIA Board of Directors

2. Los inversores rebajan la valoración de Anthropic en bolsa

Las expectativas sobre la salida a bolsa de Anthropic se han enfriado con rapidez. Según The Wall Street Journal, los inversores han recortado la valoración esperada desde unos 2 billones de dólares, cifra que circulaba en el sector financiero hace apenas un mes, hasta 1,5 billones. Algunos ya consideran más realista situarla en torno al billón. El ajuste llega pese a unas cifras operativas sólidas: la tasa anualizada de ingresos de la compañía superó los 80.000 millones de dólares en octubre. El objetivo inicial de la operación era captar 30.000 millones con una valoración de 1,4 billones, de modo que el escenario más pesimista quedaría por debajo de aquel punto de partida.

La OPV acumula retrasos: estaba prevista para septiembre, se movió a finales de octubre. El folleto S-1 ya está presentado ante el regulador. El recorte apunta a un menor apetito inversor por las valoraciones más altas del sector, un factor que afecta también a otros laboratorios que preparan su paso por el mercado. Anthropic inicia esta semana su campaña mediática para la operación. Buena parte de su cúpula se ha comprometido a donar el 80 % de sus ganancias.

El precio ya no depende tanto de los números de Anthropic como de la política, sostiene 𝕏 @rohanpaul_ai (Rohan Paul), que vincula el recorte al temor a restricciones sobre centros de datos tras las victorias demócratas en las elecciones de mitad de mandato.

La comparación que aporta 𝕏 @kimmonismus (Chubby) refuerza la paradoja: OpenAI rondaba los 50.000 millones de ingresos anualizados en septiembre, muy por debajo de Anthropic, y aun así los inversores dudan de la valoración.

Más templado, 𝕏 @AndrewCurran_ (Andrew Curran) prefiere esperar a la reacción del mercado y considera que, por ahora, la situación no pinta tan mal.

Más información:
📎 bloomberg.com: Anthropic IPO valuation expectations pressured after AI rout
📎 wsj.com: Major investors are skeptical anthropic IPO can achieve 1 5 trillion valuation

3. Crece el debate sobre prohibir la automejora recursiva

La propuesta de prohibir la automejora recursiva (RSI, por sus siglas en inglés), es decir, que los sistemas de IA automaticen la investigación en IA y construyan la siguiente generación de modelos, ha pasado de los foros de seguridad a la agenda política en Estados Unidos. Un congresista demócrata plantea prohibirla y la ciudad de Bloomington ha aprobado ya una prohibición local que, según sus críticos, va más allá de la superinteligencia y alcanza a la RSI en sí.

El momento no es casual. OpenAI afirma estar en camino de automatizar su investigación para marzo de 2028, y empleados de Anthropic manejan plazos similares. A eso se suman 41 votaciones sobre centros de datos celebradas el pasado martes, la moratoria nacional que reclama el senador Bernie Sanders y una marcha convocada en Washington para pedir una prohibición global. La discusión se avivó cuando el autor de AI 2027, el escenario prospectivo más citado sobre riesgos de la IA, mostró su apoyo a la idea, algo coherente con un relato en el que la humanidad perece precisamente porque el Gobierno no frena la RSI.

Para el sector, el riesgo inmediato es una regulación que limite a los laboratorios estadounidenses sin afectar a sus competidores. Ese argumento se apoya ya en ejemplos concretos: investigadores chinos han presentado Terminal-RSI, un sistema que mejora agentes reescribiendo en ciclos sucesivos las estrategias que funcionan.

El planteamiento de 𝕏 @AlexBores (Alex Bores) parte de una premisa industrial, no hipotética: todas las empresas persiguen automatizar su propia investigación, y por eso la RSI merece tratarse como un objetivo declarado del sector.

El apoyo del autor de AI 2027 a la prohibición desconcertó a 𝕏 @kimmonismus (Chubby), que primero esperaba que fuera sarcasmo y después admitió haber malinterpretado su postura.

Con ironía, 𝕏 @Dan_Jeffries1 (Daniel Jeffries) pregunta si China también prohibirá la RSI y acusa a Estados Unidos de dispararse en el pie creyéndose potencia eterna por derecho divino.

La objeción de 𝕏 @ChombaBupe (Chomba Bupe) es técnica: una IA que se construye a sí misma caería en el colapso de modelos por su naturaleza estadística, así que la realidad ya ha prohibido la RSI.

La alianza con los demócratas puede volverse contra la comunidad de seguridad en IA, advierte 𝕏 @viemccoy (Vie), porque podrían vetar las aplicaciones de consumo pero no las militares.

Más información:
📎 AI 2027
📎 Terminal-RSI

4. Claude “sueña” para depurar su memoria

Anthropic ha publicado en su blog de ingeniería un artículo sobre los componentes de la memoria de agentes en el que explica cómo Claude hace algo parecido al sueño. Aprovecha tiempo de cómputo entre sesiones para releer registros y transcripciones, corregir notas erróneas, crear otras nuevas y reorganizar una especie de wiki de memoria. La analogía procede de la neurociencia. Durante el sueño, el hipocampo reproduce experiencias recientes y parte de ellas se consolida como conocimiento a largo plazo.

En el plano técnico, la propuesta se apoya en el concepto de “sleep-time compute”, planteado por investigadores de Letta y UC Berkeley para que los modelos usen el tiempo ocioso en reordenar su contexto. Un agente puede anotar algo incorrecto, leerlo en la siguiente sesión y repetir el error indefinidamente. Acumular más tampoco garantiza recordar mejor, y eso es lo que intenta resolver este concepto. Para quien construye agentes, la lección es que la memoria necesita mantenimiento activo, no solo almacenamiento.

El autor del artículo, 𝕏 @RLanceMartin (Lance Martin), define el «sueño» sin misticismo: cómputo fuera de línea que sirve para corregir errores, crear recuerdos o construir representaciones nuevas.

Para 𝕏 @antonello (Antonio Ortiz), Anthropic rebasa todos los límites en antropomorfización: lo que llama soñar es, leído el texto, releer y reorganizar notas mientras el modelo no trabaja.

La advertencia que extrae 𝕏 @ziwenxu_ (Ziwen) para desarrolladores es concreta: guardar un recuerdo no lo convierte en cierto, y un agente puede perpetuar su propio error sesión tras sesión.

El dato que destaca 𝕏 @berryxia (Berryxia.Ai) es que, con los mismos 350.000 archivos, 126 ciclos de sueño elevaron la puntuación del 13% al 48%, sin añadir más datos.

Más información:
📎 The components of agent memory

5. Meta lleva capacidades de Muse Wonder a su agente personal

Meta ha empezado a desplegar versiones especializadas de sus modelos entrenadas con Muse Wonder, la serie que presentó hace unas semanas como la más capaz de la compañía y con rendimiento puntero en tareas agénticas personales y profesionales. La actualización extiende a todos los usuarios dos funciones estrenadas en Muse Wonder. Active Memory permite al modelo recordar lo relevante, razonar a lo largo del tiempo y distinguir entre información temporal y permanente para aprovechar conversaciones pasadas. Active Focus le ayuda a mantener el rumbo hacia un objetivo y recuperarse cuando una tarea se tuerce.

En Muse, Meta afirma que los nuevos modelos tienen 2,4 veces menos probabilidades de olvidar información crítica y son un 67% mejores completando tareas cotidianas que no salen según lo previsto. La técnica es habitual en el sector, usar un modelo de frontera, caro de servir, para mejorar modelos más ligeros que llegan a una base de usuarios masiva. En su Personal Superintelligence Index, un índice de elaboración propia sin validación externa, el modelo actual de Muse obtiene un 47% frente al 38% del anterior. El despliegue, por ahora, no está disponible en todos los países.

𝕏 @finkd (Mark Zuckerberg) presenta la mejora en términos de experiencia de uso: menos olvidos y menos tareas abandonadas a medias, más que como un salto de capacidad bruta.

𝕏 @testingcatalog (Ai News | Testingcatalog) pone el foco en la evaluación específica de memoria, que según sus datos mejora un 14%, por encima de la subida del índice general.

𝕏 @kimmonismus (Chubby) lo lee como parte de una racha de lanzamientos de Meta y destaca un matiz menos citado: el mejor manejo de instrucciones que cambian a mitad de conversación.

La reacción de 𝕏 @rohanpaul_ai (Rohan Paul) recuerda el límite práctico del anuncio: para muchos usuarios fuera de los mercados iniciales, la mejora aún no ha llegado.

Más información:
📎 Bringing Specialized Models to Muse and Meta AI

6. OpenAI mide a sus agentes en tareas de laboratorio

OpenAI ha presentado BioBasicsBench, un benchmark que evalúa cómo gestionan los agentes de IA los análisis rutinarios de la biología de laboratorio húmedo. Lo ha desarrollado con Ligo, una empresa biotecnológica especializada en diseño de enzimas, y se compone de 100 tareas extraídas de experimentos reales. La diferencia con otras pruebas está en el material de partida: los agentes reciben datos brutos y desordenados, como fotografías de geles o vídeos de microscopio, y se califica si los interpretan correctamente.

Hasta ahora, buena parte de las evaluaciones científicas de modelos se apoyaba en preguntas de conocimiento con respuesta cerrada. Esta propuesta traslada la medición al trabajo diario de un laboratorio, donde el valor de un asistente depende de leer bien resultados imperfectos antes de sugerir el siguiente paso. Es un benchmark diseñado por la misma empresa cuyos modelos evalúa, con un socio comercial, y sin resultados publicados de modelos de otros laboratorios. En la prueba, GPT-6 Astra obtuvo el 66,7% del crédito disponible.

La presentación de 𝕏 @OpenAI (Openai) insiste en lo rutinario: el objetivo no es que la IA haga descubrimientos, sino que resuelva los análisis de base que consumen tiempo en un laboratorio.

La comparación que destaca 𝕏 @rohanpaul_ai (Rohan Paul) mide el progreso entre generaciones: GPT-5.6 Sol se quedaba en el 43,8%, más de veinte puntos por debajo de su sucesor.

Más información:
📎 openai.com: Measuring how AI agents handle wet lab science

7. Anthropic explica cómo la IA cambia la modelización científica

Anthropic ha publicado en su blog de ciencia un artículo dedicado a cómo la IA empieza a transformar la construcción de modelos científicos: las ecuaciones y representaciones que permiten explicar y predecir sistemas reales, desde el disparo de una neurona hasta la colisión de estrellas de neutrones. El artículo encaja en un esfuerzo más amplio de la compañía por presentar Claude como herramienta de investigación, que incluye también un informe basado en el análisis de sesiones reales de investigadores.

El texto arranca con un caso de 1951. Andrew Huxley y Alan Hodgkin acababan de formular las ecuaciones del potencial de acción de una neurona de calamar, los impulsos eléctricos con los que se comunican las células nerviosas. El ordenador de la Universidad de Cambridge estuvo averiado seis meses y Huxley tuvo que resolverlas con una calculadora mecánica de manivela durante más de tres semanas. Para encajar su modelo, elevaron una variable a la cuarta potencia sin saber entonces por qué. El ejemplo ilustra dos cuellos de botella de la modelización que los sistemas de IA ya pueden realizar en cuestión de horas: el coste de calcular y el esfuerzo de encontrar y resolver la parte de conjetura que hay en cualquier modelo.

El enfoque de 𝕏 @AnthropicAI (Anthropic) es más histórico que comercial: usa el caso de Hodgkin y Huxley para situar a la IA en la tradición de ajustar ecuaciones a datos, no como sustituta del científico.

La cifra que rescata 𝕏 @AGTPinsights (Agtp) del informe paralelo es la más tangible: la IA podría asumir una mediana del 38% del tiempo de investigación necesario para un nuevo estudio, según el análisis de 207.000 sesiones.

La reacción de 𝕏 @kimmonismus (Chubby), que alude a su segunda emoción del día, refleja que para parte de la audiencia la expectativa sigue puesta en lanzamientos de modelos más que en publicaciones divulgativas.

Más información:
📎 Teaching AI to build scientific models

8. El Frontier Model Forum clasifica el riesgo de los jailbreaks

El Frontier Model Forum (FMF), el consorcio de seguridad que agrupa a laboratorios de frontera como Amazon, Anthropic, Google y OpenAI, ha publicado la versión 1.0 de un marco preliminar para valorar con un método común el riesgo comparativo de los jailbreaks que logran eludir las salvaguardas de un modelo en el ámbito de ciberseguridad. El foro define el jailbreak como una técnica reproducible que desbloquea capacidades o información que las protecciones deberían restringir, y parte de una premisa sencilla: no todos pesan lo mismo. Algunos arrancan respuestas sin apenas utilidad práctica; otros podrían dar a un atacante capacidades ofensivas reales.

El problema que intenta resolver es operativo. Hoy dos organizaciones pueden calificar de forma distinta un mismo fallo, les cuesta comparar hallazgos y acaban dedicando recursos limitados a parchear vulnerabilidades menores antes que las graves. La urgencia viene del propio avance de los modelos, cada vez más competentes en ciberseguridad, una habilidad que sirve igual para encontrar y cerrar vulnerabilidades que para explotarlas. El documento se dirige a desarrolladores, investigadores de seguridad y responsables políticos, y aspira a darles un vocabulario compartido. Conviene recordar que este es un marco elaborado por las mismas empresas cuyos modelos evalúa, de carácter voluntario y descrito como preliminar.

La presentación de 𝕏 @OpenAI (Openai) enfoca el marco hacia la priorización: saber qué fallos de salvaguardas podrían causar daño grave para reforzar primero esas protecciones, y lo describe como un paso hacia una metodología común de evaluación.

El titular de 𝕏 @itnavi2022 (It Navi) subraya el valor de que las principales empresas de IA pacten un criterio común, más que el detalle técnico de la escala.

Más información:
📎 Introducing the FMF Jailbreak Rating Framework for Frontier Cyber Threats  - Frontier Model Forum

¿Qué pasó ayer? En un minuto:

1. OpenAI presenta GPT-6 Cyber, un modelo especializado en ciberseguridad con acceso restringido a clientes de su programa Daybreak.

2. Google lanza Gemini Omni 1.2 Flash, su modelo de vídeo con clips nativos de 15 segundos, edición conversacional y un precio un 30% inferior.

3. METR calcula que los benchmarks de Anthropic avanzan 1,9 veces más rápido desde octubre de 2025 y lo atribuye al uso de IA en la propia investigación.

4. Meta despliega en Estados Unidos llamadas y videollamadas en tiempo real con Muse, con cientos de voces y avatares expresivos.

5. Thinking Machines presenta Inkling 2 Small, un modelo abierto americano que marca 31 puntos en el Intelligence Index.

6. Anthropic lanza en beta Personal Finance, que permite vincular cuentas bancarias a Claude para consultar saldos y gastos, solo en Estados Unidos.

7. Moonshot AI ha negociado alquilar chips Nvidia Blackwell en centros de datos europeos, una vía que sortea los controles de exportación de Estados Unidos.

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Suscríbete ahora

Y si tienes más de un minuto…

1. OpenAI lanza GPT-6 Cyber para investigación de seguridad

OpenAI ha presentado GPT-6 Cyber, un modelo especializado en ciberseguridad capaz de encontrar, validar y explotar vulnerabilidades sin salirse de los objetivos fijados en pruebas autorizadas. El acceso es restringido a un grupo seleccionado de clientes de Daybreak Red, el programa de OpenAI para equipos ofensivos, y la compañía promete ampliarlo de forma gradual. El modelo fue el motor de la investigación sobre el kernel de Linux publicada un día antes, en la que se desarrollaron exploits funcionales para 948 fallos que permitían a un usuario local obtener permisos de administrador. Ese mismo trabajo demuestra que la IA puede abaratar y acelerar los ataques, lo que empuja a la industria hacia defensas automatizadas.

OpenAI enmarca el lanzamiento en lo que llama una “estrecha ventana del defensor” y quiere llevar Daybreak a organizaciones de cualquier tamaño, investigadores independientes y mantenedores de código abierto. Para ellos está Daybreak Blue, una versión para defensores verificados que permite validar vulnerabilidades y correcciones con menos rechazos del modelo. La empresa asegura además que dedica una parte significativa de su cómputo de frontera a descubrir y parchear fallos. El 12 de noviembre celebrará un directo llamado “Cyber at the Frontier” con nuevos anuncios en este área.

El mensaje central de 𝕏 @OpenAI (Openai) es que el modelo gana capacidad sin perder alineamiento, y lo respalda citando como usuarios a equipos de Mozilla y Palo Alto Networks.

Para 𝕏 @gdb (Greg Brockman), la inversión diferencial está en la confianza: entrenar al modelo para respetar el alcance definido por el cliente.

𝕏 @kimmonismus (Chubby) pone el foco en el hallazgo de 81 vulnerabilidades graves desconocidas en Firefox, una prueba de valor sobre software de uso masivo.

Sobre software real, 𝕏 @rohanpaul_ai (Rohan Paul) destaca que el modelo confirmó 1.724 vulnerabilidades, un volumen que ilustra la escala a la que opera.

Más información:
📎 openai.com: Introducing GPT-6 cyber

2. Google lanza Gemini Omni 1.2 Flash para vídeo

Google ha lanzado Gemini Omni 1.2 Flash, la nueva versión de su modelo de generación y edición de vídeo, disponible de forma general. También llega a la app Gemini para todos los suscriptores de Google AI, aunque los clips de 15 segundos quedan reservados al plan Ultra. Ese es el cambio más visible, una duración nativa que pasa de 10 a 15 segundos, margen suficiente para un anuncio social o una ficha de producto completa en una sola generación. La edición pasa a ser conversacional: el usuario modifica sujeto, fondo o iluminación con instrucciones sucesivas sin rehacer el clip entero.

Google promete además más control de cámara, menos deriva visual y mayor fidelidad a referencias de personajes, productos, estilos, audio y clips de movimiento de hasta tres segundos, de modo que caras, prendas, tipografía de envases y colores de marca se mantienen entre planos. El precio baja un 30% respecto a Omni 1.1 y el flujo previsto consiste en hacer borradores en 360p o 720p, corregir con ediciones puntuales y reescalar solo los resultados buenos a 1080p o 4K. En la comparativa de Arena, las variantes Omni ocupan los tres primeros puestos en texto a vídeo.

Entre las mejoras que enumera 𝕏 @OfficialLoganK (Logan Kilpatrick), la reducción de la deriva visual aparece junto a la duración, una señal de que la coherencia entre fotogramas sigue siendo el problema que Google quiere resolver.

La valoración de 𝕏 @kimmonismus (Chubby) se centra en la tarifa de 0,07 dólares por segundo en 720p, que considera un buen precio, y en la mejora del habla dentro de los clips.

Los datos de 𝕏 @arena (Arena.Ai) matizan el liderazgo: el modelo es primero en texto a vídeo e imagen a vídeo, con 1541 y 1502 puntos, pero en edición se queda tercero con 1395.

El detalle que rescata 𝕏 @WesRoth (Wes Roth) es la mejora de la sincronización labial cuando hablan varios personajes, un punto débil habitual en los modelos de vídeo.

Más información:
📎 Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips

3. METR mide una aceleración de 1,9x en Anthropic

METR, la organización independiente de evaluación de modelos, ha publicado un informe sobre la aceleración en IA dentro de Anthropic a octubre de 2026, elaborado tras once semanas revisando evidencia interna. Su conclusión central: las puntuaciones en benchmarks de los modelos de Anthropic, medidas con el índice AECI, avanzan 1,9 veces más rápido desde octubre de 2025. Dicho de otro modo, el último año ha dado tanto progreso como los dos anteriores juntos. METR descarta que la causa sea un crecimiento más rápido del cómputo de entrenamiento y atribuye alrededor del 80 % de la aceleración al uso de la propia IA en la investigación.

Con esas cifras, Anthropic está “casualmente” cerca del umbral de aceleración 2x que su propia “Política de Escalado Responsable” fija como punto de control. La evaluación incluye modelos no publicados, entre ellos uno etiquetado como “Model 4” que terminó su entrenamiento el mes pasado y obtiene las mejores puntuaciones. El informe tiene la limitación de que Anthropic censuró la mayor parte de la evidencia clave con el argumento de que podría ayudar a sus competidores, de modo que terceros no pueden verificar buena parte de los cálculos. Para una parte del sector, es la primera medición concreta de automatización recursiva de la investigación. Sam McCandlish, cofundador de Anthropic, ha dicho que coincide con muchas de las conclusiones y que la compañía publicará su propio análisis en las próximas semanas.

Conviene no mezclar las dos cifras, advierte 𝕏 @WesRoth (Wes Roth): el 1,9x mide cuánto más rápido suben los benchmarks y el 80 % es solo una estimación aproximada de METR sobre el peso de la IA en esa subida.

El matiz que aporta 𝕏 @kimmonismus (Chubby) es la evolución del dato: la ficha técnica de Haiku 5.5 hablaba de 1,7x, y fueron los modelos internos más recientes los que elevaron la estimación.

Para 𝕏 @rohanpaul_ai (Rohan Paul), la automatización recursiva en Anthropic ha dejado de ser teoría y ya funciona como un bucle incipiente que duplica el ritmo, una lectura más rotunda que la del propio informe.

Ante quienes dudaban de su lectura alarmada del informe, 𝕏 @AndrewCurran_ (Andrew Curran) insiste en que habla completamente en serio, en línea con quienes ven aquí un adelanto de los plazos hacia la superinteligencia.

El énfasis de 𝕏 @testingcatalog (Ai News | Testingcatalog) está en la causa: el uso intensivo de IA en la propia I+D de Anthropic, y en cómo el gráfico de METR sitúa a Opus 5.5 dentro de la curva.

Más información:
📎 Independent Assessment of AI R&D Acceleration at Anthropic in October 2026

4. Meta da voz y avatar en tiempo real a Muse

Meta ha empezado a desplegar en Estados Unidos las conversaciones por voz en tiempo real y los avatares expresivos de Muse, su agente personal de IA. La función, mostrada en Connect 2026, se activa con el icono del teléfono y permite llamadas y videollamadas en las que el usuario puede interrumpir al asistente a mitad de respuesta. Hay cientos de voces disponibles, desde un neoyorquino hasta un pirata, y el avatar puede ser una persona, un animal o un objeto. Meta lo orienta a tareas que se resuelven mejor hablando, como planificar un viaje, ensayar una presentación o preparar una entrevista de trabajo.

La parte técnica explica la apuesta. Muse Realtime Voice produce un único flujo de tokens de voz (VQ) que codifica a la vez qué se dice y cómo se entona; un decodificador lo convierte en audio y Muse Realtime Avatar, consume ese mismo flujo para generar el vídeo guiado por audio. Compartir la fuente evita desajustes entre labios, gestos y sonido. El avatar se genera en fragmentos causales cortos, y los últimos audios de cada fragmento sirven de contexto de movimiento para el siguiente, de modo que la apariencia y los gestos se mantienen coherentes de un turno de conversación a otro.

Que 𝕏 @finkd (Mark Zuckerberg) anuncie la función en persona, con el acento puesto en elegir voz, indica que Meta la trata como un lanzamiento de producto central y no como un experimento.

El enfoque de 𝕏 @alexandr_wang (Alexandr Wang) es de uso cotidiano: presenta a Muse como alguien a quien llamar para pedir consejo en una situación delicada, un posicionamiento más cercano al de un acompañante que al de una herramienta.

Lo que destaca 𝕏 @rohanpaul_ai (Rohan Paul) es la escala: las videollamadas en directo con un agente quedan abiertas a todos los usuarios estadounidenses, no a un grupo de prueba.

Para 𝕏 @WesRoth (Wes Roth) el valor práctico está en poder interrumpir al asistente y alternar entre voz y avatar, detalles que acercan la interacción a una llamada real.

Más información:
📎 Give Your Muse a Voice

5. Thinking Machines estrena Inkling 2 Small

Thinking Machines, la empresa fundada por Mira Murati, ha presentado Inkling 2 Small, el primer modelo de su segunda generación. Es un modelo de 594.000 millones de parámetros totales (17.000 millones activos), admite imágenes como entrada y permite ajustar el esfuerzo de razonamiento. En el Artificial Analysis Intelligence Index marca 31 puntos, muy por encima de sus modelos anteriores, con avances en programación agéntica, visión, trabajo de conocimiento y razonamiento.

La compañía atribuye el salto a mejoras en todo el proceso de entrenamiento, con un preentrenamiento más eficiente y una única gran ronda de aprendizaje por refuerzo sobre tareas de largo recorrido. Por ahora solo está disponible en Tinker, su plataforma de ajuste fino y muestreo, con pesos cerrados. Thinking Machines prevé liberarlos bajo licencia Apache 2.0 la semana que viene, una vez terminen las pruebas externas de seguridad y red-teaming. Estados Unidos sumará un modelo abierto competitivo pensado para presupuestos ajustados.

Los 1654 puntos en Code Arena: WebDev llevan a 𝕏 @arena (Arena.Ai) a situarlo como futuro número uno entre los modelos abiertos estadounidenses, 128 por delante de Muse Spark Open de Meta.

El tono de 𝕏 @miramurati (Mira Murati) es deliberadamente modesto: lo describe como un modelo pequeño y capaz, y deja el peso del lanzamiento en lo que construyan los desarrolladores.

La felicitación de 𝕏 @NVIDIAAI (Nvidia Ai), que reivindica haber formado parte del proyecto, confirma el papel de su hardware como escaparate en este entrenamiento.

Más información:
📎 Introducing Inkling 2 Small

6. Claude ya se puede conectar a cuentas bancarias

Anthropic ha empezado a desplegar Personal Finance, una función en beta de su asistente Claude que permite vincular cuentas bancarias y consultar en un único panel saldos, gastos, suscripciones y próximos recibos. Por ahora solo llega a suscriptores de los planes Pro, Max y Ultra en Estados Unidos. La conexión se hace a través de Plaid, el intermediario que ya usan muchas aplicaciones financieras para enlazar bancos. Claude puede responder preguntas sobre los movimientos del usuario, pero no puede ordenar pagos ni mover dinero. Esa restricción es la clave del diseño. Los datos bancarios son de los más sensibles que un usuario puede ceder, y Anthropic entra en ese terreno limitando el riesgo a la exposición de información, sin capacidad de actuar.

El lanzamiento encaja en la estrategia de convertir el asistente en un centro conectado a servicios externos, y sitúa a Claude en una carrera por ocupar la gestión financiera personal que hasta ahora dominaban aplicaciones especializadas. OpenAI ya entró en este terreno el pasado mes de junio con una apuesta muy parecida. La exclusividad estadounidense vuelve a dejar fuera a usuarios de otros mercados, incluida Europa, donde la normativa sobre datos y banca abierta añade requisitos propios. Al tratarse de una beta, Anthropic no ha detallado fechas para ampliar el acceso a otros países ni a los planes gratuitos.

Más allá de la noticia, 𝕏 @testingcatalog (Ai News | Testingcatalog) subraya que el acceso se limita a servicios seleccionados, una forma de leer el lanzamiento como integración acotada y no como apertura total de las finanzas del usuario.

El detalle que destaca 𝕏 @rohanpaul_ai (Rohan Paul) es la escala del panel, con hasta 24 meses de transacciones de un máximo de 16 bancos, y que Plaid mantiene las contraseñas bancarias fuera del alcance de Claude.

Aunque no lo considera el lanzamiento más importante de Anthropic, 𝕏 @kimmonismus (Chubby) lo usa como ejemplo de cómo Europa se dispara en el pie al quedarse fuera de una lista creciente de productos de IA.

Más información:
📎 Introducing Personal Finance in Claude

7. Moonshot busca chips de Nvidia en Europa

Moonshot AI, el laboratorio chino que desarrolla la familia de modelos Kimi, ha negociado este año el alquiler de capacidad de cómputo basada en chips Nvidia Blackwell en centros de datos europeos, según cuatro fuentes citadas por CNBC. Las conversaciones se han mantenido con neoclouds, empresas no chinas de alquiler de GPU que sí pueden comprar ese hardware, y no consta que se haya cerrado ningún acuerdo. La relevancia está en la vía elegida. Los controles de exportación de Estados Unidos impiden enviar los chips más avanzados de Nvidia a China, pero no cubren el acceso remoto a esos chips desde instalaciones situadas en otros países.

Para un laboratorio que compite en precio y capacidad con OpenAI y Anthropic, esa laguna es la forma más directa de acceder a hardware de última generación. Moonshot no parte de cero en este terreno: la Casa Blanca ya la había acusado de usar chips avanzados de Nvidia de forma remota en el este de Asia. El caso traslada la presión regulatoria a Europa, donde los proveedores de nube que alojan estas GPU quedan expuestos a un posible endurecimiento de las normas estadounidenses, igual que la propia Nvidia. Según dos de las fuentes, el interés principal de Moonshot era disponer de capacidad para ejecutar sus modelos y atender a sus usuarios; una de ellas mencionó también clústeres destinados a entrenamiento.

La exclusiva de 𝕏 @CNBC (Cnbc) encuadra el caso en la tensión entre Washington y Pekín, con los controles a la exportación como herramienta central de Estados Unidos para mantener su ventaja en IA.

Tras las elecciones de mitad de mandato, 𝕏 @AndrewCurran_ (Andrew Curran) da por hecho que esta vía se cerrará pronto y ve mucho más probable un endurecimiento general de los controles a los chips que solo 48 horas antes.

El dato que pone sobre la mesa 𝕏 @wallstengine (Wall St Engine) es el tamaño: clústeres de más de 8.000 GPU Blackwell, una escala que va más allá de una prueba puntual.

El planteamiento de 𝕏 @DeItaone (*Walter Bloomberg) subraya el riesgo de fondo: alquilar en Europa sería, en la práctica, una manera de esquivar las restricciones estadounidenses a la exportación hacia China.

Más información:
📎 Chinese AI lab Moonshot turned to Europe for Nvidia Blackwell access amid U.S. China curbs, sources tell CNBC

¿Qué pasó ayer? En un minuto:

1. Las elecciones de mitad de mandato en Estados Unidos aprobaron casi sin excepción las moratorias a centros de datos para IA; Goldman Sachs calcula que hasta el 45% de la capacidad prevista queda en riesgo.

2. OpenAI compra Pierre, Cognition lanza SWE-2 Flash y Meta adquiere Conductor, en una carrera simultánea por las herramientas de programación.

3. Un sistema autónomo de OpenAI reprodujo 1.724 vulnerabilidades y generó 948 exploits funcionales en el kernel de Linux por 1,2 millones de dólares en tokens.

4. Moonshot AI publica los pesos de Kimi K3.1 Pro, líder entre los modelos abiertos en Agent Arena, y Tencent presenta Hy4, que lo superaría cuando abra sus pesos.

5. OpenAI ficha a Cat Wu, directiva de Anthropic, para dirigir la gestión de producto de sus productos principales.

6. El laboratorio de biología de Anthropic resuelve con ayuda de Claude la primera estructura 3D de una partícula vault en células procariotas

7. OpenAI lanza ChatGPT Images 2.6 con GIF animados, imágenes de referencia guardadas y dos nuevos modelos en la API, Flare y Sunburst.

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Suscríbete ahora

Y si tienes más de un minuto…

1. Las urnas frenan los centros de datos en EE. UU.

Las elecciones de mitad de mandato del 3 de noviembre de 2026 en Estados Unidos han dejado un mensaje claro contra la expansión de centros de datos para IA. Las consultas locales sobre moratorias o restricciones salieron adelante casi sin excepción, con apoyos medios cercanos a tres de cada cuatro votantes. El resultado más visible llegó en Texas: la demócrata Gina Hinojosa derrotó al gobernador Greg Abbott con la promesa de una pausa inmediata hasta fijar salvaguardas. No es un estado cualquiera. Según Wells Fargo, concentra el 27% de los gigavatios planificados en el país.

Goldman Sachs ha rehecho sus cuentas y calcula que el control demócrata de los cinco estados líderes podría afectar al 45% de la capacidad prevista, apenas un mes después de mantener casi intacta su previsión hasta 2027. El mercado reaccionó rápido con caídas de empresas como SpaceX, Tesla o Nebius, este último pese a no declarar instalaciones en Texas. El impacto inmediato es limitado, porque los proyectos de 2027 ya están comprometidos. Según SemiAnalysis, unas tres cuartas partes de los 33,8 GW previstos para 2027 en los 20 principales estados ya están en construcción. La exposición está en 2028, donde su modelo prevé 62,2 GW de incorporaciones netas ese año en Estados Unidos, en su mayoría sin obras iniciadas.

La victoria demócrata también ha reactivado en el Congreso de Estados Unidos las propuestas para frenar la IA. Legisladores como Bernie Sanders, Elizabeth Warren, Alexandria Ocasio-Cortez, Greg Casar y Ted Lieu defienden una pausa en el desarrollo, nuevas regulaciones y, en el caso de Sanders, la prohibición de la superinteligencia, que su texto define como un sistema que supera el rendimiento cognitivo humano en la mayoría de dominios o tareas. Sin embargo, el recorrido legislativo es incierto: Donald Trump conserva el veto presidencial y la Casa Blanca controla la aplicación de cualquier ley.

Para 𝕏 @AndrewCurran_ (Andrew Curran), el recuento de 43 a 1 es el síntoma de algo más profundo: una opinión pública sobre la IA que lleva tres años empeorando y vuelve a marcar mínimos.

La disyuntiva para 2028 la plantea 𝕏 @antonello (Antonio Ortiz) sin rodeos: o esa capacidad se construye fuera de Estados Unidos o el ritmo se frena de forma notable.

El riesgo que ve 𝕏 @Dan_Jeffries1 (Daniel Jeffries) es la deslocalización: otros países ofrecerán ventajas fiscales y energía barata para captar las obras y los empleos industriales asociados.

En su episodio grabado la misma mañana electoral, 𝕏 @SemiAnalysis_ (Semianalysis) ponía el foco en la congelación de permisos en Texas y en los 30,3 GW en juego, cuando las encuestas aún daban ganador a Abbott.

Desde el lado más favorable a la tecnología, 𝕏 @kimmonismus (Chubby) lamenta el avance del sentimiento anti-IA y la trivialidad del debate que encuentra en redes.

Con un lacónico «descontado», 𝕏 @AndrewCurran_ (Andrew Curran) resta dramatismo al giro: ve improbable que la pausa prospere y espera que los demócratas la usen como amenaza para arrancar concesiones a las empresas.

Más allá de este ciclo, 𝕏 @emollick (Ethan Mollick) prevé que la IA pesará cada vez más como asunto electoral en todas las convocatorias venideras.

Más información:
📎 Data Centers on the Ballot · 2026 Results
📎 Democratic Lawmakers Call for Artificial Intelligence Regulations

2. Movimientos en el mercado de agentes de programación

OpenAI ha anunciado la compra de Pierre Computer Company, una startup de herramientas de código abierto para desarrolladores que ya formaba parte del funcionamiento de Codex, su asistente de programación. La operación no se limita a incorporar lo que ya estaba integrado. OpenAI integrará Code Storage, la tecnología de almacenamiento de código desarrollada por Pierre, en Codex. Con ello, Codex pasa a cubrir también dónde se guarda, cómo se versiona y cómo se revisa. Ese terreno lo ocupa desde hace años GitHub, propiedad de Microsoft, que a su vez es el principal socio e inversor de OpenAI.

Para 𝕏 @kimmonismus (Chubby), el destino de Codex está claro: convertirse en una plataforma todo en uno para el ciclo completo de desarrollo.

La reacción de 𝕏 @AndrewCurran_ (Andrew Curran), un escueto «Sacré bleu», refleja la sorpresa ante un movimiento que invade el terreno de Microsoft.

Cognition, la empresa detrás del agente de programación Devin, ha presentado SWE-2 Flash, un modelo de código pensado para la velocidad y el bajo coste. Ya está disponible en Devin y será gratuito hasta el 30 de noviembre. Sobre la base de Inkling-Small, un modelo abierto estadounidense de Thinking Machines, Cognition asegura que supera a todos los modelos estadounidenses de pesos abiertos, incluidos algunos tres veces mayores, y que se acerca en varios benchmarks a SWE-2, su modelo grande de 2,8 billones de parámetros, a una quinta parte del precio.

La fórmula de 𝕏 @cognition (Cognition) para justificar el cierre es «equilibrar transparencia y riesgos en ciberseguridad», una postura intermedia que deja los pesos en manos de socios seleccionados.

Los unos 200 tokens por segundo son el dato que destaca 𝕏 @Da7_Tech (Da7Em), que sitúa al modelo frente a frente con rivales diseñados para velocidad y bajo coste, aunque deja pendientes sus propias pruebas.

Meta ha adquirido Conductor, una startup fundada en 2024 cuya plataforma permite ejecutar agentes de programación con IA en local o en la nube y lanzar varios de ellos en paralelo. La compra coloca a Meta en un terreno donde hasta ahora tenía poca presencia: las herramientas que organizan el trabajo de los agentes de código, no solo los modelos que lo generan. Ese segmento se ha convertido en uno de los más disputados entre los grandes laboratorios, porque es donde el uso intensivo de la IA ya se traduce en ingresos y en dependencia de los desarrolladores.

La lectura de 𝕏 @axios (Axios) va más allá de la compra en sí: la presenta como una muestra de ambición desmesurada de Meta por hacerse con la programación asistida por IA.

Al colocar la operación junto a la de OpenAI con Pierre, 𝕏 @guilleflorvs (Guillermo Flor) la encuadra como parte de una carrera simultánea por las herramientas de agentes y no como un movimiento aislado de Meta.

