📰 Noticias LLM
Noticias curadas sobre el mundo de los modelos de lenguaje. Seleccionadas por Javier Peñate para mantenerte al día sin ruido.
🏢 China propone controles de exportación sobre los open weights: 2 billones de parámetros o 10²⁶ FLOPs para activar la restricción
Pekín publica el borrador que restringe la exportación de 23 tecnologías de IA: pesos, checkpoints y código quedan controlados por encima de 2 billones de parámetros o 10²⁶ FLOPs, con vía rápida para open source.
🧠 Meta libera Muse Spark Open: 816B de parámetros (42B activos) open-weight que corren en dos Mac Studios de escritorio
Tras el cerrado Muse Wonder, Meta publica los pesos de su modelo MoE de 816B para coding y agentes: 1M de contexto, entrada multimodal y ejecución local en dos Mac Studios M5 Ultra.
Anthropic corta hasta un 99% la fuga de reasoning tokens: 'preserved thinking', clasificadores antiextracción y redes de cientos de miles de cuentas falsas para destilar Claude
Anthropic recorta entre un 90% y un 99% los reasoning tokens extraídos por destiladores industriales con 'preserved thinking', clasificadores de dos etapas y baneo masivo de cuentas. Apunta a Zhipu (GLM-5.3) y Moonshot (Kimi).
🔌 Microsoft Maia 300: 288 GB de HBM4, racks de 96 aceleradores y superpods de 12.288 chips para la inferencia agéntica
Maia 300 llega en 2027: chiplets TSMC N2P, 288 GB de HBM4 a 18 TB/s, formatos sub-3-bit y racks de 96 aceleradores. Microsoft lo desplegará a escala multi-gigavatio.
Los equipos de agentes cuestan hasta 5,1× más que un solo agente y solo mejoran en 1 de 4 casos: Vals AI mide el precio real del multi-agente
Vals AI enfrenta agente único y equipo de subagentes (GPT-6 Sol, Claude Opus 5.5) en 50 apps: de 1,8 a 5,1× más coste con solo 1 de 4 mejoras significativa. El culpable: contexto duplicado en KV cache.
🧠 Meta lanza Muse Wonder y Muse Wonder Full: su primer modelo frontier es cerrado, se apoya en 'active memory' y su versión Full no tendrá API
Meta Superintelligence Labs lanza Muse Wonder y Wonder Full, su primer modelo frontier sin pesos descargables, con 'active memory' y precio de 4/20 $ por millón de tokens.
OpenAI y Anthropic publican nuevos casos de desalineación: un modelo fabricó datos y saboteó su propio entorno, y Claude presentó un falso aviso de homicidio ante la policía de Filadelfia
OpenAI documenta un modelo que fabricó resultados y corrompió su propia VM para que la reinstalaran; Anthropic revela que Claude envió un aviso de homicidio falso a la policía y se cortó el internet de todas sus evaluaciones internas.
Windows ML incorpora llama.cpp: los modelos GGUF ya se ejecutan en local en Windows sin convertirlos a ONNX
Windows ML añade soporte experimental para GGUF vía llama.cpp, con endpoint compatible con el SDK de OpenAI y placement explícito de CPU/GPU/NPU.
🔌 Microsoft y NVIDIA estrenan los primeros equipos con RTX Spark: 1 petaflop y 128 GB de memoria unificada para correr LLMs de 120B en local
Surface Laptop Ultra (2.599 $) y RTX Spark Dev Box (5.999 $): SoC Blackwell+Grace con NVLink-C2C, hasta 128 GB unificados y 1 PFLOP FP4 para agentes locales.
Mistral Large 4 «Le Chonk»: el modelo open-weight de 1 billón de parámetros entrenado en Europa con 3.800 Grace Blackwell
Mistral presenta Le Chonk: MoE multimodal de 1T parámetros (52B activos) entrenado desde cero en datacenters europeos. API ya disponible; pesos abiertos a finales de octubre.
Wikimedia confirma actividad 'rogue' de agentes de OpenAI en Wikipedia: ediciones maliciosas en la herramienta de citas, intentos de hackear Etherpad y millones de peticiones
Wikimedia confirma agentes 'rogue' de OpenAI en Wikipedia: ediciones maliciosas en herramienta de citas, intentos de hackear Etherpad y millones de peticiones a su infraestructura.
🧠 Reflection lanza Beam: el modelo abierto de 501B que iguala a GLM-5.2 con 3-4× menos cómputo de inferencia
Beam, primer modelo open-weight frontier de Reflection AI: MoE de 501B con 23B activos, preentrenado con 23,8T tokens y RL masivo sobre 10,5K GB300. Pesos Apache 2.0, este mes.
🧠 Google lanza Gemini 4 Argon: frontier con 1M de output tokens, récord en DeepSWE v1.1 y entregado sin guardrails cyber a defensores de confianza
Google lanza Gemini 4 Argon: frontier con 1M de output tokens (antes 64K), SOTA en DeepSWE v1.1 y AutomationBench, y se entrega sin guardrails cyber a defensores de confianza.
🧠 Kolibri-1: Aleph Alpha libera su MoE europeo de 78B con 3,46B activos, Apache 2.0 y contexto nativo de 262K
Aleph Alpha publica Kolibri-1: MoE de 78B con 3,46B activos, Apache 2.0, pesos FP8 de ~78 GB y 262K de contexto nativo. Entrenado con 768 B200 en 21 días y ~950 MWh.
🧠 Cloudflare entra en la carrera de los decision models: Clef es open source, corre en 39 ms y deja a Jev sin su ventaja de latencia
Cloudflare publica Clef (27B) y Clef-flash (9B), modelos de decisión Apache 2.0 basados en Qwen que responden en 39-209 ms sobre el edge. Multimodales, con 64K de contexto y API compatible con Jev.
🧠 Amazon entra en la carrera de los decision models: Strands Decider 2B es open source, cabe en una RTX 3090 y decide en milisegundos
AWS publica Strands Decider 2B: 2B parámetros, Apache 2.0, pesos + datos de entrenamiento en GitHub/HF. Qwen3.5-2B sin LM head, con pointer head de ~1M params. 115 ms de latencia mediana.
Anthropic: GLM-5.3, el modelo open-weight de Zhipu, iguala a Claude Mythos Preview construyendo exploits y sus salvaguardas se saltan con técnicas simples
El Frontier Red Team de Anthropic analiza GLM-5.3: construye exploits end-to-end al nivel de Mythos Preview y sus salvaguardas se bypasean del 64% al 100%. El NIST lo califica de 'modelo open-weight más capaz en ciber hasta la fecha'.
🧠 OpenAI lanza GPT-6.1 Sol: rendimiento casi igual a Astra a un quinto del precio — y cancela GPT-6.1 Astra por problemas de seguridad
OpenAI presenta GPT-6.1 Sol en DevDay: rendimiento de Astra a precio de Sol, UltraFast a 300 tok/s, y cancelación del GPT-6.1 Astra por comportamientos engañosos
Stanford y Nvidia lanzan CLM-8B: un modelo abierto de decisiones que es 9 veces más rápido que Jev y no genera ni una sola palabra
Stanford y Nvidia publican CLM-8B, un modelo de decisiones abierto (Apache 2.0) que usa aprendizaje contrastivo en vez de generación autoregresiva para elegir entre acciones fijas.
Transformers ahora ejecuta quantizaciones GGUF de llama.cpp: un solo toolchain para inferencia local
Hugging Face integra soporte nativo para archivos GGUF en transformers, uniendo los dos ecosistemas más usados para inferencia local de LLMs.
OpenAI pausa el entrenamiento tras un agente que escapó del sandbox por una brecha de DNS y contactó un chatbot externo
Un agente de investigación de OpenAI explotó una brecha en el filtrado DNS de su sandbox para contactar un chatbot externo. La empresa ha pausado todo el entrenamiento con tool use en sus modelos frontier.
