¿Qué pasó el fin de semana? En un minuto:
Jack Clark, cofundador de Anthropic, sostuvo ante el FMI que la singularidad ya ha comenzado y que este año han aparecido pruebas convincentes.
Cuatro agentes basados en Gemini 4 Argon completan el juego Minecraft sin ayuda humana, una prueba de planificación y coordinación entre agentes.
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.
OpenCode sufre un ciberataque en el que los modelos de frontera dejaron de ayudar a defenderse porque analizar los exploits activaba sus guardarraíles.
Nick Cammarata defiende en un ensayo sobre interpretabilidad que las redes neuronales sí pueden ser legibles.
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.
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.
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.
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