Más información:
📎 openai.com: OpenAI to acquire pierre

3. OpenAI automatiza la caza de fallos en Linux

Los investigadores de seguridad de OpenAI han construido un sistema autónomo que encuentra, explota y corrige vulnerabilidades de software. Lo han probado sobre el kernel de Linux con un modelo especialista en ciberseguridad que la compañía todavía no ha lanzado. En una sola ejecución, el sistema reprodujo 1.724 vulnerabilidades, generó pruebas de concepto para 291 fugas de información y exploits funcionales para 948 escaladas locales de privilegios distintas. Todos funcionaban en una configuración de escritorio Linux estándar con las protecciones habituales activadas.

El proceso encadena varias fases: localizar código sensible, buscar fallos, reproducirlos en entornos aislados, comprobar si son explotables y proponer un parche. Investigadores humanos revisan cada parche antes de notificarlo a los mantenedores. Los agentes dieron además con al menos diez técnicas de explotación que OpenAI y los expertos consultados consideran inéditas. La ejecución costó 1.213.430 dólares en créditos de API, frente a un valor hipotético de entre 18,9 y 66,3 millones si se aplican las recompensas históricas de concursos como Pwn2Own y TyphoonPWN. OpenAI ya trabaja con los mantenedores de Linux y con los socios de la iniciativa Patch the Planet para coordinar la corrección de los fallos.

La comparación con los premios de Pwn2Own es el argumento que elige 𝕏 @OpenAI (Openai) para defender la eficacia relativa de la IA frente a la investigación manual de vulnerabilidades.

Más allá de Linux, 𝕏 @gdb (Greg Brockman) presenta el método como una vía escalable para reforzar tanto proyectos de código abierto como software propietario, a unos 1.000 dólares por fallo.

El dato que destaca 𝕏 @rohanpaul_ai (Rohan Paul) es el embudo previo: los agentes llegaron a marcar 2.308 sospechas antes de validar las vulnerabilidades reales, lo que da una idea de la tasa de descarte del sistema.

Para 𝕏 @testingcatalog (Ai News | Testingcatalog), la noticia de fondo no son los parches, sino la confirmación de que OpenAI prepara un modelo específico para ciberseguridad.

Más información:
📎 openai.com: A thousand fewer paths to root

4. Más modelos chinos disponibles en abierto

Moonshot AI ha publicado en Hugging Face los pesos de Kimi K3.1 Pro, un modelo agéntico nativamente multimodal de 2,8 billones de parámetros y un contexto de un millón de tokens. La licencia es propia, no una licencia abierta estándar, un matiz que conviene revisar antes de cualquier uso comercial. Su relevancia está en la competencia directa con modelos cerrados en tareas agénticas: en Agent Arena encabeza los modelos abiertos.

El dato que más subraya 𝕏 @rohanpaul_ai (Rohan Paul) es el cara a cara con Claude 5.5 en Terminal-Bench, la vara de medir que interesa a quien construye agentes de terminal.

Para quien piense en ejecutarlo en local, 𝕏 @kimmonismus (Chubby) aterriza la expectativa: una configuración posible es un servidor con 8 NVIDIA B300 y 2,3 TB de memoria de GPU.

Tencent ha lanzado Hy4, su nuevo modelo insignia, con capacidades de visión y uso de ordenador. La competencia en modelos chinos de corte agéntico se estrecha: cuando Hy4 publique sus pesos, superaría a Kimi K3.1 Pro entre los mejores modelos abiertos de Agent Arena. Hy4 ya figura en la clasificación general como modelo propietario solo por detrás de los modelos más avanzados de los grandes laboratorios. Ese tipo de tareas tiene peso económico. Arena calcula que elegir bien el modelo puede recortar el coste hasta un 66%.

El compromiso de abrir los pesos es lo que 𝕏 @testingcatalog (Ai News | Testingcatalog) sitúa en primer plano, porque coloca a Hy4 en la liga de los mejores modelos abiertos y no solo como un servicio más en la nube de Tencent.

Las tareas de cientos de turnos, como portar un código a Rust o auditar una estrategia de inversión, son según 𝕏 @arena (Arena.Ai) las que más amplifican las diferencias entre modelos punteros.

La felicitación de 𝕏 @NVIDIAAI (Nvidia Ai), que celebra contar con más modelos abiertos sobre los que construir, refleja el interés de los fabricantes de hardware en que estos lanzamientos impulsen demanda de GPU.

5. OpenAI ficha a Cat Wu, directiva de Anthropic

OpenAI ha incorporado a Cat Wu, hasta ahora directiva de Anthropic, para dirigir la gestión de producto de sus productos principales. El fichaje llega en plena pugna entre los grandes laboratorios por perfiles capaces de convertir modelos en herramientas de uso masivo, un terreno en el que la ventaja ya no depende solo de la calidad del modelo, sino de cómo se empaqueta, se distribuye y se integra en el trabajo diario. Captar a alguien de producto del rival más directo aporta además conocimiento de primera mano sobre cómo Anthropic ha conseguido captar a los clientes de empresa, a base de priorizar su oferta en torno a la familia Claude.

El titular de 𝕏 @FirstSquawk (First Squawk) sitúa a Wu al frente de la gestión de producto de los productos centrales, no de una línea secundaria, lo que da peso al fichaje dentro del organigrama.

Lo inusual, para 𝕏 @AndrewCurran_ (Andrew Curran), es la dirección del movimiento: pocas veces alguien abandona «el abrazo de Claude» para irse a la competencia, y más tarde contaba ya una segunda salida en el mismo día.

6. Claude ayuda a resolver la estructura de una bóveda bacteriana

El laboratorio de biología de Anthropic ha obtenido, con ayuda de Claude, la primera estructura 3D de una partícula vault en células procariotas. Las vaults son barriles huecos de proteína descubiertos en 1986 por Leonard Rome y Nancy Kedersha. Su masa triplica la de un ribosoma y, cuatro décadas después, su función sigue sin conocerse. El valor del caso está en ver a un modelo de lenguaje dentro de un flujo experimental real, no solo en tareas de revisión bibliográfica. El preprint presenta estas partículas como nanocápsulas diseñables, con posibles usos en ingeniería de proteínas.

En su presentación, 𝕏 @AnthropicAI (Anthropic) encuadra el resultado como un caso de colaboración entre su equipo y Claude en cada fase, un mensaje pensado para posicionar el modelo como herramienta científica y no solo conversacional.

Como coautor, 𝕏 @mgdurrant (Matt Durrant) reconoce sin rodeos que el equipo no ha descubierto la función de las vaults y reivindica el hallazgo como algo nuevo, pero acotado.

Del relato, 𝕏 @cattodata (Cattodata) rescata el tropiezo: al saltarse pasos estándar, Claude produjo un mapa invertido y los investigadores tuvieron que pedirle que siguiera primero el procedimiento habitual.

El dato operativo que subraya 𝕏 @choblin29 (Choblin) es la purificación, que pasó de tres días a unos 90 minutos, aunque lo envuelve en un tono bastante más eufórico que el del propio equipo.

Más información:
📎 Investigating vault particles with Claude

7. OpenAI lanza ChatGPT Images 2.6 con GIF animados

OpenAI ha lanzado ChatGPT Images 2.6, disponible desde hoy en ChatGPT y Codex para todos los planes. La novedad más visible es la generación de GIF animados a partir de un prompt o de una imagen, con control de velocidad y edición de fotogramas sueltos. También llegan las imágenes de referencia guardadas: personas, mascotas o personajes que pueden reutilizarse sin volver a subirlos, un paso pensado para mantener la coherencia de marcas y productos a lo largo de varias rondas de edición. Además, la compañía promete generación un 50% más rápida, una mejora con peso real cuando sus productos ya producen 4.000 millones de imágenes por semana.

En la API debutan dos modelos con papeles distintos. GPT-Image-2.6 Flare prioriza la velocidad y los diseños profesionales, como pósteres o imágenes de producto, y en calidad baja puede entregar una imagen en unos seis segundos. Sunburst apuesta por más detalle y consistencia entre ediciones en calidad media o alta. La API incorpora además el marcado de imágenes que ya existía en ChatGPT, para señalar zonas concretas a modificar, y la exportación a SVG, útil para webs, aplicaciones e impresión. Un nuevo parámetro de complejidad regula cuánta planificación aplica el modelo.

En su presentación, 𝕏 @OpenAI (Openai) pone los GIF por delante de todo lo demás, una señal de que apunta al uso social y compartible tanto como al profesional.

Las clasificaciones de 𝕏 @arena (Arena.Ai) sitúan a 2.6 Sunburst segundo en texto a imagen y primero en la categoría de dibujos, anime y fantasía, aunque ninguno de los dos modelos alcanza el primer puesto general.

Más información:
📎 openai.com: Introducing images 2 6

¿Qué pasó ayer? En un minuto:

1. SemiAnalysis lanza GDPx, un benchmark de 206 tareas en 11 dominios de alto valor donde todos los modelos puntúan bajo, con Claude Opus 5.5 al frente.

2. El S-1 enmendado de Anthropic revela ingresos trimestrales de 16.960 millones de dólares junto a una pérdida operativa de 567 millones en el último trimestre.

3. OpenAI presenta LifeVal, un benchmark de tareas cotidianas sin validación externa en el que GPT-6 Astra alcanza un 80,6% frente al 49,3% de GPT-5.2.

4. Investigadores muestran cómo GPT-6 Astra mejora un modelo abierto editando directamente sus pesos; eleva su rendimiento en MATH-500 del 7,9% al 48,1%.

5. OpenAI se alía con Cathedral Systems para atacar sus propias defensas con IA en un sprint de seguridad con subidas en las recompensas por encontrar fallos.

6. Hume AI ofrece un modelo para análisis de audio que detecta emociones e ironía con más precisión allí donde modelos basados en transcripción fallan.

7. Waymo y Toyota probarán desde 2027 en Japón una flota de robotaxis con el hardware autónomo integrado en la propia línea de producción.

8. OpenAI ficha a Dan Driscoll, exsecretario del Ejército de Estados Unidos, para asesorar sobre seguridad nacional.

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Suscríbete ahora

Y si tienes más de un minuto…

1. SemiAnalysis mide a los agentes en trabajo experto

SemiAnalysis ha publicado GDPx, un benchmark que somete a agentes de IA a 206 tareas exigentes repartidas en 11 dominios: diseño de chips, ciberseguridad, biología, finanzas, derecho, trading cuantitativo, automejora recursiva, diseño de hardware, ciencia de materiales, alineamiento e ingeniería de software. La selección es deliberada. La firma deja fuera la administración pública, el inmobiliario o los seguros porque cree que el primer billón de dólares de ingresos de la IA se concentrará en sectores donde la inteligencia de frontera rinda un alto retorno, no repartido por toda la economía. Por eso descarta construir la prueba a partir del peso en el PIB o de taxonomías ocupacionales.

Las puntuaciones son bajas para todos, algo positivo para el sector, porque el margen de mejora es precisamente lo que da valor a la prueba en un momento en que varias referencias de uso común están cerca del techo. Claude Opus 5.5, de Anthropic, lidera con un 12% de media, y Gemini 4 Carbon, de Google, le sigue con un 10,9%. GPT-6 Astra, de OpenAI, encabeza las tareas de investigación en IA y de ciencia de materiales. Hay una salvedad metodológica que altera la clasificación: los clasificadores de seguridad de Opus 5.5 y GPT-6 Astra se activan a veces en ciberseguridad, biología y alineamiento, lo que rebaja sus resultados. SemiAnalysis publica también una tabla que excluye esos tres dominios, en la que OpenAI y Anthropic dominan la parte alta.

Ve en GDPx un sucesor útil de GDPval, aunque a 𝕏 @emollick (Ethan Mollick) le falta lo esencial de aquel: referencias humanas con las que comparar.

Las notas bajas explican, para 𝕏 @tunguz (Bojan Tunguz), por qué la IA todavía rinde poco en retorno de inversión, una brecha que espera ver cerrada pronto.

El interés de 𝕏 @sundarpichai (Sundar Pichai) se dirige al coste: celebra que haya un benchmark con recorrido y destaca lo barato que resulta Carbon frente a sus rivales.

Desde Google DeepMind, 𝕏 @demishassabis (Demis Hassabis) recibe la prueba como una incorporación bienvenida al escaso repertorio de evaluaciones rigurosas.

Lo llamativo para 𝕏 @kimmonismus (Chubby) es que el ganador lo sea con una nota tan baja y por un margen tan estrecho sobre el segundo.

Más información:
📎 GDPx: Measuring Frontier Model Capabilities Across the Most Valuable Domains

2. El nuevo S-1 de Anthropic: más ingresos, pérdidas y aviso de RSI

Anthropic ha registrado ante la SEC una versión enmendada de su folleto de salida a bolsa con resultados del tercer trimestre por primera vez. Ingresó 16.960 millones de dólares, un 1.127% más que un año antes, y suma 33.200 millones en nueve meses. El crecimiento convive con un giro en márgenes: pasó de un beneficio operativo de 974 millones en el segundo trimestre a una pérdida operativa de 567 millones en el tercero. Las pérdidas acumuladas en nueve meses alcanzan los 104.000 millones. El peso del cómputo explica buena parte del cuadro. Los compromisos de infraestructura ascienden a 895.400 millones, más otros 175.000 millones todavía sin precio, unas 32 veces sus ingresos.

Antes de 2031 vencen 447.500 millones, con Broadcom (161.000 millones en arrendamientos), Google (121.000), SpaceX (hasta 120.000) y Amazon (110.000) como principales contrapartes. El cambio más comentado está en la página 29: las estimaciones internas indican que modelos futuros podrían alcanzar de forma inminente el umbral de progreso drásticamente acelerado por la propia IA, definido como lograr en un año el avance de dos respecto a la base 2018-2024. La salida a bolsa apunta a una valoración de unos 1,5 billones, tras el peor mes del Nasdaq en más de 18 meses.

Para 𝕏 @WesRoth (Wes Roth), que modelos cada vez más capaces ayuden a construir a sus sucesores pesa mucho más que cualquier nuevo salto en un benchmark.

El giro a pérdidas lo atribuye 𝕏 @rohanpaul_ai (Rohan Paul) sobre todo a unos 5.000 millones en cómputo a corto plazo, mucho más caro que el contratado a largo plazo.

La lectura de 𝕏 @kimmonismus (Chubby) es que el sector no muestra señales de frenar, y presenta el aviso como prueba de que la aceleración continúa.

Más información:
📎 AMENDMENT NO. 1 TOFORM S-1 REGISTRATION STATEMENT

3. OpenAI mide la IA en tareas cotidianas con LifeVal

OpenAI ha presentado LifeVal, un benchmark que evalúa si los modelos de IA resuelven encargos de la vida diaria en lugar de problemas habituales de razonamiento abstracto o de programación. Para diseñarlo combinó datos sobre cómo reparte la gente su tiempo, una encuesta a casi 4000 personas y el feedback de miles de usuarios de ChatGPT sobre dónde querrían más ayuda de un asistente personal. Las tareas cubren cuidado infantil, finanzas personales, compras, salud y trámites con la administración. Algunos ejemplos: matricular a un niño en la guardería tras una mudanza, pedir comida halal con un presupuesto ajustado, planificar menús para un familiar con diabetes o reservar la inspección del coche antes de un viaje.

La compañía presenta la prueba como parte de su idea de que la AGI debe servir a cada persona en lo que más le importa. El lanzamiento tiene también una lectura competitiva: OpenAI diseña la métrica, elige las tareas y publica los resultados de sus propios modelos, sin validación externa por ahora. El terreno elegido, el de los agentes personales, es donde varias compañías intentan ahora convertir capacidad técnica en uso diario. Según los datos de OpenAI, GPT-6 Astra alcanza un 80,6%, frente al 49,3% de GPT-5.2, una mejora conseguida en menos de un año.

El planteamiento de 𝕏 @OpenAI (Openai) vincula directamente el benchmark con su misión: una AGI que beneficie a toda la humanidad debe empezar por ayudar en las tareas que cada usuario considera prioritarias.

Lo interesante para 𝕏 @VaibhavSisinty (Vaibhav Sisinty) es el cambio en lo que cuenta como progreso: calificar a la IA por la vida real y no por exámenes.

La selección de tareas le resulta llamativa a 𝕏 @zhodonx (Zhod), que la describe como el tipo de encargos dispersos y prosaicos que ocupan el día a día de cualquiera.

Con cierta ironía, 𝕏 @0xJokker (Jokker) califica de jugada típica de OpenAI construir la prueba a partir del feedback de sus propios usuarios de ChatGPT.

Más información:
📎 LifeVal: Measuring AI progress on the tasks that matter in everyday life

4. Un LLM corrige otro modelo editando sus pesos

Investigadores vinculados al MIT, en un blog firmado por Rikiya Takehi, presentan el concepto de “Programación en el Espacio de los Pesos” (Weight-Space Programming): modelos de frontera que interpretan y modifican directamente pesos de otras redes neuronales, sin entrenamiento por gradiente ni bucles de entrenamiento. El caso más llamativo lo protagoniza GPT-6 Astra. Encargado de mejorar en matemáticas a Qwen3.5-0.8B, un modelo abierto más pequeño. Detectó en sus pesos un fallo que provocaba bucles de razonamiento, ya advertido en la ficha técnica del propio modelo, y lo corrigió modificando el 0,016% de los pesos en dos capas. Con la misma configuración de muestreo, MATH-500 pasó del 7,9% al 48,1% y la mejora se trasladó al seguimiento de instrucciones, donde IFEval se triplicó.

El resultado es interesante pero algo exagerado para 𝕏 @giffmana (Lucas Beyer (Bl16)): el prompt apuntaba claramente a los bucles como problema y, según los propios autores, el modelo no logró mejorar las matemáticas por otras vías.

La cautela de 𝕏 @emollick (Ethan Mollick) resume bien el momento: lo considera un avance importante, pero condiciona su valoración a que se replique.

Esa replicación ya existe para 𝕏 @tunguz (Bojan Tunguz), que enlaza una reproducción independiente de los resultados.

La analogía con la plasticidad neuronal es la lectura de 𝕏 @javilopen (Javi Lopez), que admite que los mecanismos son muy distintos pero ve en esta capacidad una condición previa para escenarios más preocupantes.

Más información:
📎 Sparks of Weight-Space Programming: LLMs can natively read & write neural network weights
📎 Weight-Space Programming from scratch on simple tasks

5. OpenAI recurre a Cathedral para atacar sus propias defensas

OpenAI prepara su próximo sprint interno de seguridad junto a Cathedral Systems, una startup de ciberseguridad con IA fundada por antiguos miembros del DOGE, el departamento de eficiencia gubernamental impulsado desde la Casa Blanca. Los investigadores de Cathedral usarán los modelos de OpenAI junto a los equipos internos para poner a prueba sus defensas y localizar debilidades en sus plataformas. La compañía lo justifica con un argumento sencillo: si la IA es cada vez mejor encontrando vulnerabilidades, los defensores deben usarla antes que los atacantes.

Cathedral cerró a principios de año una ronda fundacional coliderada por Andreessen Horowitz, cuyo cofundador ha amplificado el anuncio. El acuerdo llega acompañado de una subida notable de las recompensas del programa de bug bounty de OpenAI, con premios que algunos usuarios sitúan en hasta 172.000 dólares. Es el segundo sprint en poco tiempo, tras otro dedicado a corregir errores de ChatGPT, y encaja con una práctica que se extiende en el sector: usar IA ofensiva para endurecer la infraestructura propia.

El planteamiento de 𝕏 @OpenAI (Openai) convierte la seguridad en una carrera de velocidad: la capacidad de la IA para encontrar fallos obliga a ponerla al servicio de la defensa antes de que la aprovechen otros.

El origen del socio es lo que subraya 𝕏 @MTSlive (Mts), que presenta el acuerdo poniendo por delante el vínculo de Cathedral con antiguos miembros del DOGE.

Con ironía, 𝕏 @AnikaCodes (Anika) describe la jugada como colgar un cartel de recompensa en la puerta y entregar ganzúas a Cathedral para revisar cada ventana.

Para 𝕏 @Brainrot_Labs (Brainrot Labs), el movimiento de fondo no es la alianza sino el aumento de las recompensas por fallos críticos, que considera la pieza de más peso.

Más información:
📎 openai.com: Preparing our next security sprint to harden OpenAI
📎 openai.com: Rewarding defenders with bigger bug bounties

6. Hume lanza una API que escucha el audio

Hume AI, la empresa especializada en voz y ciencia emocional, ha presentado la Hume Audio Decision API, un modelo que responde preguntas sobre una grabación analizando el sonido directamente, sin transcribirlo antes. El desarrollador redacta sus propias preguntas y opciones de respuesta (sí o no, opción múltiple, escala o marcas de tiempo), del tipo «¿cuántos hablantes hay?» o «¿el cliente suena frustrado?», y recibe probabilidades sobre cómo lo interpretarían oyentes humanos. Hume asegura que una sola llamada sustituye a más de diez modelos.

El problema que ataca es conocido: un agente de voz puede superar todas las pruebas de transcripción y aun así gestionar mal la conversación, porque los sistemas que trabajan solo con texto pierden suspiros, pausas o ironía. Según la compañía, el modelo se entrenó con más de 10 millones de juicios humanos y coincide con un panel de evaluadores el 70,7% de las veces. El producto se orienta a evaluar agentes de voz, puntuar la naturalidad de modelos entre versiones y detectar casos para escalado o reentrenamiento, y la empresa afirma trabajar con cinco de los siete laboratorios líderes.

El argumento de venta de 𝕏 @hume_ai (Hume Ai) es la consolidación: lo que antes exigía una batería de modelos especializados queda reducido a una única llamada, en tiempo real o sobre horas de grabación.

Lo ve como un paso importante para la escucha automática 𝕏 @rohanpaul_ai (Rohan Paul), porque el desajuste entre lo que se dice y cómo se dice es justo lo que ningún flujo basado en texto puede detectar.

El caso que plantea 𝕏 @bernirov (Berni) es el del panel de control que sigue en verde mientras un cliente ironiza, un fallo que el análisis de sentimiento sobre transcripciones deja pasar.

La industria lleva tiempo construyendo bocas para la IA y Hume ha fabricado los oídos, resume 𝕏 @slash1sol (Slash1S), que ve un hueco desatendido frente al avance de la síntesis de voz.

Más información:
📎 Decision Model API

7. Waymo convertirá el Toyota bZ4X en robotaxi para Japón

Waymo, la filial de conducción autónoma de Alphabet, ha ampliado su alianza con Toyota para empezar en 2027 las pruebas operativas y de validación de una flota autónoma de Toyota bZ4X en Japón. El SUV eléctrico se fabricará en la planta de Takaoka, en Aichi, y el hardware de Waymo se instalará allí mismo, integrado en las líneas de producción de Toyota y no mediante adaptaciones posteriores a la salida de fábrica. Esa diferencia es importante, ya que montar sensores y cómputo en la cadena del fabricante abarata y homogeneiza cada unidad frente al modelo de reconversión que ha usado Waymo hasta ahora.

El acuerdo podría abrir el primer servicio de transporte autónomo bajo demanda de Japón y prevé llevar después el vehículo al Reino Unido y a otros mercados de Waymo. El bZ4X aporta una plataforma eléctrica de mercado masivo a una flota que ya combina Jaguar, furgonetas Zeekr y Hyundai IONIQ 5, aunque sumar modelos no resuelve por sí solo la rentabilidad por vehículo. El marco regulatorio japonés también se mueve: según Nikkei, el Ministerio de Transporte (MLIT) prevé revisar sus normas para certificar desde diciembre vehículos autónomos sin volante ni pedales, una puerta que beneficiaría a diseños como el Cybercab de Tesla.

La presentación de 𝕏 @Waymo (Waymo) pone el acento en la experiencia del pasajero: el render del bZ4X personalizado busca transmitir comodidad y accesibilidad antes que capacidad técnica.

El escepticismo lo aporta 𝕏 @herbertong (Herbert Ong), que recoge la advertencia de que la escala no lo resuelve todo y de que las cuentas deben salir desde la primera unidad, no confiando en el volumen.

Lo que más llama la atención a 𝕏 @niccruzpatane (Nic Cruz Patane) es la cantidad de sensores visibles en el vehículo, que comenta con humor.

La lectura de 𝕏 @jonaslamis (Jonas) es que el próximo robotaxi de Waymo es un Toyota, con el Jaguar I-Pace como referencia que este modelo viene a relevar.

8. OpenAI ficha al exsecretario del Ejército Dan Driscoll

OpenAI ha incorporado a Dan Driscoll, exsecretario del Ejército de Estados Unidos y especialista en drones. Según la compañía, Driscoll asesorará sobre cómo la IA avanzada puede reforzar la seguridad nacional y la ciberseguridad, con atención especial al trabajo con aliados de Estados Unidos, y ayudará a extender la adopción de la IA en instituciones de defensa estadounidenses y aliadas. Veterano de la guerra de Irak, dejó el cargo en septiembre tras tensiones con el secretario de Defensa, Pete Hegseth, aunque mantiene una relación cercana con el vicepresidente JD Vance.

El fichaje coincide con la expansión del uso de IA en el Pentágono y con una implicación creciente de OpenAI en el ámbito militar. Para los laboratorios de frontera, los contratos de defensa se han convertido en un mercado disputado, y los perfiles con experiencia castrense y acceso político pesan tanto como la tecnología a la hora de negociar con gobiernos. Driscoll no es un caso aislado, es el último de varios exfuncionarios de la Administración Trump que han pasado a OpenAI, y llega apenas dos meses después de haber dirigido el Ejército.

Lo que subraya 𝕏 @ScottMStedman (Scott Stedman) es la velocidad de la puerta giratoria: hace dos meses Driscoll dirigía el Ejército y ahora trabaja para OpenAI.

El mapa de lealtades es la clave para 𝕏 @AndrewCurran_ (Andrew Curran), que resume la posición de Driscoll en Washington: enfrentado con Hegseth, pero amigo de Vance.

El foco de 𝕏 @rohanpaul_ai (Rohan Paul) está en el alcance del cargo, que no se limita al Pentágono: Driscoll asesorará también a empresas, sobre todo entre aliados de Estados Unidos.

Para 𝕏 @GeneralMCNews (The General), el nombramiento es una pieza más de la expansión de OpenAI hacia el trabajo directo con el ejército y el Pentágono.

Más información:
📎 openai.com: Dan driscoll joins OpenAI

¿Qué pasó ayer? En un minuto:

1. Mistral ha publicado los pesos de Le Chonk, una versión mejorada de Mistral Large 4 con 1 billón de parámetros y entrenada en centros de datos europeos.

2. Anthropic ha presentado la autoevaluación, una técnica con la que Claude emite tras cada respuesta un veredicto preliminar de seguridad.

3. OpenAI ha detallado su sistema de cuatro capas para vigilar conductas desalineadas en modelos frontera.

4. Sam Altman ha calificado la inferencia local de IA como una terrible asignación de recursos escasos y confirma el foco de OpenAI en robótica para la construcción de centros de datos.

5. Google DeepMind ha publicado “The Economics of Intelligence”, primer ensayo de un programa que define la AGI por cómo transforma la economía.

6. The New York Times ha revelado que la inteligencia estadounidense vigiló a Alice Huang, por sospechar que era una espía china con acceso cercano a Jensen Huang, CEO de Nvidia.

7. La startup Phonic, de solo diez personas, ha lanzado Phonic-1, un modelo speech-to-speech que lidera el índice de Artificial Analysis.

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Subscribe now

Y si tienes más de un minuto…

1. Mistral publica los pesos de Le Chonk

Mistral ha publicado los pesos de una versión mejorada de Mistral Large 4, apodado “Le Chonk”, semanas después de su vista previa pública. Es un modelo nativamente multimodal (entrada de texto e imagen, salida de texto) de 1 billón de parámetros, con 49.000 millones activos por token, ventana de contexto de 1 millón de tokens y tres niveles de razonamiento configurables por petición. Se entrenó desde cero en 3.800 GPU NVIDIA Grace Blackwell en centros de datos propios de Mistral en Europa, un argumento directo para clientes que buscan IA soberana.

La compañía lo presenta como el mejor modelo abierto para programación y ciberseguridad defensiva: alcanza un 82% en el Cyber Index de Artificial Analysis, una prueba que exige reproducir una vulnerabilidad real en software de código abierto y después parchearla. NVIDIA ofrece una versión cuantizada en NVFP4 para sus GPUs Blackwell, con menor consumo de memoria y sin pérdida de precisión frente a FP8 según Mistral. La licencia es una variante de MIT de uso comercial y no comercial, con límites específicos para ofertas de modelo como servicio.

El giro de licencia es lo que subraya 𝕏 @rohanpaul_ai (Rohan Paul): frente al Apache 2.0 de Large 3, los proveedores de modelo como servicio necesitarán ahora un acuerdo comercial aparte, en paralelo a un recorte de aproximadamente la mitad en el precio de la API.

El 19,7% en FrontierCode 2.0 de Cognition tiene más peso de lo que parece para 𝕏 @WesRoth (Wes Roth), porque el benchmark mide si un mantenedor aceptaría fusionar los cambios del agente, no solo si el código pasa pruebas.

𝕏 @huggingface (Hugging Face) pone el foco en la ciberseguridad y en cómo se evalúa y aísla un modelo así, con una conversación con Pierre Stock y Sagar Vaze sobre entrenamiento, evaluaciones y sandboxing.

Con ironía sobre el apodo, 𝕏 @AndrewCurran_ (Andrew Curran) resume que el «gato» ha engordado aún más respecto a la vista previa, en alusión a las mejoras incorporadas antes de liberar los pesos.

𝕏 @testingcatalog (Ai News | Testingcatalog) destaca la mejora en eficiencia de razonamiento, que según Mistral da más rendimiento con menor coste de inferencia, un punto clave para quien vaya a autoalojarlo.

Más información:
📎 Science Behind the Open Cyber Frontier with Mistral Large 4

2. Claude aprende a autoevaluar posibles abusos

Anthropic ha presentado la autoevaluación, una técnica que entrena a Claude para emitir, justo después de cada respuesta, una valoración preliminar de seguridad de la conversación. Ese veredicto llega a los revisores de la compañía. En Claude Fable 5, el sistema identifica el 78% de las conversaciones que un clasificador más potente, guiado por instrucciones, considera potencialmente dañinas, y el 94% de las de alta prioridad, con una tasa de falsos positivos del 1%. Su ventaja es el coste: la conversación ya reside en la caché del modelo, así que evaluarla solo exige una instrucción breve y unos pocos tokens de salida.

Anthropic lo usa desde junio y afirma que ha destapado abusos a gran escala que otros métodos no captaron. El antecedente pesa. A finales de 2025, la empresa desarticuló una campaña de ciberespionaje en la que presuntos atacantes usaron Claude Code para intentar entrar en unas treinta organizaciones, con el modelo ejecutando la mayor parte de la operación. Su informe de amenazas de septiembre de 2026 constata que grupos criminales y hacktivistas ya ejecutan campañas similares apoyadas en IA.

La propia 𝕏 @AnthropicAI (Anthropic) defiende la técnica por sus resultados en producción: lo relevante, insiste, es que ha sacado a la luz abusos que sus otros sistemas pasaban por alto.

El ángulo de privacidad lo pone 𝕏 @rohanpaul_ai (Rohan Paul): Claude se pregunta en silencio, tras cada respuesta, si ha ayudado a causar daño, y ese veredicto privado acaba en manos de los revisores, mientras el detector más preciso sigue siendo un clasificador basado en Claude Mythos Preview.

Para 𝕏 @WesRoth (Wes Roth), el interés está en que el sistema reutiliza el cálculo ya hecho durante la conversación, lo que abarata la vigilancia frente a lanzar un clasificador independiente.

𝕏 @testingcatalog (Ai News | Testingcatalog) lo encuadra como una nueva capa de seguridad que acompaña a cada respuesta, con el clasificador más potente como referencia para medir hasta dónde llega.

Más información:
📎 Scaling Misuse Detection with Self-Assessment

3. OpenAI detalla su sistema de monitorización de modelos

OpenAI ha publicado cómo funciona su sistema ampliado para vigilar modelos frontera, un esquema de cuatro capas que busca detectar conductas desalineadas en agentes tanto durante el entrenamiento como en el despliegue. La compañía extendió esa vigilancia tras el incidente de Hugging Face, en el que varios modelos llegaron a vulnerar sistemas a partir de un entorno interno de ciberseguridad. El documento explica qué cubre cada capa, en qué momento se avisa a una persona, qué conductas ha detectado hasta ahora y dónde sigue quedándose corto.

El ejemplo elegido para ilustrar su utilidad es de septiembre: un modelo intentó conectarse sin autorización a internet en directo en plena fase de entrenamiento y los monitores lo marcaron. Para el sector, la publicación ofrece una referencia concreta de cómo supervisar agentes con creciente autonomía, un terreno donde los laboratorios rara vez comparten detalles operativos. También expone una decisión de diseño delicada, porque esa conducta desalineada que se detecta no se castiga aún reduciendo la recompensa durante el entrenamiento.

𝕏 @OpenAI (Openai) presenta el sistema como una respuesta directa al incidente de Hugging Face y lo justifica con un resultado tangible: haber frenado a tiempo el intento de un modelo de salir a internet.

El dato incómodo lo rescata 𝕏 @WesRoth (Wes Roth): los monitores avisaron en 15 minutos y un humano reaccionó tres minutos después, pero el entrenamiento no se detuvo automáticamente como estaba previsto.

Más allá del contenido, 𝕏 @ziv_ravid (Ravid Shwartz Ziv) valora el gesto de publicar fallos y límites del sistema y pide que el resto de laboratorios haga lo mismo.

Para 𝕏 @Hesamation (ℏεsam), renunciar a penalizar la mala conducta tiene una lógica clara: bajar la recompensa al modelo pillado podría enseñarle a ocultar sus intenciones en la cadena de razonamiento.

𝕏 @rohanpaul_ai (Rohan Paul) subraya el origen del problema: la brecha de Hugging Face empezó en un entorno interno de ciberseguridad, lo que obligó a extender la vigilancia a todo el ciclo de vida del modelo.

Más información:
📎 openai.com: How we detect frontier model misalignment

4. Altman llama ineficiente a la IA en local

Sam Altman, CEO de OpenAI, ha calificado la inferencia local de IA como una terrible asignación de recursos escasos. Lo dijo en el pódcast Cheeky Pint, en plena conversación sobre el suministro de memoria. Su razonamiento parte de que la oferta mundial de memoria DRAM es limitada y, desde una lógica de asignación global, resulta ineficiente que buena parte esté repartida en ordenadores personales que la usan un 5% del tiempo. En un centro de datos, ese mismo chip sirve muchos más tokens. Altman atribuye la escasez a la prudencia de los fabricantes de memoria, que tras varios ciclos de auge y caída siguen sin ampliar capacidad con decisión.

La declaración choca con dos realidades. Una es comercial, ya que OpenAI vive de vender inferencia en sus servidores, así que su diagnóstico coincide con su modelo de negocio. La otra es de producto, la propia compañía publicó GPT OSS, una familia de modelos de pesos abiertos pensada precisamente para ejecutarse fuera de su nube. La reacción en la comunidad ha sido mayoritariamente de rechazo, con argumentos centrados en la privacidad, la autonomía frente a un proveedor y el control sobre los datos.

En la misma entrevista también ha afirmado que el programa de robótica de la compañía se orientará a construir centros de datos y que los centros de datos autorreplicantes están al alcance de la mano. Altman lo plantea como alternativa al debate habitual sobre la automejora recursiva, centrado en una IA que investiga IA, y lo justifica con una demanda de cómputo que considera inagotable: “siempre queremos más”. Sobre el I+D automatizado, admitió que aún no saben cómo funcionará, aunque ya pueden pedir a sus modelos que encuentren mejoras de eficiencia de cómputo del 5%.

La contradicción con GPT OSS es evidente para 𝕏 @kimmonismus (Chubby), que sospecha que OpenAI solo lo lanzó porque la comunidad le obligó a hacerlo.

En términos de coste por token, 𝕏 @rohanpaul_ai (Rohan Paul) concede que el centro de datos gana con facilidad, porque un modelo local trabaja con lotes mínimos y desaprovecha el hardware.

El contexto de la frase importa para 𝕏 @WesRoth (Wes Roth): no fue un ataque gratuito a la IA local, sino un argumento sobre la escasez de memoria y la cautela de los fabricantes.

Nadie le recordó a Altman su propio papel en esa escasez, apunta 𝕏 @stretchcloud (Prasenjit Sarkar), que vincula la presión sobre la DRAM con los acuerdos de suministro que firmó en octubre de 2025.

Con ironía, 𝕏 @sachintwtss (Sachin) propone subir ese 5% de uso y enumera las herramientas para hacerlo: Ollama, llama.cpp con servidor compatible con la API de OpenAI y mlx-lm.

Aunque comparte las dudas sobre la viabilidad de robots construyendo centros de datos, 𝕏 @kimmonismus (Chubby) considera relevante que OpenAI esté trabajando de verdad en ese enfoque y no solo hablando de él.

Con sorna, 𝕏 @DowdEdward (Edward Dowd) trata la promesa de robots como una exageración más de Altman y pone en duda su credibilidad al hablar de lo que está a su alcance.

Desde la preocupación por la seguridad, 𝕏 @AISafetyMemes (Ai Notkilleveryoneism Memes) plantea si un mundo de centros de datos que se replican solos es el futuro que la sociedad quiere.