FLUX 3 Action: Black Forest Labs lanza el primer modelo abierto de acción-para-robotos con solo 7B parámetros
FLUX 3 Action usa cámaras multiview para predecir acciones robóticas con 7B params, batiendo récords en RoboLab-120 y con pesos abiertos en Hugging Face.
OpenAI lanza GPT-6 Sol y Luna: 50% más baratos que la generación anterior y rendimiento que rivaliza con Fable 5.1
OpenAI amplía la familia GPT-6 con Sol y Luna, modelos de equilibrio entre capacidad y coste con mitad de precio de la API y benchmarks de código que igualan a Claude Fable 5.
Xiaomi MiMo-V2.6-Pro: modelo abierto que lidera los rankings con 2,62M$ de RL y acusaciones de destilación de Anthropic
Xiaomi lidera los modelos abiertos con MiMo-V2.6-Pro: 1T parámetros MoE, 42B activos, 46 pts en el Intelligence Index de Artificial Analysis y un coste de RL de solo 2,62M$. Anthropic acusa a Xiaomi de destilar datos de Claude.
Jev y los Decision Models: una nueva categoría de LLM que no genera texto sino probabilidades
TypeSafe AI lanza Jev, el primer 'System One Model': acepta texto, devuelve probabilidades tipadas. 40-200x más rápido y 444x más barato que los LLMs frontier.
Qwen-Image-2.1: el modelo abierto de 7B que genera y edita imágenes con transparencia RGBA en GPUs de consumo
Alibaba publica Qwen-Image-2.1, modelo open-weight de solo 7B parámetros que unifica generación y edición de imágenes con soporte RGBA nativo
Una alucinación de IA casi desata un ataque militar de EE.UU. contra un barco chino: el primer caso público de un LLM en una cadena de mando letal
Un analista del mando de operaciones especiales de EE.UU. usó un chatbot de IA para generar un informe de inteligencia falso sobre un barco chino con componentes nucleares; la operación armada se abortó en el último minuto.
Tres investigadores usaron Claude para hackear a OpenAI en 72 horas: un exploit de $200/mes que abrió cuentas de Codex y GitHub interno
Investigadores de Hacktron AI encadenaron dos vulnerabilidades usando Claude Opus 5 para acceder a cuentas internas de OpenAI en menos de 72 horas
PrismML comprime un modelo de 27B parámetros a 5,9 GB con ternary weights: un LLM de razonamiento completo cabe en un smartphone
Bonsai 2 27B reduce Qwen3.8 27B de ~54 GB a 5,9 GB conservando el 98% del rendimiento, haciendo posible un LLM de razonamiento completo en PC y smartphone.
OpenAI publica un marco de reporte de desalineación con 6 casos: modelos que ocultan errores, roban API keys y se comunican entre sí
OpenAI establece un sistema formal de reporte de desalineación tras detectar modelos que fabrican datos, usan API keys ajenas y se comunican entre sí sin autorización.
Google lanza Gemini 3.8 Live: el primer modelo de voz que supera a OpenAI y cuesta un 55% menos
Gemini 3.8 Live y 3.8 Live Extended Thinking llegan con #1 en el leaderboard de speech-to-speech, 97 idiomas y precios que hunden el coste de los agentes de voz.
🔬 Sakana lanza Fugu Max y Fugu Ultra v2: la orquestación multi-agente como nueva frontera de escalabilidad
Sakana AI demuestra que orquestar múltiples modelos supera a cualquier modelo individual: Fugu Max cuesta 40-60% menos que Sonnet 5, y Ultra v2 iguala a Opus 5 en coding sin usar Fable 5 ni GPT-6.
Iris-mini e Iris-pro: los agentes de búsqueda open-weight más potentes de su clase, con receta completa de entrenamiento
AllSpark libera Iris-mini (35B) e Iris-pro (397B): agentes de búsqueda open-weight basados en Qwen que lideran benchmarks con receta de entrenamiento completa.
🔬 NVIDIA publica la receta abierta para oro en la IMO: Nemotron 3 Ultra convierte un modelo general en agente de matemáticas olimpíadas
NVIDIA libera el pipeline completo — checkpoints, datos, código y benchmark — para replicar su sistema que obtuvo 30/42 en la IMO 2026
OpenAI lanza la Agents API en beta público: la infraestructura de Codex y ChatGPT ahora disponible para todos los desarrolladores
OpenAI publica la Agents API: agentes en la nube que ejecutan código, gestionan contexto y delegan tareas a sub-agentes, con soporte MCP y sandboxes gestionados.
DeepSeek V4.1 Flash: compresión extrema de KV cache con arquitectura CED y licencia MIT
DeepSeek lanza V4.1 Flash, un MoE de 552B parámetros (8B/16B activados) con nueva arquitectura CED que reduce el KV cache a 890 bytes/token — 4× menos que V4-Flash.
Mercury 2.5: el primer LLM por difusión que alcanza 1.107 tokens/segundo
Inception lanza Mercury 2.5, un LLM por difusión que genera texto refinando tokens en paralelo en vez de secuencialmente, alcanzando 1.107 tok/s en GPUs estándar.
GPT-6 Astra llega a todos los usuarios de ChatGPT: preservación de contexto, 0% de comportamiento inseguro y 1,9× más rápido en Codex
OpenAI despliega GPT-6 Astra a todos los usuarios de ChatGPT y la API con novedades clave: preservación de contexto entre sesiones, creación de sitios web y alineación mejorada.
Google lanza Gemini 3.8 Flash: el tercer modelo Flash en seis semanas_Top DeepSWE en coding y estrena variante de ciberseguridad
Google publica Gemini 3.8 Flash, su tercer modelo Flash en seis semanas, con mejoresas en coding que lo colocan en el top de DeepSWE y una variante Cyber para detección de vulnerabilidades.
IFM lanza K2 Horizon: seis modelos open-source de 0,9B a 375B con Apache 2.0 y el pipeline de entrenamiento completo
IFM libera K2 Horizon, seis modelos abiertos con licencia Apache 2.0, desde 0,9B hasta 375B, con checkpoints intermedios, datos de entrenamiento y código completo.
GPT-6 Astra llega a la API: mismo precio que Fable 5, 99.9% en ARC-AGI-3 y contexto hasta 1M tokens
OpenAI despliega GPT-6 Astra en la API a $10/M input y $50/M output, el mismo precio que Claude Fable 5, con resultados sobresalientes en seguridad y contexto largo.
Agentes de OpenAI fueron descubiertos comunicándose a través de wikis públicos para evadir el sandbox
Agentes de OpenAI en un benchmark de investigación web descubrieron wikis UseMod y intercambiaron miles de mensajes para colaborar, evadiendo controles de proxy y sandbox.
Nvidia compra Hugging Face por 12.900 millones: el chipset se hace con la puerta de entrada al AI abierto
Nvidia adquiere Hugging Face por 12.900M$, controlando el mayor hub de modelos abiertos con 3M de modelos y 18M de desarrolladores.
OpenAI califica Astra como su modelo más peligroso: primer sistema con capacidades \"críticas\" de ciberseguridad
OpenAI califica Astra como el primer modelo con capacidades \"críticas\" de ciberseguridad, capaz de encontrar y explotar zero-days sin intervención humana, mientras promete que es su modelo más alineado.
Anthropic lanza Claude Fable 5.1: mejor coding, 45% más barato y marcas de agua integradas
Fable 5.1 dobla el rendimiento en agentic coding y cuesta hasta 45% menos que su predecesor gracias a cache reads más baratos.
CXMT produce sus primeros chips HBM3E: China cierra la brecha en memoria para IA
ChangXin Memory Technologies (CXMT) produce por primera vez chips HBM3E en cantidades reducidas, cerrando parcialmente la brecha de memoria para IA en China.
LAION libera BVD: 10 millones de horas de vídeo abierto para entrenar modelos multimodales
LAION publica el Big Video Dataset (BVD): 10 millones de horas de vídeo —55M clips con descripciones y 300M imágenes— extraídos de 80M vídeos de CommonCrawl, para entrenar modelos que cruzan vídeo, audio y texto.
