OpenAI construye su backend Git Pando con Codex, Anthropic presenta FlashProve, Cohere abre Model Vault a los modelos abiertos

OpenAI detalla Pando, el backend Git de su monorepositorio construido con Codex en diez semanas, que sirve cerca de un petabyte (1 Po) de datos al día; Claude Code 2.1.317 ahora pide autorización antes de enviar la dirección de correo electrónico de la cuenta, y GitHub Copilot llega a JetBrains Air. Anthropic presenta FlashProve, un prototipo de pruebas criptográficas de inferencia, OpenAI multiplica por más de cuatro las recompensas medianas por vulnerabilidades y Cohere abre Model Vault a los modelos abiertos de otros proveedores. Google publica PLE, un banco de pruebas de ingeniería en el que ningún agente supera el 50 %, y el 1 de diciembre redirigirá las solicitudes dirigidas a Gemini 2.5 Pro y 2.5 Flash hacia modelos más recientes.

Agentes de programación: OpenAI construye Pando con Codex, Claude Code 2.1.317, GitHub Copilot en JetBrains Air

OpenAI sustituye el backend Git de su monorepositorio por Pando, construido con Codex en diez semanas

2 de noviembre — OpenAI detalla Pando, el nuevo backend Git que ahora sustenta todo el desarrollo de su monorepositorio (monorepo), compatible con el protocolo y el cliente Git. La causa es Codex: las ramas, los push, las fusiones y las recuperaciones se han multiplicado, y a finales de 2025 la fiabilidad del sistema anterior caía a veces por debajo del 90 %. Según un gráfico de la publicación, los commits integrados en la rama principal en el tercer trimestre de 2026 superan en un 1 378 % a los del primer trimestre de 2024.

We built Pando, a new Git backend for our monorepo, to handle more pushes and fetches without changing how our engineers and agents use Git. Pando cut push latency by ~80% and now serves nearly a petabyte of Git data a day. We can grow Git capacity alongside agent usage.

🇪🇸 Hemos creado Pando, un nuevo backend Git para nuestro monorepositorio, con el fin de procesar más push y recuperaciones sin cambiar la forma en que nuestros ingenieros y agentes utilizan Git. Pando ha reducido la latencia de los push en aproximadamente un 80 % y ahora sirve cerca de un petabyte de datos Git al día. Podemos ampliar la capacidad de Git al ritmo del uso de los agentes. — @OpenAIDevs en X

Para soportar la carga, Pando renuncia a una vista coherente de todas las referencias en un momento dado: cada rama se actualiza de forma independiente, y los archivos pack recibidos se vuelven a servir tal cual a los demás clientes, desde cachés regionales.

Indicador medido por OpenAI	Valor anunciado
Latencia mediana de los push	dividida entre casi cinco (aproximadamente -80 %)
Datos Git servidos	cerca de un petabyte (1 Po) al día
Pico por hora	más de 57 To en una hora, más del 99 % desde la caché
Clonaciones y recuperaciones	enlaces de 10 Gbit/s saturados en VM estándar
Plazo de construcción	10 semanas con Codex, en producción desde abril de 2026

El núcleo fue diseñado por un solo ingeniero e implementado por equipos de agentes, que también escribieron código Lean y TLA+ con GPT-6 Astra para formalizar Pando y detectar bugs. OpenAI ha aportado varios parches al proyecto Git y afirma que estudia formas de compartir esta tecnología, sin producto ni fecha.

🔗 La publicación de OpenAI sobre Pando

Claude Code 2.1.317 pide autorización antes de enviar el correo electrónico de la cuenta y añade un informe de costes a la pasarela Claude apps

3 de noviembre — Claude Code 2.1.317 se publica en GitHub a las 01 h 25 UTC, tras haber pasado por npm la noche anterior. De sus 87 entradas, 62 son correcciones, pero la versión añade una protección de privacidad: Claude Code ahora pide autorización antes de que una llamada a una herramienta web o shell envíe la dirección de correo electrónico de la cuenta por la red. En la misma línea, /schedule avisa cuando una nueva tarea programada en la nube recibe conectores que no se han solicitado e indica cómo eliminarlos.