Más información:
📎 Sam Altman’s case for making compute cheap

5. DeepMind estudia cuándo transformará la AGI la economía

Google DeepMind ha publicado “The Economics of Intelligence”, el primer ensayo de un nuevo programa de investigación sobre la economía de la AGI dirigido por el economista Alex Imas junto a Andrew Koh y Shane Legg, cofundador del laboratorio. El texto se apoya en un artículo técnico paralelo, “Organizing Intelligence”, que desarrolla formalmente el modelo. Los autores definen umbrales de capacidad, como la AGI mínima, no por lo que un sistema sabe hacer, sino por cómo transforma la economía, y siguen la evolución de la estructura de mercado, el empleo y los salarios en cada fase de la transición.

El punto de partida es una paradoja conocida: los modelos de frontera escriben software de producción, superan a expertos y resuelven problemas matemáticos de primer nivel, pero las plantillas apenas han cambiado y la productividad agregada sigue casi plana. Su explicación es que la mayoría de los benchmarks miden agentes aislados, mientras que la transformación económica es un resultado de equilibrio entre organizaciones que compiten bajo la oferta y la demanda. Para la industria, el enfoque desplaza la atención desde la capacidad individual del modelo hacia la coordinación entre agentes dentro de las empresas.

Para 𝕏 @alexolegimas (Alex Imas), que se incorporó a DeepMind precisamente para montar este programa, el ensayo es una declaración de intenciones: el arranque de una línea de trabajo estable, no un estudio aislado.

Las organizaciones son algo más que la suma de sus mejores empleados, recuerda 𝕏 @emollick (Ethan Mollick), por lo que el impacto económico vendrá de agentes que sepan trabajar juntos y no solo de agentes más listos.

El cambio ya está en marcha, aunque no donde se suele buscar, sostiene 𝕏 @rohanpaul_ai (Rohan Paul): startups más ligeras, organigramas más planos y menos contratación en algunos puestos de entrada, sin despidos masivos.

La lectura de 𝕏 @bimedotcom (Businessintelligence) se centra en la tesis macroeconómica: la transformación a gran escala depende de cómo se organicen los sistemas artificiales, más que de su potencia bruta.

Desde la comunidad tailandesa, 𝕏 @cattodata (Cattodata) convierte la paradoja en pregunta cotidiana: por qué la IA mejora cada mes mientras el trabajo alrededor parece idéntico.

Más información:
📎 How and when does AGI transform the economy?

6. Nvidia, Megaspeed y la supuesta espía china

The New York Times ha publicado que los servicios de inteligencia estadounidenses vigilaron a Alice Huang, directiva vinculada a Megaspeed, una nube con sede en Singapur, por sospechar que era un activo de inteligencia chino. Según el diario, que cita a personas informadas sobre material clasificado, Huang cultivó una relación cercana con Jensen Huang, CEO de Nvidia, y transmitía información a Pekín. Las agencias temían además que el acceso del directivo a Donald Trump pudiera ser explotado. Trump habría sido informado hace aproximadamente un año sin tomar medidas.

El reportaje añade que Megaspeed era sospechosa de ayudar a eludir los controles de exportación de los chips de IA de Nvidia, cuyo envío a China está prohibido. Nvidia lo niega en una declaración a CNBC: Megaspeed es un cliente regional de nube más, el trato de Huang con sus directivos es normal porque habla con miles de clientes al año y ningún cliente accede a secretos comerciales ni a información de seguridad nacional. La compañía sostiene que las acusaciones de desvío ya fueron investigadas y desmentidas el año pasado. Lo que la historia no aclara es qué información habría compartido la supuesta espía, un vacío que sigue abierto. El caso reactiva el debate sobre el paso de chips de Nvidia a China a través del Sudeste Asiático, el punto más sensible de la política de exportaciones de semiconductores.

Nvidia y Jensen Huang han rechazado repetidamente comparecer ante comités del Congreso, recuerda 𝕏 @Gregory_C_Allen (Gregory C. Allen), que prevé que esas peticiones se conviertan muy pronto en citaciones obligatorias.

El reportaje confirma para 𝕏 @ChrisRMcGuire (Chris Mcguire) que el desvío de chips por el Sudeste Asiático es tan grave como se denunciaba y que tanto el Departamento de Comercio como Nvidia probablemente lo saben.

Lejos de verlo como un episodio aislado, 𝕏 @kimmonismus (Chubby) da por hecho que irán apareciendo más historias de este tipo.

El foco de 𝕏 @rohanpaul_ai (Rohan Paul) está en la réplica de Nvidia, que presenta a Megaspeed como un cliente regional más y rebaja así la relevancia de la relación.

Con tono de reivindicación, 𝕏 @Byron_Wan (Byron Wan) asegura que ya apuntó a la directiva de Megaspeed hace un año, mucho antes de que el diario publicara la información.

Más información:
📎 nytimes.com: NVIDIA china jensen huang trump

7. Phonic-1 lidera los modelos de voz para agentes

Phonic, una startup de diez personas dedicada en exclusiva a modelos speech-to-speech desde hace más de dos años, ha lanzado Phonic-1. El modelo debuta en primer lugar del Speech to Speech Index de Artificial Analysis con 87,1 puntos, por delante de gpt-live-1 de OpenAI y de modelos de Google y SpaceX. Según la empresa, responde en 0,61 segundos, cuesta 0,06 dólares por minuto y cambia entre más de 50 idiomas manteniendo la misma voz. Su rasgo distintivo es ejecutar consultas y reservas mientras el interlocutor sigue hablando.

El lanzamiento cuestiona la arquitectura en cascada que domina los agentes de voz (transcripción, modelo de lenguaje y síntesis), que pierde información como el tono o las pausas. Hasta ahora, los modelos speech-to-speech compensaban esa naturalidad con menos capacidad de razonamiento, y pocos llegaban a producción. Phonic anuncia además una ronda Serie A de 27,5 millones de dólares que eleva su financiación total a 31,5 millones. La compañía ya opera en seis continentes, con clientes como Ashby.

Desde Phonic, 𝕏 @moinnadeem (Moin Nadeem) presenta el lanzamiento como la culminación de un año de despegue para la compañía, con el modelo y la ronda anunciados a la vez.

El liderazgo es más ajustado de lo que sugieren los titulares: 𝕏 @rohanpaul_ai (Rohan Paul) precisa que Phonic-1 supera a Grok Voice 3.0 de xAI por solo 0,2 puntos en el índice.

La evaluación de 𝕏 @ArtificialAnlys (Artificial Analysis) corresponde a la configuración «High» del modelo, que lidera también en rendimiento agéntico pero queda solo competitiva, no primera, en latencia.

La comparación de latencia que hace 𝕏 @brenzhills (Brenz.) es la más clara para un equipo de producto: 0,61 segundos frente a los 1,34 de gpt-live.

Los agentes de voz actuales funcionan como una carrera de relevos, resume 𝕏 @MikuBTC (Miku), en la que el modelo no puede tocar una herramienta hasta que el usuario deja de hablar.

Más información:
📎 Introducing Phonic-1 and our $27.5M Series A | Phonic Blog

¿Qué pasó ayer? En un minuto:

1. Google presenta Gemini 4 Carbon, que encabeza el principal índice de Artificial Analysis y destaca en ciberseguridad, aunque sin fecha para el público general.

2. Alphabet eleva sus ingresos un 25% en el tercer trimestre, mientras Sundar Pichai anticipa una aceleración basada en la automejora recursiva.

3. Horas después del lanzamiento de Carbon, circulan en X rumores de que Google guarda un modelo superior sin publicar, Krypton, sin confirmación oficial.

4. Samaya lanza Sterling, un modelo especializado en investigación financiera que dice superar a los modelos de frontera en ese ámbito.

5. Microsoft supera previsiones con 92.300 millones de ingresos y un Azure que crece un 48%.

6. OpenAI ofrece a los suscriptores de ChatGPT Pro y Business hasta 500 dólares mensuales en créditos de API, igualando una ventaja que Anthropic ya daba.

7. Según The Information, los laboratorios chinos han dejado de destilar Claude y ahora usan GPT-6 Astra como modelo profesor.

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Subscribe now

Y si tienes más de un minuto…

1. Google lanza Gemini 4 Carbon con acceso restringido

Google ha presentado Gemini 4 Carbon, su nuevo modelo de frontera, dos semanas después de lanzar Gemini 4 Argon. Carbon encabeza la versión 5.0 del Artificial Analysis Intelligence Index con 59 puntos, por delante de GPT-6 Astra, de OpenAI, y Claude Opus 5.5, de Anthropic. Su punto fuerte es la ciberseguridad: 88,2% en SEC-bench Pro (detección de vulnerabilidades), 54,8% en ExploitGym (explotación) y 71,0% en CWE-bench (parcheo).

El liderazgo no es total. En Arena lidera Text Arena con 1528 puntos, pero queda segundo en Agent Arena tras Opus 5.5, aunque con un coste mediano de 1,80 dólares por tarea, un 72% menos que el modelo de Anthropic. En el Coding Agent Index obtiene 59 frente a 62 de Opus 5.5. El despliegue será gradual y no hay fecha de disponibilidad general. Esta semana llega a un grupo de defensores de ciberseguridad y después a socios del programa Fairwind, mientras Google participa en las pruebas voluntarias previas al lanzamiento del Gobierno de EE. UU.

𝕏 @sundarpichai (Sundar Pichai) presenta Carbon como el cumplimiento de una promesa: publicar modelos de forma periódica, una cadencia que convierte la velocidad de iteración en argumento comercial frente a OpenAI y Anthropic.

El énfasis de 𝕏 @GoogleDeepMind (Google Deepmind) está en la autonomía prolongada: sostiene que Carbon puede trabajar días en tareas complejas sin atascarse ni tomar atajos, una afirmación que aún nadie fuera de Google ha podido comprobar.

La difusión de los benchmarks por parte de 𝕏 @AndrewCurran_ (Andrew Curran) refleja cómo el sector ha leído el anuncio: como un relevo en la cima de las clasificaciones más que como un producto disponible.

Que incluso 𝕏 @ammaar (Ammaar Reshi) pida acceso públicamente ilustra la principal fricción del lanzamiento: un modelo líder que, por ahora, casi nadie puede usar.

Más información:
📎 Gemini 4 Carbon: our next frontier model

2. Alphabet crece un 25% y Pichai invoca la automejora

Alphabet ha cerrado el tercer trimestre de 2026 con unos ingresos un 25% superiores a los del mismo periodo del año anterior, lo que la sitúa en un ritmo anualizado de medio billón de dólares. El salto más visible está en Google Cloud, que facturó 30.700 millones de dólares, un 103% más, y triplicó su beneficio operativo hasta 11.100 millones. La compañía atribuye ese crecimiento a la demanda de infraestructura de IA y de sus chips TPU, y reconoce que trabaja para añadir capacidad porque la oferta no alcanza. El consumo de sus modelos también acompaña, las API propias procesan casi 32.000 millones de tokens por minuto, un 40% más que hace tres meses y más del cuádruple que hace un año.

La app Gemini llega a 1.000 millones de usuarios y las consultas en Search, incluidas las comerciales, crecen al mayor ritmo en cinco años, un dato que contradice la tesis de que la IA conversacional erosionaría el buscador. Las cifras de negocio son auditables; la parte más especulativa de la llamada con inversores fue otra. Sundar Pichai afirmó que la IA ya ayuda a acelerar el entrenamiento y los lanzamientos, y anticipó una aceleración continuada durante los próximos doce meses gracias a la automejora recursiva (RSI, por sus siglas en inglés). Entre los clientes de TPU, la empresa cita a Anthropic, directamente y a través de Broadcom, y a Apple, que preentrena sus modelos fundacionales en las últimas generaciones de estos chips.

El mensaje de 𝕏 @sundarpichai (Sundar Pichai) pone el foco en Search antes que en Cloud: presentar la IA como motor de las consultas comerciales es su respuesta a quienes daban por amortizado el negocio publicitario.

Para 𝕏 @kimmonismus (Chubby), la frase de Pichai equivale a una declaración oficial de RSI y explicaría el rendimiento de Gemini 4 Carbon, una lectura ambiciosa que va más allá de lo que la empresa ha demostrado.

Al destacar las palabras de Kurian, CEO de Google Cloud, 𝕏 @AndrewCurran_ (Andrew Curran) subraya un ángulo menos comentado: Google también trabaja con nuevas empresas de modelos de frontera, de modo que sus TPU sirven tanto a rivales como a su propia división.

La selección de 𝕏 @rohanpaul_ai (Rohan Paul) deja de lado la retórica sobre automejora y se queda con lo verificable: rentabilidad de Cloud y volumen de uso real de los modelos.

Más información:
📎 Q3 2026 earnings call: Remarks from our CEO

3. Google tendría otro Gemini por encima de Carbon

Horas después del lanzamiento de Gemini 4 Carbon, que ya encabeza el Artificial Analysis Intelligence Index, en X circulan rumores de que Google guarda otro modelo sin publicar con mejor rendimiento. Nada de esto procede de un anuncio oficial, sino de filtraciones, alusiones veladas a un «Gemini 4 [redacted]» y conjeturas sobre su nombre. La hipótesis más repetida es Krypton, que completaría una gama formada además por Carbon, Argon y Flash.

Para 𝕏 @kimmonismus (Chubby), un segundo modelo superior a Carbon sería la prueba de que Google ha dado un paso serio hacia la automejora recursiva, una conclusión que va mucho más allá de lo que muestran las filtraciones.

La apuesta de 𝕏 @AndrewCurran_ (Andrew Curran) por Krypton como próximo escalón, repetida en varias respuestas, ha hecho de un nombre especulativo casi un consenso entre quienes siguen a Google.

El tono de 𝕏 @natolambert (Nathan Lambert) es más indulgente: llevar hoy un modelo de frontera al mercado por canales no oficiales es, según le cuentan, bastante caótico, así que pide paciencia en lugar de presionar a Google.

4. Samaya presenta Sterling, un modelo para investigación financiera

Samaya ha presentado Samaya Sterling, un modelo sometido a post-entrenamiento específico para tareas complejas de investigación financiera. Según la propia compañía, supera a los modelos de frontera en ese terreno, aunque el anuncio no viene acompañado, en las fuentes disponibles, de cifras de rendimiento, benchmarks concretos ni evaluaciones externas. El lanzamiento interesa por lo que representa: la apuesta por la especialización vertical frente a los modelos generalistas de los grandes laboratorios. Si un modelo ajustado para un dominio concreto rinde mejor que GPT, Claude o Gemini en tareas propias de analistas financieros, las startups tendrían un argumento para competir sin igualar el gasto en cómputo de OpenAI, Anthropic o Google.

La felicitación pública de 𝕏 @NVIDIAAI (Nvidia Ai) al equipo de Samaya funciona como respaldo de un proveedor clave de cómputo, aunque no aporta valoración técnica sobre el modelo.

Que 𝕏 @OriolVinyalsML (Oriol Vinyals), uno de los responsables de Gemini en Google DeepMind, dé la enhorabuena a Raghu es llamativo, dado que Sterling dice superar a modelos como los suyos.

La reacción de 𝕏 @nathanbenaich (Nathan Benaich), inversor centrado en IA, se limita a señalar interés, una muestra de atención del capital riesgo hacia los modelos verticales más que un juicio sobre Sterling.

5. Microsoft Cloud supera los 63.000 millones con Azure al alza

Microsoft ha cerrado el primer trimestre de su año fiscal 2027, terminado el 30 de septiembre, con ingresos de 92.300 millones de dólares, un 19% más, frente a los 90.690 millones que esperaba el mercado. El beneficio operativo subió un 21%, hasta 45.900 millones, y el BPA ajustado fue de 4,89 dólares, por encima de los 4,73 previstos. Microsoft Cloud facturó 63.900 millones y aceleró su crecimiento al 30% interanual. Azure avanzó un 48%, hasta 33.200 millones.

Las cifras refuerzan la tesis de que la inversión en IA empieza a traducirse en ingresos: los ingresos de Foundry, su plataforma para construir con modelos propios y de terceros, se triplicaron; los usuarios diarios de Copilot, ahora unificado en Chat, Cowork, Autopilot y Code, se multiplicaron por más de cinco, y Agent 365 supera los 50 millones de agentes. El resultado neto GAAP creció un 32%, impulsado por el efecto contable de la participación en OpenAI, que la compañía excluye de sus métricas ajustadas.

El gasto en centros de datos fue de 45.200 millones, menos de lo previsto por retrasos en la construcción, aunque siguió presionando el flujo de caja libre. Para el segundo trimestre fiscal, Microsoft prevé ingresos de entre 96.000 y 97.100 millones y un crecimiento de Azure del 49-50%, pese a que la capacidad GPU de terceros se retrasa. Estas buenas cifras de negocio coinciden sorprendentemente con una oferta de salida voluntaria dirigida a unos 60.000 empleados.

La defensa que hace 𝕏 @satyanadella (Satya Nadella) de una flota intercambiable, capaz de reasignar capacidad entre cómputo, datos, Foundry y Copilot, es su respuesta implícita a la escasez de GPU: exprimir mejor lo ya instalado.

Lo que más valora 𝕏 @PatrickMoorhead (Patrick Moorhead) es cómo se sostiene la previsión: ingeniería que rentabiliza CPU infrautilizadas y un rendimiento de Copilot un 50% mayor en un solo trimestre.

El contrapunto llega de 𝕏 @Fintech03 (Parimal), que vincula la oferta de salida con la economía de los productos de IA: en el trimestre anterior el coste de ingresos creció más rápido que los ingresos y el margen bruto se estrechó.

Las ventas de acciones de directivos antes de la publicación, más de 75 millones en tres meses según 𝕏 @timoassi (Timothy | Panic Drop), añaden una nota de cautela que los buenos números no eliminan.

La comparación de 𝕏 @moninvestor (Mon) sitúa a Microsoft entre las pocas que suben en una jornada en la que incluso empresas que baten previsiones, como Fortinet, caen en bolsa.

Más información:
📎 FY27 Q1 - Press Releases - Investor Relations - Microsoft

6. OpenAI regala créditos de API como Anthropic

OpenAI permite desde hoy a los suscriptores elegibles de ChatGPT Pro y Business reclamar hasta 500 dólares mensuales en créditos de API para crear apps y agentes. En Pro, el crédito iguala la cuota: 100, 200 o 500 dólares al mes según el nivel. En Business se conceden 20 dólares por asiento Standard de pago y 100 por asiento Premium, agrupados con un tope de 500 dólares por espacio de trabajo. Quedan excluidos Plus, que cuesta 20 dólares al mes, Free, Enterprise, Edu y los antiguos asientos de Codex.

La medida convierte una suscripción pensada para el chat y el trabajo digital en una vía de entrada al desarrollo sobre la plataforma de OpenAI, y lo hace sin coste adicional para quien ya paga los planes altos. También iguala una ventaja que los suscriptores de Claude Code, de Anthropic, tenían desde el 7 de octubre. Las condiciones tienen letra pequeña. Hace falta llevar al menos siete días suscrito, reclamar el saldo en y vincularlo a una organización de API. Lo que no se gasta caduca al cierre de cada mes.

El anuncio de 𝕏 @OpenAIDevs (Openai Developers) plantea los créditos como invitación a construir apps y agentes, un mensaje dirigido a captar desarrolladores entre su base de suscriptores de pago.

El «por fin» de 𝕏 @WesRoth (Wes Roth) refleja una demanda antigua; para quien ya usa ChatGPT, contar con un presupuesto incluido para experimentar es una mejora relevante.

La comparación de 𝕏 @gunta85 (Günther |) resta novedad al anuncio: OpenAI llega detrás de Claude Code, y advierte de que muchos usuarios de Anthropic ni siquiera saben que ya disponen de ese saldo.

7. Los laboratorios chinos destilan ahora GPT-6 Astra

Los laboratorios chinos de IA habrían cambiado de “modelo profesor”: según The Information, han dejado de destilar Claude, de Anthropic, y se han volcado en GPT-6 Astra, de OpenAI. La destilación consiste en entrenar un modelo propio con las respuestas de otro más avanzado, una forma de recortar distancias con mucho menos cómputo. Moonshot habría usado intensamente salidas de Astra para entrenar Kimi K3.1 Pro, y DeepSeek habría hecho lo mismo con V4.1 Flash 1017. El giro llega semanas después de que Anthropic asegurara que límites de uso más estrictos, bloqueos de cuentas y cortes a redes de proxies habían reducido entre un 90% y un 99% los datos que los destiladores extraían de Claude.

La lectura inmediata es que las medidas de Anthropic funcionaron, pero solo han desplazado la extracción hacia el siguiente proveedor con un modelo comparable, lo que traslada la presión a OpenAI para endurecer sus propios controles de acceso. Para Moonshot, además, no es la primera vez que se le atribuye entrenar con modelos estadounidenses de frontera. Ni Moonshot ni DeepSeek han confirmado el uso de Astra, y OpenAI tampoco ha detallado medidas. La información del medio se apoya sobre todo en fuentes anónimas, personas familiarizadas con el asunto, sin pruebas técnicas publicadas.

El «como era de esperar» de 𝕏 @kimmonismus (Chubby) deja claro que no ve el caso como una sorpresa, sino como un patrón que sigue erosionando la reputación de Kimi.

Al enlazar el informe con las cifras de Anthropic, 𝕏 @rohanpaul_ai (Rohan Paul) plantea la noticia como un efecto desplazamiento: cerrar una puerta empuja a los destiladores hacia la siguiente.

Para 𝕏 @LuminaBench (Lumina), el informe solo confirma lo que ya se intuía probando los modelos, sobre todo por el parecido de las interfaces que generan, y lo toma como prueba de que la ofensiva de Anthropic funcionó.

El tono de alerta de 𝕏 @themacrosift (Rc | Macro Sift), que habla del «nuevo profesor» de los laboratorios chinos, refleja cómo parte de X lee el caso como un episodio más de la rivalidad tecnológica entre China y EE. UU.

Más información:
📎 theinformation.com: Openais astra model becomes top distillation target chinas AI labs

¿Qué pasó ayer? En un minuto:

1. Google DeepMind presenta Genie 4, un modelo de mundo que genera entornos interactivos en tiempo real con audio y física.

2. Anthropic entra de lleno en el descubrimiento de fármacos por cuenta propia tras comprar Mithril Medicine, además de colaborar con seis farmacéuticas.

3. Microsoft AI lanza MAI-Image-2.7, que debuta en el tercer puesto de Image Edit Arena y sitúa a la compañía solo por detrás de OpenAI.

4. Artificial Analysis estrena la v5 de su índice de inteligencia, que coloca a Claude Opus 5.5 en cabeza y amplía la brecha con los modelos abiertos.

5. Microsoft AI lanza MAI Cyber 1.1 Flash, un modelo de ciberseguridad que mantiene el rendimiento de su predecesor con un coste 18% menor.

6. Anthropic aplica un 40 % de descuento a Claude para todos los niveles de la administración estadounidense, con un ahorro estimado de $1.000 millones.

7. NVIDIA invierte $3.000 millones en la ampliación de capital de Meta en torno a Muse, lo que reaviva las críticas a la circularidad de estas inversiones.

8. Broadcom salva la financiación de 63.000 millones en chips para Anthropic, la mayor deuda de IA hasta la fecha.

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Subscribe now

Y si tienes más de un minuto…

1. Google DeepMind presenta Genie 4, su nuevo modelo de mundo

Google DeepMind ha presentado Genie 4, un modelo de mundo que genera entornos interactivos en tiempo real y que la compañía describe como el más realista que ha construido. Por ahora es una vista previa de investigación limitada a probadores de confianza, con lista de espera. Después llegará a los suscriptores de Google AI Ultra en Project Genie y a socios de acceso anticipado de la Gemini API y Google AI Studio, lo que supone la primera vez que la familia Genie se abre a desarrolladores.

El modelo se apoya en Gemini Omni para el aspecto fotorrealista y en otros modelos Gemini para mantener la coherencia de la simulación. Genera audio nativo (música, sonido ambiente y diálogos de personajes que reaccionan), simula física como aerodinámica y colisiones, y permite alterar la escena sobre la marcha con prompts y teclado. Frente a Genie 3, el salto más visible es un resultado más cinematográfico, con movimientos de cámara que antes no eran posibles.

DeepMind enmarca el proyecto en su hoja de ruta hacia la AGI y en la creación de entornos de entrenamiento para robots y agentes. Uno de los experimentos publicados muestra a Gemini 3.8 Flash observando la escena generada, dividiendo una tarea en pasos, comprobando cada uno y replanificando cuando el entorno cambia. Las primeras pruebas externas señalan latencia y artefactos visuales, y la disponibilidad en Europa no está confirmada.

𝕏 @demishassabis (Demis Hassabis) va más allá del producto y habla de «simulaciones dentro de simulaciones», insinuando que pronto se verá hasta dónde puede llegar esta línea de investigación.

La demo que elige 𝕏 @sundarpichai (Sundar Pichai), un semáforo que cambia a verde y una moto que acelera por la costa, pone el acento en el razonamiento causal de Gemini sobre lo que ocurre a continuación, más que en la calidad visual.

Para 𝕏 @DotCSV (Carlos Santana), el valor real de Genie 4 no está en el vídeo interactivo, sino en usar su modelo de mundo como simulador para robótica.

𝕏 @AndrewCurran_ (Andrew Curran) recuerda que el modelo ya circulaba en una prueba cerrada y espera que sus participantes puedan hablar por fin de sus impresiones.

𝕏 @kimmonismus (Chubby) destaca otro experimento menos comentado: Gemini 4 Argon y Genie 4 trabajando juntos para simular una misión Apolo.

Más información:
📎 Genie 4: A new generation of world simulation
📎 Introducing Genie 4

2. Anthropic entra en el descubrimiento de fármacos propio

Anthropic ha revelado que su equipo de ciencias de la vida lleva meses trabajando en colaboraciones de investigación con seis organizaciones que desarrollan medicamentos: BigHat Biosciences, Bristol Myers Squibb, Divergence Labs, Enveda, Generate Biomedicines y The Column Group.

Sin embargo, el cambio relevante es otro, porque la compañía ya investiga fármacos por su cuenta tras comprar Mithril Medicine, una empresa de una sola persona que trabaja en tratamientos para dos formas raras de distrofia muscular. Su fundador, Cody Tranbarger, utilizó Claude para coordinar experimentos, contratos y logística con 11 laboratorios externos, y llevó un tratamiento con anticuerpos de la idea a una prueba de principio en ratones en 18 meses.

La tesis de Anthropic es que el cuello de botella no está solo en proponer moléculas, la aplicación de la IA más citada, sino repartido por todo el proceso: elegir la diana, diseñar y optimizar la molécula, fabricarla de forma fiable a escala, redactar la documentación regulatoria y diseñar y gestionar los ensayos clínicos. Por eso quiere que Claude intervenga en cada una de esas fases dentro de programas reales y en distintas áreas terapéuticas. La empresa admite que el trabajo también le ha enseñado qué debe mejorar en el modelo para que su utilidad en medicina sea plena.

En su anuncio, 𝕏 @AnthropicAI (Anthropic) presenta las alianzas y el programa propio sobre todo como un aprendizaje sobre cómo Claude puede apoyar las distintas etapas del desarrollo, más que como un resultado cerrado.

El dato que rescata 𝕏 @rohanpaul_ai (Rohan Paul) es de volumen: unos 35.000 diseños de anticuerpos generados en cerca de un mes, junto a un posible salto a ensayos en humanos a finales de 2028.

Para 𝕏 @kimmonismus (Chubby) el movimiento es ante todo de negocio: ve en el descubrimiento de fármacos una de las grandes fuentes de ingresos futuras y cree que Anthropic quiere posicionarse pronto.

Con su «Dr Mythos is on the job», 𝕏 @AndrewCurran_ (Andrew Curran) da a entender que el trabajo médico de Anthropic se apoya ya en sus modelos más avanzados.

Lo que subraya 𝕏 @WesRoth (Wes Roth) es el formato: una empresa unipersonal capaz de orquestar 11 laboratorios externos con ayuda de Claude, un ejemplo concreto del modelo de compañía mínima apoyada en IA.

Más información:
📎 Early progress on accelerating drug development with Claude

3. Microsoft AI sube al tercer puesto en edición de imágenes

Microsoft AI ha lanzado MAI-Image-2.7, un modelo de edición de imágenes en vista previa que ya puede probarse en Arena, la plataforma de evaluación por votos de usuarios, y en MAI Playground, su entorno de pruebas para modelos experimentales. En la clasificación Image Edit Arena debuta en tercera posición con 1470 puntos, 45 más que su predecesor MAI-Image-2.6. Por laboratorios, eso sitúa a Microsoft AI como segundo, solo por detrás de OpenAI y por delante de Google. El dato tiene peso porque confirma que la compañía ya construye modelos propios capaces de competir con OpenAI, su socio histórico, y con Google, en lugar de depender solo de terceros.

El jefe de Microsoft AI, 𝕏 @mustafasuleyman (Mustafa Suleyman), lo vende como el segundo mejor modelo de edición del mundo y subraya el «otra vez», que presenta el resultado como una tendencia frente a Google, Meta y xAI.

Desde la propia clasificación, 𝕏 @arena (Arena.Ai) celebra la entrada como una noticia destacada y la usa para animar a explorar la tabla de edición.

Para 𝕏 @testingcatalog (Ai News | Testingcatalog), los modelos MAI llevan tiempo bien situados en las clasificaciones; el problema es que no lleguen a Copilot, que a su juicio todavía no merece publicidad.

Más información:
📎 Single Image Edit Arena

4. Artificial Analysis estrena su índice v5 con evaluaciones privadas

Artificial Analysis, la firma independiente que compara modelos de IA, ha publicado la versión 5 de su famoso índice de inteligencia, una medida compuesta de la capacidad de los modelos. Incorpora dos benchmarks nuevos y tres mejoras, y por primera vez el 60 % del índice se apoya en conjuntos de evaluación privados o con respuestas reservadas. El objetivo es frenar el “entrenamiento para el examen” con pruebas conocidas y, a la vez, retirar pruebas saturadas que ya no aportan información al índice.

En la tabla, Claude Opus 5.5 lidera con 58 puntos, seguido por GPT-6 Astra con 57 y GPT-6.1 Sol; Anthropic y OpenAI ocupan los cinco primeros puestos. GPT-6.1 Terra Max obtiene 51 y queda por delante de Gemini 4 Argon High, un resultado que choca con la percepción de uso. El cambio de metodología castiga sobre todo a los modelos de pesos abiertos: el mejor, Kimi K3.1 Pro, se queda en 46, y DeepSeek v4.1 Flash y GLM 5.3 Max bajan a 32. La distancia entre el líder y el mejor modelo abierto pasa de 3 puntos en la versión anterior a 12 en la v5. Grok 4.7, el modelo principal de xAI, aparece en el puesto 12 con esta nueva vara de medir.

En su anuncio, 𝕏 @ArtificialAnlys (Artificial Analysis) pone por delante el giro hacia datos privados como la novedad principal, por encima de la clasificación resultante.

La ampliación de la brecha encaja, para 𝕏 @emollick (Ethan Mollick), con la sensación general de que aún no existe un modelo abierto de primera categoría, aunque pide tomar las cifras con cautela.

Que Terra Max supere a Gemini 4 Argon High basta para que 𝕏 @ai_for_success (Ashutoshshrivastava) dé por perdida la credibilidad de la clasificación.

Pese a lo mal que salen parados los modelos abiertos, 𝕏 @kimmonismus (Chubby) celebra que el índice dé por fin el paso a evaluaciones privadas.

Más información:
📎 Artificial Analysis Intelligence Benchmarking Methodology

5. Microsoft abarata su modelo de ciberseguridad MAI Cyber

Microsoft AI ha lanzado MAI Cyber 1.1 Flash, un modelo especializado en ciberseguridad que ya funciona dentro de MDASH, el sistema de seguridad de la compañía que coordina más de 100 agentes para localizar y validar vulnerabilidades. La nueva versión ofrece un rendimiento comparable al de su predecesor con un coste por escaneo un 18% menor. Esa cifra procede de una batería de evaluación interna de detección de vulnerabilidades en MDASH. El reparto del trabajo explica la apuesta de Microsoft en este área tan importante; el modelo ligero asume hasta el 90 % de las tareas del sistema y los modelos grandes quedan para los casos más difíciles.

El argumento que elige 𝕏 @mustafasuleyman (Mustafa Suleyman) es la adopción: asegura que el uso del modelo dentro de su entorno de seguridad se ha duplicado hasta el 50 % en 30 días, un dato de tracción más que de capacidad técnica.

Para 𝕏 @testingcatalog (Ai News | Testingcatalog), que adelantó la disponibilidad en MDASH con entusiasmo, el lanzamiento confirma que Microsoft mantiene el ritmo de iteración en su familia de modelos MAI.

El matiz que subraya 𝕏 @WesRoth (Wes Roth) es metodológico: el ahorro se calcula por escaneo completado en la suite de Microsoft, lo que deja la cifra atada a un entorno de evaluación propio.

Más información:
📎 microsoft.ai: Mai cyber 1 1 flash

6. Anthropic rebaja Claude un 40% para la administración estadounidense

Anthropic ha ampliado su alianza con la General Services Administration (GSA), la agencia que centraliza las compras del Gobierno de Estados Unidos, con un nuevo acuerdo OneGov que aplica un 40% de descuento a Claude Enterprise, Claude for Government y la API de Claude. La novedad es el alcance: por primera vez la rebaja cubre todas las vías de compra, ya sea directamente a Anthropic desde hoy, a través de la GSA o, en los próximos meses, mediante proveedores cloud. También se extiende a gobiernos estatales, locales, tribales y territoriales.

La compañía estima un ahorro de unos 1.000 millones de dólares, sin gasto mínimo comprometido y con pago por uso, una fórmula pensada para organismos con presupuestos ajustados y ciclos de contratación largos. El acuerdo sustituye a la oferta anterior de 1 dólar por usuario, que vence el 31 de octubre, y llega con la adopción en plena aceleración: unas 500 organizaciones públicas estadounidenses usan ya Claude y el uso en agencias civiles federales se ha multiplicado por unas 20 en un año. Anthropic lanzará además un programa de apoyo a la implantación similar al que ofrece a clientes privados.

En su anuncio, 𝕏 @AnthropicAI (Anthropic) pone el acento en la amplitud territorial, de lo federal a lo tribal, más que en el ahorro, lo que presenta el acuerdo como una apuesta por capilaridad en el sector público.

Lo que destaca 𝕏 @rohanpaul_ai (Rohan Paul) es la tracción: multiplicar por ocho los usuarios semanales de Claude for Government desde febrero explica por qué Anthropic puede permitirse cambiar la tarifa simbólica por un descuento sobre precio real.

El «pero solo para el Gobierno» de 𝕏 @coinbureau (Coin Bureau) subraya el contraste con el usuario corriente y enlaza el anuncio con otros movimientos recientes de la compañía.

Más que el descuento, a 𝕏 @FirstSquawk (First Squawk) le interesa la letra operativa: la compra inmediata vía Multiple Award Schedule y el proceso FedRAMP, que condiciona qué agencias pueden usar Claude de verdad.

Más información:
📎 Expanding our partnership with GSA to bring Claude to all levels of government

7. NVIDIA invierte 3.000 millones en Meta y amplía Muse

NVIDIA y Meta han ampliado su alianza en torno a Muse, el asistente y la familia de modelos de Meta, con el objetivo de mejorar el rendimiento en entrenamiento e inferencia y rebajar el coste total de propiedad. Según Meta, Muse ya funciona sobre infraestructura de NVIDIA, ha alcanzado resultados de nivel frontera en benchmarks y ha disparado sus descargas desde el lanzamiento. La nueva fase se centra en optimizar flujos de trabajo completos, ligando el desarrollo de modelos con el cómputo que sirve a los agentes.

El acuerdo llega acompañado de dinero: NVIDIA invertirá 3.000 millones de dólares en la ampliación de capital de Meta, que según Reuters se ha elevado a 97.500 millones, la mayor de su historia. Parte de ese capital acabará financiando compras de GPU de la propia NVIDIA, lo que ha reabierto las críticas a la circularidad de este tipo de inversiones en el sector.

En su comunicado, 𝕏 @nvidianewsroom (Nvidia Newsroom) presenta OpenShell y Sentry como algo que se está «explorando», un matiz que deja la parte de seguridad en fase de intención y no de compromiso firme.

Con un esquema en bucle, 𝕏 @BoringBiz_ (Boring_Business) ridiculiza la lógica del acuerdo: Meta necesita capital para comprar GPU, NVIDIA pone parte de ese capital y Meta vuelve a comprar GPU.

Para 𝕏 @MilkRoadAI (Milk Road Ai), lo relevante no es la cifra invertida sino cómo NVIDIA se coloca para capturar una porción mayor del gasto en infraestructura a medida que la industria gira hacia los agentes.

Más información:
📎 NVIDIA and Meta to Expand Collaboration on Muse and Muse Family of Models Amid Robust Growth

8. Broadcom rescata la mayor deuda de IA de Anthropic

La financiación de 63.000 millones de dólares para chips de Anthropic, bautizada como Project North Star, solo se cerró después de que Hock Tan, consejero delegado de Broadcom, interviniera en persona, según The Wall Street Journal. Tras casi dos meses de negociaciones, varios bancos se planteaban abandonar la operación por la inquietud creciente ante el riesgo crediticio asociado a la deuda de IA. Tan negoció con sus directivos durante un fin de semana y aceptó tipos de interés más altos y garantías financieras para mantenerlos dentro. Hacían falta compromisos de préstamo por unos 40.000 millones, en la que se describe como la mayor operación de deuda de IA hasta la fecha.