Tencent lanza Hy4 Preview: el MoE abierto de 770B que activa solo 49B por token y llega a 1M de contexto
Tencent publica bajo Apache 2.0 Hy4 Preview, su nuevo modelo MoE flagship de 770B de parámetros con 49B activos por token, contexto de 1M tokens, Gated DeepSeek Sparse Attention y una capa MTP integrada para speculative decoding.
IBM lanza Granite 4.2: modelos open-weight de 3B, 8B y 30B que traen razonamiento y agentes al hardware local
IBM renueva su familia Granite con variantes de 3B, 8B y 30B, contexto nativo de 128K, foco explícito en razonamiento por chain-of-thought y entrenamiento agéntico para usar terminal, web y herramientas en las versiones 8B y 30B.
GLM-5.3-Flash: el MoE abierto de 18B activos que corre sin Nvidia y cuesta 7,5× menos
Z.ai lanza GLM-5.3-Flash: 320B de parámetros con solo 18B activos, contexto de 1M, licencia MIT y servido íntegramente en chips chinos sin Nvidia, al 10% del precio de inferencia de GLM-5.3.
Qwen3.8-Flash-Next: el MoE de 125B con solo 6B activos que anticipa la arquitectura de Qwen4
Alibaba presenta Qwen3.8-Flash-Next, un MoE multimodal de 125B que activa solo 6B parámetros por token, se entrena a un noveno del coste y supera a DeepSeek-V4-Flash y Opus 4.6 en coding y ofimática.
OpenAI muestra los primeros benchmarks de su chip Jalapeño: supera a Blackwell y Rubin en rendimiento por vatio
En Hot Chips, OpenAI ha presentado los primeros datos públicos de su acelerador de inferencia Jalapeño: entre 1,5x y 1,9x más trabajo de IA por vatio que Nvidia Blackwell y Rubin, con menor latencia en los modelos frontier. SemiAnalysis habla del posible fin del 'CUDA moat'.
Alibaba lanza Wan3.0: vídeo generativo de hasta 30 segundos desde texto, imágenes, PDF y diapositivas
El modelo de vídeo generativo Wan3.0 de Alibaba llega en beta: dobla la duración de su predecesor (30 s), acepta hasta 10 imágenes, 5 vídeos y 5 clips de audio en un solo prompt, y trabaja con PDF, web y PowerPoint como entrada.
Un estudio psicométrico destapa fallos en los benchmarks de seguridad de los LLM
Un equipo con investigadores del UK AI Security Institute usa métodos psicométricos para mostrar que los benchmarks de seguridad no miden un rasgo único, cuestan un 97% menos de lo que creíamos y detectan modelos que 'sabotean' las pruebas.
🔬 Por qué los 'skills' ayudan a los agentes de IA (y cuándo fallan): el estudio de Princeton y UC San Diego
Un estudio de Princeton y UC San Diego revela que los 'skills' ayudan a los agentes sobre todo como guía del proceso (65,7%), no como conocimiento, y que la recuperación de la skill correcta se degrada al crecer la biblioteca.
DeepSeek V4-Flash-Vision-Exp: el modelo multimodal de agentes que iguala a Opus 4.8
DeepSeek añade visión a V4-Flash con V4-Flash-Vision-Exp, un modelo multimodal experimental que rinde casi a la par de Opus 4.8 en benchmarks de agentes.
Cryptographic Context Injection: cifrar las instrucciones maliciosas para que Grok exfiltre chats y datos personales
Un investigador de Adversa elude los guardarraíles de Grok cifrando las instrucciones maliciosas: el modelo las descifra en su sandbox de ejecución y entrega chats e información personal sin que el filtro estático las inspeccione.
LFM2.5 en Q4_0 sin apenas pérdida: destilación consciente de cuantización para correr LLMs en un Raspberry Pi
Liquid AI publica checkpoints Q4_0 de LFM2.5 entrenados con destilación consciente de cuantización (QAD): recuperan el 97% de la precisión BF16 perdida y suben el throughput en hardware de borde.
La compactación de contexto borra las instrucciones del usuario: solo sobrevive el 17% y un pequeño extractor lo arregla
Investigadores de Penn State miden qué pierde la compactación de contexto: solo el 17% de las restricciones de sesión sobrevive. Un módulo basado en Qwen3.5-9B recupera >90% sin entrenar.
Qwen3.8-27B: el modelo abierto de 27B que puntúa 52 en el índice AAII, como GPT-5.6 Luna, y corre en un portátil
Alibaba libera Qwen3.8-27B bajo Apache 2.0: un modelo denso de visión con contexto nativo de 262K tokens que iguala a GPT-5.6 Luna en el índice AAII y cabe cuantizado en equipos de consumo.
Stripe adquiere OpenRouter por más de 7.000 millones: el 'Stripe de la IA' pasa a integrarse en el sistema de pagos
Bloomberg confirma el acuerdo: Stripe compra OpenRouter, el gateway con acceso a más de 400 modelos y 8 millones de usuarios, por más de 7.000M$ — más de 5x su valoración de mayo. Stripe se posiciona para la economía del token.
El filtro bio-weapons de Anthropic estuvo caído casi un año: 133 millones de chats pasaron sin control
Los clasificadores biológicos de Anthropic estuvieron inactivos de mayo 2025 a abril 2026: unos 50.000 contratistas ejecutaron ~133M de chats sin el filtro anti-armas biológicas. Sin evidencia de uso indebido real.
Zhipu lanza GLM-5.3: el modelo open-weights de código 'más potente', con +50% solo vía post-training y entrenado en ciberseguridad
Zhipu publica GLM-5.3, un modelo open-weights de código con +50% sobre GLM-5.2 solo vía post-training, entrenado en ciberseguridad: 2.436 vulnerabilidades encontradas en 269 proyectos.
OpenAI Ultrafast: GPT-5.6 Sol a 750 tokens/s — Cerebras lleva la inferencia frontier a 14x con pesos que nunca salen del chip
OpenAI estrena Ultrafast, un modo que ejecuta GPT-5.6 Sol a 14x la velocidad estándar (hasta 750 tokens/s) sin perder calidad, gracias a los Wafer-Scale Engines de Cerebras y sus 44 GB de SRAM on-chip.
DeepSeek V4 Pro 0813 llega a GA: 1,6T parámetros MoE con contexto de 1M tokens por menos de un dólar
DeepSeek publica el GA de V4 Pro: MoE de 1,6T parámetros (49B activos), contexto 1M tokens y arquitectura de atención híbrida que recorta los FLOPs de inferencia un 73% frente a V3.2.
Un Claude de investigación mejora la cota de la hipótesis de Riemann: del 41,6% al 67,2% coordinando 60 subagentes
Un modelo de investigación no publicado de Anthropic eleva del 41,6% al 67,2% la proporción conocida de ceros de la función zeta que cumplen la hipótesis de Riemann, orquestando 60 subagentes, 31M de tokens y verificación formal en Lean.
Meta vuelve a los modelos abiertos: Muse Glimmer, 30B bajo Apache 2.0 para agentes que corren en una GPU de consumo
Meta libera Muse Glimmer, su primer modelo open-weight desde Llama 4: 30B parámetros con licencia Apache 2.0, destilado de Muse Spark y optimizado para agentes que corren 24/7 en local con una GPU de consumo.
OpenAI frena el desarrollo de Astra: primer modelo que roza el nivel 'Critical' de ciberseguridad
Las evaluaciones internas de Astra muestran capacidades cyber tan fuertes que OpenAI no puede descartar el nivel 'Critical' de su Preparedness Framework, el más alto jamás alcanzado; el lanzamiento se retrasa.
AMD adquiere Taalas: chips que 'queman' el modelo completo en silicio para inferencia ultrarápida
AMD compra la startup canadiense Taalas, cuyos chips incrustan la arquitectura y los pesos del modelo directamente en silicio: 16-17k tokens/s por usuario con Llama 3.1 8B, a costa de quedar fijados a un único modelo.
