¿Qué pasó ayer? En un minuto:
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.
OpenAI compra Pierre, Cognition lanza SWE-2 Flash y Meta adquiere Conductor, en una carrera simultánea por las herramientas de programación.
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.
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.
OpenAI ficha a Cat Wu, directiva de Anthropic, para dirigir la gestión de producto de sus productos principales.
El laboratorio de biología de Anthropic resuelve con ayuda de Claude la primera estructura 3D de una partícula vault en células procariotas
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.
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