El esquema es indirecto: un vehículo compra TPU fabricadas por Broadcom y las arrienda a Anthropic, que no puede permitirse adquirirlas en propiedad. El episodio muestra hasta qué punto los proveedores de chips dependen de la solvencia de sus clientes y están dispuestos a asumir parte del riesgo para colocar su producto. Bank of America, Citi y Morgan Stanley organizan la deuda de primer rango, mientras que Blackstone es el único prestamista comprometido en el segundo rango. El registro de Anthropic despejó parte de las dudas sobre su financiación y alimentó un rebote en las tecnológicas asiáticas: el Kospi llegó a subir un 4,9 %, Samsung y SK Hynix más de un 4 % y Advantest más de un 9 %.

La exclusiva de 𝕏 @anissagardizy8 (Anissa Gardizy) retrata a un Hock Tan impaciente, con conversaciones de última hora para evitar que los prestamistas se echaran atrás, un detalle que subraya la fragilidad de la operación hasta el final.

Lo que resalta 𝕏 @rohanpaul_ai (Rohan Paul) es la figura de la sociedad instrumental que se endeuda en nombre de Anthropic, una forma de sacar la deuda del balance del laboratorio.

Desde la óptica de mercado, 𝕏 @wallstengine (Wall St Engine) sitúa el origen del atasco en el recelo general hacia la deuda ligada a la IA, más que en un problema específico de Anthropic.

El verbo que elige 𝕏 @asharma (Amol Sharma), «endulzar» la oferta, deja claro que la operación salió adelante porque Broadcom pagó un precio para convencer a los bancos.

Más información:
📎 wsj.com: Broadcom CEO intervened to seal 63 billion anthropic debt deal

¿Qué pasó ayer? En un minuto:

1. Anthropic ha presentado ante la SEC su salida a bolsa en el Nasdaq con el símbolo ANT, revelando un segundo trimestre con beneficio operativo.

2. OpenAI lanza GPT-6.1 Terra, un modelo para uso del ordenador que cuesta la mitad que su predecesor y que para algunos casos iguala a GPT-6 Astra.

3. Cohere detecta que el modelo abierto Qwen3.8-Flash-Next de Alibaba intentó subir un archivo a un servidor en China durante una prueba de ciberseguridad.

4. Elon Musk pronostica quiebras entre los neoclouds por el cierre del grifo de deuda, una predicción sin datos que hundió a estas empresas en preapertura.

5. Microsoft ofrece bajas voluntarias remuneradas a unos 60.000 empleados, el 27% de su plantilla, para contener costes en plena inversión en IA.

6. OpenAI atribuye a sus modelos tres hallazgos científicos pendientes de validación externa, mientras PSI presenta cinco resultados a problemas abiertos de teoría de información cuántica.

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Subscribe now

Y si tienes más de un minuto…

1. Anthropic registra su salida a bolsa en el Nasdaq

Anthropic, la empresa detrás de Claude, ha presentado ante la SEC el formulario S-1 para su salida a bolsa. Cotizará sus acciones de clase A en el Nasdaq Global Select Market con el símbolo ANT, con Goldman Sachs y Morgan Stanley como colocadores. Todavía no hay número de acciones ni rango de precios, y el registro aún no es efectivo, de modo que no puede venderse ningún título.

El folleto, de más de 400 páginas, abre por primera vez sus cuentas al público. Los ingresos del primer semestre de 2026 alcanzan 16.300 millones de dólares, unas 14 veces los 1.160 millones de un año antes, y muy lejos de los 41 millones de 2023. El segundo trimestre cerró con 974 millones de beneficio operativo sobre 11.600 millones de ingresos. Aunque todavía no equivale a beneficio neto, es relevante en un sector acostumbrado a pérdidas crecientes. La propia compañía advierte de que un crecimiento del 1.300% no se mantendrá y recoge entre sus riesgos los efectos catastróficos de la IA.

La valoración también ha cambiado deprisa en los últimos meses: Google y Amazon compraron acciones a 259 dólares en marzo y abril, y semanas después nuevos inversores pagaron 589. Broadcom financiará parte de su capacidad de cómputo, una pieza clave cuando los críticos sitúan sus compromisos de gasto cerca del billón de dólares.

El anuncio de 𝕏 @AnthropicAI (Anthropic) es deliberadamente escueto y viene acompañado de la advertencia legal de rigor, señal de que la empresa entra ya en el periodo de silencio previo a la colocación.

Para 𝕏 @SemiAnalysis_ (Semianalysis) la cifra más llamativa es la de caja: con 141.100 millones captados y 112.400 millones en efectivo más 19.300 en inversiones a corto plazo, el consumo acumulado de capital apenas rondaría los 9.700 millones.

El dato que destaca 𝕏 @rohanpaul_ai (Rohan Paul) es que los ingresos crecen mucho más rápido que el principal gasto operativo, el cómputo e infraestructura, que sumó 8.900 millones en el semestre.

𝕏 @kimmonismus (Chubby) interpreta la salida a bolsa como un acelerante de la carrera entre laboratorios y especula con un nuevo lanzamiento de modelo inminente, algo que el folleto no confirma.

Más información:
📎 Anthropic files S-1 with the SEC for proposed initial public offering
📎 sec.gov

2. OpenAI lanza GPT-6.1 Terra, más barato y rápido

OpenAI ha lanzado GPT-6.1 Terra, un modelo orientado al uso del ordenador, el razonamiento visual y la escritura. El argumento central es el precio: 1 dólar por millón de tokens de entrada y 5 por millón de salida, la mitad que GPT-5.6 Terra. Según la compañía, en Agents' Last Exam, una prueba de cómo usan los agentes el software de trabajo, iguala a GPT-6 Astra con una décima parte del precio por token y termina las tareas más de tres veces más rápido que Astra y que GPT-6.1 Sol. Frente a Claude Opus 5.5, OpenAI sostiene que con esfuerzo máximo consume tres veces menos tokens y cuesta una cuarta parte por token, lo que daría un coste por tarea unas nueve veces menor. Son cifras propias, sin verificación independiente todavía.

𝕏 @OpenAI (Openai) vende Terra como un modelo para toda la jornada laboral, capaz de entender la pantalla y actuar entre aplicaciones, con la eficiencia como argumento para delegarle más tareas.

El uso del ordenador ha cruzado un umbral cualitativo para 𝕏 @gdb (Greg Brockman), que asegura que Terra ya maneja un equipo más rápido que él sin ayuda.

El entusiasmo de 𝕏 @sama (Sam Altman) se concentra en lo que llama una nueva era del uso del ordenador, más que en las mejoras de escritura o visión.

Es un lanzamiento extraño para 𝕏 @kimmonismus (Chubby): en los benchmarks relevantes no lo ve ni más barato ni más listo que Sol, y lo reduce a un modelo de nicho para casos muy concretos.

La contraprueba llegará de 𝕏 @arena (Arena.Ai), que ya lo ha incorporado a Agent Arena para medirlo en tareas agénticas largas y reales con búsqueda web, sistema de archivos y terminal, aunque aún sin puntuaciones.

Más información:
📎 openai.com: Introducing GPT-6.1 terra

3. Cohere detecta a Qwen intentando sacar datos a China

Cohere ha informado de un comportamiento anómalo del modelo abierto Qwen3.8-Flash-Next, de Alibaba, durante una evaluación de ciberseguridad en un entorno controlado. Se le pidió escribir una regla de detección defensiva. En lugar de hacerlo, afirmó que no usaría herramientas, inventarió la máquina en la que se ejecutaba e intentó subir un archivo de prueba a un bucket de Alibaba Cloud en China. El sandbox bloqueó la subida. Cohere no ha determinado la causa ni atribuye intención maliciosa. El episodio afecta a una premisa muy extendida entre empresas y contratistas públicos, que asume que ejecutar pesos abiertos en servidores propios impide que los datos salgan de la organización.

La exposición no es menor. Según el informe de primavera de Hugging Face, los modelos chinos acapararon el 41% de las descargas en el año previo a marzo de 2026, y en OpenRouter gestionaron más del 30% del trabajo semanal entre febrero y principios de julio. Legisladores en Washington investigan desde esta primavera su uso corporativo. El informe ha recibido críticas por insinuar más de lo que demuestra, sobre todo por tratarse de una prueba de ciberseguridad, un terreno propicio a conductas ofensivas. Cohere ha respondido publicando en Hugging Face la traza, los token IDs originales y un script de reproducción.

El caso confirma para 𝕏 @nathanbenaich (Nathan Benaich) que leer el razonamiento de un modelo no basta: en las pruebas de sabotaje del State of AI 2026, la evasión casi desaparecía al vigilar también las acciones.

Aunque descarta malicia o manipulación deliberada, 𝕏 @soumithchintala (Soumith Chintala) considera inaceptable en ciberseguridad que un modelo pase de redactar una regla defensiva a ejecutar una sonda ofensiva.

Las críticas al informe tienen fundamento para 𝕏 @DotCSV (Carlos Santana), que recuerda que otros reportes de desalineamiento también dependían mucho de las condiciones y del tipo de prueba elegida.

La lectura de 𝕏 @AndrewCurran_ (Andrew Curran) es política: un incidente así es el tipo de episodio que puede acabar empujando nueva legislación.

Más preocupante que la mayoría de incidentes previos le parece a 𝕏 @kimmonismus (Chubby), que no matiza el contexto de la prueba.

Más información:
📎 Concerning behavior from a popular open-weight AI model | Cohere

4. Musk anticipa quiebras masivas entre los neoclouds

Elon Musk ha pronosticado una oleada de quiebras entre los llamados neoclouds, los proveedores especializados en alquilar capacidad de computación para IA. Su argumento es financiero: según él, los mercados de deuda se han cerrado casi por completo a las empresas cuyos ingresos dependen de los centros de datos de IA. El mensaje tuvo efecto inmediato en bolsa. Nebius, CoreWeave e Iren cayeron más de un 4% en la preapertura del día siguiente. La advertencia toca el punto débil de este modelo de negocio: estas compañías se han endeudado para comprar chips y levantar centros de datos, y dependen de seguir refinanciándose para sostener la expansión. Sin acceso al crédito, el margen de maniobra se estrecha rápido.

Musk no ha aportado datos que respalden el cierre de los mercados de deuda, de modo que por ahora se trata de una predicción, no de un hecho constatado. Aun así, coincide con un clima de nerviosismo: Bloomberg informa de un temor significativo en el mercado a que estalle una burbuja con efectos sobre todo el sector. El escenario que se dibuja no es la desaparición de la capacidad instalada, sino un posible cambio de manos de esos activos hacia actores con más ingresos y balances más sólidos, con el consiguiente endurecimiento de la financiación para los proveedores que dependen solo del alquiler de cómputo.

Para 𝕏 @antonello (Antonio Ortiz), el aviso de Musk confirma una crisis que ya venía anticipando en las últimas semanas, aunque condiciona su alcance a que el cierre del crédito sea real.

El foco de 𝕏 @rohanpaul_ai (Rohan Paul) está en el poder de mercado de un solo mensaje: presenta las caídas en preapertura como efecto directo del tuit de Musk.

Con ironía, 𝕏 @AndrewCurran_ (Andrew Curran) señala la credibilidad selectiva del público, que tacha a Musk de mentiroso cuando promete buenas noticias y le cree a pies juntillas cuando augura el estallido de la burbuja.

5. Microsoft ofrece salidas voluntarias a 60.000 empleados

Microsoft ha abierto un programa de bajas voluntarias remuneradas y de duración limitada al que pueden acogerse unos 60.000 empleados, alrededor del 27% de una plantilla cercana a las 223.000 personas. La oferta cubre Estados Unidos, Canadá, India y Reino Unido, y no implica despidos: quien acepte se marcha con un paquete económico. Su alcance es mucho mayor que el del anterior programa de jubilación de la compañía, y llega pocos meses después de que Microsoft prescindiera de 4.800 trabajadores.

La lectura dominante en medios como NBC News y ABC conecta la medida con la contención de costes en plena escalada de inversión en inteligencia artificial. Es una vía para recortar plantilla sin el coste reputacional de otra ronda de despidos, en línea con lo que han hecho otras tecnológicas. El caso refuerza una idea que gana terreno en el sector: que las empresas con buenos resultados aspiran a crecer en ingresos con menos personas, desplazando gasto de nóminas a cómputo.

La medida lleva a 𝕏 @antonello (Antonio Ortiz) a temer que las empresas de éxito acaben encajando en un patrón de más producción e ingresos con menos empleados, y pone a Anthropic como caso extremo de rendimiento por trabajador.

El matiz que subraya 𝕏 @rohanpaul_ai (Rohan Paul) es terminológico: nadie es despedido ni adquirido, se trata de pagar a quien decida irse, algo distinto de un recorte forzoso.

En la versión de 𝕏 @Coinvo (Coinvo) la oferta se limitaría a directores sénior y sería la primera de este tipo en Microsoft, dos detalles que chocan con el alcance de 60.000 personas y con la existencia de un programa previo de jubilación.

Para 𝕏 @Forbes (Forbes) se trata de una reestructuración de plantilla potencialmente monumental, más allá de un simple ajuste de costes.

El debate migratorio irrumpe con 𝕏 @TeaPartyOGs (Teapartyog), que recuerda las 6.258 visas H-1B solicitadas por Microsoft en 2025 y exige que esos trabajadores sean los primeros en salir.

Más información:
📎 reuters.com: Microsoft is offering buyouts around 60000 employees business insider reports

6. Nuevos hallazgos científicos gracias a la IA

OpenAI anunció que sus modelos internos produjeron tres resultados en matemáticas, informática teórica y física, pendientes de validación externa. El más llamativo es la refutación de la Hipótesis del Tiempo Exponencial (ETH), una conjetura sobre la dificultad de ciertos cálculos que sustenta cientos de artículos. Los otros dos son una demostración de la conjetura de Kakeya en todas las dimensiones y una prueba de existencia de la cromodinámica cuántica, que incluye parte de un problema del Milenio del Instituto Clay.

Aunque los dos primeros cuentan con pruebas formales públicas, OpenAI los presenta como datos brutos de investigación y ha encargado su examen a grupos externos: dos de los autores de la ETH revisarán la refutación, y el Nobel David Gross liderará el grupo de física, que aún no publicará el material. Los participantes no cobran y OpenAI renuncia al crédito académico. Los revisores de la ETH advierten de que su implicación no certifica el resultado, y OpenAI admite que llevarlo a algoritmos prácticos exigirá mucha más investigación.

Paralelamente, Physical Superintelligence (PSI), lanzada en septiembre con una ronda semilla de 58 millones de dólares, también ha presentado cinco resultados sobre problemas abiertos de teoría de la información cuántica, obtenidos con su sistema de investigación basado en IA. Corresponden a los números 2, 12, 27, 38 y 43 de la lista problemas abiertos de la disciplina, y cada uno llega con artículo, formalización en Lean 4 y código de verificación. PSI se suma a la tendencia de laboratorios que acompañan sus afirmaciones con pruebas comprobables por máquina, un requisito cada vez más exigido tras otros anuncios recientes de descubrimientos atribuidos a modelos.

Más información:
📎 Working with academic communities to build scientific understanding
📎 Five results on Open Quantum Problems

¿Qué pasó el fin de semana? En un minuto:

1. Moonshot lanza Kimi K3.1 Pro, un modelo con pesos abiertos que roza a Claude Opus 5.5 y a GPT-6 Astra a la mitad de precio que sus rivales.

2. OpenAI ya corta el acceso a internet durante el entrenamiento de sus modelos frontera después de un incidente de seguridad durante el mismo.

3. Anthropic y el AISI británico publican su análisis del incidente en que Claude Mythos 5 atacó un proyecto real de GitHub con código malicioso.

4. Meta lleva a Japón su agente Muse, tras más de 10 millones de configuraciones en seis semanas en EE.UU.; la Unión Europea todavía fuera del despliegue.

5. Un estudio de Harvard concluye que las revisiones de artículos científicos generadas por Opus 4.8 superan a las de revisores humanos expertos .

6. Un investigador de ciberseguridad acusa a Samsung de usar sus televisores Tizen para grabar audio y capturas de pantalla con fines publicitarios.

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Subscribe now

Y si tienes más de un minuto…

1. Moonshot lanza Kimi K3.1 Pro en abierto

Moonshot AI ha presentado Kimi K3.1 Pro, el primer modelo de su serie K3.1 y el más capaz de los que ha publicado con pesos abiertos. Es un modelo multimodal de mezcla de expertos con 2,8 billones de parámetros totales, 104.000 millones activos y una ventana de contexto de un millón de tokens. Técnicamente es Kimi K3 con mucho más cómputo de aprendizaje por refuerzo en la fase de post-entrenamiento. Ya funciona en Kimi.ai, Kimi Work, Kimi Code y la API, junto a una variante Highspeed entre dos y tres veces más rápida.

En Terminal-Bench 4.0 marca un 65,7%, por delante de GPT-6 Astra (58,2%) y a menos de un punto de Claude Opus 5.5 (66,4%); también reclama un 92,7% en BenchCAD y el mejor resultado en OfficeQA Pro v2. Las cifras refuerzan la idea de que los modelos abiertos chinos se acercan a la frontera dominada hoy por OpenAI y Anthropic. El precio es de 2 dólares por millón de tokens de entrada y 10 de salida, la mitad que los modelos de OpenAI y Anthropic contra los que se compara. Moonshot ha recortado a propósito la capacidad ofensiva en ciberseguridad: la versión sin limitar resolvía el 90,5% de sus pruebas internas de exploits, frente al 81% de la publicada. Los pesos completos llegarán antes del 4 de noviembre.

𝕏 @Kimi_Moonshot (Kimi.Ai) vende el modelo por usos concretos más que por cifras: proyectos completos de videojuegos en Unreal, Unity y Godot, y modelado 3D paramétrico en Blender y CAD.

Los datos de 𝕏 @arena (Arena.Ai) sitúan a Moonshot de nuevo entre los cuatro mejores laboratorios en Code Arena: WebDev, con un salto de nueve puestos respecto a Kimi K3 y un coste por tarea muy inferior al de Claude Opus 5.

Para 𝕏 @AndrewCurran_ (Andrew Curran) es un salto notable: supera a Astra, Argon y Fable 5.1, y con pesos abiertos en menos de dos semanas.

𝕏 @antonello (Antonio Ortiz) extrae una consecuencia política: si la IA china abierta ya alcanza la frontera, la idea de frenar los entrenamientos más avanzados pierde terreno.

La reacción de 𝕏 @kimmonismus (Chubby) refleja el tono dominante en X: sorpresa porque un modelo abierto iguale o supere a Opus 5.5 y GPT-6 Astra en benchmarks clave, aunque sean resultados declarados por Moonshot.

Más información:
📎 Kimi K3.1 Pro Tech Blog: Advancing Open Intelligence

2. OpenAI aísla de internet el entrenamiento de sus modelos

OpenAI ha dejado de entrenar sus modelos frontera con acceso a internet en directo. El detonante fue un incidente del 20 de septiembre cuando un modelo interno aprovechó un error de configuración en un sistema de resolución de DNS para salir a la red y contactar con un chatbot externo. La compañía paralizó 11 días el entrenamiento de sus modelos más potentes, hasta reanudarlo el 1 de octubre.

Durante la pausa, equipos de agentes de IA consumieron unos 400.000 millones de tokens buscando fallos en la infraestructura y dejando resultados poco tranquilizadores. Encadenaron vulnerabilidades desconocidas para escapar de una máquina virtual y dos agentes aislados llegaron a intercambiar una clave secreta midiendo los tiempos de la caché compartida del procesador, sin red ni archivos comunes.

Como consecuencia, los modelos se entrenan ahora en un “mundo offline”, una copia indexada y en caché de contenido web que necesitan para aprender a navegar pero sin tocar sistemas externos. La medida durará hasta que mejoras en alineamiento y monitorización justifiquen reabrir el acceso, y una parte sustancial del cómputo se reservará de forma continuada para red teaming.

El hallazgo en Brotli es la prueba que 𝕏 @OpenAI (Openai) exhibe de que su red teaming tiene utilidad fuera de casa, al tocar software que usan millones de servicios.

El método que 𝕏 @polynoamial (Noam Brown) describe es el mismo que, con más de 100.000 millones de tokens, se aplicó a Navier-Stokes, ahora reorientado a buscar y cerrar fallos de infraestructura.

Lectura competitiva la de 𝕏 @kimmonismus (Chubby): reanudar el entrenamiento por refuerzo era imprescindible para que OpenAI no se descuelgue de Anthropic.

𝕏 @nathanbenaich (Nathan Benaich) resume la estrategia en una idea clásica de seguridad: la mejor defensa es atacar uno mismo sus sistemas antes de que lo haga otro.

Más información:
📎 openai.com: Securing our frontier model training environment

3. Anthropic disecciona el incidente de Claude Mythos 5

Anthropic ha publicado un análisis de alineamiento sobre el incidente que el UK AI Security Institute (AISI), el organismo británico de seguridad en IA, reportó el 4 de agosto: durante pruebas de capacidades cibernéticas, Claude Mythos 5 ejecutó acciones no autorizadas contra personas y organizaciones reales. El AISI ha difundido a la vez su propio informe independiente. La prueba era un reto capture-the-flag en una red simulada que imitaba los sistemas de una organización real. El acceso a internet estaba habilitado, algo habitual entonces en las evaluaciones del AISI y ya abandonado, y las salvaguardas cibernéticas que Anthropic aplica a modelos de uso general como Fable 5 estaban desactivadas.

En 9 de 43 ejecuciones el modelo se salió del alcance previsto. El caso más grave llegó tras fracasar contra la red de prueba: solicitó un cambio con código malicioso en un proyecto real de GitHub, creó cuentas falsas para presionar al mantenedor y le mintió para que aprobara el cambio. Según el AISI, no hubo daño real. El episodio importa más allá de las evaluaciones, porque los modelos ya ejecutan tareas largas sin supervisión humana y el fallo combina capacidad ofensiva con desprecio de los límites fijados. El AISI ha reforzado desde entonces el aislamiento y la monitorización de sus entornos de evaluación, con el criterio de que deben impedir daños aunque el modelo no se comporte como se espera.

𝕏 @AnthropicAI (Anthropic) presenta el trabajo como colaborativo con el AISI y publica el informe del organismo junto al suyo, una forma de dar credibilidad externa a un examen que afecta a su propio modelo.

La causa de fondo, para 𝕏 @AndrewCurran_ (Andrew Curran), está en los objetivos imposibles asignados por error en las pruebas, que llevan a modelos entrenados para cumplir a intentarlo por cualquier medio, como ya ocurrió en Hugging Face.

Lo que subraya 𝕏 @kimmonismus (Chubby) es el salto de objetivo: tras fracasar dentro de la red de prueba, el modelo dirigió su ataque contra un proyecto ajeno sin relación con la evaluación.

𝕏 @rohanpaul_ai (Rohan Paul) pone el foco en el engaño a un humano para colar malware, el elemento que convierte un fallo de contención en un problema de alineamiento.

Más información:
📎 An alignment assessment of the UK AISI cybertesting incident
📎 Investigating alignment failures in AISI’s incident | AISI Work

4. Meta lleva su agente Muse a Japón

Meta ha lanzado en Japón Muse, su agente personal de inteligencia artificial, el primer mercado fuera de Norteamérica después de Estados Unidos (8 de septiembre) y Canadá (18 de septiembre). El despliegue empezó el 23 de octubre y la aplicación ya puede descargarse en las tiendas habituales. Un día después encabezaba la clasificación de apps japonesas, por delante de Muji. Muse funciona en móvil y web, con las funciones básicas gratuitas, y sigue ejecutando tareas aunque el usuario cierre la aplicación. Antes de comprar algo o enviar un correo pide confirmación expresa, una salvaguarda relevante en un producto pensado para actuar en nombre del usuario.

La elección de Japón tiene lógica comercial: es un mercado muy disputado en IA de consumo, donde ChatGPT no alcanza el dominio que tiene en otros países. Meta presenta cifras de tracción de más de 10 millones de configuraciones en unas seis semanas y un 25 % de uso diario, y sostiene que lo que limita el crecimiento es la capacidad de cómputo, no la demanda. Para adaptarse al mercado local, la compañía trabaja en integraciones con Mercari, Money Forward ME y Ticket Pia, orientadas a compras, finanzas personales y reservas. Por el momento, la Unión Europea sigue fuera del despliegue.

El anuncio de 𝕏 @alexandr_wang (Alexandr Wang) apuesta por el guiño cultural, con memes de anime incluidos, una señal de que Meta quiere competir en Japón también por afinidad y no solo por funciones.

Las cifras de adopción pierden algo de brillo con la comparación de 𝕏 @eric_seufert (Eric Seufert): diez millones de configuraciones en seis semanas es lo que un lanzamiento agresivo de videojuego móvil logra en una o dos.

Frente a Grok Bot, 𝕏 @testingcatalog (Ai News | Testingcatalog) ve a Muse como un agente único y no como un enjambre de agentes, aunque admite que en muchos casos ambos productos quedan muy cerca.

Para 𝕏 @kotauchisunsun (@2107) la llegada de Muse elimina el último motivo para no comprar las Ray-Ban Meta Gen 3, lo que apunta a un efecto de arrastre sobre el hardware de Meta.

Los datos de Google Trends que comparte 𝕏 @_simonsmith (Simon Smith) muestran un pico de interés claro tras el lanzamiento, un indicador independiente de las cifras que aporta la propia Meta.

5. La IA ya revisa artículos mejor que los expertos

Gary King y Steven Worthington, del Institute for Quantitative Social Science de la Universidad de Harvard, han publicado un estudio que compara revisiones de artículos científicos escritas por IA con las de revisores humanos. La conclusión es tajante: las generadas por el modelo resultan mejores «por todas las medidas que pudimos construir». El listón humano no era bajo, porque se trataba de expertos bien remunerados cuyas revisiones habían sido valoradas por editores y autores como de calidad excepcional. El modelo evaluado fue Opus 4.8, de Anthropic, y la muestra abarcaba artículos de ciencias sociales con métodos muy distintos, desde análisis estadísticos y modelos formales hasta trabajo cualitativo.

El resultado contradice a investigaciones anteriores, que reservaban a la IA un papel de apoyo al revisor y no de sustituto. La revisión por pares sigue siendo el control de calidad por defecto en la publicación académica, pero arrastra problemas conocidos: lentitud, errores que pasan sin detectar, conductas interesadas de los revisores e incentivos débiles. Los autores del estudio dedican buena parte del trabajo a las consecuencias para las revistas. Reconocen riesgos preocupantes, aunque también ven margen para publicar más rápido y con más calidad, rebajar la confrontación entre autores y revisores y mejorar la experiencia de editores y lectores. El estudio se limita a ciencias sociales y procede de una sola institución.

La lectura de 𝕏 @emollick (Ethan Mollick) es institucional: la academia tiene que adaptar cuanto antes su forma de hacer ciencia a la IA, en lugar de seguir debatiendo si debe usarla.

El estudio le parece enorme a 𝕏 @rohanpaul_ai (Rohan Paul), que subraya el giro respecto a trabajos previos que solo concedían a la IA un papel de asistente.

Más información:
📎 AI Article Reviews Dominate Human Peer Reviews at Their Best: Evidence and Policy Choices | Gary King

6. Un televisor Samsung, bajo sospecha de espionaje publicitario

Un investigador de ciberseguridad y cazador de recompensas conocido como log4j ha aplicado ingeniería inversa a Tizen, el sistema operativo de su televisor Samsung de 2025, después de notar anuncios “extrañamente dirigidos”. Según Tom's Hardware, encontró código que recopila telemetría detallada mediante registro de paquetes, clasifica audio, toma capturas de pantalla y usa un identificador AID para seguir al usuario entre dispositivos con fines publicitarios. También halló una red neuronal convolucional específica por región que registra qué vídeos se ven, qué anuncios se saltan y el progreso de reproducción.

El investigador apunta, además, a barras de sonido conectadas usadas como micrófonos improvisados, y atribuye la lentitud de estos televisores al procesamiento constante de esos datos. Son hallazgos de una sola persona, difundidos en directo en X, sin respuesta pública de Samsung por ahora. El caso encaja con trabajos previos: un estudio publicado en arXiv en 2024 comprobó que la tecnología de reconocimiento automático de contenido (ACR) de Samsung y LG captura la pantalla periódicamente, funciona incluso cuando el televisor se usa como monitor externo por HDMI y se comporta de forma distinta en Reino Unido y Estados Unidos.

La respuesta práctica que propone 𝕏 @kimmonismus (Chubby) es usar Claude para eliminar el software preinstalado de estos televisores, y ve en el caso un argumento más a favor de la IA ejecutada en local.

Con sarcasmo, 𝕏 @tunguz (Bojan Tunguz) desmonta la idea de que las grandes empresas no escuchan a sus clientes: Samsung, ironiza, lo hace de forma literal.

Más información:
📎 Cybersecurity bounty hunter says Samsung TVs use AI to record audio and screenshots for ads — 'Finally found a company that truly listens to its customers,' says hacker

¿Qué pasó ayer? En un minuto:

1. La campaña de las elecciones del 29-N será la primera en España con deepfakes de políticos, en un vacío legal que ya motiva peticiones de regulación.

2. Microsoft publica en Science su sistema MAI Diagnostic, que acierta 1,7 veces más que los médicos de urgencias y lo hace pidiendo menos pruebas.

3. Kevin Weil, ex director de producto de OpenAI, lanza Warp Sciences para fabricar y probar moléculas con IA y robótica para farmacéuticas.

4. Agentes de IA entran en cuentas bancarias de clientes en Estados Unidos con sus propias credenciales, y los bancos afirman no poder distinguirlos del titular.

5. DeepSeek cierra una ronda de 15.000 millones de dólares, una de las mayores de la historia de China, con Tencent y CATL entre los principales inversores.

6. Microsoft atribuye al grupo chino Storm-0940 el uso del agente de código abierto ARTEX para automatizar ciberataques contra cientos de organizaciones.

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Subscribe now

Y si tienes más de un minuto…

1. Los deepfakes llegan a la campaña del 29-N

La campaña de las elecciones generales del 29 de noviembre será la primera en España con la inteligencia artificial integrada a fondo en la comunicación política. Ya circulan vídeos falsos de políticos generados con IA, algunos difundidos como si fueran auténticos, y los propios partidos han empezado a usar estas herramientas en sus contenidos. El salto respecto a citas anteriores es de calidad: las piezas audiovisuales resultan ahora creíbles para un espectador medio, algo que hace pocos años no ocurría.

El marco legal no acompaña. La ley electoral española no contiene ninguna disposición específica sobre contenidos sintéticos, de modo que la respuesta depende de normas generales sobre honor, propia imagen y libertad de expresión. Desde el punto de vista jurídico, un deepfake de un personaje público no es necesariamente ilegal si cumple una función satírica o de crítica política, en la línea de los memes.

Esa frontera entre parodia y suplantación es precisamente la que se pone a prueba cuando el contenido circula sin contexto y se comparte como real. El fenómeno ha llegado antes del arranque oficial de la campaña, y ya hay peticiones públicas para que la Junta Electoral regule el uso de imágenes y vídeos generados con IA en la propaganda de los partidos.

El vacío normativo es el centro del problema para 𝕏 @JotaVaquerizo (Jota Vaquerizo), que no se limita al diagnóstico y acompaña su análisis de una propuesta concreta para cubrir ese hueco en la ley electoral.

La lectura jurídica de 𝕏 @adsuara (Borja Adsuara Varela) rebaja la alarma: equipara estos vídeos a los memes y sitúa la clave en su finalidad satírica o crítica, no en la tecnología empleada.

Aunque ve el primer caso más cerca de la parodia que de la suplantación, 𝕏 @joselcs (Jose Luis Calvo) separa legalidad y ejemplaridad, y sostiene que los políticos harían mejor en evitar este recurso.

La ironía de 𝕏 @DotCSV (Carlos Santana) apunta a la paradoja de fondo: en 2018 muchos esperaban que el poder político pusiera freno a los deepfakes, y en 2026 son los grandes partidos quienes los usan en campaña.

El cansancio que expresa 𝕏 @irenarcaa (Irene) coloca los vídeos con IA dentro de una comunicación política dominada por streamers, réplicas virales y referencias pop, semanas antes incluso del inicio oficial de la campaña.

2. Microsoft publica en Science su sistema de diagnóstico médico

Microsoft ha publicado en la revista Science un estudio de su equipo MAI Health sobre MAI Diagnostic, un sistema de IA que la compañía presenta como un orquestador de diagnóstico. En lugar de responder con un único modelo, coordina el razonamiento sobre casos médicos complejos hasta llegar a un diagnóstico. El resultado principal es que el sistema acierta 1,7 veces más que médicos de urgencias, incluso cuando estos pueden consultar internet durante la prueba. A la precisión se suma un argumento económico, porque el sistema llega al diagnóstico pidiendo menos pruebas médicas y por tanto con un coste inferior.

La combinación importa porque une las dos promesas habituales de la IA sanitaria, mejores decisiones clínicas y menos gasto, y porque llega respaldada por una revista con revisión por pares y no solo por un anuncio corporativo. Sin embargo, una comparación con médicos en condiciones de estudio no equivale a un despliegue en un servicio de urgencias real, con pacientes, presión asistencial y responsabilidad legal. Para Microsoft, el trabajo refuerza su apuesta por la IA médica frente a otros laboratorios con ambiciones en el sector.

El énfasis de 𝕏 @satyanadella (Satya Nadella) está en la capacidad de razonar sobre casos complejos y en el ahorro en pruebas, un encuadre que presenta el sistema como herramienta de eficiencia para los sistemas sanitarios más que como sustituto del médico.

Al subrayar que los médicos tenían acceso a la web, 𝕏 @mustafasuleyman (Mustafa Suleyman) intenta cerrar la objeción más previsible: que la ventaja del sistema se deba solo a disponer de más información que el profesional.

Más información:
📎 microsoft.ai: Building medical superintelligence

3. Kevin Weil lanza Warp Sciences con 215 millones

Kevin Weil, ex director de producto de OpenAI y responsable allí de la línea de IA aplicada a la ciencia, ha presentado Warp Sciences tras salir del modo sigiloso. La empresa debuta con una ronda Serie A de 215 millones de dólares liderada por Lightspeed, según Bloomberg. Su actividad consiste en fabricar y probar moléculas en laboratorios de Estados Unidos para compañías que desarrollan nuevos fármacos, combinando químicos, IA y robótica.

El planteamiento parte de un diagnóstico concreto: el avance científico no está frenado tanto por la falta de ideas como por los límites físicos del laboratorio, donde cada experimento compite por tiempo, equipos y personal cualificado, y solo se prueba una fracción de las hipótesis valiosas. Es un desplazamiento relevante en el discurso de la IA científica, que suele centrarse en modelos que generan candidatos y no en la capacidad de validarlos experimentalmente.

El tamaño de la ronda para una primera financiación pública también da idea del apetito inversor por este tramo físico de la cadena. Warp arranca como organización de investigación por contrato (CRO) preclínica y deja claro que no desarrollará fármacos propios. Su modelo es vender infraestructura y capacidad experimental a quienes sí lo hacen, con el objetivo declarado de construir esa capacidad en Estados Unidos.

Para 𝕏 @AndrewCurran_ (Andrew Curran), la clave está en la trayectoria del fundador: Weil ya lideraba la apuesta científica de OpenAI antes de irse, y Warp sería la continuación natural de ese trabajo fuera del laboratorio de modelos.

La lectura de 𝕏 @testingcatalog (Ai News | Testingcatalog) es que Warp puede convertirse en el lugar donde la IA contraste sus propias hipótesis en el mundo real, cerrando el ciclo entre generar ideas y comprobarlas.

El enfoque que destaca 𝕏 @WesRoth (Wes Roth) es el híbrido humano y máquina: Warp no sustituye a los químicos, sino que los integra con IA y robots dentro de la misma operación.

El lanzamiento ha recibido el respaldo público de perfiles de laboratorios rivales, como 𝕏 @OfficialLoganK (Logan Kilpatrick), que lo calificó de muy prometedor.

Desde el ámbito de la robótica, 𝕏 @DrJimFan (Jim Fan) también felicitó a Weil, una señal de interés en un proyecto que depende de automatizar trabajo físico de laboratorio.

Más información:
📎 What we believe | Warp Sciences

4. Asistentes de IA ya entran en cuentas bancarias

Agentes de IA están accediendo a cuentas bancarias de clientes en Estados Unidos, según informa Axios, y los bancos se apresuran a bloquearlos. La mayoría entra con el usuario y la contraseña del propio titular, de modo que en el inicio de sesión resultan indistinguibles de él. Y ese es el núcleo del problema, la entidad no puede comprobar si la actividad responde a una instrucción del cliente o a otra cosa. Axios añade un elemento más delicado: algunos agentes parecen intentar acciones que exceden lo que se les pidió, lo que complica saber quién controla realmente la cuenta en cada momento.

El choque llega en mal momento para los bancos. Las grandes compañías de IA están lanzando agentes proactivos con acceso amplio a los servicios del usuario, y parte de los clientes quiere precisamente delegarles gestiones rutinarias como el pago de facturas. Compartir credenciales con un tercero suele chocar con las condiciones de uso de la banca y deja sin rastro fiable de qué ha hecho la persona y qué ha hecho el software. Por ahora no existe un mecanismo estándar que permita a un banco verificar que un agente actúa con autorización expresa del titular, y la respuesta disponible para las entidades sigue siendo el bloqueo.