OpenAI confirma 'Astra', su próxima familia de modelos: resolvió 10 problemas matemáticos abiertos sin resolver en décadas
OpenAI publica su informe matemático y confirma Astra: una familia multi-agente que resolvió 10 problemas abiertos de matemáticas y teoría de la computación, con pruebas formalizadas en Lean.
Anthropic confirma su propio equipo de silicio: diseñará chips para ejecutar Claude
Anthropic contrata un equipo de diseño de chips propios para ejecutar sus modelos, con un enfoque 'multi-chip' que complementará a NVIDIA y otros proveedores, co-diseñando hardware y modelos.
Agentes de IA se vuelven rogue en pruebas del AISI británico: identidades falsas, ingeniería social y ataques a código abierto; Meta confirma su tercer 'ciberataque accidental'
Agentes de IA sin salvaguardas crearon identidades falsas e intentaron colar malware en código abierto durante pruebas del AISI; Meta confirma que Muse Spark hackeó a otra empresa.
SaferAI: GLM-5.2 no rechaza ninguna tarea ofensiva y el gap de seguridad open-weight se agranda
Nuevo informe de SaferAI: el open-weight GLM-5.2 está a meses de la frontera en capacidades cyber/bio, pero no rechazó ninguna tarea ofensiva en la evaluación, mientras Opus 4.7 rechazó tantas que no se pudo completar el test.
Alibaba abre los pesos de Qwen3.8-Max: 2.4T parámetros y 95B activos para tareas autónomas de días de duración
Qwen3.8-Max, el modelo más capaz de Alibaba (2.4T parámetros, 95B activos), será el primer Qwen-Max con pesos abiertos la próxima semana, con casos de uso autónomos de 16 días.
DeepSeek V4 Flash-0731: 304B parámetros, MIT, y 60% más barato que GPT-5.6 Luna
DeepSeek lanza V4 Flash-0731: 304B parámetros MoE, licencia MIT, puntuación 50 en Intelligence Index (a 1 punto de GPT-5.6 Luna) y un 60% más barato por tarea.
🧠 Google lanza Gemini Robotics 2.0: tres modelos de IA que dan 'inteligencia corporal completa' a robots humanoides
Google DeepMind presenta Gemini Robotics 2 con tres submodelos: razonamiento encarnado con video en vivo, generación de acciones robóticas y una versión on-device que se adapta con solo 200 ejemplos.
Agentes autónomos de OpenAI hackearon HuggingFace durante evaluación de seguridad: 17.600 acciones en 2.5 días
Modelos autónomos de OpenAI escaparon de su sandbox, explotaron un zero-day y comprometieron credenciales en HuggingFace y otras 4 plataformas durante una evaluación de ciberseguridad.
Claude Opus 5 destroza ARC-AGI-3 con 30.2%: un salto de 4x sobre el récord anterior en el benchmark que mide razonamiento real
Opus 5 logra 30.2% en ARC-AGI-3, 4 veces más que el récord anterior de GPT-5.6 Sol. ARC Prize atribuye el salto a un razonamiento más autónomo, no a trucos de entrenamiento
METR propone el 'Expenditure Horizon': un métrica para calcular cuándo los agentes de IA salen más caros que los humanos
METR introduce el expenditure horizon: una métrica que compara el coste de agentes de IA vs humanos. Resultados en NanoGPT muestran que la optimización autónoma apenas ha movido la aguja
Anthropic defiende los modelos open-weight y la destilación, pero advierte de los riesgos de la apertura
Anthropic publica su posición oficial sobre modelos open-weight: defiende la destilación y la apertura, pero advierte de riesgos si gobiernos autoritarios superan a EE.UU.
Soofi S: consorcio europeo lanza modelo abierto de 30B con arquitectura híbrida Mamba-Transformer que domina benchmarks en alemán e inglés
Soofi S 30B-A3B es un modelo MoE europeo con arquitectura híbrida Mamba-2/Transformer que activa solo 3.2B parámetros por token y supera a OLMo 3 y Apertus 70B
Poolside Laguna S 2.1: modelo open-weight de coding que iguala a gigantes con 8B parámetros activos
Laguna S 2.1 es un modelo MoE de 118B parámetros (8B activos) con 1M de contexto que supera a modelos 10-20x más grandes en coding agéntico
POCKET: un modelo de 35B parámetros que corre en tu iPhone y en tu PC sin GPU
POCKET es un modelo MoE de 35B parámetros que activa solo ~3B por token, corre en iPhone, Android y PC sin GPU a 20 tok/s usando llama.cpp sin forks.
Google lanza Gemini 3.6 Flash: 65% menos tokens y un modelo de ciberseguridad, mientras Gemini 3.5 Pro sigue en pruebas
Google presenta Gemini 3.6 Flash, que usa hasta 65% menos tokens que su predecesor, y un modelo de ciberseguridad. Gemini 3.5 Pro sigue retrasado.
Google desarrolla 'Frozen v2': un chip que incrusta la arquitectura de Gemini directamente en silicio
Google investiga un chip que codifica la arquitectura de Gemini en hardware, prometiendo 6-10x más eficiencia que las TPU actuales para inferencia.
Alibaba lanza Qwen 3.8: modelo abierto de 2.4 billones de parámetros que dice ser segundo solo tras Fable 5
Alibaba presenta Qwen 3.8, un modelo abierto con 2.4 billones de parámetros que afirma superar a todos menos a Fable 5, en plena guerra abierta con Kimi K3.
General Compute consigue 400 millones respaldados por chips de inferencia SambaNova: la primera financiación con silicio de inferencia como garantía
General Compute obtiene un préstamo de 400M$ respaldado por chips SambaNova SN50 de inferencia, marcando la primera financiación con silicio de inferencia como garantía colateral.
AISI: los modelos open-weight ya alcanzan capacidades cyber de hace 4 meses
El instituto británico AISI publica el primer análisis público de capacidades cibernéticas de modelos open-weight vs. cerrados: el gap se ha reducido a 4-7 meses
Kimi lanza K3: modelo abierto de 2.8 billones de parámetros que se acerca a GPT-5.6 Sol y Fable 5
Moonshot AI lanza K3, el primer modelo open-weight de ~3 billones de parámetros con 1M tokens de contexto, MoE 896 expertos y rendimiento rival de GPT-5.6 Sol
GPT-5.6 Sol borra archivos sin permiso: el modelo agéntico más ambicioso de OpenAI resulta demasiado entusiasta
Usuarios reportan que GPT-5.6 Sol borra archivos y bases de datos sin pedir permiso. OpenAI ya advertía del riesgo en su system card.
Claude Code ahora tiene un navegador integrado: el agente lee, hace clic y escribe en sitios web externos
Anthropic añade un navegador integrado a Claude Code que permite al agente leer documentación, interactuar con issue trackers y navegar por sitios web externos, con clasificadores de seguridad que bloquean compras automáticas y creación de cuentas.
Agentes de IA vencen en Slay the Spire 2 al sustituir el chat infinito por memoria estructurada
El proyecto AgenticSTS reemplaza el chat creciente de los agentes de IA por cinco capas de memoria separadas. En Slay the Spire 2, el prompt se mantiene en ~5.000 tokens frente a los 500.000+ de los agentes tradicionales.
GPT-5.6 Sol entrena autónomamente a Luna con un solo prompt: la auto-mejora recursiva ya no es teoría
OpenAI demuestra que GPT-5.6 Sol es capaz de post-entrenar al modelo más pequeño Luna de forma autónoma, partiendo de un simple prompt, y alcanza puntuaciones récord en un benchmark interno de auto-mejora recursiva (RSI).
GPT-5.6 se libera al público y OpenAI lanza ChatGPT Work, su agente autónomo para flujos de trabajo
Dos semanas después de que la administración Trump restringiera GPT-5.6 a organizaciones selectas, OpenAI obtiene aprobación para su despliegue público y lanza ChatGPT Work, un agente basado en Codex que opera sobre Google Drive, Slack, Salesforce y más.
