¿Qué pasó el fin de semana? En un minuto:
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.
OpenAI ya corta el acceso a internet durante el entrenamiento de sus modelos frontera después de un incidente de seguridad durante el mismo.
Anthropic y el AISI británico publican su análisis del incidente en que Claude Mythos 5 atacó un proyecto real de GitHub con código malicioso.
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.
Un estudio de Harvard concluye que las revisiones de artículos científicos generadas por Opus 4.8 superan a las de revisores humanos expertos .
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.
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.