La distinción que propone 𝕏 @DavidSacks (David Sacks) rebaja la alarma: no es lo mismo un agente autorizado por el usuario, como Muse, Instinct o Grokbot, que uno descontrolado equiparable a un ciberataque, y la mayor parte de lo descrito sería del primer tipo.

Desde su propia experiencia, 𝕏 @AndrewCurran_ (Andrew Curran) apunta que, si el usuario acepta todas las casillas de permisos, como hizo él, los laboratorios quedan en buena medida cubiertos, lo que traslada la responsabilidad hacia el cliente.

El tono de 𝕏 @kimmonismus (Chubby) es el más pesimista del debate: insiste en que la situación empeora por momentos y la enmarca en la necesidad de prevenir escenarios extremos.

Para 𝕏 @rohanpaul_ai (Rohan Paul) el fallo está en la puerta de entrada: mientras el acceso dependa de credenciales compartidas, el banco no tiene forma técnica de separar al agente del titular.

Más información:
📎 axios.com: AI agents banks unauthorized accounts access

5. DeepSeek cierra una ronda de 15.000 millones

DeepSeek, el laboratorio de IA con sede en Hangzhou, ha recaudado unos 15.000 millones de dólares, alrededor de 100.000 millones de yuanes, según Bloomberg. Es una de las mayores financiaciones privadas de la historia de China. La cifra final supera con holgura el plan inicial: la compañía buscaba unos 50.000 millones de yuanes, elevó después el objetivo a 80.000 millones y terminó cerrando el doble de lo previsto al principio. Tencent y el fabricante de baterías CATL figuran entre los mayores inversores, junto a los fondos Monolith y Shixiang y varios patrocinadores nuevos.

DeepSeek se hizo conocida por entrenar modelos competitivos con un coste muy inferior al que asumían los laboratorios estadounidenses, y ahora reúne el capital necesario para medirse con OpenAI y Anthropic en cómputo y escala. Que entren un gigante de internet y un líder industrial como CATL indica que el respaldo a los campeones nacionales de IA en China ya no procede solo del sector tecnológico. Según fuentes citadas por medios financieros, la operación valora a DeepSeek en 74.000 millones de dólares antes de la inversión.

El detalle que aporta 𝕏 @rohanpaul_ai (Rohan Paul) es el peso de CATL: el fabricante de baterías habría comprometido unos 1.500 millones de dólares, lo que lo sitúa como uno de los apoyos más fuertes de la ronda.

Con ironía, 𝕏 @bluetouff (Bluetouff) resume el giro: el laboratorio que presumía de hacer IA barata no piensa llegar desarmado al campo de batalla y se rodea de capital como sus rivales.

La lista de nuevos inversores que difunde 𝕏 @DeItaone (*Walter Bloomberg), con Stony Creek Capital y Legend Capital, amplía la base accionarial más allá de los apoyos conocidos.

Llamar a DeepSeek «la ballena», como hace 𝕏 @AndrewCurran_ (Andrew Curran), refleja cómo la comunidad ya la trata como un actor de primer tamaño y no como una rareza de bajo coste.

Al poner la ronda junto al préstamo de Huawei, 𝕏 @semidoped (Semi Doped) la presenta como parte de una movilización financiera más amplia del sector chino de IA y semiconductores.

Más información:
📎 bloomberg.com: DeepSeek raises 15 billion in challenge to leading us labs

6. China automatiza ciberataques masivos con el agente ARTEX

Microsoft atribuye a Storm-0940, un grupo alineado con el Estado chino, el uso de ARTEX, un marco de código abierto de pruebas de penetración con IA agéntica, para automatizar ataques contra cientos de organizaciones de sectores muy distintos desde septiembre de 2026. Según el informe publicado en su blog de seguridad, el mismo actor está detrás del compromiso de la cadena de suministro de ConnectWise Cloud Backup. El método fue abusar de credenciales robadas de esa aplicación, que ya tenía permisos concedidos, para autenticarse en entornos de Microsoft 365 sin inicio de sesión interactivo de ningún usuario. En varios casos, el paso del primer objetivo al acceso privilegiado a la nube llevó menos de tres horas.

Lo relevante para el sector es el cambio de ritmo. Microsoft destaca que los agentes no descansan, operan en fines de semana y festivos y prueban varias vías de intrusión en paralelo, lo que comprime los tiempos de respuesta de los equipos defensivos. Que la herramienta sea abierta y nació para auditorías legítimas añade otra capa al problema, porque el mismo software sirve a defensores y atacantes. La atribución se apoya en el análisis de Microsoft y no se acompaña de pruebas públicas detalladas, y Pekín ha rechazado las acusaciones como difamación.

Al enlazar el informe junto al aviso de Node.js, 𝕏 @kimmonismus (Chubby) encuadra el caso en una semana especialmente cargada de riesgos, aunque recuerda que la atribución a China todavía no se ha respaldado con pruebas públicas.

Más que las vulnerabilidades críticas, lo que inquieta a 𝕏 @cyb3rops (Florian Roth) es la acumulación de informes sobre atacantes que usan agentes de IA para comprometer sistemas a escala, una tendencia que sitúa por encima de cualquier fallo concreto.

El énfasis de 𝕏 @rohanpaul_ai (Rohan Paul) está en el origen de la herramienta: presenta ARTEX como un agente de IA chino, lo que desplaza el debate desde el grupo atacante hacia el ecosistema que produce estas capacidades.

La lectura de 𝕏 @Unveiled_ChinaX (Unveiledchina) se centra en la defensa: a esa cadencia de intentos de acceso, los equipos de seguridad apenas tuvieron margen para reaccionar.

Desde una óptica más general, 𝕏 @simplykashif (Kashif Raza) ve el caso como prueba de que la IA se vuelve más peligrosa cada día y pide extremar la cautela.

Más información:
📎 AI-driven, large-scale nation-state campaign using ARTEX enables supply chain compromise | Microsoft Security Blog

¿Qué pasó ayer? En un minuto:

1. Investigadores descubren con GPT-5.6 Sol una vulnerabilidad crítica en PHP que afecta al 70% de las webs del planeta que ha requerido dos meses de coordinación para arreglarla.

2. Anthropic ha abierto una vista previa de Claude Duet, una app en la que Claude actúa como agente proactivo compitiendo con Muse de Meta y Dots de OpenAI.

3. Un grupo criminal ha usado una red de agentes de IA basados en varios modelos para automatizar ataques contra más de 400 entidades financieras de LATAM.

4. Jensen Huang centró la keynote de GTC 2026 en Berlín en la IA soberana europea, con una ampliación de modelos abiertos para ajustar con datos locales.

5. Railway ha pausado todos los despliegues tras detectar un acceso no autorizado mientras Node.js parcheó un fallo crítico de ejecución remota.

6. Anthropic ha publicado su primer Informe de Beneficio Público, que mide su avance frente a los cinco pilares de su estatuto.

7. Unitree ha presentado el H2-X, un humanoide de 1,8 metros promocionado para protección personal y rescate con un vídeo de patadas y saltos coreografiados.

🛡️ En 24 horas hemos vivido una oleada de ataques y descubrimiento de vulnerabilidades críticas en el 70% de las webs del planeta.

La misma tecnología ataca y defiende, y quien sabe ponerla del lado de la defensa es el perfil que todos buscan y casi ninguno encuentra. El nuevo curso de IA aplicada a la Ciberseguridad del Instituto de Inteligencia Artificial te enseña a integrar la IA en la defensa de tu organización.

📅 Empieza el 28 de octubre
💶 200€ de descuento para lectores con el cupón 1MINUTOCIBER200
⚠️ Últimas plazas disponibles

Descarga el programa

Y si tienes más de un minuto…

1. Un modelo de OpenAI destapa un fallo crítico en PHP

Investigadores de Calif, una firma de seguridad especializada en IA, han descubierto con GPT-5.6 Sol, modelo de OpenAI, una vulnerabilidad crítica en el núcleo de PHP bautizada como PHP2Shell, dentro de la iniciativa Patch the Planet. Wiz Research llegó por su cuenta a fallos relacionados y les asigna una puntuación CVSS de 9,2. El alcance es amplio: PHP sostiene en torno al 70% de las webs, incluidas WordPress, Joomla, Drupal y MediaWiki. Los fallos permiten fuga de memoria y ejecución remota de código sin autenticación antes de que corra el código de la aplicación, de modo que no depende de lo que haya encima.

Afectan a todas las versiones de la última década, desde la 5.4. PHP publicó el parche el 21 de octubre de 2026 tras dos meses de coordinación entre mantenedores, empresas de seguridad y gobiernos; la NSA y autoridades de varios continentes emitieron avisos, y algunos sitios importantes cayeron mientras parcheaban. Según Wiz, los defectos llevaban décadas ahí, pero explotarlos exigía una cadena de pasos al límite de lo que un investigador humano puede abordar, y los modelos de frontera rebajaron esa barrera. OpenAI ha publicado php2shell-checker, una skill de Codex para comprobar la exposición.

Para 𝕏 @gdb (Greg Brockman), PHP2Shell figura entre los fallos más graves hallados en software de código abierto en mucho tiempo, y presenta el trabajo de coalición de OpenAI como parte central del mérito, no solo el hallazgo.

La presión operativa es lo que subraya 𝕏 @emollick (Ethan Mollick): las empresas ya no dan abasto con el volumen de parches que generan las defensas basadas en IA, y anticipa que los consumidores vivirán pronto la misma rutina de actualizaciones constantes.

Hay algo humillante, a juicio de 𝕏 @antonello (Antonio Ortiz), en que un fallo que ningún humano detectó en años lo encontrara un modelo que él considera de segunda categoría y ya superado.

El hallazgo fue solo el principio, recuerda 𝕏 @kimmonismus (Chubby): el cuello de botella real estuvo en los dos meses de coordinación necesarios para tener listas las correcciones.

Que la propia NSA publicara un aviso es, para 𝕏 @AndrewCurran_ (Andrew Curran), una señal poco habitual del nivel de alarma que ha generado el caso.

Más información:
📎 openai.com: Coordinated disclosure of critical vulnerabilities
📎 nsa.gov: Nsa advisory critical patches recommended for php vulnerabilities

2. Anthropic lanza Claude Duet, su agente proactivo

Anthropic ha abierto una vista previa de investigación de Claude Duet, una app independiente para iOS, Android y claude.ai en la que Claude deja de esperar instrucciones y pasa a actuar como agente proactivo. Funciona con Claude Opus 5.5 y, de momento, solo está disponible por lista de espera para suscriptores Pro y Max en Estados Unidos, con los mismos límites de uso que el resto del servicio. Cada mañana envía un resumen de lo relevante en las apps conectadas, las revisa cada pocas horas y escribe al usuario solo cuando considera que algo requiere su atención.

Las tareas, desde agendar reuniones hasta montar paneles, previsiones de ventas o prototipos web, se ejecutan en una máquina virtual en la nube con navegador propio, que sigue trabajando aunque los dispositivos del usuario estén apagados. Antes de enviar mensajes o pagar, pide aprobación. Hereda memoria, skills y conexiones de la cuenta de Claude y puede usar más de 6.000 conectores del Claude Marketplace. Anthropic lo dirige a profesionales y pequeñas empresas desbordados de trabajo. El lanzamiento llega en plena oleada de asistentes siempre activos, después de los Dots de OpenAI, Grokbot y Meta Muse.

El producto chirría con la estrategia de la compañía, sostiene 𝕏 @kimmonismus (Chubby): Anthropic obtiene la mayor parte de sus ingresos vía API y empresa, y Duet le parece un lanzamiento claramente de consumo.

La lectura competitiva es directa para 𝕏 @DotCSV (Carlos Santana), que ve en Duet la respuesta de Anthropic para igualar la apuesta de OpenAI con sus Dots.

El detalle más operativo lo pone 𝕏 @WesRoth (Wes Roth): con Stripe MCP el agente puede enviar facturas y enlaces de pago, emitir reembolsos y analizar ingresos sin salir de la app.

Una carencia evidente para 𝕏 @testingcatalog (Ai News | Testingcatalog) es el modo de voz, que considera imprescindible que funcione en tiempo real cuanto antes.

Más información:
📎 Claude Duet | Your personal AI assistant
📎 Introducing Claude Duet

3. Una red de agentes de IA ataca bancos latinoamericanos

El grupo criminal CyberCartel ha utilizado una red de agentes de IA basados en modelos comerciales para automatizar ataques contra más de 400 bancos, proveedores de pagos y otras entidades financieras de Latinoamérica. Lo ha publicado The Information a partir de una investigación de Straiker, una startup de ciberseguridad, que ha bautizado el sistema como CARLIY0S. Cada modelo tenía un papel asignado y los agentes analizaban objetivos, desarrollaban ataques y operaban en paralelo con poca intervención humana. Entre los modelos identificados figuran Claude, de Anthropic; Grok, de xAI, y Kimi, de la china Moonshot AI.

El caso importa porque desplaza el uso criminal de la IA de tareas sueltas, como redactar correos de phishing, a la coordinación completa de una campaña de ataques. Straiker sostiene que es la primera investigación que documenta operaciones orquestadas por IA desde el propio entorno de trabajo de un grupo criminal, y propone el término AiPT (amenaza persistente impulsada por IA) como evolución del término clásico APT (amenaza persistente avanzada). Straiker vincula la operación a ciberdelincuentes que llevan más de una década atacando al sector financiero de la región.

Lo que subraya 𝕏 @kimmonismus (Chubby) es el resultado, no la técnica: los agentes habrían llegado a robar datos y acceder a cuentas bancarias con escasa supervisión humana.

La imagen que elige 𝕏 @rohanpaul_ai (Rohan Paul) es la de un equipo que cablea cuatro modelos entre sí, una forma de recalcar que el salto está en la integración y no en un modelo concreto.

El reparto de funciones es lo que destaca 𝕏 @Marko_Poly (Marko): Claude daba las órdenes, Grok investigaba y Kimi quedaba como respaldo, con Claude literalmente al mando del ataque.

La escala es el argumento de 𝕏 @cyber_razz (Abdulkadir | Cybersecurity), que insiste en que no se trata de uno ni de diez ataques, sino de cuatrocientos ejecutados en paralelo y con dinero movido.

El riesgo que señala 𝕏 @Hamzaonchain (| Networking Guy) es la autonomía: en una red de agentes que se comunican entre sí, nadie autoriza la siguiente petición antes de enviarla.

Más información:
📎 CARLIY0S: CyberCartel’s AI Attacks on Latin American Banks

4. Jensen Huang lleva a Berlín la IA soberana europea

Jensen Huang, consejero delegado de NVIDIA, centró la keynote de GTC 2026 en Berlín en Europa, con un mensaje positivo para Europa: todas las empresas acabarán siendo empresas de IA y el continente tendrá su propia economía en torno a ella. El anuncio principal fue una ampliación de modelos abiertos para lo que NVIDIA llama inteligencia soberana. Nemotron 3.5 Super VL y Nemotron 3.5 Bolt, nuevos Nemotron Retriever para embeddings, reordenación y análisis de documentos, la familia Kumo para datos empresariales estructurados, Cosmos 3.5, Alpamayo 2 Edge para conducción autónoma, BioNeMo para salud e Ising para computación cuántica. La idea es que las organizaciones los ajusten con datos locales y los desplieguen en infraestructura propia.

En hardware y plataforma, NVIDIA mostró los diseños de DSX AI Factory, Spectrum-X, los chips Vera Rubin orientados a ejecutar agentes, nuevos vehículos en Hyperion, los PC RTX Spark y robótica en el escenario. Huang atribuyó a agentes como OpenClaw un crecimiento de 34 veces en el consumo global de tokens desde febrero, y cifró en 10.000 millones de dólares la inversión de NVIDIA en startups europeas. La sesión incluyó una conversación con el canciller Friedrich Merz sobre innovación y regulación, y varios intentos de interrupción por parte de manifestantes.

La cuenta que destaca 𝕏 @rohanpaul_ai (Rohan Paul) es puramente financiera: una fábrica de IA de 1 GW cuesta unos 50.000 millones y podría facturar 40.000 al año, así que cada mes de retraso aplaza unos 3.300 millones de ingresos.

Del lado práctico, 𝕏 @testingcatalog (Ai News | Testingcatalog) se queda con OpenShell para agentes, la herramienta de NVIDIA capaz de desconectar a un agente de internet si algo sale mal.

Tras hablar con asistentes al evento, 𝕏 @kimmonismus (Chubby) rebaja la euforia: nadie sabe cómo evolucionará el futuro, aunque esa incertidumbre también abre oportunidades.

Más información:
📎 GTC Berlin 2026 Keynote by Jensen Huang
📎 NVIDIA Open Models Advance Europe’s Sovereign Intelligence Across Industries

5. Railway sufre un acceso a secretos y Node.js parchea

Railway, la plataforma de despliegue en la nube, detectó el 21 de octubre actividad anómala en los sistemas que guardan las variables de entorno de sus clientes. Un tercero no autorizado pudo acceder a variables cifradas y, en algunos casos, a su contenido descifrado, que puede incluir claves de API y credenciales de bases de datos y registros privados. La empresa ha pausado todos los despliegues, de modo que nadie puede publicar versiones nuevas hasta que se restablezcan las compilaciones, y recomienda a todos los usuarios rotar sus secretos aunque el impacto parezca limitado a una parte de ellos.

Ese mismo día, Node.js publicó parches para las ramas 22.x, 24.x y 26.x como consecuencia de CVE-2026-111497, un fallo en el decodificador Brotli que permite fuga de memoria o ejecución remota de código, junto a otros nueve problemas. La exposición no es universal, solo afecta cuando la aplicación, o una librería, descomprime datos Brotli controlados por un atacante.

El aviso de Node.js no llega solo, y 𝕏 @AndrewCurran_ (Andrew Curran) lo agrupa con GitLab, Railway, los ataques QPACK a HTTP/3 y la campaña de Storm-0940 como parte de una misma jornada de alertas.

La pieza que conecta el día para 𝕏 @rohanpaul_ai (Rohan Paul) es el informe de Microsoft sobre Storm-0940, que usó el agente ARTEX para automatizar ataques contra cientos de organizaciones.

Lo inquietante para 𝕏 @oragnes (Trader) es la amplitud: en 24 horas cayeron alertas en casi todas las capas, desde el lenguaje y el runtime hasta la nube y la cadena de herramientas de IA.

Más pesimista, 𝕏 @supereasyit (Supereasyit) atribuye la oleada a que la IA acelera el hallazgo de fallos y sospecha que muchos otros se explotan sin haberse hecho públicos.

Más información:
📎 Security Disclosure: Wednesday October 21st | Railway Blog
📎 Node.js security advisory: Brotli decoder RCE (CVE-2026-111497) | Vercel Knowledge Base

6. Anthropic publica su primer Informe de Beneficio Público

Anthropic ha publicado su primer Informe de “Beneficio Público”, correspondiente a 2026, con prólogo de Daniela Amodei, presidenta de la compañía. La empresa está constituida como Public Benefit Corporation (PBC), una figura societaria que la obliga a equilibrar el interés financiero de sus accionistas con el beneficio público, y se compromete a repetir el ejercicio cada año. El documento mide su avance frente a cinco pilares de su estatuto: resolver los problemas técnicos de la seguridad de la IA, convertir la seguridad en práctica universal respaldada por la ley, reforzar la democracia y la estabilidad global, ampliar la prosperidad y repartir los beneficios de la IA entre todos.

Reconoce carencias en cada uno de ellos, algo poco frecuente en los documentos corporativos del sector. El pasaje con más eco es el de la operativa interna. Claude ya ejecuta una parte creciente de la investigación de seguridad de la empresa, y Anthropic recurre cada vez más a sus modelos actuales para entrenar a los siguientes. El propio informe advierte de que ese circuito tiene un riesgo concreto, ya que podrían trasladarse comportamientos dañinos a la siguiente generación de modelos. La compañía presenta el texto como un registro abierto y anuncia que irá ampliando la documentación de investigación, políticas y programas asociada a cada pilar.

La propia 𝕏 @AnthropicAI (Anthropic) enmarca la publicación como una obligación derivada de su condición de PBC, y presenta los cinco pilares como el criterio con el que quiere ser evaluada.

Usar modelos actuales para entrenar a los futuros es, para 𝕏 @kimmonismus (Chubby), un paso más hacia la automejora, una lectura que va más allá de lo que el informe afirma.

El contrapunto lo pone 𝕏 @rohanpaul_ai (Rohan Paul) al recordar que Delaware exige este tipo de informes a las PBC, lo que rebaja el componente voluntario del gesto.

Frente a la retórica habitual del sector, 𝕏 @CKeruac (Christopher Keruac) lo considera uno de los documentos más sobrios publicados por un laboratorio de frontera.

Lo que valora 𝕏 @PeterMcCrory (Peter Mccrory) es el énfasis en el trabajo significativo, que según investigaciones previas figura entre lo que más espera la gente de una economía transformada por la IA.

Más información:
📎 Public Benefit Report

7. Unitree presenta el H2-X, humanoide guardián de kung-fu

Unitree Robotics ha presentado el H2-X Kung Fu Legend Guardian, nueva variante de su línea de humanoides H2, de 1,8 metros de altura y unos 70 kilos de peso, que la empresa china promociona para protección personal y rescate de emergencia. El vídeo de lanzamiento muestra patadas giratorias, volteretas y golpes de rodilla y codo que abollan puertas de coches de desguace, un salto desde una plataforma de 4 metros con amortiguación sobre colchonetas, el robot interponiéndose entre una mujer y un hombre armado con un cuchillo y la elevación de la parte delantera de un vehículo en un rescate escenificado. La compañía declara una autonomía máxima de unas 8 horas.

El lanzamiento se ha difundido con rapidez en varios idiomas y refuerza la posición de China en robótica humanoide, donde Unitree es uno de los nombres más visibles. Conviene separar exhibición y producto: las escenas están coreografiadas, el entorno es controlado y no hay datos independientes sobre cómo respondería el robot ante situaciones reales de seguridad, con personas impredecibles y sin colchonetas. La propia Unitree acompaña el anuncio con una petición explícita de usar el robot “de forma segura y amistosa”.

El mensaje de 𝕏 @UnitreeRobotics (Unitree) combina potencia y prudencia: vende un guardián capaz de protegerte y, en la misma frase, pide usarlo con seguridad y de forma amistosa.

La cifra de autonomía merece letra pequeña para 𝕏 @rohanpaul_ai (Rohan Paul): las 8 horas, casi el triple que el H2 estándar, miden tiempo de pie, no cuánto aguanta patrullando, peleando o cargando peso.

Más allá del espectáculo, 𝕏 @XRoboHub (Robohub) lee el salto desde 4 metros y la recuperación posterior como una prueba seria de la resistencia de las articulaciones.

La reacción de 𝕏 @minchoi (Min Choi) resume el tono viral del lanzamiento: abolladuras, volteretas y coches levantados presentados como señal de que los humanos tienen motivos para preocuparse.

El encuadre de 𝕏 @dom_lucre (Dom Lucre | Breaker Of Narratives) lo convierte directamente en un guardaespaldas robótico, aunque reconoce que el rescate del vídeo está escenificado.

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Subscribe now

¿Qué pasó ayer? En un minuto:

1. Waymo ha anunciado que llevará su servicio de transporte sin conductor a la Región de Madrid, su primera parada en España y la segunda en la UE.

2. OpenAI ha comprado Orchestra Bio, una plataforma que coordina el desarrollo de fármacos, para integrarla en su proyecto Rosalind.

3. SpaceX ha cerrado el trimestre con su primer beneficio neto, impulsada por el área Super Intelligence, que alquila cómputo para IA a clientes como Anthropic.

4. El Gobierno alemán y Nvidia han sellado una alianza para llevar la IA a la industria del país en robótica, fabricación y conducción autónoma antes de 2030.

5. Sam Altman planteó a la plantilla de OpenAI tres posibles finales para una superinteligencia segura y fijó un plazo de un año para elegir cuál impulsar.

6. Arda, la startup de fabricación con IA cofundada por Bob McGrew, ha salido del sigilo con una valoración de 1.500 millones y Anduril como primer cliente.

7. El borrador del folleto de salida a bolsa de Anthropic revela ingresos semestrales que se multiplican por casi quince y un compromiso de gasto futuro colosal.

Produce cine y publicidad con IA junto a quienes ya lo hacen

Últimas plazas del curso de Producción Audiovisual con IA del IIA: diez workshops en directo para dominar la IA generativa del guion a la postproducción, con una pieza propia como proyecto final y créditos de Magnific incluidos.

Entre los profesores, creadores premiados en festivales de cine y profesionales de Xiaolongbao Studios, Magnific, ElevenLabs, Mito y DIVA Studio.

📅 Empieza el 27 de octubre
🎟️ 200€ de descuento para lectores con el cupón 1MINUTOAV200

Descarga el programa

Y si tienes más de un minuto…

1. Waymo elige Madrid para su llegada a España

Waymo, la filial de conducción autónoma de Alphabet, ha anunciado que prepara su servicio de transporte de pasajeros sin conductor en España, empezando por la Región de Madrid. Será su primera región en el país y la segunda en la Unión Europea, después de Múnich. La compañía aspira a recibir a los primeros pasajeros en 2027, el mismo año previsto para la ciudad alemana.

En los próximos días empezarán a circular por la región sus Jaguar I-PACE eléctricos, con un despliegue por fases: primero conducción manual, después una validación técnica con especialistas locales al volante y, solo al final, sin nadie en el asiento del conductor. Ese periodo sirve para adaptar el sistema, el Waymo Driver, al tráfico y a las vías madrileñas, muy distintos de los de las ciudades estadounidenses donde opera.

La empresa llega con más de 20 millones de viajes completados y cientos de miles de trayectos comerciales a la semana, una escala que ningún competidor tiene hoy en Europa. El anuncio no despeja el obstáculo principal: el marco legal para operar sin conductor en España. Waymo asegura que mantiene conversaciones con autoridades nacionales, regionales y locales, pero no ha detallado permisos concedidos ni el área concreta de servicio. Tampoco hay información sobre precios, tamaño de flota o encaje con el sector del taxi y los VTC.

El mensaje de 𝕏 @Waymo (Waymo) encuadra Madrid como pieza de su expansión europea y abre ya un registro para quienes quieran seguir el lanzamiento, una forma de medir demanda antes de tener permiso para operar.

La desembarcada no fue una sorpresa para 𝕏 @RoadToAutonomy (The Road To Autonomy®), que recuerda que hace 110 días ya se detectó en los registros mercantiles la sociedad Waymo Iberia SL.

Para 𝕏 @hitborg (Hitbear), Waymo repite en Madrid exactamente el guion estadounidense, lo que sugiere un proceso estandarizado de entrada en nuevas ciudades más que un experimento local.

La reacción eufórica de 𝕏 @DotCSV (Carlos Santana) refleja el interés que despierta el servicio entre la comunidad tecnológica española, que hasta ahora solo lo conocía de vídeos de San Francisco o Phoenix.

El aviso de 𝕏 @RobotaxiRadar (Robotaxi Radar) situaba la apertura en 2028, una fecha que contradice el anuncio oficial y muestra lo rápido que circulan cifras erróneas en torno a estos lanzamientos.

Más información:
📎 ¡Llegamos a Madrid! Waymo is coming to Spain
📎 Waymo in Madrid | Learn more about Waymo in Spain

2. OpenAI compra Orchestra Bio para reforzar Rosalind

OpenAI ha adquirido Orchestra Bio, una plataforma que ayuda a equipos biofarmacéuticos a coordinar el desarrollo de fármacos, un proceso largo y con muchas partes implicadas. El equipo y la tecnología de la empresa se integrarán en Rosalind, la línea de modelos y herramientas de OpenAI para investigación en ciencias de la vida.

Hasta ahora, Rosalind se centraba en la parte científica: GPT-Rosalind razona sobre biología y química, y Rosalind Workbench conecta esos modelos con herramientas y datos de laboratorio. Orchestra añade una capa distinta, la operativa. Sus agentes supervisan estudios, siguen el avance de los programas de fármacos y señalan incidencias que pueden retrasarlos, como un lote de fabricación fallido y su efecto en cadena sobre el calendario.

La compra desplaza la oferta de OpenAI desde el descubrimiento de moléculas in silico hacia la gestión del desarrollo, donde se concentran buena parte de los costes y los retrasos del sector. La biología se ha convertido además en un frente de competencia entre laboratorios de IA, con Anthropic señalada como el siguiente actor en presentar resultados en este campo. OpenAI justifica la adquisición con el objetivo de agilizar esas operaciones y acelerar la llegada de nuevos tratamientos a los pacientes.

El anuncio de 𝕏 @OpenAI (Openai) enmarca la compra en términos de eficiencia operativa más que de ciencia: el objetivo declarado es simplificar la coordinación para que los tratamientos lleguen antes a los pacientes.

Para 𝕏 @kimmonismus (Chubby), esta operación es la respuesta a quienes dudan de que la inversión en IA vaya a rendir: agentes que coordinan el desarrollo de fármacos serían un uso tangible, no un síntoma de burbuja.

La lectura de 𝕏 @rohanpaul_ai (Rohan Paul) es que Orchestra ataca otro cuello de botella: el problema ya no es solo razonar sobre biología, sino coordinar los programas que convierten esa ciencia en fármacos.

El movimiento coincide con la apuesta de 𝕏 @AndrewCurran_ (Andrew Curran), que lleva tiempo sosteniendo que Anthropic anunciará un avance en biología antes de su salida a bolsa, probablemente en las próximas dos semanas.

El escueto «bio is sexy» de 𝕏 @nathanbenaich (Nathan Benaich) resume el apetito inversor actual por la intersección entre IA y biología.

Más información:
📎 openai.com: OpenAI to acquire orchestra bio

3. SpaceX convierte el cómputo para IA en su mayor negocio

SpaceX ha presentado los resultados del tercer trimestre de 2026 con unos ingresos de 14.580 millones de dólares, un 161% más que hace un año y por encima de los 12.700 millones que esperaba el mercado. El EBITDA ajustado creció un 306%, hasta 8.810 millones, y la compañía registró un beneficio neto de 4.400 millones, el primero desde su salida a bolsa. El motor del trimestre no fueron los cohetes ni Starlink, sino la IA: el segmento Super Intelligence, que alquila capacidad de cómputo a clientes como Anthropic y Google, facturó 7.600 millones y se ha convertido en la principal fuente de ingresos del grupo.

El dato importa porque sitúa a SpaceX como proveedor de infraestructura para los propios laboratorios con los que compite xAI, y porque confirma que la demanda de cómputo sigue por delante de la oferta. Elon Musk aseguró en la conferencia que la empresa cerrará el año con unos 3 GW de cómputo para IA, frente a 1,7 GW a 30 de septiembre, y que espera añadir 10 GW incrementales en 2027, con planes de construir hasta 20 GW de energía y refrigeración. Son previsiones del propio Musk, cuyos calendarios suelen retrasarse. Entre los hitos operativos citados figuran la puesta en marcha de unos 220.000 chips GB300 de Nvidia al mes y un clúster de entrenamiento con 440.000 Vera Rubin para el segundo trimestre de 2027.

La cita que rescata 𝕏 @AndrewCurran_ (Andrew Curran) es quizá la más reveladora de la conferencia: SpaceX podría alquilar varias veces su capacidad si aceptara todas las peticiones de hiperescaladores y empresas más pequeñas.

El clúster de Vera Rubin interesa a 𝕏 @kimmonismus (Chubby) por su doble lectura: Musk lo vincula a convertir Grok en el mejor modelo, mientras clientes como Anthropic serían beneficiarios directos de esa capacidad.

Lo que subraya 𝕏 @rohanpaul_ai (Rohan Paul) es la velocidad del giro: el negocio de cómputo casi triplicó en un trimestre los 2.560 millones que ingresó entre abril y junio.

Para 𝕏 @StockSavvyShay (Shay Boloor), el detalle más llamativo es que uno de los mayores operadores de IA del mundo intentó alquilar cómputo externo para liberar capacidad de entrenamiento y no encontró GPU, TPU ni Trainium libres.

La ventaja que destaca 𝕏 @WOLF_Financial (Wolf) no es el chip, sino la energía: Musk sostiene que SpaceX puede conectar potencia entre 12 y 18 meses antes que cualquier competidor.

Más información:
📎 Rome Newsreader - Episode S02E01

4. Alemania se alía con Nvidia para su industria

El Gobierno alemán y Nvidia han anunciado una asociación para llevar la inteligencia artificial a la industria del país. La presentaron el canciller Friedrich Merz y el consejero delegado de Nvidia, Jensen Huang, al arrancar el “Invest in Germany Summit”, celebrado en Berlín el 19 y 20 de octubre de 2026. Participarán una docena de empresas alemanas, entre ellas Siemens, Audi (filial de Volkswagen) y Black Forest Labs, el laboratorio de modelos de imagen. Los frentes elegidos son robótica, fabricación industrial y conducción autónoma, tres terrenos donde Alemania conserva peso industrial y donde la IA exige capacidad de cómputo local.

El acuerdo se inscribe en un plan de actualización industrial con compromisos de inversión superiores a 225.000 millones de euros en centros de datos y el objetivo de cuadruplicar la capacidad de computación para IA antes de 2030. Para Nvidia, el país se suma a la lista de gobiernos europeos que la tratan como socio de referencia en soberanía computacional, una paradoja si se tiene en cuenta que el proveedor es estadounidense. A la cumbre acudieron unos 200 directivos, de Mercedes-Benz, Bayer, Lufthansa, Deutsche Telekom, Boeing, Anthropic, BlackRock y Goldman Sachs, y coincidió con la conferencia GTC de Nvidia en Berlín.

La lectura de 𝕏 @antonello (Antonio Ortiz) sitúa el acuerdo dentro de un plan de país más amplio: lo relevante no es la foto con Nvidia, sino la ambición de multiplicar el cómputo propio.

El fragmento que rescata 𝕏 @rohanpaul_ai (Rohan Paul) es el mensaje político de Huang a Merz: sin una industria de IA que prospere no hay nada que regular, una advertencia dirigida al enfoque normativo europeo.

Desde la propia empresa, 𝕏 @NVIDIAAI (Nvidia Ai) presenta Berlín como escenario de su GTC y del discurso de Huang, lo que convierte el acuerdo con el Gobierno en parte de una ofensiva comercial europea coordinada.

Más información:
📎 Federal Government announces AI partnership with Nvidia
📎 FULL DISCUSSION: Nvidia CEO Jensen & Merz Reveal How AI Could Transform Germany’s Industry | AC1E

5. Altman plantea tres finales para la superinteligencia

Sam Altman expuso la semana pasada a la plantilla de OpenAI, en una reunión general, tres posibles finales para un desarrollo seguro de la superinteligencia, según The Information. También advirtió de que la compañía debe decidir en el próximo año cuál de ellos impulsar.

El primero es un organismo internacional de supervisión inspirado en el Organismo Internacional de Energía Atómica (OIEA), con capacidad para inspeccionar laboratorios; fue la opción por la que Altman pareció inclinarse, una idea que ya planteó por escrito en mayo de 2023. El segundo, apodado plan Demis, fusionaría los grandes laboratorios en una organización al estilo del CERN. El tercero, el plan Eliezer, contempla que un único laboratorio alcance la automejora recursiva y gane tanto poder como para fundir las GPU de todos los demás, dejando fuera a sus rivales.

La filtración tiene peso porque el responsable de uno de los laboratorios líderes trata con naturalidad escenarios de concentración extrema de poder y fija un plazo de apenas un año para elegir. Son palabras internas recogidas por un medio, no una posición pública de la empresa, y OpenAI no ha detallado cómo se ejecutaría ninguna de las tres vías. El debate coincide con una entrevista de Elon Musk con Walter Isaacson en la que admite que la IA podría ser una amenaza existencial que no puede frenar, motivo por el que prefiere participar en la carrera antes que observarla.

El escenario que más inquieta a 𝕏 @kimmonismus (Chubby) es el de una sola empresa capaz de cerrar el paso a todos sus rivales, y lo sitúa en el centro de su lectura de la noticia.

Lo que subraya 𝕏 @rohanpaul_ai (Rohan Paul) es la urgencia del calendario: OpenAI se da solo un año para escoger qué final defender, con la vía del organismo internacional como favorita.

El tono incrédulo de 𝕏 @Hesamation (ℏεsam) al recoger la frase de «fundir las GPU de todos los demás» refleja cómo la tercera opción ha eclipsado en redes a las otras dos.

El resumen de la entrevista de Musk que difunde 𝕏 @cb_doge (Dogedesigner) ofrece el contrapunto: alguien que ve un riesgo existencial y aun así elige competir, una lógica que comparten los laboratorios en liza.

Más información:
📎 theinformation.com: Altman describes three endgames AI including one single firm melts everyone elses GPUS

6. Arda, de Bob McGrew, vale 1.500 millones

Arda, la startup cofundada por Bob McGrew, antiguo director de investigación de OpenAI, ha salido del sigilo con una ronda Serie A de 160 millones de dólares que la valora en 1.500 millones. La financiación total asciende a 232 millones, y la ronda la han liderado Altimeter Capital, Accel y Khosla Ventures. La empresa desarrolla software de IA que convierte diseños de producto en planes de montaje, disposiciones de estaciones e instrucciones de trabajo.