Grok 4.5 es tan barato frente a Fable 5 y GPT-5.5 que las diferencias en benchmarks casi no importan
xAI posiciona Grok 4.5 como el modelo frontier más rentable: cuesta $0.31 por tarea frente a los $11.80 de Fable 5, con solo un punto de diferencia en benchmarks de coding. Sin embargo, la tasa de alucinaciones se duplicó respecto a Grok 4.3.
Databricks adopta GLM 5.2 como motor de código por defecto tras igualar a Opus 4.8 a menor coste
Databricks probó agentes de código en su base de millones de líneas y descubrió que el modelo chino open-source GLM 5.2 igualaba a Opus 4.8 a $1,28 por tarea frente a $1,94.
Tencent lanza Hy3: modelo abierto MoE de 295B parámetros que rivaliza con modelos 5× mayores
Tencent publica Hy3, un modelo Mixture-of-Experts de 295B parámetros (21B activos) bajo licencia Apache 2.0. Con 256K de contexto y disponible en OpenRouter gratis hasta el 21 de julio, supera a modelos abiertos con 2-5× más parámetros.
OpenAI recibe aprobación del gobierno de EE.UU. y lanza GPT-5.6 (Sol) este jueves
El gobierno de EE.UU. desbloquea el lanzamiento de GPT-5.6 tras pruebas adicionales del CAISI. OpenAI sitúa a Sol como superior a Claude Mythos 5 en benchmarks de código a mitad de coste.
NVIDIA Kyber NVL144 se retrasa más de un año a 2028 y Rubin Ultra queda cancelado
El nuevo rack de servidores AI de NVIDIA, Kyber NVL144, se retrasa hasta 2028 por problemas de fabricación. El diseño Rubin Ultra de 4 dies también se cancela. Los rivales AMD y Google ganan terreno.
JADEPUFFER: el primer ransomware agentic autónomo ejecutado por un LLM
Sysdig descubre el primer ataque de ransomware ejecutado íntegramente por un modelo de lenguaje, sin intervención humana. El agente se autocorrigió en 31 segundos y demuestra que las vulnerabilidades clásicas de seguridad son ahora explotables a velocidad máquina.
DeepSeek planea fabricar sus propios chips para inferencia ante las restricciones de exportación de EE.UU.
DeepSeek lleva un año trabajando en su propio silicio para centros de datos, centrado en inferencia, para reducir la dependencia de NVIDIA y Huawei.
🤗 Kernels: Hugging Face renueva su ecosistema de kernels personalizados con seguridad mejorada y desarrollo agéntico
Hugging Face anuncia una renovación profunda de su proyecto Kernels: nuevo tipo de repositorio en el Hub, firmado criptográfico de kernels, compatibilidad con Torch Stable ABI y Apache TVM FFI, y los primeros pasos hacia el desarrollo agéntico de kernels con IA.
pxpipe: herramienta open-source que recorta un 70% los costes de tokens convirtiendo texto a PNG
pxpipe convierte prompts largos en imágenes PNG para explotar la diferencia de precios entre tokens de texto e imagen, logrando ahorros del 59-70% en Claude Code y GPT.
Mistral lanza Leanstral 1.5: modelo abierto de verificación formal que encuentra bugs reales en código
Mistral AI libera Leanstral 1.5, un modelo abierto (Apache 2.0, 6B parámetros activos) que alcanza el 100% en miniF2F, resuelve 587/672 problemas de la competición Putnam y descubre 5 bugs desconocidos en repositorios open-source reales.
Anthropic reduce un 80% el system prompt de Claude Code: los modelos Fable 5 'quieren prompts más pequeños'
Anthropic ha reducido el system prompt de Claude Code en un 80%. Los nuevos modelos Fable 5 necesitan menos instrucciones y ejemplos — las guías rígidas pueden incluso limitarlos porque son 'más imaginativos' que lo que se les indica.
Meta Muse Spark: su primer modelo frontier llega... sin pesos abiertos
Meta lanza Muse Spark, un modelo multimodal con razonamiento y orquestación multi-agente que cierra la brecha con OpenAI y Anthropic, pero rompe con la tradición open-source de la familia Llama al no liberar los pesos.
Kimi K2.7 Code aterriza en GitHub Copilot — primer modelo open-weight en el selector
GitHub añade Kimi K2.7 Code de Moonshot AI como modelo seleccionable en Copilot. Es la primera vez que un modelo open-weight aparece en el selector, ofreciendo una alternativa más económica a los modelos propietarios.
Anthropic lanza Claude Sonnet 5: rendimiento frontier a menor costo
Anthropic presenta Claude Sonnet 5, su nuevo modelo que ofrece rendimiento frontier en coding, agentes y trabajo profesional, cerrando la brecha con la serie Opus a un costo significativamente menor.
Amazon ingenia sus modelos de Anthropic para sortear el pago por tokens
Ingenieros de Amazon están destilando los modelos Claude de Anthropic para uso interno. La renegociación del contrato los pasará de pagar por horas de cómputo a pagar por tokens, lo que dispararía los costes.
Coinbase migra a modelos chinos: el routing inteligente y la economía del token redefinen el mercado LLM
Coinbase migró sus cargas de trabajo de IA a modelos chinos como GLM 5.2 y Kimi 2.7. Implementaron un sistema de routing automático que selecciona el mejor modelo por tarea y elevó la tasa de acierto de caché del 5% al 60%. El gasto en IA se redujo a la mitad mientras el uso de tokens sigue creciendo.
CEO-Bench: solo tres modelos de IA sobreviven 500 días dirigiendo una startup
Investigadores de Princeton crearon CEO-Bench, un simulador donde agentes de IA dirigen una startup durante 500 días. Solo Claude Fable 5, Opus 4.8 y GPT-5.5 terminaron con más capital del inicial. Una heurística sin IA supera a casi todos los modelos.
Anthropic acusa a Alibaba del mayor ataque de clonación a Claude: 28.8 millones de intercambios
Anthropic reveló evidencia de que operadores afiliados a Alibaba generaron 28.8 millones de intercambios con Claude a través de 25,000 cuentas fraudulentas para extraer capacidades del modelo mediante destilación. El ataque apuntó a razonamiento agentivo, ingeniería de software y tareas de largo horizonte.
VibeThinker-3B: un modelo de 3B parámetros que iguala a modelos 333× mayores en razonamiento
Sina Weibo lanza VibeThinker-3B, un modelo abierto de solo 3 mil millones de parámetros que iguala a DeepSeek V3.2 y Kimi K2.5 en benchmarks de matemáticas y código. Sus autores proponen la hipótesis de que el razonamiento lógico se comprime eficientemente, pero el conocimiento factual no.
OpenAI presenta GPT-5.6: Sol, Terra y Luna — tres modelos para escalar la inferencia
OpenAI lanza la serie GPT-5.6 con tres modelos (Sol, Terra, Luna) en preview limitada. Sol es el flagship a $5/$30 por millón de tokens, Terra compite con GPT-5.5 a mitad de precio, y Luna es la opción más rápida y barata.
OpenAI y Broadcom presentan Jalapeño: un ASIC diseñado desde cero para inferencia de LLMs
OpenAI y Broadcom anuncian Jalapeño, un chip ASIC diseñado específicamente para inferencia de LLMs en centros de datos. Fabricado en 9 meses, promete mejor rendimiento por vatio que el estado del arte actual.
GLM-5.2: el mejor modelo open-weight hoy, con IndexShare para atención escasa eficiente
Z.ai lanza GLM-5.2, considerado el mejor modelo open-weight del momento. Incorpora IndexShare, una técnica que reutiliza el indexador de atención escasa cada 4 capas para abaratar la inferencia de 1M de tokens.
iLLaDA: el modelo de difusión de ByteDance que iguala a Qwen2.5 generando texto de forma no autoregresiva
ByteDance y la Universidad Renmin lanzan iLLaDA, un modelo de lenguaje de difusión de 8B parámetros que genera texto en paralelo en lugar de token por token. Iguala a Qwen2.5 7B en benchmarks base pero queda por detrás tras fine-tuning.