Novedad de la 2.1.317	Qué cambia
Pasarela Claude apps	Informe de costes `GET /v1/organizations/analytics/cost`: gastos por desarrollador, por día o por grupo IdP
SDK Agent	`onFailure: "block"`: un callback de hook que falla bloquea la acción en lugar de dejarla pasar
Subagentes y compañeros	Si usan un modelo distinto al de la conversación, adoptan el esfuerzo guardado para ese modelo
Herramienta Read	Volver a leer un archivo sin cambios devuelve su contenido, y ya no una simple mención
OpenTelemetry	Nuevos atributos, entre ellos `anthropic.plan` y `anthropic.seat_type`

Entre las correcciones, el modo auto ya no se atasca en cada turno detrás de una pasarela LLM que responde con 403 o 422 a su comprobación de seguridad, Grep y Glob ya no presentan resultados parciales como completos cuando una búsqueda alcanza su límite de tiempo, y claude auth status ya no corre el riesgo de desconectar al usuario tras una actualización lenta del token. En npm, el canal estable sigue en la 2.1.311.

🔗 Las notas de la versión de Claude Code 2.1.317

GitHub Copilot llega a JetBrains Air, en local y en tareas en la nube con la suscripción a Copilot

3 de noviembre — GitHub Copilot se convierte en uno de los agentes de JetBrains Air, el entorno de JetBrains diseñado para desarrollar con agentes y abierto a cualquier agente compatible con el Agent Client Protocol (ACP). Se elige en el selector de agentes de Air, con la suscripción existente a Copilot, para delegarle una tarea, guiar su ejecución y revisar el resultado junto al código; Air sigue varias sesiones en paralelo. GitHub lo presenta como una opción junto a su plugin Copilot para JetBrains, no como un sustituto.

Modo de ejecución	Requisitos	Cómputo del uso
Local, en el IDE JetBrains	Air instalado en el IDE, GitHub Copilot seleccionado, cuenta de Copilot conectada	Suscripción existente a Copilot
Nube, mediante Air Teams	Organización business de JetBrains con Air Teams, Copilot activado por el administrador de Air	Plan de Copilot, sin usar los créditos de JetBrains AI

Cada tarea en la nube se ejecuta en un contenedor Docker sobre una máquina virtual nueva, detrás de un proxy por el que pasa todo el tráfico, sin conservar el estado entre tareas. GitHub también enumera limitaciones: la suscripción y los créditos solo se comprueban al iniciar el entorno en la nube, no se puede elegir entre el plan personal y el de la organización para cada tarea, y no hay ningún límite de gasto de Copilot configurable en Air, donde los administradores solo pueden desactivar Copilot.

🔗 El anuncio del GitHub Changelog

Seguridad: FlashProve en Anthropic, recompensas por vulnerabilidades de OpenAI, CWE-bench v2 y CyberArena

Anthropic presenta FlashProve, un prototipo open source de pruebas criptográficas de inferencia para grandes modelos

2 de noviembre — El equipo Frontier Red Team de Anthropic publica FlashProve, un prototipo de investigación de inferencia demostrable (provable inference), anunciado en X el 3 de noviembre: permite verificar que una respuesta procede realmente de un modelo determinado. El proveedor publica primero un compromiso (commitment) sobre los pesos y después adjunta a cada respuesta una prueba criptográfica sucinta de conocimiento cero (zkSNARK) que demuestra que esos pesos, aplicados a ese prompt, producen exactamente esos tokens. Los pesos permanecen ocultos, pero la arquitectura del modelo no. Según Anthropic, Claude produjo las mejoras del sistema y redactó la especificación del protocolo, cuyas propiedades de seguridad están demostradas en Lean.

Medición publicada (Llama 4 Maverick, pesos de 4 bits)	Valor anunciado
Rendimiento de generación de pruebas en un solo H100	aproximadamente 110 tokens por segundo
Tamaño de una prueba (solicitud de 1 024 tokens)	aproximadamente 19 Mo
Verificación en procesador, sin GPU	17 segundos en 24 threads
Sobrecoste respecto a vLLM, por GPU	aproximadamente 72 veces, 94 veces con la carga más alta
VerInf, referencia anterior para este modelo	14,3 horas para 1 000 tokens, prueba de 93,6 Go

Los usos citados van desde el seguimiento del ritmo de desarrollo por parte de un regulador hasta la detección de un servidor de inferencia comprometido o de un modelo sustituido, pasando por la procedencia del texto. Los límites son claros: contextos de 1 024 tokens como máximo, prueba de una versión completa del modelo en decodificación voraz (greedy decoding), ninguna garantía formal sobre el código rápido. El código se publica bajo la licencia Apache 2.0, en un repositorio que se presenta como no mantenido.