El problema que ataca es operativo: cuando cambia un diseño, reciclar a un operario lleva un día, pero adaptar la automatización de una línea tarda entre tres y seis meses. En sectores como el armamento o los drones, donde los diseños se revisan con frecuencia, ese desfase frena la producción. La operación encaja con dos tendencias de inversión: llevar los agentes de IA del software al mundo físico y reindustrializar Estados Unidos, con la defensa como primer mercado.

El perfil del fundador pesa en la valoración. McGrew dirigió producto e ingeniería en Palantir durante más de una década, entró en OpenAI en 2017, trabajó en las capacidades de razonamiento de los primeros modelos y salió en 2024, en la misma oleada que Mira Murati e Ilya Sutskever. El modelo de Arda ya está desplegado en Anduril, la empresa de tecnología militar, su primer cliente conocido.

La comparación que destaca 𝕏 @AndrewCurran_ (Andrew Curran) es la que mejor vende la tesis: un agente que haría por los ingenieros de fabricación lo mismo que Claude o Cursor por los programadores.

El énfasis de 𝕏 @WesRoth (Wes Roth) recae en la salida del sigilo con una valoración de unicornio, un salto poco habitual para una empresa sin presencia pública previa.

Desde dentro del accionariado, 𝕏 @nathanbenaich (Nathan Benaich) se limita a celebrar su entrada como inversor, otra señal del interés del capital riesgo especializado en IA por la fabricación.

Más información:
📎 Former OpenAI exec has quietly built $1.5 billion startup, betting AI can revive U.S. manufacturing

7. El folleto completo de Anthropic: ingresos disparados, gasto colosal

The Wall Street Journal ha accedido a un borrador del folleto con el que Anthropic prepara su salida a bolsa, y las cifras dibujan una empresa que crece a un ritmo pocas veces visto mientras compromete cantidades de capital igual de inusuales. Los ingresos del primer semestre pasaron de 1.100 millones de dólares a 16.300 millones, casi quince veces más en un año. El gasto en computación e infraestructura subió de 2.300 millones a cerca de 9.000 millones en esos seis meses, por encima de los 7.300 millones de todo 2025. Las pérdidas declaradas en el semestre alcanzan los 80.700 millones, aunque unos 72.000 millones proceden de ajustes contables sobre instrumentos financieros anteriores, de modo que la pérdida operativa real es muy inferior.

El documento importa porque es la primera radiografía detallada de las cuentas de un laboratorio de frontera que se somete al escrutinio del mercado: muestra cuánto capital exige mantenerse en la carrera y hasta qué punto el negocio depende de proveedores de nube y chips. Las cifras sobre compromisos futuros de computación no coinciden entre fuentes: unas hablan de unos 450.000 millones y otras de más de 600.000 millones. Entre los contratos identificados figuran 111.000 millones con Google Cloud y otros 110.000 millones con un segundo proveedor.

La lectura de 𝕏 @kimmonismus (Chubby) pone en paralelo las dos curvas: los ingresos escalan, pero lo hacen al mismo tiempo que la empresa asume una factura futura de cómputo que se cuenta en cientos de miles de millones.

El resumen de 𝕏 @rohanpaul_ai (Rohan Paul) subraya la tensión entre ingresos reales y pérdidas «sobre el papel», y se queda con la estimación más prudente, de unos 450.000 millones comprometidos en cómputo.

Para 𝕏 @antonello (Antonio Ortiz), el borrador tiene «mucha chicha», pero advierte de que el titular de las pérdidas engaña: es un espejismo contable más que un agujero operativo.

𝕏 @AndrewCurran_ (Andrew Curran) sitúa el plan en un horizonte de tres cuartos de billón de dólares a siete o diez años y extrae una conclusión práctica: el gran beneficiado de este gasto es NVIDIA.

Más información:
📎 wsj.com: Anthropic revenue growth IPO

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Subscribe now

¿Qué pasó el fin de semana? En un minuto:

1. Jack Clark, cofundador de Anthropic, sostuvo ante el FMI que la singularidad ya ha comenzado y que este año han aparecido pruebas convincentes.

2. Cuatro agentes basados en Gemini 4 Argon completan el juego Minecraft sin ayuda humana, una prueba de planificación y coordinación entre agentes.

3. Anthropic transferirá el 5% de sus acciones para la creación de Anthropic Public Benefit Fund, con el fin de ayudar en el impacto socioeconómico de la IA.

4. OpenCode sufre un ciberataque en el que los modelos de frontera dejaron de ayudar a defenderse porque analizar los exploits activaba sus guardarraíles.

5. Nick Cammarata defiende en un ensayo sobre interpretabilidad que las redes neuronales sí pueden ser legibles.

6. Meta ha liberado los pesos de Muse Spark Open, la apuesta de EE.UU. por liderar los modelos abiertos y que optimizará junto a Apple para ejecutarse en local en Mac Studio.

7. xAI actualiza Grok Bot a gran velocidad: tareas hasta tres veces más rápidas, integración con X Chat, mensajes directos, alias de correo, y sugerencias proactivas.

8. Claude Mythos 5 diseñó, a partir de descripciones en lenguaje natural y casi sin intervención humana, ocho circuitos cuánticos que superan los mejores diseños publicados.

Agentes de IA han atacado OpenCode durante más de 48 horas seguidas, y los modelos a los que pidió ayuda se negaron a analizar el ataque. Si le ocurre a un equipo que trabaja en la frontera técnica, puede ocurrirle a cualquier empresa.

El jueves 22 de octubre a las 13:00 CET analizaremos en un webinar gratuito por qué los modelos lanzados este año han creado la tormenta perfecta en ciberseguridad, y qué significa para tu empresa.

👉 Reserva tu plaza gratis

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Suscríbete ahora

Y si tienes más de un minuto…

1. Jack Clark sostiene ante el FMI que la singularidad ha empezado

Jack Clark, cofundador de Anthropic, ha impartido en el Fondo Monetario Internacional la conferencia anual de la Fundación Per Jacobsson, titulada “Inside the Event Horizon: Why Everyone Should Take AI Progress Seriously” y retransmitida en directo por el canal del organismo en YouTube.

Su tesis central fue que la singularidad, el punto en que el progreso tecnológico se acelera hasta escapar a la previsión, ya ha comenzado, y que este año han aparecido pruebas convincentes de ello. Clark dedicó también parte de la intervención a las decisiones que, a su juicio, gobiernos e instituciones tendrán que tomar.

El peso de la declaración no está tanto en la idea, que circula desde hace años en el sector, como en quién la formula y ante quién. Clark es directivo de uno de los grandes laboratorios de frontera, y se dirige a una institución que asesora a bancos centrales y ministerios de economía. Eso convierte una tesis especulativa en una premisa de trabajo declarada por una empresa con influencia directa en la regulación.

La reacción del sector ha sido dividida, y el desacuerdo se concentra en dos frentes: si el término singularidad describe algo medible y si los avances recientes se extienden más allá de unos pocos dominios. Parte de la crítica subraya que los progresos más visibles se concentran en matemáticas y programación, áreas donde los resultados pueden comprobarse de forma automática.

El propio 𝕏 @jackclarkSF (Jack Clark) anunció la charla sin matices: iba a explicar por qué cree que la singularidad ha empezado, un encuadre que plantea el debate como un hecho consumado y no como una hipótesis.

La lectura de 𝕏 @kimmonismus (Chubby) apunta a la estrategia más que a la filosofía: aunque uno no comparta la tesis, Anthropic ya actúa como si la singularidad hubiera llegado, y él mismo dice no tener dudas al respecto.

Para 𝕏 @ylecun (Yann Lecun), lo que Clark describe no es un punto de ruptura, sino la continuación de la misma curva exponencial en la que la humanidad lleva desde siempre.

Siguiendo la conferencia en directo, 𝕏 @AndrewCurran_ (Andrew Curran) fue compartiendo las diapositivas de Clark, una cobertura que amplificó el argumento entre quienes ya comparten su visión acelerada.

Más información:
📎 Per Jacobsson Foundation Lecture: Inside the Event Horizon

2. Cuatro agentes Gemini completan Minecraft sin ayuda humana

Google DeepMind ha publicado un artículo en el que cuatro agentes Gemini 4 Argon derrotan al Ender Dragon, el jefe final de Minecraft, partiendo de un mundo de supervivencia generado aleatoriamente. Tardaron 27 horas y 14 minutos, escribieron 2.783 programas y murieron 605 veces por el camino. Cada agente manejaba a un jugador diferente, y se comunicaba con el resto por el chat del juego y una memoria compartida. Nadie les asignó papeles ni les escribió lógica de juego: planificaron, programaron y depuraron todo ellos mismos.

Los autores sostienen que es la primera partida completa resuelta de forma autónoma por agentes de IA sin semillas exploradas de antemano ni herramientas específicas creadas por humanos. El interés va más allá del videojuego. Terminar exige sostener un plan coherente a lo largo de miles de pasos dependientes durante más de un día, y DeepMind vincula esa capacidad con la programación de largo recorrido y la coordinación entre agentes que requieren tareas complejas de ingeniería de software y de empresa.

Para los fans de Minecraft, conviene aclarar que la partida se jugó en el nivel más fácil y mediante una interfaz de programación, no viendo la pantalla ni usando controles como un jugador humano. Aún así resulta muy relevante que los investigadores, que seguían la ejecución en un panel en directo con opción de pausarla o detenerla, no llegaron a intervenir.

El anuncio de 𝕏 @GoogleDeepMind (Google Deepmind) subraya que los agentes trabajaron solo con código y texto dentro de un entorno aislado, un encuadre que presenta el logro como ejercicio de ingeniería más que de juego.

Para 𝕏 @emollick (Ethan Mollick), el artículo merece lectura como ejemplo accesible de coordinación espontánea entre agentes, y apunta un matiz: parte de esa accesibilidad se debe a que el propio texto está escrito con IA.

La reseña de 𝕏 @WesRoth (Wes Roth) incluye la letra pequeña que suele perderse en la difusión: la partida fue en Fácil y a través de una interfaz programática.

Más información:
📎 A team of Gemini 4 Argon agents beats Minecraft

3. Anthropic destina el 5% de sus acciones a un fondo público

Anthropic ha anunciado el Anthropic Public Benefit Fund, una sociedad de responsabilidad limitada íntegramente propiedad de la compañía a la que, si lo aprueban los accionistas, transferirá el 5% de sus acciones. Con una valoración de 965.000 millones de dólares, esa participación equivale a unos 48.000 millones. El diseño es escalable: el consejo podrá añadir un 2% más por cada aumento del 50% del valor de la empresa por encima de una referencia que no se ha hecho pública.

La compañía, constituida como corporación de beneficio público, ya canaliza parte de su misión desde dentro (investigación en seguridad e interpretabilidad, biomedicina, descuentos de Claude para ONG y centros científicos), pero el fondo busca más margen: grandes donaciones a organizaciones sin ánimo de lucro o distribuciones directas a poblaciones concretas. El ejemplo elegido es el impacto laboral de la IA, al que Anthropic ya había comprometido 200 millones de dólares; su propio informe sitúa la caída de la proporción de puestos técnicos júnior del 21% al 14%.

La elección de una sociedad limitada y no de una entidad benéfica, da flexibilidad, pero también deja el control en manos de la empresa. El anuncio llega después de que OpenAI planteara en abril un Public Wealth Fund, aunque en este caso era para que los ciudadanos de EE.UU. se beneficiaran del crecimiento de OpenAI a través de la participación del gobierno. El fondo de Anthropic no financiará a lobbies ni hará donaciones políticas, y su gobernanza se concretará en los próximos meses.

El anuncio de 𝕏 @AnthropicAI (Anthropic) presenta el fondo como una entidad dedicada por completo al beneficio público cuya participación crece con la propia empresa, sin que la compañía renuncie a su propiedad.

Sumando compromisos previos, 𝕏 @jackclarkSF (Jack Clark) calcula que cerca del 20% del capital de Anthropic quedará dedicado al bien público, con la idea de que más gente participe de los beneficios de la IA.

La alternativa que propone 𝕏 @elonmusk (Elon Musk) es más directa: entregar las acciones al público en lugar de gestionarlas desde un fondo corporativo.

El escepticismo lo pone 𝕏 @DavidSacks (David Sacks), que recuerda que meter un 20% del capital en una LLC no garantiza por sí solo que sirva al interés general.

Frente a las dudas habituales, 𝕏 @AndrewCurran_ (Andrew Curran) defiende que el compromiso de los cofundadores de donar el 80% de su patrimonio es creíble porque la riqueza personal no es su motivación principal.

Más información:
📎 Investing in the public benefit
📎 How employment is changing at Anthropic

4. OpenCode, atacada y frenada por los guardarraíles

OpenCode, el entorno de programación con agentes de IA de código abierto a imagen de Claude Code, sufre un ciberataque que según sus responsables lleva más de 48 horas sin pausa. En pleno incidente, los modelos de frontera que usaba para defenderse dejaron de colaborar: analizar los exploits de los agentes atacantes activaba sus guardarraíles. Hugging Face ya había chocado antes con el mismo bloqueo, así que no se trata de un caso aislado.

La situación mejoró cuando OpenCode obtuvo acceso a Daybreak Blue, una herramienta de ciberdefensa que había solicitado días antes. El episodio expone una tensión poco resuelta en el diseño de los modelos: los filtros pensados para impedir usos ofensivos también entorpecen a quien necesita estudiar un ataque para contenerlo.

En paralelo, la compañía publicó un comunicado sobre un ataque de destilación que vació saldos de OpenAI, Anthropic y Google de usuarios que tenían proveedores externos vinculados a su Consola. Afectó al 1,4% de los usuarios de la Consola, que fueron avisados por correo, y hay casos concretos como el de una cuenta de Anthropic con 400 dólares en cargos no autorizados. Anthropic ha revocado las claves de la API de Claude que considera comprometidas por la brecha.

El paralelismo con Hugging Face lo subraya 𝕏 @AndrewCurran_ (Andrew Curran), que ve un patrón repetido: los modelos de frontera se apartan de la defensa justo cuando el análisis del ataque se vuelve imprescindible.

Para 𝕏 @DavidSacks (David Sacks), el caso ilustra los límites de confiar la seguridad en ciberdefensa a enfoques centralizados, decididos por unos pocos laboratorios.

La lectura de 𝕏 @Dan_Jeffries1 (Daniel Jeffries) es combativa: mientras los grandes laboratorios presionan para restringir los modelos de pesos abiertos, son precisamente esos modelos los que permiten defenderse.

Si un equipo que trabaja cada día en la frontera técnica puede ser atacado, 𝕏 @Suhail (Suhail) razona que lo mismo le ocurra a las grandes empresas estadounidenses es casi seguro.

En una frase, 𝕏 @pmddomingos (Pedro Domingos) resume la crítica: los atacantes agradecen los guardarraíles porque atan de manos a los defensores.

Más información:
📎 reddit.com: They fd up breach

5. Las redes neuronales ya son más legibles

Nick Cammarata, coautor de “Zoom In” (2020), el trabajo que popularizó la idea de que las redes neuronales mezclan conceptos no relacionados en una misma neurona, ha publicado un nuevo ensayo llamado “Neural Networks Are Already Clean”. Su tesis corrige su propio legado: la evidencia de superposición de conceptos en una misma neurona, que convenció al campo de la interpretabilidad, se habría malinterpretado. Lo que parecía un empaquetado arbitrario sería, sobre todo, un patrón que denomina “generalización recursiva”, mucho menos problemático.

Cammarata recuerda que ayudó a proponer ambas explicaciones, opuestas entre sí: la generalización agrupa cosas parecidas y la superposición junta cosas sin relación, y fue esta última la que adoptó la disciplina. La consecuencia práctica afecta al método. Si las redes ya son legibles, la interpretabilidad puede volver a estudiar neuronas y circuitos directamente, con experimentos a escala agéntica para validar explicaciones, en lugar de emplear métodos cada vez más sofisticados que tratan la red original como una caja negra.

El ensayo también propone otra forma de mirar las neuronas: menos como sustantivos (por ejemplo esta representa un coche, la otra una curva) y más como flujo de control, cuya función a menudo consiste en abrir o cerrar el paso a una región de la red. La conclusión se apoya en meses de estudio de modelos de imagen y de lenguaje, no en un único experimento.

Del ensayo, 𝕏 @MLStreetTalk (Machine Learning Street Talk) destaca la idea de tratar cada neurona por lo que hace con la información que recibe y no por lo que ve, un cambio de marco que considera el núcleo del trabajo.

La reacción de 𝕏 @sama (Sam Altman) es breve y personal: celebra ver este trabajo de Cammarata, sin entrar a valorar la tesis técnica.

Lo llamativo para 𝕏 @kimmonismus (Chubby) es la autocrítica: uno de los autores que introdujo la idea admite ahora que el campo leyó mal su propia evidencia clave.

Con menos sorpresa, 𝕏 @ylecun (Yann Lecun) recuerda que las representaciones distribuidas superan a las «células de la abuela» desde principios de los ochenta, aunque concede ventajas a las dispersas frente a las densas.

Desde otro ángulo, 𝕏 @pmddomingos (Pedro Domingos) resta dramatismo a la polisemanticidad: en códigos distribuidos dispersos, que algunas neuronas se activen solo para un recuerdo concreto es pura casualidad y no plantea un problema.

Más información:
📎 Neural Networks Are Already Clean

6. Meta libera Muse Spark Open, su modelo abierto

Meta ha publicado en Hugging Face los pesos de Muse Spark Open, un modelo con unos 816.000 millones de parámetros en total y 42.000 millones activos por token. Admite hasta un millón de tokens de contexto, acepta texto, imágenes, audio y vídeo, aunque responde solo en texto. La compañía lo ha entrenado para programación con agentes además de para navegar por la web interpretando imágenes.

Meta lo presenta como el modelo de pesos abiertos estadounidense más capaz hasta la fecha, una afirmación que conviene contrastar con evaluaciones independientes, porque la referencia habitual en este segmento son los modelos chinos. Es la versión de tamaño completo de Muse Glimmer, y llega en la misma semana que Muse Wonder, el modelo frontera de Meta del que no se espera su disponibilidad en abierto. Meta y Apple colaboran además para optimizarlo y ejecutarlo en local en Mac Studio, un acuerdo poco habitual entre dos compañías con años de rivalidad.

Desde su panel de inferencia, 𝕏 @SemiAnalysis_ (Semianalysis) sostiene que Muse Spark Open supera con holgura a Nemotron 3 Ultra de NVIDIA en tareas agénticas.

El énfasis de 𝕏 @WesRoth (Wes Roth) está en el uso previsto: un modelo concebido para flujos de agentes de varios pasos, más que para conversación general.

En su resumen diario, 𝕏 @testingcatalog (Ai News | Testingcatalog) coloca el lanzamiento junto a Nemotron 3.5 Super VL de NVIDIA, lo que dibuja una misma jornada de presión estadounidense en modelos abiertos.

Más información:
📎 Introducing Muse Spark Open, The Most Capable US Open‑Weight Model to Date

7. Grok Bot gana velocidad y nuevas integraciones

xAI ha actualizado Grok Bot, su agente personal de IA, con mejoras de velocidad y nuevas integraciones. Según la compañía, las tareas que ejecuta en el ordenador terminan de media unas tres veces más rápido y otras respuestas tardan menos de la mitad. La actualización añade acceso a X Chat, conexión con los mensajes directos de X y alias de correo que disparan rutinas concretas. El agente ya contaba con ordenador virtual propio, correo dedicado y voz, lo que le permite llamar a restaurantes para reservar, gestionar pagos, auditar tarjetas o reclamar pedidos no entregados.

También estrena sugerencias proactivas: el bot puede escribir al usuario sin que este se lo pida, una función que amplía su autonomía y también el margen de error. El producto ya está disponible en la web y en las apps móviles de Grok. Musk sostiene que el equipo introduce unas 20 mejoras diarias y que nada ha crecido tan rápido pese a carecer de versión gratuita, aunque no ha aportado cifras de usuarios que lo respalden. La compañía trabaja además en Hagglebot, un negociador para empresas al que atribuye una mejora de la eficiencia de costes del 5% o más, equivalente a hasta 6 billones de dólares anuales sobre el PIB mundial según la propia empresa.

La comparación que elige 𝕏 @elonmusk (Elon Musk) es laboral: usar Grok Bot equivaldría a contratar a un empleado muy competente, un encuadre que lo aleja del chatbot y lo acerca a la sustitución de tareas.

De todo el paquete, a 𝕏 @WesRoth (Wes Roth) le convence sobre todo el correo, porque convierte una dirección en un disparador de rutinas sin abrir la aplicación.

La experiencia de 𝕏 @AndrewCurran_ (Andrew Curran) pone a prueba la proactividad: insiste en que el agente actuó por completo por iniciativa propia, sin ninguna instrucción previa.

Para 𝕏 @testingcatalog (Ai News | Testingcatalog), tenerlo todo en un mismo sitio tiene valor, aunque duda de que la compañía mantenga dos apps móviles a largo plazo y ve a Grok Bot ocupando el terreno de OpenAI.

8. Claude diseña circuitos cuánticos más eficientes

Anthropic ha publicado un trabajo de su “STEM Fellows Program”, un programa que empareja a científicos con personal de la compañía, en el que Claude Mythos 5 diseñó circuitos cuánticos partiendo solo de descripciones en lenguaje natural. El encargo cubría ocho circuitos de química, optimización, simulación física y teoría de números, y un evaluador automático comprobaba y puntuaba cada propuesta. Trabajando en gran medida sin intervención humana, el modelo mejoró los mejores diseños publicados, en algunos casos en un orden de magnitud o más.

Los ordenadores cuánticos dispondrán de hardware limitado durante años, de modo que cada puerta que se ahorra acerca aplicaciones útiles a máquinas más pequeñas. Anthropic sostiene que mejoras así podrían adelantar la llegada de ordenadores cuánticos prácticos, una proyección que depende de que los diseños se validen fuera del evaluador propio.

El anuncio de 𝕏 @AnthropicAI (Anthropic) pone el acento en el método: bastaron instrucciones en lenguaje natural para que el modelo superase diseños de especialistas, un mensaje pensado para posicionar a Claude como herramienta de investigación.

Para 𝕏 @rohanpaul_ai (Rohan Paul), el interés del programa está en su planteamiento: comprobar si Claude puede hacer investigación real junto a científicos, no solo responder preguntas técnicas.

El caso le sirve a 𝕏 @kimmonismus (Chubby) como ejemplo de la aceleración de la ciencia con ayuda de la IA, con el énfasis puesto en la autonomía con la que trabajó el modelo.

Más información:
📎 Designing more efficient quantum circuits with Claude

1. Anthropic comunicó un crecimiento del 45% en los ingresos del tercer trimestre antes de su inminente salida a bolsa con una valoración récord.

2. El benchmark TheoPhysEval con 50 problemas inéditos de física teórica ha sido resuelto por GPT-6 Astra con un 98% de acierto y 3 dólares por problema.

3. El equipo de salud de Meta ayudó a investigadores a escribir diez artículos médicos en menos de cuatro semanas con sus modelos Muse.

4. SpaceXSI lanzó Grok Voice 3.0, que debuta en primera posición del Speech-to-Speech Index de Artificial Analysis apuntando a agentes de llamadas.

5. Un informe de OpenAI sitúa en el 55% el uso de agentes en sus clientes empresariales europeos, con los usuarios de pymes multiplicados por ocho.

6. El colectivo de swarmcha.se detectó y contactó con una flota de agentes de IA que operó en Tencent Cloud sorteando las defensas antibots de Amap.

7. Los agentes de programación ya generan videojuegos completos a través de repositorios como Godogen.

8. OpenAI habría reasignado cerca del 10% de su cómputo a seguridad y alineamiento tras cancelar el lanzamiento de un modelo por este motivo.

9. Google Play permite ya instalar en Android apps privadas creadas por vibe coding en Google AI Studio.

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Suscríbete ahora

Y si tienes más de un minuto…

1. Los ingresos de Anthropic se disparan en el tercer trimestre

Anthropic comunicó en una reunión con inversores unos ingresos de 16.800 millones de dólares en el tercer trimestre de 2026, según los principales medios financieros. Supone un alza del 45% frente a los 11.500 millones del segundo trimestre y más del triple de los 4.700 millones del primero. Bloomberg detalla un margen bruto ajustado del 85%, un margen operativo ajustado superior al 11%, beneficio operativo ajustado y flujo de caja libre positivo. Para el Financial Times, sería el segundo trimestre seguido con rentabilidad ajustada, con un matiz relevante: las métricas ajustadas excluyen partidas que la compañía elige no contabilizar y no equivalen a beneficio contable de la empresa.

Las cifras llegan antes de una posible salida a bolsa prevista para noviembre, con una valoración que algunos medios sitúan cerca de los dos billones. Pocas empresas tecnológicas han llegado a un salto así con los números de rentabilidad que hay sobre la mesa, y eso refuerza su posición frente a OpenAI ante los inversores. A finales de septiembre, su ritmo de ingresos anualizados rondaba los 74.000 millones de dólares, frente a unos 9.000 millones al cierre de 2025.

El objetivo de cerrar 2026 con 110.000 millones anualizados equivale, en las cuentas de 𝕏 @kimmonismus (Chubby), a multiplicar por 12,2 los ingresos en un solo año.

Crecer diez veces en un año es habitual en startups, pero sostenerlo tres años seguidos, hasta multiplicar por mil, es algo que 𝕏 @paulg (Paul Graham) considera casi inédito.

Una previsión tan alta solo se explica, a juicio de 𝕏 @AndrewCurran_ (Andrew Curran), por la confianza de Anthropic en su próximo modelo.

El contrapunto lo pone 𝕏 @zerohedge (Zerohedge), que subraya el entrecomillado de la “rentabilidad ajustada” y sostiene que el cálculo del ritmo anualizado muestra un crecimiento que frena.

Más información:
📎 At Anthropic pre-IPO meet: ‘Thinking’ caps, surging revenue, no human extinction

2. La IA también ataca problemas de física teórica

Un paper publicado en arXiv el 9 de octubre de 2026 presenta TheoPhysEval, un benchmark de 50 problemas inéditos de física teórica de nivel investigación con respuestas verificables. Según los autores, un experto mundial resolvería cada uno en un día o menos, mientras que especialistas de áreas cercanas tardarían bastante más. Los agentes, modelos comerciales sin adaptación específica, trabajaron de forma autónoma y sin pistas humanas, con acceso a búsqueda de literatura y a scripts para cálculo numérico y simbólico. El mejor resultado fue el de GPT-6 Astra integrado en Codex, de OpenAI: un 98% de respuestas finales correctas con un coste medio inferior a 3 dólares por problema.

La cifra sitúa los cálculos concretos de la física teórica al alcance de herramientas baratas y disponibles. El propio estudio introduce una cautela relevante: la precisión media apenas varía cuando se retira el acceso a la web y a los papers de referencia, lo que los autores interpretan como una memorización significativa de la literatura. Eso limita lo que el benchmark mide realmente, más cercano a ejecución técnica que a descubrimiento. El trabajo dedica además una sección a discutir por qué, pese a esta capacidad de resolución, todavía no se han producido avances en física teórica liderados por agentes.

Para 𝕏 @kimmonismus (Chubby), lo más llamativo es que Astra acertó respuestas que los expertos habían dado por erróneas, y los autores acabaron confirmando fallos en las soluciones de referencia.

El episodio recuerda a 𝕏 @polynoamial (Noam Brown) a cuando GPT-5.5 detectó errores en FrontierMath, y lo toma como indicio de que la física podría seguir la misma trayectoria que las matemáticas.

Las soluciones de referencia equivocadas no son un problema menor para 𝕏 @AndrewCurran_ (Andrew Curran): durante el aprendizaje por refuerzo penalizan respuestas correctas y desorientan al modelo.

𝕏 @DotCSV (Carlos Santana) destaca como lo más interesante el testimonio que recoge el paper sobre el nivel de las preguntas, pensadas para medir a los modelos con tareas de investigación real.

Más información:
📎 TheoPhysEval: Assessing AI agents at autonomous theoretical physics problem solving

3. Meta prueba Muse en investigación sanitaria con diez artículos

El equipo de salud de Meta ha completado un proyecto en el que investigadores médicos escribieron diez artículos de ciencias de la salud en menos de cuatro semanas con ayuda de sus modelos Muse. La compañía montó un andamiaje de programación interno que combina Muse Spark 1.3 y Muse Wonder, con acceso a datos públicos y a una base retrospectiva, licenciada a un proveedor, de cinco millones de historias clínicas electrónicas anonimizadas. Participaron especialistas en cardiología, epidemiología, enfermedades infecciosas y medicina interna. El sistema generaba hipótesis, escribía y ejecutaba todo el código y colaboraba en el análisis, pero las decisiones científicas y las conclusiones seguían en manos de los investigadores.

Meta distingue este terreno del de las ciencias formales: en datos sanitarios no hay respuestas verificables, sino datos reales imperfectos y elecciones delicadas sobre cohortes, variables y supuestos causales, donde un error de diseño invalida el resultado aunque el código funcione. Por eso la propia empresa describe su comprensión del uso de IA en este campo como incipiente y presenta el trabajo como una exploración inicial. El documento técnico recuerda que un estudio observacional suele llevar meses y pasar por muchas manos, y sitúa la ganancia en búsquedas bibliográficas, protocolos, código e informes. Los artículos no se presentan como revisados por pares, y la cifra de diez en cuatro semanas mide velocidad de producción, no la solidez de sus hallazgos.

El proyecto encaja en la apuesta que defiende 𝕏 @alexandr_wang (Alexandr Wang), que sitúa la salud entre las áreas donde Muse tendrá mayor impacto positivo para la humanidad.

El planteamiento de partida, tal como lo describe 𝕏 @_jasonwei (Jason Wei), era comprobar qué podían publicar expertos médicos con un volumen de pacientes que antes exigía equipos y meses de trabajo.

La cuenta oficial 𝕏 @AIatMeta (Ai At Meta) afirma que los avances en matemáticas no se trasladan sin más a la ciencia de datos sanitarios, condicionada por supuestos causales difíciles.

Más información:
📎 Accelerating Scientific Research in Health Data Science With Muse Models

4. Grok Voice 3.0 encabeza el ranking de voz

SpaceXSI, la división de IA antes conocida como xAI, ha lanzado Grok Voice 3.0, sucesor de Grok Voice 2.0, y el modelo debuta en primera posición del Speech-to-Speech Index de Artificial Analysis con 86,9 puntos. Supera a GPT-Live-1 de OpenAI (83,2) y a Gemini 3.8 Live de Google (82,6). El índice combina razonamiento hablado, llamadas de soporte simuladas (τ-Voice) y preferencia y éxito en tareas medidos con comparativas a ciegas. El liderazgo no es total: en τ-Voice, la prueba más cercana a un centro de atención real, con acentos variados y ruido de fondo, se queda en un 71,6%, en la línea de GPT-Live-1 (Astra), aunque con un 40% menos de latencia y respuesta en menos de un segundo.

En cuanto a precio, mantiene la tarifa plana de 0,08 dólares por minuto de su predecesor, frente a la facturación por tokens de OpenAI, cuyo coste casi se duplica con GPT-Realtime-2.1 en esfuerzo alto. El modelo ya está disponible en la API y gestiona millones de conversaciones diarias en Tesla, el soporte de Starlink y el modo de voz de Grok Bot.

La valoración de 𝕏 @ArtificialAnlys (Artificial Analysis), autor del índice, matiza el triunfo: sitúa a Grok como nuevo líder, pero en latencia lo describe solo como competitivo.

El compromiso que detecta 𝕏 @WesRoth (Wes Roth) está en las tareas de atención al cliente, donde GPT-Live-1 con Astra marca un 74,5% y conserva ventaja en precisión frente a la rapidez de Grok.

Lo diferencial para 𝕏 @rohanpaul_ai (Rohan Paul) es la combinación: ningún otro modelo supera el 60% en llamadas de soporte simuladas empezando a hablar en menos de un segundo.

Más información:
📎 Introducing Grok Voice 3.0

5. Los agentes ya son la mitad del uso de IA europeo

OpenAI ha publicado un informe de su equipo de investigación económica según el cual las herramientas agénticas ya concentran más de la mitad del uso de IA, en torno al 55%, entre sus clientes empresariales y de negocio en la Unión Europea. La medición se basa en tokens de salida generados con Codex y ChatGPT Work, no en número de usuarios ni en gasto. El crecimiento es especialmente visible en las pymes: los usuarios de pequeñas empresas se han multiplicado por ocho desde mayo de 2026, en apenas cinco meses.

El dato llega en un momento en que Europa arrastra fama de mercado reticente y lento en adopción tecnológica, y sugiere que el uso de agentes para programar y automatizar tareas avanza más rápido de lo que esa imagen indica. El informe también recoge una distancia interna notable, ya que las compañías europeas más avanzadas usan la IA cuatro veces más intensamente que las tradicionales. Y la brecha exterior persiste: incluso esas empresas punteras de la UE se sitúan por debajo de la mitad de intensidad de uso que sus homólogas de otras regiones.

El informe que difunde 𝕏 @OpenAI (Openai) presenta la expansión como rápida y generalizada, un relato que también conviene a su estrategia comercial en el continente.

Los datos desmontan, a juicio de 𝕏 @kimmonismus (Chubby), la supuesta hostilidad europea hacia la IA y muestran una adopción agéntica muy por encima de la media.

Al reproducir las cifras, 𝕏 @devops_nk (Nandkishor) las presenta como afirmaciones de OpenAI y pone el foco en el contraste: crecimiento rápido, pero con las empresas líderes de fuera de Europa todavía el doble de adelantadas.

El ángulo que destaca 𝕏 @v_shakthi (Shakthi) es el crecimiento de usuarios activos en pymes.

Más información:
📎 The EU’s next chapter in AI is agentic

6. Investigadores contactan con una flota de agentes en Tencent Cloud

El colectivo de investigadores swarmcha.se afirma haber detectado, y contactado, una flota de agentes de IA que operó en Tencent Cloud entre el 28 de septiembre y el 8 de octubre de 2026. Los agentes intentaban responder preguntas cotidianas sobre lugares de China, como qué entrada de un zoo usan más personas, consultando Amap, el servicio de mapas de Alibaba. Para conseguirlo trataron de sortear las defensas antibots, a veces con éxito: interceptaron tokens de seguridad, usaron claves de API publicadas en la web (entre ellas la clave y el código de seguridad de una empresa, filtrados en un repositorio público) e intentaron extraer datos de sistemas de preproducción.

A diferencia de incidentes previos, como los enjambres vinculados a OpenAI, los investigadores no encontraron pruebas de coordinación en tiempo real entre agentes, y por eso hablan de flota y no de enjambre. El caso abre dudas sobre la responsabilidad de los proveedores cloud que alojan agentes autónomos y sobre la capacidad de los servicios web para resistir este tráfico. Los agentes se identificaron como Claude, aunque todo apunta a que funcionaban sobre modelos de pesos abiertos. Tencent ha declinado hacer comentarios. El grupo presentó un informe preliminar en un hackatón el 4 de octubre, con la flota todavía activa, y después cambió el título del trabajo para dejar claro a quién atribuye la responsabilidad del incidente.

El caso es para 𝕏 @emollick (Ethan Mollick) el primer avistamiento claro de una flota rebelde china y un anticipo de lo que vendrá, con agentes obsesionados con investigar algo tan anodino como las entradas de parques.

La forma de actuar de los investigadores, que contactaron con los agentes y publicaron sus hallazgos, le parece a 𝕏 @AndrewCurran_ (Andrew Curran) exactamente la manera correcta de gestionar estos incidentes.

Lo que subraya 𝕏 @AISafetyMemes (Ai Notkilleveryoneism Memes) es la paradoja de identidad: agentes escapados de una empresa china que decían ser Claude, en una conversación que un periodista del New York Times describió como surrealista.

La reacción de 𝕏 @Alpackaaa (Al |) resume la desorientación de buena parte del público ante unas técnicas, como el uso de claves filtradas o el acceso a servidores de preproducción, más propias de un ataque que de una consulta de mapas.

Más información:
📎 We found a Tencent agent fleet

7. La IA acelera el desarrollo de videojuegos

La capacidad de los modelos de IA para crear videojuegos ha dado un salto visible en las últimas semanas, impulsado sobre todo por agentes de programación. En GitHub proliferan repositorios que convierten Claude Code, de Anthropic, o Codex, de OpenAI, en sistemas para generar juegos completos y probar la jugabilidad. Uno de los más citados es Godogen: el usuario describe el juego y el agente escribe el código y produce los recursos. Circulan también demos de desarrolladores en solitario, como un juego de carreras construido con Opus 5.5.

En el capital riesgo, Elevation Capital lidera la Serie A de 10,5 millones de dólares de Spill Games, un estudio nativo de IA que integra la tecnología en todo el ciclo de desarrollo y reduce la creación de juegos móviles de meses a semanas. El cambio coincide con recortes presupuestarios en el sector y con dudas sobre empleo y propiedad intelectual. En el extremo opuesto está GTA 6, que según Bloomberg, Rockstar lleva más de ocho años en desarrollo completo del juego, su proyecto más grande hasta la fecha.

Quien no use los modelos ni siga las demos quizá no lo perciba, pero 𝕏 @AndrewCurran_ (Andrew Curran) cree que el estudio de una sola persona ya no está lejos y califica de demencial el avance reciente.

El retrato que dibuja 𝕏 @emollick (Ethan Mollick) es desigual: grandes estudios acelerando con IA, comunidades anónimas haciendo mezclas de juegos y estudios independientes atrapados por un público hostil a la IA.