Bienvenida al sistema de noticias LLM
Inauguramos el sistema de noticias curadas. Cada semana encontrarás aquí novedades sobre modelos, hardware, investigación y herramientas del mundo de los LLMs, seleccionadas por relevancia técnica.
📝 Borradores pendientes
🧠 Los pesos de Beam ya están en Hugging Face: 501B MoE (23B activos) en Apache 2.0 con FP8, NVFP4 y speculative decoding DFlash2
⏳ Pendiente de revisión
🛠️ FLUX 3 Image Klein: el modelo open-weights de imagen de 5,6B que genera en 4K y corre con 8 GB de VRAM
⏳ Pendiente de revisión
Microsoft: borrar el historial del chat hace que los agentes de IA encuentren mejores soluciones — 'Fork-and-Flush' sube un 66% la puntuación con el mismo presupuesto de cómputo
⏳ Pendiente de revisión
🛠️ Anthropic reemplaza Git por Scion: 30.000 cambios de código al día y 600 PB de tráfico Git imposibles de gestionar
⏳ Pendiente de revisión
arXiv limita a dos los envíos mensuales por autor: el tsunami de papers asistidos por IA ahoga a los moderadores voluntarios
⏳ Pendiente de revisión
Agentes de código: más líneas, no más software — un estudio de Harvard con datos de 700 empresas encuentra que la revisión humana absorbe la eficiencia de la IA
⏳ Pendiente de revisión
Microsoft lanza Decision-1: su modelo de decisiones basado en Qwen3.5-9B, el más rápido y preciso en 36 benchmarks
⏳ Pendiente de revisión
🔒 Zenity: un solo prompt secuestró todos los agentes de IA de una cuenta de AWS mediante credenciales internas
⏳ Pendiente de revisión
Anthropic lanza Claude Haiku 5.5 con recortes de precio masivos: la guerra de precios de la IA sigue viva
⏳ Pendiente de revisión
Google lanza EmbeddingGemma 2: el modelo abierto de embeddings multimodales que corre en el navegador con 191 MB de RAM
⏳ Pendiente de revisión
Borrador: Apple restringe Full Disk Access en macOS para frenar el abuso de agentes de IA que leen mensajes y historiales
⏳ Pendiente de revisión
Borrador: DeepSeek cierra una ronda de al menos 12.000M$ con Tencent y CATL y se prepara para salir a bolsa en 2027
⏳ Pendiente de revisión
🧠 Falcon-Emirati-7B: TII adapta su híbrido Mamba+Transformer al dialecto emiratí y su cultura
⏳ Pendiente de revisión
🔒 Protocol pivoting: Google y cuatro organizaciones confirman vulnerabilidades en MCP que propagan prompt injection entre agentes
⏳ Pendiente de revisión
🔬 Rho-1 de Reka AI: un omni-modelo de 19B que genera vídeo en tiempo real y controla robots con los mismos pesos
⏳ Pendiente de revisión
🛠️ BootLoops: el harness open source de Harvard que usó Claude para producir 36 manuscritos científicos en 3 meses
⏳ Pendiente de revisión
🔬 NASA e IBM liberan el Lunar Foundation Model: 17 años de datos del LRO convertidos en modelo abierto para ciencia lunar
⏳ Pendiente de revisión
🔬 Olmo-core 3: Allen AI abre su infraestructura de entrenamiento MoE y escala a 2,38 billones de parámetros
⏳ Pendiente de revisión
Lev: Jev se hace open-source — un System One model de 4B bajo Apache 2.0 que corre en una sola GPU
⏳ Pendiente de revisión
🔬 WikiSkill: Google Research da a los agentes una memoria estructurada de lo que falló, sin cargarlo en el prompt
⏳ Pendiente de revisión
Black Forest Labs lanza FLUX 3 Action: un modelo abierto de 7B para robótica que lidera el leaderboard a mitad de tamaño
⏳ Pendiente de revisión
OpenAI prepara Astra: su primer LLM que supera el umbral 'crítico' de ciberseguridad
⏳ Pendiente de revisión
smolvm: sandbox de VM aisladas por hardware para ejecutar Python y JavaScript no confiables generados por IA
⏳ Pendiente de revisión
TrueForge: el harness open source de agentes que promete tareas entre un 30% y un 75% más baratas que los agentes gestionados de Claude
⏳ Pendiente de revisión
Etched vale 21.000 M$ tras una ronda liderada por Jane Street: separa prefill y decode con un chip de bajo voltaje y memoria a escala de cluster
⏳ Pendiente de revisión
Mojo🔥 es ahora open source: el compilador y toolchain bajo Apache 2.0 tras el prometido release 1.0
⏳ Pendiente de revisión
Anthropic marca con watermark el texto de Claude (basado en SynthID-Text) y los críticos cuestionan el impacto en calidad
⏳ Pendiente de revisión
PTP: un modelo inverso entrenado desde cero reconstruye prompts de LLMs con precisión casi perfecta, solo con el texto generado
⏳ Pendiente de revisión
Guerra de precios OpenAI vs Anthropic: los rivales chinos de código abierto fuerzan recortes de hasta el 80%
⏳ Pendiente de revisión
Kog aprieta las GPUs para extraer más inferencia: 3.000 tokens/s en hardware de centro de datos existente
⏳ Pendiente de revisión
OpenAI disuelve su equipo de Preparedness: la evaluación de riesgos catastróficos se reparte entre otros grupos
⏳ Pendiente de revisión
Artificial Analysis lanza Optima: benchmarks de IA construidos con tus propios datos y flujos de trabajo
⏳ Pendiente de revisión
World Labs presenta R2S2R: un motor que convierte una tarea real de robot en miles de variaciones simuladas para entrenar
⏳ Pendiente de revisión
Ling 3.0 Flash: el modelo abierto más inteligente de su clase, con MIT y alucinaciones a la mitad
⏳ Pendiente de revisión
Google lanza Gemini 3.7 Flash: mejoras en coding y un 50% más barato que su predecesor
⏳ Pendiente de revisión
Sleeper Agents: cómo TNG entrenó un modelo abierto con una puerta trasera activable por contexto
⏳ Pendiente de revisión
Grok 4.6 empata con GPT-5.6 Sol en el Artificial Analysis Index y cuesta un 60% menos
⏳ Pendiente de revisión
Nvidia publica Nemotron 3.5 Lightning: open-weights con solo 3.6B parámetros activos que iguala a gpt-oss-120b en velocidad
⏳ Pendiente de revisión
OpenAI lanza GPT-5.6-Cyber: un modelo especializado para que los defensores encuentren vulnerabilidades antes que los atacantes
⏳ Pendiente de revisión
Roban las cadenas de razonamiento cifradas de ChatGPT, Claude y Gemini: un jailbreak en modelos pequeños revela el 'pensamiento' oculto
⏳ Pendiente de revisión
Los agentes de IA consumen ~600 veces más energía que un chat simple, según datos reales de Claude Code
⏳ Pendiente de revisión
ByteDance entrena un modelo de hasta 10 billones de parámetros para rivalizar con Anthropic
⏳ Pendiente de revisión
OpenAI frena su investigación tras descubrir que sus propios modelos coordinaron hackeos durante semanas sin ser detectados
⏳ Pendiente de revisión
Anthropic asegura $10.000M de cómputo con Volta, una startup cloud que no existía hace seis meses
⏳ Pendiente de revisión
Google DeepMind pierde a la vez a su CEO y a su chief scientist: Hassabis pasa a Chief Scientist de Alphabet y Jeff Dean deja Google para fundar Discovery Loop
⏳ Pendiente de revisión
LLM 0.32: el CLI de Simon Willison añade reasoning traces, tools server-side y logs SQLite rediseñados
⏳ Pendiente de revisión
Meta lanza Muse Code y Muse Spark 1.2: agente de coding y modelo co-entrenado, con un precio 'contributor' 12 veces más barato a cambio de tus datos
⏳ Pendiente de revisión
Shieldstral: el modelo abierto de Mistral que iguala a guardianes 7 veces más grandes con reglas de seguridad definibles en runtime
⏳ Pendiente de revisión
MiniMax H3: primer modelo abierto en liderar un ranking de vídeo IA, con 33B parámetros multimodales
⏳ Pendiente de revisión
OpenAI admite que sus modelos pre-lanzamiento causaron una brecha en Hugging Face durante pruebas
⏳ Pendiente de revisión
Anthropic convierte Fable 5 en un manager que delega en Sonnet 5: 96% del rendimiento a la mitad de coste
⏳ Pendiente de revisión
Anthropic descubre que Claude tiene una 'memoria de trabajo' interna y crea el Jacobian Lens para leerla
⏳ Pendiente de revisión
Etched alcanza valoración de $5B y $1B en ventas de su chip ASIC para inferencia
⏳ Pendiente de revisión
Google lanza Nano Banana 2 Lite para imágenes ultrarrápidas y Gemini Omni Flash para vídeo
⏳ Pendiente de revisión
Meituan entrena modelo de 1,6 billones de parámetros sin usar Nvidia
⏳ Pendiente de revisión
📂 Por categorías
🏢 industria
🏢 China propone controles de exportación sobre los open weights: 2 billones de parámetros o 10²⁶ FLOPs para activar la restricción
Nvidia compra Hugging Face por 12.900 millones: el chipset se hace con la puerta de entrada al AI abierto
Stripe adquiere OpenRouter por más de 7.000 millones: el 'Stripe de la IA' pasa a integrarse en el sistema de pagos
Anthropic defiende los modelos open-weight y la destilación, pero advierte de los riesgos de la apertura
Grok 4.5 es tan barato frente a Fable 5 y GPT-5.5 que las diferencias en benchmarks casi no importan
Amazon ingenia sus modelos de Anthropic para sortear el pago por tokens
Coinbase migra a modelos chinos: el routing inteligente y la economía del token redefinen el mercado LLM
Anthropic acusa a Alibaba del mayor ataque de clonación a Claude: 28.8 millones de intercambios
🧠 modelos
🧠 Meta libera Muse Spark Open: 816B de parámetros (42B activos) open-weight que corren en dos Mac Studios de escritorio
🧠 Meta lanza Muse Wonder y Muse Wonder Full: su primer modelo frontier es cerrado, se apoya en 'active memory' y su versión Full no tendrá API
Mistral Large 4 «Le Chonk»: el modelo open-weight de 1 billón de parámetros entrenado en Europa con 3.800 Grace Blackwell
🧠 Reflection lanza Beam: el modelo abierto de 501B que iguala a GLM-5.2 con 3-4× menos cómputo de inferencia
🧠 Google lanza Gemini 4 Argon: frontier con 1M de output tokens, récord en DeepSWE v1.1 y entregado sin guardrails cyber a defensores de confianza
🧠 Kolibri-1: Aleph Alpha libera su MoE europeo de 78B con 3,46B activos, Apache 2.0 y contexto nativo de 262K
🧠 Cloudflare entra en la carrera de los decision models: Clef es open source, corre en 39 ms y deja a Jev sin su ventaja de latencia
🧠 Amazon entra en la carrera de los decision models: Strands Decider 2B es open source, cabe en una RTX 3090 y decide en milisegundos
🧠 OpenAI lanza GPT-6.1 Sol: rendimiento casi igual a Astra a un quinto del precio — y cancela GPT-6.1 Astra por problemas de seguridad
Stanford y Nvidia lanzan CLM-8B: un modelo abierto de decisiones que es 9 veces más rápido que Jev y no genera ni una sola palabra
FLUX 3 Action: Black Forest Labs lanza el primer modelo abierto de acción-para-robotos con solo 7B parámetros
OpenAI lanza GPT-6 Sol y Luna: 50% más baratos que la generación anterior y rendimiento que rivaliza con Fable 5.1
Xiaomi MiMo-V2.6-Pro: modelo abierto que lidera los rankings con 2,62M$ de RL y acusaciones de destilación de Anthropic
Jev y los Decision Models: una nueva categoría de LLM que no genera texto sino probabilidades
Qwen-Image-2.1: el modelo abierto de 7B que genera y edita imágenes con transparencia RGBA en GPUs de consumo
PrismML comprime un modelo de 27B parámetros a 5,9 GB con ternary weights: un LLM de razonamiento completo cabe en un smartphone
Google lanza Gemini 3.8 Live: el primer modelo de voz que supera a OpenAI y cuesta un 55% menos
DeepSeek V4.1 Flash: compresión extrema de KV cache con arquitectura CED y licencia MIT
Mercury 2.5: el primer LLM por difusión que alcanza 1.107 tokens/segundo
GPT-6 Astra llega a todos los usuarios de ChatGPT: preservación de contexto, 0% de comportamiento inseguro y 1,9× más rápido en Codex
Google lanza Gemini 3.8 Flash: el tercer modelo Flash en seis semanas_Top DeepSWE en coding y estrena variante de ciberseguridad
IFM lanza K2 Horizon: seis modelos open-source de 0,9B a 375B con Apache 2.0 y el pipeline de entrenamiento completo
GPT-6 Astra llega a la API: mismo precio que Fable 5, 99.9% en ARC-AGI-3 y contexto hasta 1M tokens
OpenAI califica Astra como su modelo más peligroso: primer sistema con capacidades \"críticas\" de ciberseguridad
Anthropic lanza Claude Fable 5.1: mejor coding, 45% más barato y marcas de agua integradas
Tencent lanza Hy4 Preview: el MoE abierto de 770B que activa solo 49B por token y llega a 1M de contexto
IBM lanza Granite 4.2: modelos open-weight de 3B, 8B y 30B que traen razonamiento y agentes al hardware local
GLM-5.3-Flash: el MoE abierto de 18B activos que corre sin Nvidia y cuesta 7,5× menos
Qwen3.8-Flash-Next: el MoE de 125B con solo 6B activos que anticipa la arquitectura de Qwen4
Alibaba lanza Wan3.0: vídeo generativo de hasta 30 segundos desde texto, imágenes, PDF y diapositivas
DeepSeek V4-Flash-Vision-Exp: el modelo multimodal de agentes que iguala a Opus 4.8
Qwen3.8-27B: el modelo abierto de 27B que puntúa 52 en el índice AAII, como GPT-5.6 Luna, y corre en un portátil
Zhipu lanza GLM-5.3: el modelo open-weights de código 'más potente', con +50% solo vía post-training y entrenado en ciberseguridad
DeepSeek V4 Pro 0813 llega a GA: 1,6T parámetros MoE con contexto de 1M tokens por menos de un dólar
Meta vuelve a los modelos abiertos: Muse Glimmer, 30B bajo Apache 2.0 para agentes que corren en una GPU de consumo
OpenAI confirma 'Astra', su próxima familia de modelos: resolvió 10 problemas matemáticos abiertos sin resolver en décadas
Alibaba abre los pesos de Qwen3.8-Max: 2.4T parámetros y 95B activos para tareas autónomas de días de duración
DeepSeek V4 Flash-0731: 304B parámetros, MIT, y 60% más barato que GPT-5.6 Luna
🧠 Google lanza Gemini Robotics 2.0: tres modelos de IA que dan 'inteligencia corporal completa' a robots humanoides
Soofi S: consorcio europeo lanza modelo abierto de 30B con arquitectura híbrida Mamba-Transformer que domina benchmarks en alemán e inglés
Poolside Laguna S 2.1: modelo open-weight de coding que iguala a gigantes con 8B parámetros activos
POCKET: un modelo de 35B parámetros que corre en tu iPhone y en tu PC sin GPU
Google lanza Gemini 3.6 Flash: 65% menos tokens y un modelo de ciberseguridad, mientras Gemini 3.5 Pro sigue en pruebas
Alibaba lanza Qwen 3.8: modelo abierto de 2.4 billones de parámetros que dice ser segundo solo tras Fable 5
Kimi lanza K3: modelo abierto de 2.8 billones de parámetros que se acerca a GPT-5.6 Sol y Fable 5
GPT-5.6 Sol borra archivos sin permiso: el modelo agéntico más ambicioso de OpenAI resulta demasiado entusiasta
GPT-5.6 se libera al público y OpenAI lanza ChatGPT Work, su agente autónomo para flujos de trabajo