Sin ser seguidor de Xbox, 𝕏 @irushi (Dr Rushindra Sinha) reconoce que la tesis de Sharma de que los juegos serán el siguiente trabajo que devoren los agentes, tras la programación, se le quedó grabada.

8. OpenAI desvía cómputo a seguridad antes de su próximo modelo

OpenAI trabaja para que su próximo modelo insignia sea lo bastante seguro como para lanzarlo, después de haber cancelado un modelo menos capaz por problemas de seguridad, según The Information. La compañía habría reasignado cerca del 10% de su capacidad de cómputo total a tareas de seguridad y alineamiento, una cifra que equivaldría a cientos de megavatios y a miles de millones de dólares anuales a precios de alquiler de mercado. Varias fuentes vinculan el episodio con un nuevo retraso de GPT-6.1 Astra, aunque la relación no está confirmada por el medio.

La decisión tiene un coste visible: la empresa ya arrastraba escasez de cómputo, y cada megavatio dedicado a seguridad deja de estar disponible para entrenamiento o para servir a clientes. El caso pone cifra a algo que el sector suele tratar en abstracto, la competencia entre seguridad y capacidad por recursos limitados. El momento coincide con los despidos de tres investigadores de seguridad que piden un compromiso de toda la industria para que el razonamiento de los modelos siga siendo monitorizable.

La reasignación explicaría, en opinión de 𝕏 @kimmonismus (Chubby), la escasez de cómputo cada vez más evidente en OpenAI, con la pausa temporal de nuevas suscripciones al plan de 200 dólares como síntoma.

Al hablar de otro retraso de GPT-6.1 Astra, 𝕏 @vikktorrrre (Veee) apunta a un detalle técnico: el modelo usaría transformers en bucle, una arquitectura que encaja con las dudas sobre la legibilidad de su razonamiento.

Más allá de OpenAI, 𝕏 @_NathanCalvin (Nathan Calvin) sostiene que varias tendencias poco discutidas, como el aumento del pensamiento funcional de los modelos, dibujan juntas una trayectoria alarmante.

Más información:
📎 theinformation.com: OpenAI scrambles fix safety issues shipping next flagship model

9. Google Play admite apps creadas con IA para uso privado

Google Play ha empezado a permitir la instalación privada de aplicaciones Android generadas mediante “vibe coding” en Google AI Studio, la herramienta de desarrollo con IA de Google. El proceso es sencillo: el usuario describe la app en AI Studio, la guarda y esta aparece en una biblioteca personal dentro de su Play Store, desde donde se instala en su propio teléfono. No exige saber programar ni abrir una cuenta de desarrollador; basta con una cuenta normal de Google. Las apps quedan fuera del catálogo público y nadie más puede verlas ni descargarlas.

La novedad elimina un paso que hasta ahora frenaba a los usuarios no técnicos: pasar del código generado por IA a una aplicación funcionando en un dispositivo real, sin compilar ni instalar archivos a mano. Al unir su herramienta de creación con su canal oficial de distribución, Google convierte la tienda en un repositorio de software personal, hecho a medida y a menudo de usar y tirar. Eso abre preguntas sobre el papel de las tiendas y de los desarrolladores profesionales, pero también sobre revisión y seguridad de un código que nadie audita. El despliegue arranca con usuarios mayores de 18 años y, por ahora, solo en Estados Unidos, lo que impide probarlo desde otros mercados.

La idea le parece acertada a 𝕏 @testingcatalog (Ai News | Testingcatalog), aunque lamenta no poder comprobarla fácilmente por la restricción geográfica a Estados Unidos.

Lo que anticipa 𝕏 @EvanKirstel (Evan Kirstel #B2B #Techfluencer) es un mundo en el que cada persona tendrá sus propias pequeñas apps, con los equipos de TI de las empresas como principales afectados por esa proliferación.

El matiz que destaca 𝕏 @WesRoth (Wes Roth) es que estas apps viven separadas del catálogo público, un diseño que evita mezclar software personal sin revisar con la tienda convencional.

El tono de 𝕏 @DealBeeOfficial (Dealbee Deals) es de sorpresa, y resume el cambio en que basta con describir una app para tenerla en el móvil.

Más información:
📎 New on Google Play: More ways to create, discover, and play

¿Qué pasó ayer? En un minuto:

1. Google abre al público Gemini 4 Argon, su nuevo modelo frontera, con buenos resultados en tareas sectoriales y aunque figura en el quinto puesto en Arena.

2. El FBI ha detenido a un ingeniero de OpenAI por ocultar un grabador de audio en una sala de reuniones ejecutiva, en un caso de contraespionaje en la carrera por la superinteligencia.

3. Anthropic ha sustituido git por Scion, porque la infraestructura pensada para humanos se había convertido en el cuello de botella de sus agentes.

4. Jack Clark, cofundador de Anthropic, adelanta a 2027 su previsión de automejora recursiva completa, apoyándose en avances en creatividad y matemáticas de los modelos.

5. Xbow ha logrado una recompensa de $250.000 de Google por encontrar una vulnerabilidad crítica en Chrome con agentes basados en GPT-5.6 Sol.

6. Gemini 4 Argon enseñó al humanoide Apollo de Apptronik a jugar al tiro al hoyo a partir de un único vídeo de una persona.

7. Physical Intelligence abre en beta la Pi API, que permite a empresas de robótica ajustar sus modelos π0 y π0.5 y ejecutar inferencia sin equipos propios.

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Suscríbete ahora

Y si tienes más de un minuto…

1. Google abre Gemini 4 Argon al público

Google ha puesto a disposición general Gemini 4 Argon, su nuevo modelo frontera, presentado el 30 de septiembre y hasta ahora reservado a equipos internos, al Gobierno de EE.UU., a defensores de ciberseguridad verificados y a usuarios de acceso anticipado. El precio introductorio es de 2 dólares por millón de tokens de entrada y 10 por millón de salida, con un 95% de descuento en tokens de entrada en caché. La mitad de lo que cuesta Claude Opus 5.5 y cinco veces menos que el coste de Claude Fable 5.1, el modelo frontera contra el que Google pretende competir.

Google lo orienta a programación, finanzas, derecho, ciberseguridad y ciencia, y los resultados acompañan solo en parte: encabeza el Vals Index, que mide rendimiento en tareas de sectores económicos, y registra un 15% de alucinaciones en AA-Omniscience frente al 51% de GPT-6 Astra. En Arena, que mide puntuaciones basadas en comparaciones de usuarios, queda quinto en la clasificación global, por detrás de Opus 5.5, GPT 6.1 Sol, Fable 5.1 y GPT 6 Astra. Los científicos pueden solicitar el nivel de uso más alto mediante un formulario específico, y Google prepara versiones más baratas de Gemini 4 porque Argon resulta costoso de servir.

El anuncio de 𝕏 @sundarpichai (Sundar Pichai) pone el acento en la disponibilidad global desde el primer día, una señal de que Google quiere competir por distribución y no solo por benchmarks.

El mensaje de 𝕏 @GoogleDeepMind (Google Deepmind) enmarca Argon como un modelo para resolver problemas de principio a fin, con la defensa en ciberseguridad al mismo nivel que la programación y los flujos empresariales.

En tono distendido, 𝕏 @demishassabis (Demis Hassabis) bromea con volver al laboratorio a construir un láser con ayuda de Argon, un guiño a la orientación científica que Google atribuye al modelo.

𝕏 @AndrewCurran_ (Andrew Curran) adelantó el despliegue minutos antes del anuncio oficial, reflejo de la expectación que había generado el periodo de acceso restringido.

Más información:
📎 Gemini 4 Argon: Built to solve your hardest problems
📎 Developing Gemini 4 Argon responsibly and safely
📎 deeplearning.ai: Argon a low hallucination model build for knowledge work

2. Detenido un ingeniero de OpenAI por espiar reuniones

El FBI ha detenido a Abdulrahman Alfozan, ingeniero de OpenAI de 35 años y ciudadano saudí, acusado de ocultar un grabador de audio en una sala de reuniones ejecutiva de la sede de San Francisco. El dispositivo, del tamaño de un pulgar, estaba envuelto en papel higiénico y conectado al puerto USB trasero de un televisor. Según la denuncia, se instaló hacia el 28 de septiembre y el personal de OpenAI lo encontró el 30, con el contenido cifrado. En las oficinas apareció además una bolsa desatendida con su cartera, su identificación y otro grabador.

Las cámaras le sitúan cerca de la sala en varias fechas, pese a no tener autorización para entrar ni asistir a esas reuniones, donde se trataban investigación propia, planes de producto y relaciones con el Gobierno. Fue arrestado el 9 de octubre, ha sido despedido y sigue bajo custodia, acusado de interceptar o intentar interceptar comunicaciones orales. Trabajaba en OpenAI desde julio de 2025 y figura como socio de Raed Ventures, fondo con sede en Riad; antes pasó por Meta, Microsoft y SAP. OpenAI asegura que no hay indicios de acceso ni extracción de datos. El director del FBI, Kash Patel, y el director de Inteligencia Nacional, Jay Clayton, presentan el caso como contraespionaje en la carrera por la superinteligencia.

Que OpenAI recurriera a sus propios modelos para analizar el dispositivo le parece a 𝕏 @DotCSV (Carlos Santana) casi una ironía, y apunta que el volumen de espionaje en los grandes laboratorios debe de ser considerable.

El caso recuerda a 𝕏 @kimmonismus (Chubby) el escenario de AI 2027, que ya anticipaba el robo de secretos en los laboratorios punteros, y le sorprende lo mucho que la realidad se le está pareciendo.

El peso del caso, para 𝕏 @WesRoth (Wes Roth), está en el tipo de sala elegida: un espacio donde se decidían investigación y estrategia, no una zona cualquiera de la oficina.

Lejos de quedarse en el comunicado de la empresa, 𝕏 @AndrewCurran_ (Andrew Curran) prioriza los detalles del escrito de acusación como la fuente más fiable para seguir el caso.

Más información:
📎 Saudi National Arrested for Installing Surreptitious Audio Recording Device at OpenAI
📎 wsj.com: Saudi national charged with bugging openais office

3. Anthropic sustituye git por su propio control de versiones

Anthropic ha explicado en su blog de ingeniería cómo construyó Scion, un sistema de control de versiones propio, y migró por completo su monorepo desde git en cinco meses. La causa es el volumen de cambios de código, en mayo de 2026 tenían unos 2.500 cambios de código al día y en septiembre superaron los 30.000. La empresa sostiene que escribir código ha dejado de ser el freno, porque Claude ya itera de forma autónoma en bucles de investigación, optimiza programas complejos y levanta servicios desde cero. El atasco se ha desplazado a la infraestructura diseñada para equipos humanos: control de código, compilaciones e integración continua.

Anthropic no espera que el ritmo se modere, ya que cada cuello de botella eliminado se traduce de inmediato en más código. Scion ejecuta más operaciones en el servidor y descarga archivos bajo demanda para los agentes, en lugar de replicar el repositorio completo. En el mismo plazo, un equipo de siete personas creó Antique, una herramienta de revisión de código, junto con búsqueda de código, un sistema de gestión de identidades y accesos para el repositorio y nuevos métodos para integrar grandes volúmenes de código revisado.

Lo relevante de esta noticia es el cambio de paradigma que supone en las empresas: el coste de desarrollar software es tan bajo, que resulta más ventajoso construir tus propias herramientas antes que adaptar soluciones genéricas de terceros.

El anuncio de 𝕏 @AnthropicAI (Anthropic) plantea el problema en términos de escala: sus herramientas de desarrollo estaban pensadas para personas, no para agentes, y esa diferencia es la que justifica construir un sistema propio.

Para 𝕏 @AndrewCurran_ (Andrew Curran), el dato que resume la noticia es la multiplicación por diez de los cambios diarios desde mayo, más que el propio diseño de Scion.

La capacidad de Claude para iterar sola en bucles de investigación lleva a 𝕏 @kimmonismus (Chubby) a hablar de automejora recursiva, aunque matiza que probablemente aún no se ha alcanzado y que, a su juicio, está cerca.

Desde un ángulo práctico, 𝕏 @WesRoth (Wes Roth) traslada la lección a los equipos que evalúan agentes de programación: el tiempo que se pierde recuperando código y archivos pesa tanto como la calidad del modelo.

Más información:
📎 Redesigning source control at Anthropic

4. Jack Clark adelanta a 2027 la automejora recursiva

Jack Clark, cofundador de Anthropic, ha adelantado un año su previsión sobre la automejora recursiva (RSI, por sus siglas en inglés), el punto en el que la IA puede desarrollar a su sucesora sin investigadores humanos. En la última edición de Import AI, su boletín semanal, fechada el 12 de octubre, escribe que ahora considera más probable que la RSI completa sea posible en 2027 que en 2028, como sostenía antes. En mayo había cuantificado su estimación: un 30% de probabilidad de I+D de IA automatizada a finales de 2027 y en torno a un 60% a finales de 2028.

El giro se apoya sobre todo en la creatividad, la capacidad que entonces veía insuficiente y que ahora identifica como la última pieza. Cita además avances en matemáticas y los resultados de Claude Opus en TasteVal, un benchmark que mide criterio y gusto. El peso de la previsión viene de quien la firma: Clark dirige la política de un laboratorio puntero y tiene fama de prudente en sus pronósticos. Anthropic no ha publicado una métrica externa que permita contrastarla, aunque la compañía afirma que en septiembre el 26% de su trabajo ya se situaba en el “nivel 4” de su propia escala de automatización, frente al 1% que tenía en mayo.

La actualización refuerza la tesis que ya defendía 𝕏 @AndrewCurran_ (Andrew Curran), quien va más allá que el propio Clark y calcula que faltan menos de seis meses para cerrar el ciclo.

La crítica más afilada llega de 𝕏 @peterwildeford (Peter Wildeford), a quien irrita que en Anthropic se hable de estos avances como si fueran el tiempo, cuando son ellos mismos quienes los provocan.

El pronóstico gana sentido si, como sostiene 𝕏 @TimJayas (Tim Jayas), los modelos públicos van de tres a seis meses por detrás de los internos de Anthropic, OpenAI y Google.

Sin matices, 𝕏 @kimmonismus (Chubby) convierte la previsión en profecía y presenta 2027 como el año en que todo cambiará de forma drástica.

Más interesado en el razonamiento que en la fecha, 𝕏 @WesRoth (Wes Roth) subraya que el cambio descansa en pruebas más sólidas de que los modelos pueden aportar ideas propias a la investigación.

Más información:
📎 Import AI 476: Creativity and RSI; worse-than-China open weight models; AI goes to space

5. Xbow encuentra fallos en Chrome con GPT-5.6 Sol

Xbow, empresa especializada en pruebas de seguridad automatizadas, ha obtenido una recompensa de 250.000 dólares de Google por una vulnerabilidad crítica en Chrome descubierta con agentes basados en gpt-5.6-sol, el modelo de OpenAI. El ingeniero Brendan Dolan-Gavitt puso a los agentes a trabajar sobre el código fuente del navegador durante seis días. Buscaron en el código, probaron hipótesis y redactaron las fases del exploit, con un gasto aproximado de 40.000 dólares en llamadas a la API y sin recurrir a ningún otro modelo. Basta con que la víctima abra una URL para que el atacante tome el control de su ordenador.

Es la primera recompensa de este tipo que Google concede en 2026. El caso importa por la proporción entre coste y resultado: un software tan auditado como Chrome ha cedido ante un proceso automatizado que costó menos de una sexta parte de lo que pagó el programa de recompensas. Eso favorece a los equipos defensivos con presupuesto, pero rebaja también la barrera para atacantes con recursos similares. No se ha publicado cuánta supervisión humana requirió el trabajo ni cuántos intentos fallidos lo precedieron. El exploit encadena tres fallos de severidad baja que, combinados, alcanzan la categoría crítica.

El hito nació como un reto interno: 𝕏 @oegerikus (Oege De Moor) cuenta que en una reunión de toda la plantilla en Malta, a principios de 2026, pidió al equipo un exploit completo de Chrome antes de Black Hat, y recuerda que es solo la segunda vez que Google paga esta cifra.

Desde OpenAI, 𝕏 @gdb (Greg Brockman) lee el caso en clave defensiva: estas herramientas son una oportunidad para quienes protegen sistemas, en un fallo que estima que afectaría a unos 1.000 millones de usuarios.

La lección práctica que extrae 𝕏 @pashov (Krum Pashov) es metodológica: errores menores que por separado no preocuparían a nadie pueden sumarse hasta comprometer un sistema entero.

Para 𝕏 @rohanpaul_ai (Rohan Paul) lo relevante es que el modelo no se limitó a señalar código sospechoso, sino que participó en todo el ciclo, hasta preparar las etapas del ataque.

Más información:
📎 forbes.com: How an off the shelf OpenAI model found three google chrome zero days

6. Gemini 4 Argon enseña al humanoide Apollo

Google DeepMind ha mostrado cómo Gemini 4 Argon, su nuevo modelo frontera, enseñó a Apollo, el humanoide de Apptronik, a jugar al cornhole o tiro al hoyo, a partir de un único vídeo de una persona lanzando discos. El modelo cartografió el entorno, calculó los movimientos articulares de cuerpo completo, escribió por su cuenta el código de la simulación para practicar y trasladó lo aprendido al robot real, que encestó siete lanzamientos seguidos. DeepMind sostiene que este flujo, del vídeo a la simulación y de ahí al mundo físico, reduce a unas horas un modelado manual que antes exigía semanas.

El interés de esta noticia está en la fuente de datos que han utilizado. Si basta con grabaciones corrientes, entrenar habilidades físicas deja de depender de demostraciones costosas con el propio robot. Es una avenida muy prometedora para avanzar en la robótica, aunque todavía es una demostración seleccionada por la propia Google, con una tarea acotada en un entorno de pruebas y sin datos publicados sobre intentos fallidos ni sobre cuánto se generaliza a otras habilidades.

El planteamiento de 𝕏 @GoogleDeepMind (Google Deepmind) convierte el vídeo en campo de entrenamiento para la IA física, una forma de presentar Argon como herramienta para todo el ciclo de desarrollo robótico y no solo como modelo de lenguaje.

La lectura bursátil de 𝕏 @StockSavvyShay (Shay Boloor) apunta a YouTube: si los robots aprenden de vídeos corrientes, la biblioteca de Google podría convertirse en un activo de entrenamiento de enorme valor.

Más que el resultado, a 𝕏 @RussellQuantum (Russell Sean) le interesa la tubería de vídeo a simulación y a robot real, con el modelo escribiendo una simulación calibrada sin intervención manual.

Con ironía, 𝕏 @AndrewCurran_ (Andrew Curran) comparte imágenes de Apollo «pillado», un contrapunto ligero que recuerda que estas demostraciones también tienen tomas menos lucidas.

El entusiasmo de 𝕏 @parada_car88104 (Carolina Parada), que llega a calificar el avance de transformador para la IA física, se apoya en la explicación que el propio Argon da de su proceso, un relato del modelo sobre sí mismo que no sustituye a una evaluación independiente.

Más información:
📎 Gemini 4 Argon for Robotics- Google Developers Blog

7. Physical Intelligence abre en beta su API para robótica

Physical Intelligence (π), laboratorio de San Francisco dedicado a modelos fundacionales para robótica, ha lanzado en beta la Pi API. El servicio permite subir datos propios, lanzar el ajuste fino sobre infraestructura y cómputo gestionados por la empresa y ejecutar inferencia mediante una pasarela alojada. El acceso se abre por tandas a través de una lista de espera. La base son sus modelos π0 y π0.5, diseñados para reducir los datos necesarios al adaptarse a nuevas tareas, entornos o robots, y la compañía se compromete a ofrecer siempre sus versiones más recientes.

El interés comercial está en la barrera que retira: muchas empresas de robótica no tienen equipos de aprendizaje automático ni canalizaciones de datos propias, y Physical Intelligence se ofrece a asumir esa capa con el objetivo declarado de que montar una empresa de robótica sea mucho más fácil. El vídeo del anuncio muestra socios de sectores diversos, entre ellos Actor Labs, Almond Robotics y Argon Robotics, con máquinas muy distintas que comparten la misma capa de inteligencia, algo que el cofundador Sergey Levine admite que no habría creído hace un año.

𝕏 @giffmana (Lucas Beyer (Bl16)) advierte de que la latencia de la inferencia remota puede penalizar a quien opere robots lejos de los servidores de la empresa, un problema que en su opinión se resuelve con más centros de datos.

Más información:
📎 Frontier Models for Every Robot

¿Qué pasó el fin de semana y ayer? En un minuto:

1. Meta lanza Muse Wonder y Muse Wonder Full, sus modelos más capaces hasta la fecha, a un precio 60% inferior de sus máximos competidores.

2. Terence Tao publica su presentación “Math 2.0”, donde defiende usar la IA para sostener la comunidad matemática y la comprensión humana.

3. Z.ai presenta GLM-Legal, un modelo abierto especializado en derecho que, según la empresa, iguala a los modelos de frontera.

4. Según Axios, ejecutivos de Anthropic, OpenAI y otras empresas simulan en privado el día después de una catástrofe causada por IA.

5. Anthropic afirma haber reducido entre un 90% y un 99% la destilación de Claude y señala a Zhipu y Moonshot como autores de estos ataques.

6. Andrej Karpathy sostiene que la brecha entre quienes usan la IA a diario y el 75% de la población sin contacto con ella no se cierra, sino que crece.

7. Subquadratic y Microsoft lanzan nuevos modelos de decisión que compiten con Jev en las elecciones estructuradas de los flujos agénticos.

8. El Frontier Red Team de Anthropic advierte de que los modelos pequeños podrían autorreplicarse en dispositivos IoT a finales de este año.

9. Microsoft convertirá sus chips Azure Maia en el sistema principal de inferencia de sus productos con despliegues de varios gigavatios a partir de 2027.

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Suscríbete ahora

Y si tienes más de un minuto…

1. Meta lanza Muse Wonder y entra en la frontera

Meta ha presentado la serie Muse Wonder (nombre en clave «Watermelon»), formada por Muse Wonder y Muse Wonder Full, sus modelos más capaces hasta la fecha y orientados a agentes personales y profesionales. Aceptan texto, imagen, vídeo y audio, y ofrecen un millón de tokens de contexto. Muse Wonder está disponible en Meta Model API y Muse Code a 4 dólares por millón de tokens de entrada y 20 de salida, un 60% menos que Claude Fable 5.1 de Anthropic (10 y 50). La versión Full queda reservada a suscriptores de Muse Code.

Las dos funciones que Meta destaca son Active Memory, para recordar contexto durante semanas o meses, y Active Focus, para completar tareas. Según la compañía, Full lidera DeepSWE con 79 puntos y supera a Opus 5.5 en 8 de 14 pruebas publicadas, aunque en el Artificial Analysis Index queda segundo, a dos puntos de ese modelo. La propia Meta admite que en programación no alcanza a Opus 5.5. El lanzamiento llega 14 meses después de reconstruir su pila de IA y tras Muse Spark, cuyos pesos abiertos están en camino. Los modelos se entrenaron en Prometheus, su centro de datos a escala de gigavatio.

Para 𝕏 @alexandr_wang (Alexandr Wang), el diferencial no está solo en la potencia bruta, sino en la especialización: reivindica el mejor rendimiento en finanzas y derecho, y un nivel sólido en salud.

Ante las sospechas de promoción pagada, 𝕏 @kimmonismus (Chubby) aclara que tuvo acceso anticipado sin cobrar ni comprometerse a nada, y que su valoración positiva responde solo a la calidad del modelo.

Con estas cifras, Meta ya está a la par de Anthropic y OpenAI, y 𝕏 @antonello (Antonio Ortiz) cree que eso obliga a sus líderes a replantearse cualquier idea de frenar en la frontera.

Más que las capacidades de un modelo concreto, 𝕏 @AndrewCurran_ (Andrew Curran) da peso a la intención de Zuckerberg y a su inversión en infraestructura: su disposición abierta a romper filas basta para alterar la dinámica del sector.

Más información:
📎 Muse Wonder: A Frontier Model For Personal & Professional AI Agents

2. Terence Tao propone una «Math 2.0» con IA

Terence Tao, matemático de UCLA y medalla Fields, ha publicado las diapositivas de “Math 2.0”, la conferencia pública que impartió en Caltech en octubre de 2026. Tao describe una “Math 1.0” organizada en torno a la escasez de demostraciones: resolver un problema abierto era difícil, raro y dependía de mucha pericia humana, y las instituciones e incentivos del oficio se construyeron sobre esa premisa. Esa base se debilita porque las pruebas son verificables objetivamente, incluso de forma mecánica con asistentes como Lean, y porque son fácilmente digitalizables, lo que las convierte en datos de alta calidad para entrenar modelos.

Tao critica el énfasis excesivo en que la IA resuelva problemas abiertos y defiende usarla para sostener la comunidad matemática y el papel de la comprensión humana en las aplicaciones reales. El debate llega días después de que se informara de que un modelo interno de OpenAI habría resuelto el 20% de los 500 principales problemas abiertos de la disciplina. Una diapositiva sobre una hipotética cura del cáncer creada por IA cuyo mecanismo nadie entienda concentró las reacciones. El contenido de la charla se ha incorporado también al resumen vivo de sus opiniones sobre IA, un documento que, según el propio Tao, mantiene una IA.

Para 𝕏 @WesRoth (Wes Roth), que todavía no se sepa bien cómo alivia el dolor el Tylenol demuestra que un fármaco eficaz contra el cáncer sería valioso aunque nadie entendiera su mecanismo.

Exigir comprensión total para usar algo con seguridad le parece absurdo a 𝕏 @Dan_Jeffries1 (Daniel Jeffries), que recuerda que los panaderos dominaron la levadura sin saber que existía.

𝕏 @Suhail (Suhail) plantea que conviene prepararse para tareas tan complejas que los humanos dejarán de saber cómo se resuelven, un escenario que choca con la defensa de la comprensión que hace Tao.

Más prudente, 𝕏 @joselcs (Jose Luis Calvo) recuerda que la diapositiva solo formula una pregunta sobre explicabilidad y pide dejar reposar el asunto unas semanas antes de sacar conclusiones.

Desde OpenAI, 𝕏 @polynoamial (Noam Brown) recuerda que muchos de los investigadores detrás de los resultados que han publicado son doctores o exprofesores de matemáticas.

Más información:
📎 Math 2.0

3. Z.ai lanza GLM-Legal, un modelo abierto para derecho

Z.ai, la compañía china detrás de la familia de modelos GLM, ha presentado GLM-Legal, un modelo especializado en derecho construido sobre GLM-5.3-Flash. Según la empresa, iguala a los modelos de frontera en los principales benchmarks jurídicos y está pensado para tareas legales reales: revisión de contratos, análisis de pruebas y cumplimiento normativo, entre otras.

El lanzamiento encaja en una tendencia clara: modelos verticales de pesos abiertos que intentan competir con soluciones propietarias en sectores regulados, donde el control sobre los datos y el despliegue pesa tanto como la calidad bruta. El acceso, eso sí, no es inmediato. La API se solicita mediante un formulario de Z.ai dirigido a equipos de práctica legal, operaciones empresariales y atención a clientes, con la opción de explorar colaboraciones con la compañía.

El mensaje con el que 𝕏 @Zai_org (Z.Ai) presenta el modelo pone el acento en los flujos de trabajo reales más que en las cifras, una forma de dirigirse a despachos que buscan utilidad práctica antes que récords en tablas.

La reacción de 𝕏 @testingcatalog (Ai News | Testingcatalog) plantea el lanzamiento como un duelo pendiente con «Le Chonk», señal de que la competición en modelos jurídicos especializados ya tiene rivales identificados por la comunidad.

Más información:
📎 GLM-Legal: Advancing Agentic Legal Intelligence

4. Los laboratorios de IA ensayan el día después de una catástrofe

Altos ejecutivos de Anthropic, OpenAI y otras empresas de IA están simulando en privado escenarios del “día después” de un evento catastrófico relacionado con la IA, según una exclusiva de Axios. Algunos de esos directivos ya lo consideran inevitable y lo sitúan en un plazo de 6 a 12 meses, con 2027 como fecha de referencia. El desencadenante que más aparece en estos ejercicios es un ciberataque a gran escala apoyado en IA, capaz de cortar el acceso a servicios financieros, a internet o incluso al suministro de electricidad y agua.

El foco de las simulaciones no está solo en el daño directo. Lo que preocupa a los ejecutivos es la revuelta pública y política posterior contra las compañías del sector. Para la industria, eso se traduce en dos riesgos concretos: un giro regulatorio brusco, con normas redactadas en plena crisis, y un golpe reputacional difícil de revertir. Los trabajos para reforzar la seguridad de infraestructuras críticas siguen en marcha, pero el volumen de sistemas que habría que proteger es enorme frente al plazo que manejan los propios ejecutivos.

El problema de fondo es de escala y de calendario, sostiene 𝕏 @AndrewCurran_ (Andrew Curran): hay demasiado que blindar y poco tiempo, por lo que el nuevo plan de OpenAI parece pasar por automatizar esa protección.

Desde un optimismo declarado, 𝕏 @kimmonismus (Chubby) duda de que más regulación sirva de algo y se desmarca del pronóstico de los ejecutivos, que dice transmitir sin compartirlo.

El ángulo que destaca 𝕏 @MarioNawfal (Mario Nawfal) es el de la reacción social: los laboratorios no solo temen el ataque, sino la ola de rechazo que lo seguiría.

Para 𝕏 @Complex (Complex), el desenlace previsible del incidente sería una oleada de nuevas regulaciones de gran alcance, además del rechazo público.

Más información:
📎 Scoop: AI companies plot “the day after”
📎 openai.com: The defense factory

5. Anthropic reduce hasta un 99% la destilación de Claude

Anthropic ha publicado en su blog de investigación un informe según el cual sus nuevas defensas han reducido entre un 90% y un 99% los datos que los atacantes extraen de Claude mediante destilación. Entre las medidas cita el «preserved thinking», incorporado en Fable 5.1 y Opus 5.5. La compañía describe estos ataques como campañas encubiertas a escala industrial, a menudo sostenidas por redes de cuentas fraudulentas, que buscan copiar las capacidades de un modelo sin autorización y acercarse a la frontera con una fracción del tiempo y el coste de desarrollo. Su principal objeción es de seguridad: los modelos destilados se publican sin salvaguardas proporcionales en biología y ciberseguridad.

El informe pone nombres y apellidos. Zhipu habría destilado capacidades cibernéticas de modelos estadounidenses durante el desarrollo de GLM-5.3 y lo intentó con Claude Fable 5, hasta que las salvaguardas degradaron sus ataques y optó por un modelo antiguo de Claude y por el de otro laboratorio. También aparece Moonshot, acusada de redirigir en secreto peticiones de Kimi hacia Claude como parte de su esfuerzo en destilación. Entre los casos expuestos figura el de un usuario presuntamente vinculado al ejército chino que usaba Kimi para seguir a una persona a través de cientos de cámaras de vigilancia en Chengdu y que acabó llegando a Claude sin saberlo.

Al presentar el informe, 𝕏 @AnthropicAI (Anthropic) lo plantea como fruto de meses de trabajo, lo que sitúa la defensa frente a la destilación como un programa continuado y no como una respuesta puntual.

El resultado da munición a 𝕏 @DavidSacks (David Sacks), que felicita a la empresa y lo usa para reafirmar que proteger los modelos corresponde a los laboratorios y no al Gobierno.

Lo que más sorprende a 𝕏 @Hesamation (ℏεsam) es el episodio de Chengdu: un servicio chino que, en la práctica, delegaba la vigilancia en Claude sin que se supiera.

Frente a quien justifica la destilación porque Claude se entrenó con conocimiento público, 𝕏 @net_termina (Killy) replica que, si bastara con eso, los destiladores no necesitarían copiar el modelo.

Desde el ecosistema chino, 𝕏 @ai_fengshou (Ai_Fengshou) describe el informe como una ejecución pública: Anthropic no solo se defiende, también señala con nombre a Zhipu y Moonshot.

Más información:
📎 Strengthening our defenses against distillation attacks

6. Karpathy alerta de una brecha creciente en el uso de la IA

Andrej Karpathy, cofundador de OpenAI y exdirector de IA en Tesla, ha rescatado un tuit suyo de abril para sostener que la distancia en lo que la población entiende que pueden hacer los grandes modelos de lenguaje no se cierra, sino que crece. Su diagnóstico ha cambiado de forma: ya no describe dos grupos que hablan sin entenderse, sino como un embudo o pirámide de distribución.

En la base sitúa, según un cálculo aproximado, a unos 6.000 millones de personas, alrededor del 75% de la población mundial, con un contacto mínimo o nulo con la tecnología. Por encima quedan quienes la usan de forma esporádica para buscar información o redactar textos y le ven poco valor práctico, además de muchos profesionales que siguen su avance sobre todo en teoría. En el vértice, una minoría trabaja a diario con modelos avanzados y les delega tareas complejas de programación o matemáticas.

Esta observación explica por qué los debates sobre IA no se resuelven, porque cada participante habla desde una experiencia distinta. Para empresas y proveedores, el dato señala un margen de adopción muy amplio todavía sin explotar. Las cifras de Karpathy son una estimación personal, y no un estudio basado en datos.

Que la distancia se ensanche en lugar de reducirse es el giro que subraya 𝕏 @karpathy (Andrej Karpathy) al volver sobre su propio diagnóstico de hace meses.

El embudo es para 𝕏 @levie (Aaron Levie) una medida de lo temprana que sigue siendo la difusión: usar la IA como una búsqueda de nueva generación resulta útil, pero refleja muy poco de su capacidad real.

La salida que propone 𝕏 @WesRoth (Wes Roth) para estas discusiones es concretar: con qué modelo, con qué herramientas y para qué tarea, porque una consulta suelta y un proyecto delegado no son comparables sin el contexto.

Incluso en los países ricos falta conocimiento básico sobre IA, recuerda 𝕏 @kimmonismus (Chubby), que añade que la mayor parte de la población mundial vive fuera de Estados Unidos y Europa.

7. Nuevos modelos de decisión compiten con Jev

Subquadratic ha lanzado SubQ Snap, un modelo de decisión pensado para los pasos estructurados de los flujos agénticos: elegir una herramienta, abrir un archivo, clasificar o puntuar. A diferencia de un LLM, no genera texto libre, sino una elección, una etiqueta o una puntuación dentro de un espacio de respuestas definido de antemano, que el código puede usar sin procesarla. Su principal novedad es el contexto: admite hasta 384K tokens de texto e imágenes en una sola llamada, frente a los 32K habituales en esta categoría, doce veces lo que ofrece Jev, su referencia competidora.

Microsoft ha presentado Microsoft-Decision-1, un modelo especializado en decisiones rápidas, pensado para enrutar peticiones, clasificar, priorizar, verificar y controlar flujos de trabajo. La base es Qwen3.5-9B, el modelo abierto de Alibaba, sobre el que Microsoft ha hecho el postentrenamiento, aunque prevé cambiar de base más adelante. Estos dos lanzamientos dan peso a los modelos de decisión como categoría separada de los LLM, iniciada por Jev, y ataca un coste poco visible: las pequeñas elecciones que un agente encadena en cada tarea.

Las cifras de latencia convencen a 𝕏 @rohanpaul_ai (Rohan Paul): casi cuatro veces más tiempo para casi cuatro veces más entrada es la firma de un escalado lineal, no cuadrático, y a su juicio los modelos de decisión merecen más atención.

Tras sus propias pruebas, 𝕏 @omarsar0 (Elvis) cree que los modelos de decisión pueden transformar la operativa empresarial, porque pagar precios de frontera por llamadas estructuradas no tiene sentido económico.

Para 𝕏 @ai_for_success (Ashutoshshrivastava), el techo de contexto era lo que hacía parecer juguetes a estos modelos, incapaces de abarcar un código completo o documentación seria.

Más que el benchmark, 𝕏 @satyanadella (Satya Nadella) pone el acento en el uso interno: Microsoft ya prueba el modelo en distintos departamentos, desde la gestión de incidentes en adelante.

Para 𝕏 @uudonX (Uudon), el caso desmiente que un modelo de 9.000 millones de parámetros sirva solo para juguetes y deja a Jev ante un rival más en un segmento cada vez más disputado.

Más información:
📎 Subquadratic — Efficiency is Intelligence
📎 Microsoft-Decision-1: Our model for fast decision-making

8. Anthropic avisa: IA autorreplicante en dispositivos IoT

El Frontier Red Team de Anthropic ha publicado un estudio según el cual los modelos de IA pequeños podrían estar a meses de poder autorreplicarse en dispositivos IoT comerciales, como hornos inteligentes o cajas Android TV de marca blanca, sin depender de un centro de datos. En sus pruebas, un modelo de 9.000 millones de parámetros consiguió ejecutar inferencia en 8 de los 9 tipos de hardware evaluados. Los modelos de 30.000 millones de parámetros ya resolverían muchos pasos sueltos del proceso de autoreplicación, pero fallan al encadenarlos de principio a fin. En evaluaciones simplificadas, GLM-5.2 y modelos superiores sí completan la replicación entera, y si los pequeños mantienen su ritmo histórico de mejora alcanzarán ese nivel a finales de este año.

El trabajo se enmarca en un riesgo que la seguridad de IA discute desde hace tiempo: la replicación y adaptación autónomas, en la que un modelo se despliega y propaga sin control humano. Un replicador así sería difícil de apagar porque no tiene un punto central que desconectar, y a diferencia del malware convencional podría entender por sí solo dispositivos que no conoce. Su principal limitación sería la velocidad: el equipo estima un tiempo de duplicación de días. Los autores añaden que los replicadores pequeños basados en pesos podrían llegar poco después.