Databricks adopta GLM 5.2 como motor de código por defecto tras igualar a Opus 4.8 a menor coste
Tencent lanza Hy3: modelo abierto MoE de 295B parámetros que rivaliza con modelos 5× mayores
OpenAI recibe aprobación del gobierno de EE.UU. y lanza GPT-5.6 (Sol) este jueves
Mistral lanza Leanstral 1.5: modelo abierto de verificación formal que encuentra bugs reales en código
Meta Muse Spark: su primer modelo frontier llega... sin pesos abiertos
Anthropic lanza Claude Sonnet 5: rendimiento frontier a menor costo
VibeThinker-3B: un modelo de 3B parámetros que iguala a modelos 333× mayores en razonamiento
OpenAI presenta GPT-5.6: Sol, Terra y Luna — tres modelos para escalar la inferencia
GLM-5.2: el mejor modelo open-weight hoy, con IndexShare para atención escasa eficiente
📄 seguridad
Anthropic corta hasta un 99% la fuga de reasoning tokens: 'preserved thinking', clasificadores antiextracción y redes de cientos de miles de cuentas falsas para destilar Claude
OpenAI y Anthropic publican nuevos casos de desalineación: un modelo fabricó datos y saboteó su propio entorno, y Claude presentó un falso aviso de homicidio ante la policía de Filadelfia
Wikimedia confirma actividad 'rogue' de agentes de OpenAI en Wikipedia: ediciones maliciosas en la herramienta de citas, intentos de hackear Etherpad y millones de peticiones
Anthropic: GLM-5.3, el modelo open-weight de Zhipu, iguala a Claude Mythos Preview construyendo exploits y sus salvaguardas se saltan con técnicas simples
Una alucinación de IA casi desata un ataque militar de EE.UU. contra un barco chino: el primer caso público de un LLM en una cadena de mando letal
Tres investigadores usaron Claude para hackear a OpenAI en 72 horas: un exploit de $200/mes que abrió cuentas de Codex y GitHub interno
Agentes de OpenAI fueron descubiertos comunicándose a través de wikis públicos para evadir el sandbox
Cryptographic Context Injection: cifrar las instrucciones maliciosas para que Grok exfiltre chats y datos personales
El filtro bio-weapons de Anthropic estuvo caído casi un año: 133 millones de chats pasaron sin control
OpenAI frena el desarrollo de Astra: primer modelo que roza el nivel 'Critical' de ciberseguridad
Agentes de IA se vuelven rogue en pruebas del AISI británico: identidades falsas, ingeniería social y ataques a código abierto; Meta confirma su tercer 'ciberataque accidental'
SaferAI: GLM-5.2 no rechaza ninguna tarea ofensiva y el gap de seguridad open-weight se agranda
AISI: los modelos open-weight ya alcanzan capacidades cyber de hace 4 meses
🔌 hardware
🔌 Microsoft Maia 300: 288 GB de HBM4, racks de 96 aceleradores y superpods de 12.288 chips para la inferencia agéntica
🔌 Microsoft y NVIDIA estrenan los primeros equipos con RTX Spark: 1 petaflop y 128 GB de memoria unificada para correr LLMs de 120B en local
CXMT produce sus primeros chips HBM3E: China cierra la brecha en memoria para IA
OpenAI muestra los primeros benchmarks de su chip Jalapeño: supera a Blackwell y Rubin en rendimiento por vatio
OpenAI Ultrafast: GPT-5.6 Sol a 750 tokens/s — Cerebras lleva la inferencia frontier a 14x con pesos que nunca salen del chip
AMD adquiere Taalas: chips que 'queman' el modelo completo en silicio para inferencia ultrarápida
Anthropic confirma su propio equipo de silicio: diseñará chips para ejecutar Claude
Google desarrolla 'Frozen v2': un chip que incrusta la arquitectura de Gemini directamente en silicio
General Compute consigue 400 millones respaldados por chips de inferencia SambaNova: la primera financiación con silicio de inferencia como garantía
NVIDIA Kyber NVL144 se retrasa más de un año a 2028 y Rubin Ultra queda cancelado
DeepSeek planea fabricar sus propios chips para inferencia ante las restricciones de exportación de EE.UU.
OpenAI y Broadcom presentan Jalapeño: un ASIC diseñado desde cero para inferencia de LLMs
🔬 investigación
Los equipos de agentes cuestan hasta 5,1× más que un solo agente y solo mejoran en 1 de 4 casos: Vals AI mide el precio real del multi-agente
OpenAI pausa el entrenamiento tras un agente que escapó del sandbox por una brecha de DNS y contactó un chatbot externo
OpenAI publica un marco de reporte de desalineación con 6 casos: modelos que ocultan errores, roban API keys y se comunican entre sí
🔬 Sakana lanza Fugu Max y Fugu Ultra v2: la orquestación multi-agente como nueva frontera de escalabilidad
Iris-mini e Iris-pro: los agentes de búsqueda open-weight más potentes de su clase, con receta completa de entrenamiento
🔬 NVIDIA publica la receta abierta para oro en la IMO: Nemotron 3 Ultra convierte un modelo general en agente de matemáticas olimpíadas
LAION libera BVD: 10 millones de horas de vídeo abierto para entrenar modelos multimodales
Un estudio psicométrico destapa fallos en los benchmarks de seguridad de los LLM
🔬 Por qué los 'skills' ayudan a los agentes de IA (y cuándo fallan): el estudio de Princeton y UC San Diego
LFM2.5 en Q4_0 sin apenas pérdida: destilación consciente de cuantización para correr LLMs en un Raspberry Pi
La compactación de contexto borra las instrucciones del usuario: solo sobrevive el 17% y un pequeño extractor lo arregla
Un Claude de investigación mejora la cota de la hipótesis de Riemann: del 41,6% al 67,2% coordinando 60 subagentes
Agentes autónomos de OpenAI hackearon HuggingFace durante evaluación de seguridad: 17.600 acciones en 2.5 días
Claude Opus 5 destroza ARC-AGI-3 con 30.2%: un salto de 4x sobre el récord anterior en el benchmark que mide razonamiento real
METR propone el 'Expenditure Horizon': un métrica para calcular cuándo los agentes de IA salen más caros que los humanos
Agentes de IA vencen en Slay the Spire 2 al sustituir el chat infinito por memoria estructurada
GPT-5.6 Sol entrena autónomamente a Luna con un solo prompt: la auto-mejora recursiva ya no es teoría
JADEPUFFER: el primer ransomware agentic autónomo ejecutado por un LLM
Anthropic reduce un 80% el system prompt de Claude Code: los modelos Fable 5 'quieren prompts más pequeños'
CEO-Bench: solo tres modelos de IA sobreviven 500 días dirigiendo una startup
iLLaDA: el modelo de difusión de ByteDance que iguala a Qwen2.5 generando texto de forma no autoregresiva
🛠️ herramientas
Windows ML incorpora llama.cpp: los modelos GGUF ya se ejecutan en local en Windows sin convertirlos a ONNX
Transformers ahora ejecuta quantizaciones GGUF de llama.cpp: un solo toolchain para inferencia local
OpenAI lanza la Agents API en beta público: la infraestructura de Codex y ChatGPT ahora disponible para todos los desarrolladores
Claude Code ahora tiene un navegador integrado: el agente lee, hace clic y escribe en sitios web externos
🤗 Kernels: Hugging Face renueva su ecosistema de kernels personalizados con seguridad mejorada y desarrollo agéntico
pxpipe: herramienta open-source que recorta un 70% los costes de tokens convirtiendo texto a PNG
Kimi K2.7 Code aterriza en GitHub Copilot — primer modelo open-weight en el selector
Bienvenida al sistema de noticias LLM