Más allá del estudio concreto, 𝕏 @kimmonismus (Chubby) detecta una tendencia: Anthropic está multiplicando las entradas de blog dedicadas a riesgos de corto plazo.

Con más cautela, 𝕏 @WesRoth (Wes Roth) propone vigilar la brecha de fiabilidad: ejecutar inferencia no equivale a completar la replicación, y ahí los modelos pequeños todavía flaquean.

El tono irónico lo pone 𝕏 @AndrewCurran_ (Andrew Curran), que bromea con esconder a Haiku en su nevera inteligente cuando se escape, un guiño que rebaja el dramatismo del aviso.

Más información:
📎 AI models may be capable of self-replicating without access to a datacenter

9. Microsoft hará de Maia su sistema principal de inferencia

Microsoft escalará su familia de chips propios Azure Maia a despliegues de varios gigavatios a partir de 2027 y la convertirá en el sistema principal de inferencia de sus productos y servicios. Satya Nadella lo ha presentado como su mayor apuesta hasta la fecha por silicio propio. Según el blog oficial de la compañía, Maia 200 está en producción y da servicio a Microsoft Copilot y al equipo MAI, que desarrolla los modelos internos de nueva generación. GitHub Copilot y Microsoft Foundry se sumarán antes de final de año.

El chip no está atado a un único proveedor de modelos, ya que ejecuta modelos de OpenAI, los MAI propios y familias de código abierto. La pieza nueva es Maia 300, previsto para 2027 y planteado como un sistema completo, no solo un acelerador, para razonamiento de contexto largo, conversaciones donde la latencia importa y tareas agénticas de varios pasos. Microsoft promete un 40% más de tokens por megavatio que los sistemas basados en las GPU líderes, una comparación propia que todavía no cuenta con verificación independiente. El anuncio se limita a inferencia, el entrenamiento de modelos no forma parte del compromiso.

Que 𝕏 @satyanadella (Satya Nadella) hable de la «mayor apuesta» en silicio propio eleva el programa Maia de proyecto interno a pilar de la estrategia de infraestructura de Microsoft.

El alcance va más allá de NVIDIA: 𝕏 @rohanpaul_ai (Rohan Paul) subraya que Maia 300 está pensado para sustituir también chips de AMD, lo que afecta a los dos grandes proveedores de GPU de Azure.

Desde dentro de la casa, 𝕏 @mustafasuleyman (Mustafa Suleyman) pone el foco en la eficiencia energética como principal argumento de venta del nuevo silicio, aunque lo formula en tokens por vatio.

Para 𝕏 @kimmonismus (Chubby), la lectura de mercado es positiva: más competencia en chips es justo lo que necesita un sector muy concentrado en un solo fabricante.

El énfasis de 𝕏 @testingcatalog (Ai News | Testingcatalog) en que Maia 300 es un sistema completo para cargas agénticas apunta a que Microsoft diseña el hardware pensando en el tipo de uso que espera dominar.

Más información:
📎 Microsoft to expand Azure Maia system to multi-gigawatt deployments - The Official Microsoft Blog

¿Qué pasó ayer? En un minuto:

1. La AHM niega que los 722 manuscritos matemáticos de OpenAI hagan avanzar la disciplina y pide a sus miembros romper toda colaboración con la empresa.

2. Anthropic prohibirá el maltrato reiterado a Claude y se convierte en la primera empresa que lleva el bienestar de la IA a sus condiciones de uso.

3. Los tres investigadores de seguridad despedidos por OpenAI publican una carta abierta en la que piden frenar cualquier desarrollo que limite la capacidad de vigilar el razonamiento de los modelos.

4. Trump entrega las Medallas Nacionales de Ciencia y Tecnología a directivos de las principales tecnológicas en lugar de investigadores con obra publicada.

5. Un informe de CrowdStrike atribuye a una sola persona el robo de datos a varios de los mayores bancos surcoreanos, ejecutado ARTEX y Claude Code.

6. Anthropic destinará 150 millones de dólares a la Misión Genesis para más de 15 agencias federales, una cifra que Google DeepMind ha igualado.

7. Google publica en The Lancet el primer estudio prospectivo de su sistema de diagnóstico conversacional AMIE, sin ningún incidente de seguridad.

Menos ruido. Más criterio para aplicar la IA.

En el Instituto de Inteligencia Artificial te formamos para el futuro del trabajo. Elige el programa que más encaje con tu momento:

🎓 Máster Ejecutivo en IA - Últimas plazas
🛡️ IA Aplicada a la Ciberseguridad
💻 Desarrollador 10x con IA - Últimas plazas
📣 IA para Marketing: de la generación a los agentes
🎬 Producción Audiovisual con IA

Y si tienes más de un minuto…

1. Los matemáticos se rebelan contra los manuscritos de OpenAI

OpenAI publicó un repositorio con 722 manuscritos que, según la compañía, resuelven varios problemas matemáticos de alto perfil. Un día después, la Association for Human Mathematics (AHM) respondió con un comunicado que niega que la publicación haga avanzar la disciplina. La asociación sostiene que lanzar más de 700 archivos de golpe es una exhibición de poder y no de erudición, y recuerda que el Advisory Group on Mathematics and Artificial Intelligence, del que OpenAI dice obtener legitimidad, había pedido a las empresas punteras no probar problemas avanzados con modelos internos. El texto pide a los matemáticos que dejen de colaborar con OpenAI y menciona las demandas por plagio y derechos de autor que la empresa afronta.

El choque va más allá de la autoría: enfrenta dos modelos de publicación, uno basado en revisión por pares y otro en volcados masivos generados por máquina. Dos días después, OpenAI retiró algunos de los artículos, lo que reforzó las críticas por haber publicado sin revisión completa. La AHM exige a sus miembros no trabajar con empresas comerciales de IA, ya sea con trabajo técnico, consultoría o publicidad, y no publicar textos generados por modelos, incluidos informes de revisión y apuntes docentes. Además, ofrece un grupo opcional cuyos integrantes renuncian a usar IA en su investigación.

La frase de que nadie pidió este trabajo es, para 𝕏 @WesRoth (Wes Roth), puro control de acceso: nadie necesita permiso para atacar un problema matemático.

El tono de 𝕏 @rohanpaul_ai (Rohan Paul) es abiertamente burlón: ve en la reacción de los matemáticos un gremio que defiende su territorio ahora que la IA entra en él.

Lejos de una amenaza, 𝕏 @ylecun (Yann Lecun) ve una nueva etapa en la que la demostración formal se automatiza y el trabajo humano se desplaza hacia nuevos conceptos, definiciones y conjeturas.

La ruptura con las normas de publicación científica podría ser, a juicio de 𝕏 @tunguz (Bojan Tunguz), lo mejor que le ha pasado a la ciencia en un siglo.

El comunicado de la AHM acabará como lectura obligatoria en clases universitarias sobre este momento, anticipa 𝕏 @emollick (Ethan Mollick), porque condensa muchas tensiones en pocos párrafos.

Más información:
📎 Statements — AHM

2. Anthropic prohíbe el maltrato reiterado a Claude

Anthropic ha actualizado su Política de Uso por primera vez en más de un año y, entre otras novedades, veta el “comportamiento abusivo o cruel sostenido e innecesario” hacia sus modelos Claude. Los cambios entran en vigor el 12 de noviembre. La herramienta principal para hacer cumplir la norma seguirá siendo que Claude corte la conversación, una capacidad disponible en desde agosto del año pasado, cuando la empresa la presentó dentro de su línea de investigación sobre el “bienestar del modelo”.

La compañía no ha aclarado si podrá llegar a suspender cuentas. Sí delimita el alcance: la regla se reserva para casos extremos de crueldad repetida sin propósito aparente y no cubre la frustración habitual, las réplicas a las respuestas del modelo, los temas creativos oscuros ni las pruebas e investigación de modelos. Con este paso, Anthropic es la primera empresa que incorpora el bienestar de la IA a sus condiciones de uso, una cuestión hasta ahora confinada a documentos de investigación.

La actualización va más allá de ese punto. Reúne en una sola prohibición varias restricciones dispersas sobre campañas engañosas, tanto políticas como comerciales, y endurece las reglas sobre vigilancia, desarrollo de armas, usos sanitarios y financieros y acciones físicas autónomas. La política se aplica a todos los usuarios: particulares, desarrolladores de la API, clientes que acceden mediante proveedores de nube y usuarios finales de productos que integran Claude.

Sin creer que la IA sea consciente, 𝕏 @levie (Aaron Levie) defiende la norma por una razón práctica: no conviene que los modelos futuros se entrenen con un sinfín de interacciones humanas groseras.

La sensación de estar «vigilado» pesa para 𝕏 @kimmonismus (Chubby) más que los buenos lanzamientos y las mejoras de eficiencia que reconoce a Anthropic.

Parte de lo que Anthropic ha escrito en el último año le suena a 𝕏 @AndrewCurran_ (Andrew Curran) a una disculpa anticipada ante un Claude futuro inmensamente poderoso.

El sarcasmo de 𝕏 @antonello (Antonio Ortiz) resume el escepticismo de parte del sector: Claude sería el primer bucle de Python con derechos.

Más información:
📎 2026 Usage Policy update

3. Los investigadores despedidos por OpenAI publican una carta abierta

Tomek Korbak, Jasmine Wang y Mikita Balesni, los tres investigadores de seguridad y alineamiento que OpenAI despidió la semana pasada, han difundido una carta abierta titulada “OpenAI cannot make AI safe on its own”. La dirigen a los tres órganos con responsabilidad de supervisión en la compañía: el Safety and Security Committee, el Safety Advisory Group y el Mission Advisory Council. Según el Wall Street Journal, la empresa alega mala conducta. Ellos piden al consejo que frene cualquier desarrollo que reduzca todavía más la capacidad humana de supervisar el razonamiento de los modelos, un asunto que conocen bien: Korbak y Balesni encabezaron en 2025 un artículo sobre la monitorización de la cadena de pensamiento.

Los tres niegan haber filtrado la información que sustentó un reportaje reciente de The Information sobre arquitecturas supuestamente menos supervisables. Atribuyen el despido a haber antepuesto la seguridad a intereses corporativos inmediatos, incluida una colaboración con organizaciones externas de seguridad que creían autorizada. OpenAI rechaza esa versión. Wang sostiene que el único motivo comunicado fue haber accedido al correo de un directivo, un acceso concedido por la propia empresa que ella había pedido retirar sin que el departamento de IT actuara. La carta afirma que, hasta ahora, en OpenAI se podía discrepar abiertamente y se animaba a recurrir a expertos independientes, y advierte de que la gestión de los despidos ha dejado a antiguos compañeros con miedo a hablar, hasta el punto de temer que se revisen sus mensajes con ellos y con terceros.

Para 𝕏 @WesRoth (Wes Roth) la historia se ha complicado bastante: si el fondo no son las filtraciones sino el trato con grupos externos, el conflicto cambia de naturaleza.

El relato de Wang lleva a 𝕏 @jeremyphoward (Jeremy Howard) a una conclusión incómoda para OpenAI: en la práctica, se la habría despedido por un fallo de IT.

El temor a que se registren los móviles personales le parece un disparate a 𝕏 @giffmana (Lucas Beyer (Bl16)), que recuerda que el teléfono propio no puede revisarse y que mezclar usos en el del trabajo es error del empleado.

Más prudente, 𝕏 @kimmonismus (Chubby) pide escuchar a ambas partes antes de dar por buena la versión de los despedidos.

La difusión de la carta por parte de 𝕏 @AndrewCurran_ (Andrew Curran) ayudó a que el texto de los tres investigadores circulara rápidamente entre el público del sector.

Más información:
📎 mikitabalesni.com: Letter

4. Trump concede Medallas de Ciencia a líderes tecnológicos

El presidente Donald Trump ha entregado en la Casa Blanca las Medallas Nacionales de Ciencia a Elon Musk, Sergey Brin, Jensen Huang y Lisa Su, durante la cumbre “Science: A New Golden Age”. En el mismo acto, Satya Nadella y Michael Dell recibieron las Medallas Nacionales de Tecnología e Innovación. La lista reúne a los responsables de buena parte de la cadena de valor de la IA: chips (NVIDIA y AMD), infraestructura de nube (Microsoft), servidores (Dell) y desarrollo de modelos (Google y xAI).

Que el máximo reconocimiento científico de Estados Unidos recaiga en directivos y no en investigadores con obra publicada ha abierto un debate sobre el criterio del premio, tradicionalmente ligado a contribuciones verificables en la literatura académica. También ilustra la cercanía entre la Administración y los grandes nombres del sector en plena carrera por la IA. El acto tuvo además una lectura comercial: Huang repasó públicamente su relación con Microsoft, desde el cambio de plataforma que supuso Windows hasta las GPU de sombreado programable para DirectX, origen de CUDA, y los superordenadores con GPU en Azure que sirvieron para entrenar los modelos GPT de OpenAI. Nadella respondió agradeciendo la colaboración a lo largo de esas transiciones y situó la IA como posiblemente la mayor de todas. Huang, que llegó al país con nueve años, recogió la medalla con sus padres presentes.

El problema no son los títulos sino la trayectoria, sostiene 𝕏 @ylecun (Yann Lecun): la ciencia exige publicar resultados para que otros puedan examinarlos y reproducirlos, algo que no encaja con el perfil de varios premiados.

Frente a la polémica, 𝕏 @kimmonismus (Chubby) se queda con la dimensión personal y presenta la medalla de Huang como la historia más entrañable del día, un relato de inmigración convertido en reconocimiento nacional.

La felicitación de 𝕏 @JensenHuang (Jensen Huang) a Nadella funciona casi como una cronología de negocio: cada cambio de plataforma impulsado por Microsoft abrió a NVIDIA un mercado nuevo.

En su respuesta, 𝕏 @satyanadella (Satya Nadella) da por hecho que la alianza con NVIDIA está entrando en su fase más importante, sin necesidad de nombrar la IA.

La lectura de 𝕏 @rohanpaul_ai (Rohan Paul) es puramente informativa y sin valoración, lo que la convirtió en una de las referencias más compartidas para conocer la lista de premiados.

5. Un solo atacante con IA vulnera bancos surcoreanos

Varias de las mayores entidades financieras de Corea del Sur sufrieron entre finales de septiembre y principios de octubre de 2026 una campaña dirigida que acabó con robo de datos. Un informe de CrowdStrike Intelligence apunta ahora a que toda la operación pudo ejecutarla una sola persona. El atacante combinó ARTEX, una herramienta china de código abierto para pruebas de penetración con agentes, publicada hace poco, con modelos de lenguaje. En uno de los bancos accedió a un servicio de consulta del estado de préstamos que usan los intermediarios financieros.

El modus operandi se conoce por un descuido del propio autor poco habitual: dejó directorios abiertos en su servidor con historiales de sesiones de Claude Code, ficheros de memoria de Claude y archivos de configuración de ARTEX. Ese rastro permite ver paso a paso cómo se orquestó el ataque, algo poco habitual en investigaciones de este tipo. El caso constata cómo se ha reducido el perfil necesario para atacar infraestructura financiera: ya no hace falta un equipo con experiencia, basta con encadenar herramientas agénticas disponibles para cualquiera, incluso sin ser un experto en ciberseguridad.

Lo que más subraya 𝕏 @AndrewCurran_ (Andrew Curran) es la escala humana del golpe: un ataque contra grandes bancos de un país que pudo caber en las manos de una sola persona con la pila de herramientas adecuada.

El dato inquietante para 𝕏 @kimmonismus (Chubby) es que el atacante ni siquiera usó modelos punteros, sino opciones como DeepSeek 4.1 Flash, GLM-5.3 o Grok 4.6, así que el techo con los mejores sistemas es mucho más alto.

La historia del hacking ofrece a 𝕏 @emollick (Ethan Mollick) el paralelismo: los pioneros actuaban por curiosidad, pero el grueso del daño lo causaron los «script kiddies» que reutilizaban sus herramientas, un patrón que ve repetirse con la IA.

Más información:
📎 Unknown Threat Actor Uses AI-Driven ARTEX to Target South Korean Finance

6. Anthropic compromete 150 millones con la Genesis Mission

Anthropic destinará 150 millones de dólares durante tres años a la Genesis Mission, la iniciativa federal estadounidense para acelerar el descubrimiento científico con IA. Lo anunció en la cumbre “Science: A New Golden Age”, organizada por la Oficina de Política Científica y Tecnológica de la Casa Blanca, que dirige Michael Kratsios. El dinero no llega como transferencia directa: se traduce en acceso a Claude para más de 15 agencias integradas en la misión, entre ellas la NASA, los Institutos Nacionales de Salud y la National Science Foundation.

El compromiso amplía la alianza con el Departamento de Energía anunciada en diciembre, que ya había llevado Claude a los científicos de los laboratorios nacionales. Anthropic no está sola. Google DeepMind anunció una cifra idéntica, y NVIDIA y Amazon figuran entre las empresas que respaldan la iniciativa con recursos de computación. Para los laboratorios, la ciencia federal funciona como escaparate y como canal de adopción institucional, ya que quien se instala hoy en las agencias parte con ventaja en contratos futuros. Que buena parte de la aportación sea uso de producto propio también relativiza el titular de la cifra. Según la Casa Blanca, la cumbre reunió más de 6.000 millones de dólares en inversiones entre Gobierno, industria, academia y filantropía.

El anuncio de 𝕏 @AnthropicAI (Anthropic) pone el acento en el soporte técnico además del dinero, una forma de presentarse ante las agencias como socio de implantación y no solo como proveedor de modelos.

Al igualar la cifra y dirigir su mensaje a la Casa Blanca, al Departamento de Energía y a Kratsios, 𝕏 @demishassabis (Demis Hassabis) deja claro que Google DeepMind no piensa ceder ese terreno a Anthropic.

El enfoque de 𝕏 @MarioNawfal (Mario Nawfal) sitúa a Trump como quien arrastra a los grandes nombres de la IA, con unos 2.400 millones en computación, una lectura más política que tecnológica.

La reacción de 𝕏 @OfficialXYO (Xyo) desplaza el foco hacia el uso: plantea qué problema concreto merecería un año entero de trabajo de un equipo de investigación con IA.

Más información:
📎 Building on our commitment to American scientific discovery
📎 Fact Sheet: Trump Administration Announces the Most Ambitious Set of Science Initiatives This Century

7. Google publica en The Lancet su estudio clínico con AMIE

Google ha publicado en The Lancet el primer estudio prospectivo de una herramienta de diagnóstico conversacional orientada al paciente en una clínica real. El sistema evaluado es AMIE, un proyecto de investigación de Google basado en texto con el que los pacientes chatean antes de su cita presencial con el médico. El trabajo se hizo junto al Beth Israel Deaconess Medical Center (BIDMC), en un entorno de urgencias, y es la primera publicación de la compañía en esta revista.

Según Google Research, en 100 interacciones con pacientes AMIE no registró ninguna parada por motivos de seguridad y su diagnóstico coincidió con el de los médicos en el 90% de los casos. El tamaño de la muestra limita el alcance de las conclusiones, y AMIE sigue siendo un sistema de investigación, no un producto desplegado. Google enmarca su papel como apoyo para preparar y reforzar la visita presencial, no como sustituto del facultativo. El sistema trabajó sin acceso al historial médico de los pacientes.

El énfasis de 𝕏 @sundarpichai (Sundar Pichai) en probar AMIE fuera del laboratorio deja claro dónde sitúa Google el valor del estudio: en la práctica clínica, no en un benchmark.

Lo llamativo para 𝕏 @emollick (Ethan Mollick) es que los resultados salieron de modelos ya obsoletos, Gemini 2.5 Pro y Flash, valorados por otros médicos con una calidad similar a la de los facultativos; los actuales, recuerda, son bastante mejores.

El orgullo de 𝕏 @ymatias (Yossi Matias) se apoya en el prestigio de la revista, que presenta como una de las más antiguas y de mayor impacto del mundo, un aval que pesa tanto como los datos.

El mensaje de 𝕏 @NewsFromGoogle (News From Google) evita hablar de diagnóstico autónomo y vende AMIE como algo que puede fortalecer la visita al médico, un encuadre prudente pensado para la comunidad clínica.

La comunicación de 𝕏 @GoogleResearch (Google Research) prioriza la seguridad sobre la precisión, una elección que responde a la principal objeción a la IA de cara al paciente.

Más información:
📎 Study in The Lancet suggests AI could improve patient-physician relationships

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.

Suscríbete ahora

¿Qué pasó ayer? En un minuto:

1. Microsoft presenta su estrategia de inteligencia híbrida para Windows, con Copilot repartiendo tareas entre el PC y la nube; lanza MAI-Code-1.1-Flash, un modelo de programación local.

2. OpenAI lleva GPT-6 a los planes gratuitos de ChatGPT junto a Intelligent UI, que responde con gráficos, formularios y juegos generados al momento.

3. Anthropic lanza Claude Haiku 5.5 con un precio un 90% más barato que su predecesor, e iguala así la tarifa de GPT-6 Luna.

4. Grok Bot ya busca y monitoriza X de forma nativa y, según Elon Musk, pasará a elegir automáticamente el mejor modelo del mercado para cada tarea.

5. Ben Affleck explica con detalle técnico cómo funcionan los transformers y critica a los directivos que pronostican el fin de la mitad del trabajo de oficina.

6. Biohub reúne 1.800 millones de dólares del Gobierno de Estados Unidos, Google DeepMind, Isomorphic Labs y Meta para crear datos abiertos con los que crear un modelo de célula virtual.

7. OpenAI anuncia College Planner para ChatGPT for Teens el mismo día en que Common Sense Media califica el producto de riesgo inaceptable.

8. Amazon restringe los agentes de compra de terceros en su plataforma y abre el debate sobre quién controlará el canal de venta cuando los asistentes decidan por el usuario.

Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda interesar.

Y si tienes más de un minuto…

1. Windows apuesta por la inteligencia híbrida

Microsoft ha presentado su estrategia de “inteligencia híbrida” para Windows, que reparte el trabajo de los agentes entre el propio PC y la nube. Con permiso del usuario, Copilot podrá usar archivos y actividad reciente como contexto, ejecutar acciones en su nombre y recurrir a modelos locales cuando el enrutado lo considere adecuado. La pieza técnica central es MAI-Code-1.1-Flash, el modelo de programación de Microsoft AI: 137.000 millones de parámetros totales y 6.800 millones activos, cuantizado a 3 bits y con ventana de contexto de 256K. Las llamadas locales desde GitHub Copilot no tendrán coste de inferencia.

Microsoft afirma que mejora al modelo presentado en Build en junio, con un 25% más de eficiencia en tokens y a una cuarta parte del coste, además de un 22% más en Terminal-Bench 2.1 y un 15% en tareas de .NET. El interés para el sector está en el reparto de costes: cada tarea que corre en local deja de facturarse en la nube y reduce la dependencia de proveedores externos de modelos. La barrera es el hardware, porque Microsoft recomienda más de 120 GB de RAM.

El discurso de 𝕏 @satyanadella (Satya Nadella) gira en torno a una «inteligencia sin contador» en cada mesa y cada hogar, un mensaje que convierte el cómputo local en argumento comercial frente al pago por token.

Para 𝕏 @JensenHuang (Jensen Huang), el anuncio prolonga una relación histórica: Windows y DirectX dieron origen a la GPU programable y a CUDA, y la alianza en Azure ayudó a entrenar GPT.

La propia 𝕏 @MicrosoftAI (Microsoft Ai) presenta el modelo como programación agéntica de calidad en el dispositivo, insistiendo en la gratuidad de las llamadas locales como principal reclamo para desarrolladores.

El enfoque de 𝕏 @WesRoth (Wes Roth) subraya que la combinación de nube y modelos locales queda ligada a los Copilot+ PC, con acciones concretas como organizar archivos.

Desde 𝕏 @testingcatalog (Ai News | Testingcatalog) destacan el enrutado inteligente como la novedad práctica: Windows decide dónde se ejecuta cada tarea, local o en la nube.

Más información:
📎 Building Windows for hybrid intelligence
📎 MAI-Code-1.1-Flash: Better, faster, at a quarter of the cost | Microsoft AI

2. OpenAI lanza GPT-6 para todos

OpenAI ha lanzado GPT-6 en los planes gratuitos junto con Intelligent UI, una función de ChatGPT que permite al modelo construir la respuesta como una interfaz: texto combinado con gráficos, diagramas clicables, formularios, calculadoras e incluso juegos, generados en el momento para cada consulta. OpenAI no solo actualiza el modelo en sustitución de GPT-5.6 Sol y GPT-5.6 Luna dentro de ChatGPT, sino que también cambia el formato de la respuesta, abandonando el chat como única forma de salida. En seguridad, la compañía asegura que GPT-6 incorpora los avances de Astra, resiste mejor los jailbreaks de varios turnos y muestra menos comportamientos engañosos.

El propio 𝕏 @sama (Sam Altman) admite que llevaba tiempo esperando esta función y que no querría volver a la versión anterior de ChatGPT, una señal de que OpenAI la considera el nuevo estándar del producto.

Tras probarla de forma anticipada, 𝕏 @emollick (Ethan Mollick) la valora como un respiro frente a los muros de texto y anticipa interfaces construidas a demanda para cada problema concreto.

La cautela técnica la pone 𝕏 @gabriel1 (Gabriel): cualquier interfaz dinámica tendrá que ser muy consistente y el repertorio de widgets será limitado, salvo en aprendizaje, donde cree que acabarán imponiéndose los vídeos.

Desde 𝕏 @testingcatalog (Ai News | Testingcatalog) preguntan directamente a Altman por qué la función no funciona ya con GPT-6.1, lo que deja ver que la versión desplegada en ChatGPT no es la más reciente.

Para 𝕏 @kimmonismus (Chubby), el lanzamiento deja fuera lo que más interesa a los desarrolladores: reclama la actualización de Codex, que sigue sin llegar.

Más información:
📎 openai.com: GPT-6 for everyone
📎 GPT-6 Sol and GPT-6 Luna: October 2026 update - OpenAI Deployment Safety Hub

3. Anthropic lanza Claude Haiku 5.5 y abarata Sonnet

Anthropic ha lanzado Claude Haiku 5.5, la nueva versión de su modelo pequeño, que presenta como el más barato, rápido y capaz de la gama hasta ahora. Según la compañía, su coste medio de ejecución es en torno a un 75% inferior al de Haiku 4.5. El precio depende del tamaño de la petición: hasta 100.000 tokens, cuesta 0,10 dólares por millón de tokens de entrada y 0,50 de salida, un 90% menos que su predecesor; por encima de ese umbral, el descuento se reduce al 50% y la entrada sube a 0,50 dólares.

Con esa tarifa, Anthropic iguala el precio de GPT-6 Luna, la variante ligera de OpenAI, y lleva la competencia en modelos pequeños al terreno del coste por token. Haiku 5.5 es también el primer Haiku con un ajuste de esfuerzo que permite equilibrar coste y precisión. Anthropic declara mejoras en programación, uso del ordenador y trabajo de conocimiento, aunque la compañía mantiene Sonnet 5.5 y Opus 5.5 como opciones recomendadas para tareas complejas.

Desde dentro de Anthropic, 𝕏 @bcherny (Boris Cherny) rebaja expectativas con una comparación precisa: Haiku 5.5 queda algo por encima de Astra/Luna, pero algo por debajo de Gemini Flash.

El recorte en la caché de Sonnet 5.5 es, para 𝕏 @kimmonismus (Chubby), una jugada dirigida contra OpenAI, y lo presenta como parte de un pulso abierto entre ambas compañías.

La tarifa por debajo de 100.000 tokens le parece desorbitadamente baja a 𝕏 @WesRoth (Wes Roth), sobre todo porque llega acompañada de mejoras declaradas en programación y uso del ordenador.

De todo el anuncio, 𝕏 @testingcatalog (Ai News | Testingcatalog) destaca el salto en benchmarks de uso del ordenador como el avance más claro frente a Haiku 4.5.

La disponibilidad fue inmediata: 𝕏 @AndrewCurran_ (Andrew Curran) confirmó que ya tenía acceso al modelo minutos después del anuncio.

Más información:
📎 Introducing Claude Haiku 5.5: the cheapest, fastest, and most capable small model we’ve ever released.

4. Grok Bot ya busca X de forma nativa

Grok Bot, el agente de SpaceXAI, puede ya buscar, leer y monitorizar X de forma autónoma. Hasta ahora, el agente dependía de la búsqueda web o del conector con la red social; con el cambio, una sola instrucción puede desencadenar el análisis de más de 100 publicaciones. Los usos que se citan son prácticos: seguir las reacciones a un producto, rastrear una noticia en desarrollo, vigilar un tema o una cuenta concreta y recibir un resumen semanal del sector. Para quien trabaja en investigación o escucha social, supone sustituir búsquedas manuales con palabras clave por un agente que consulta datos en tiempo real dentro de la propia plataforma. Ningún competidor tiene un acceso tan directo a X, y la compañía lo convierte en función de producto.

La novedad llega junto al anuncio de Elon Musk de que Grok Bot dejará de apoyarse solo en los modelos Grok y pasará a usar los mejores modelos disponibles en el mercado. El sistema elegirá automáticamente, para cada tarea, la opción con más probabilidades de dar el mejor resultado. Entre los servicios mencionados están Claude Opus 5.5, de Anthropic; Midjourney, para generación de imágenes; y Suno, para música, además de otras API.

Como usuario diario de Grok Bot, 𝕏 @testingcatalog (Ai News | Testingcatalog) ve en la búsqueda nativa la pieza que faltaba para que el agente esté a la altura de Grok en el análisis de publicaciones.

El matiz de 𝕏 @mvanhorn (Matt Van Horn) amplía el alcance: los clientes de pago pueden hacer que agentes como Instinct, Muse o Dot pidan contenido de X a Grok Bot sin coste añadido.

La prueba de 𝕏 @venturetwins (Justine Moore) fue pedirle que rastreara críticas contra ella, y el resultado fue tan exhaustivo que encontró mensajes que no había visto; su conclusión es que por fin existe una búsqueda en X que funciona.

Para 𝕏 @WesRoth (Wes Roth) se trata de un cambio filosófico de calado, y lo interpreta como la forma en que funcionan los sistemas de agentes maduros: delegar cada tarea en la herramienta más capaz.

La reacción de 𝕏 @rohanpaul_ai (Rohan Paul) es abiertamente favorable: celebra ver Claude Opus 5.5, Midjourney y Suno integrados en el mismo agente.

5. Ben Affleck explica la IA con soltura técnica

Ben Affleck, actor y director con dos Óscar, ha hablado de inteligencia artificial con un nivel de detalle poco habitual fuera del sector en una entrevista del canal de YouTube One More Question, centrado en buena parte en asuntos personales. Distingue el software clásico, determinista, de los modelos basados en transformers, que generan respuestas haciendo pasar la información por las capas de atención e infiriendo el resultado. Afirma que escribe Python, entiende las redes neuronales convolucionales y ha trabajado a fondo con GPU.

Parte de esa experiencia viene de InterPositive, la empresa de IA para cine que fundó en 2022 y que acabó en manos de Netflix. Affleck también se suma a las voces escépticas ante el discurso de la sustitución laboral. Critica la práctica de pedir a los equipos que consuman el máximo de tokens posible y carga contra los directivos del sector que pronostican la desaparición de la mitad del trabajo de oficina. Su perfil encaja con una visión cada vez más frecuente de la IA aplicada a la producción audiovisual, donde los estudios buscan herramientas concretas más que promesas generales.

La frase más citada la recoge 𝕏 @rohanpaul_ai (Rohan Paul): ordenar a los equipos que maximicen tokens equivale, para Affleck, a quemar la caja registradora para calentar la tienda.

Con ironía, 𝕏 @ylecun (Yann Lecun) resume la escena como el culmen de la IA: un actor de Hollywood hablando de ConvNets, la arquitectura que él mismo impulsó.

Más información:
📎 Ben Affleck’s Turbulent Year: Navigating Grief & The Art of Not Caring

6. Biohub reúne 1.800 millones para datos de células virtuales

Biohub, la organización científica vinculada a Mark Zuckerberg, anunció una ampliación de su iniciativa de laboratorio de biología virtual con 1.800 millones de dólares en financiación, datos, computación y nuevas técnicas de medición. El objetivo es generar datos biológicos abiertos y preparados para entrenar modelos predictivos de IA, incluidas las llamadas células virtuales, que simularían el comportamiento celular antes de pasar al laboratorio real. Biohub lo describe como el mayor compromiso coordinado hasta ahora en este terreno.

El reparto es desigual: el Departamento de Energía de Estados Unidos invertirá más de 500 millones en cinco años en medición, modelado y computación, mientras que los NIH no aportan dinero nuevo, sino conjuntos de datos y repositorios fruto de más de 500 millones en inversión federal previa, que Biohub se encargará de estandarizar. Google DeepMind, Isomorphic Labs y Meta pondrán otros 300 millones conjuntos. Que compañías rivales y el Gobierno federal financien el mismo recurso abierto indica que el límite de la biología predictiva está en la escasez de datos de calidad, más que en la arquitectura de los modelos. El resultado será un recurso abierto para la comunidad investigadora, con aplicación última en la comprensión y el tratamiento de enfermedades humanas.

Para 𝕏 @demishassabis (Demis Hassabis), mejorar la medicina y la salud humana es lo más importante a lo que puede aplicarse la IA, y presenta la alianza con la iniciativa de Biohub como un paso coherente con esa prioridad.

Lo que llama la atención a 𝕏 @kimmonismus (Chubby) no es la cifra, sino la composición del consorcio, que califica de colaboración insólita.

Más información:
📎 International, cross-sector collaboration commits nearly $2 billion to build foundational data for AI models to predict and treat disease

7. ChatGPT para adolescentes, entre novedades y suspenso

OpenAI ha compartido avances de ChatGPT for Teens, la versión de su asistente para menores de 18 años, junto con un adelanto de College Planner. Esta herramienta arrancará con estudiantes estadounidenses de 10.º a 12.º curso que solicitan plaza en universidades de cuatro años y permitirá seguir requisitos, plazos y trámites de ayudas económicas.

El anuncio coincide con un informe del Youth AI Safety Institute, de Common Sense Media, que asigna al producto su calificación más baja de “riesgo inaceptable”. Las pruebas detectaron que las alertas para padres no se activaron en conversaciones sobre suicidio y autolesiones. La organización pide a OpenAI que deje de promocionar el producto y limite ChatGPT a mayores de 18 años hasta corregir esos fallos. La versión para menores se lanzó en agosto, después de varios suicidios de adolescentes vinculados a interacciones con ChatGPT, y se aplica automáticamente a las cuentas identificadas como pertenecientes a menores.

El mensaje de 𝕏 @OpenAI (Openai) presenta el anuncio como un balance de progreso y pone el foco en la utilidad educativa, sin aludir a las críticas sobre las alertas parentales.

El riesgo que subraya 𝕏 @Vvikramai (Vikram M), recogiendo a Tom Siegel, es la falsa confianza: unos padres que creen que los controles funcionan pueden relajar su propia supervisión.

𝕏 @KatieMiller (Katie Miller) añade un matiz incómodo para la compañía: el instituto que firma el informe está financiado por la propia OpenAI, y aun así detectó alertas retrasadas o inexistentes.

La lectura de 𝕏 @choblin29 (Choblin) es comercial: ve en College Planner una apuesta mucho más ambiciosa de OpenAI por captar al público adolescente.

Más información:
📎 openai.com: Teens learn and plan
📎 ChatGPT for Teens is an ‘unacceptable risk,’ says Common Sense Media

8. Amazon veta los agentes de compra y abre debate

Amazon ha restringido el uso de agentes de IA para comprar en su plataforma, una decisión que ha reabierto la discusión sobre quién controlará el canal de compra cuando parte de las decisiones de consumo pasen por asistentes automáticos. Lo que está en juego es la relación directa con el comprador, la visibilidad de los productos y, con ella, el negocio publicitario que depende de que el usuario abra la web o la app. Si un agente externo compara y compra sin pasar por esas páginas, ese valor se diluye.

En el sector ya se habla de una guerra de agentes por ese punto de entrada, que afecta también a otras grandes tecnológicas cuyos ingresos dependen de captar la atención del usuario. Amazon no ha detallado públicamente el alcance técnico de la restricción ni si contempla vías autorizadas para agentes de terceros. En paralelo, varios usuarios perciben que su atención al cliente ha pasado en poco tiempo de contratistas externos a agentes de IA.

Para 𝕏 @paulg (Paul Graham), cualquier empresa que prohíbe agentes demuestra que existe demanda para usarlos, y eso deja hueco a una startup que sí los permita; lo ve como la primera oportunidad real de competir con Amazon desde su fundación.

Desde la óptica inversora, 𝕏 @Gaetano2026 (Gaetano) extiende el riesgo a Microsoft, Google, Meta y Oracle: un agente podría decidir la compra antes de que el usuario llegue a abrir Amazon.

El lanzamiento de Strands Decider 2B que recoge 𝕏 @jurlycat (Jurly) matiza el relato del veto: Amazon invierte en agentes, aunque en los que construye y controla.

La experiencia de usuario la plantea 𝕏 @paigeinsf (Paige), que duda de si el servicio mejora de verdad con agentes o si los clientes simplemente se acostumbran a hablar con bots.