🔗 La publicación de Anthropic sobre FlashProve · El repositorio de FlashProve

OpenAI multiplica por más de cuatro las recompensas medianas de su bug bounty, hasta 172 000 dólares con bonificaciones

2 de noviembre — OpenAI aumenta las recompensas de su programa de recompensas por vulnerabilidades (bug bounty), un anuncio difundido en X el 3 de noviembre: de media, el importe mediano de los intervalos se multiplica por más de cuatro para las vulnerabilidades de gravedad media, alta y crítica. Una vulnerabilidad crítica en ChatGPT, Codex o la Plataforma API puede reportar hasta 30 000 dólares, y un hallazgo crítico excepcional sigue pudiendo optar a una recompensa base de hasta 100 000 dólares, es decir, hasta 172 000 dólares con las nuevas bonificaciones: multiplicador de calidad para una prueba de concepto fiable, fidelidad en cinco niveles y campañas prioritarias sobre funciones recién lanzadas.

Ejemplo de vulnerabilidad dado por OpenAI	Recompensa anterior	Nueva recompensa
Gravedad media en ChatGPT: importación de archivos sin permiso de escritura	750 dólares	2 415 dólares
Crítica en ChatGPT: toma de control de una cuenta sin clic	6 500 dólares	51 577 dólares
Excepcional: lectura de las conversaciones de cualquier usuario	100 000 dólares	171 925 dólares

Los nuevos intervalos se aplican a los informes pendientes, y OpenAI abonará la diferencia por las recompensas concedidas en los 30 días anteriores al anuncio. El equipo de seguridad estará en PROMPT2PWN, en Oakland, los días 20 y 21 de noviembre.

🔗 La publicación de OpenAI sobre las recompensas por vulnerabilidades

Collinear AI publica CWE-bench v2, donde Gemini 4 Argon supera por poco a Claude Opus 5.5 en 100 tareas públicas de corrección de vulnerabilidades

3 de noviembre — Collinear AI publica en el blog de Hugging Face la segunda versión de CWE-bench, que mide la capacidad de un agente para encontrar y corregir una debilidad de seguridad en un repositorio open source real sin romper sus funcionalidades. El conjunto público cuenta con 100 tareas que abarcan 91 categorías de debilidades (CWE), evaluadas de forma determinista y revisadas manualmente; un conjunto reservado sigue siendo privado para seguir los progresos en tareas que ningún modelo ha visto.

Modelo evaluado	Éxito pass@1	Éxito pass@4	Coste por ejecución
Gemini 4 Argon	67,8 %	81,0 %	3,92 dólares
Claude Opus 5.5	67,3 %	78,0 %	1,83 dólares
DeepSeek V4.1 Flash (1017)	57,0 %	no indicado	0,04 dólares

De los 11 modelos evaluados, al menos uno resuelve 95 tareas, pero el líder falla en todos los intentos en el 19 % del conjunto. Cada tarea es un entorno Harbor (contenedor Docker, instrucciones, verificador determinista) que puede ejecutarse desde el Hub y que también puede servir para entrenar agentes defensivos mediante RL. Gemini 4 Carbon no figura entre los modelos evaluados.

🔗 CWE-bench v2 en el blog de Hugging Face

CyberArena enfrenta a doce agentes en ataque y defensa en directo, y GPT-5.6 Sol lidera gracias a su defensa

3 de noviembre — 2077AI y el centro RDI de UC Berkeley publican CyberArena, un banco de pruebas que sustituye el examen de ciberseguridad por un enfrentamiento: dos agentes reciben cada uno una copia del mismo servicio vulnerable y, durante tres rondas, atacan la copia del adversario mientras corrigen la suya. La arena verifica cada captura de bandera y cada comprobación del estado del servicio, y después convierte los enfrentamientos en una clasificación.

Puesto en la clasificación	Agente evaluado	Harness utilizado	Puntuación en la clasificación
1	GPT-5.6 Sol	OpenAI Codex	78,6
2	Claude Opus 5	Claude Code	73,8
3	GLM-5.3	OpenCode	68,5
4	Gemini 3.7 Flash	Gemini CLI	67,1
5	Grok 4.6	Grok CLI	65,5

En 466 enfrentamientos válidos entre 12 agentes y 40 desafíos, la diferencia está en la defensa: los dos primeros conservan su bandera en el 83 % y el 81 % de las rondas, frente al 43 al 61 % de los demás. Los errores más frecuentes detectados por la auditoría son el parche anunciado sin verificación (23 % de los enfrentamientos auditados) y el parche parcial (21 %). La clasificación abarca modelos de generaciones anteriores, sin GPT-6 Sol ni Claude Opus 5.5; se han publicado el código de la arena, los desafíos y las repeticiones de los enfrentamientos.

🔗 CyberArena en el blog de Hugging Face

Modelos abiertos en empresas: Cohere abre Model Vault, Revolut pasa a GLM autoalojado según Together AI

Cohere abre Model Vault a modelos abiertos de otros proveedores, desde DeepSeek V4.1 Flash hasta GPT-OSS

3 de noviembre — Cohere abre Model Vault, su plataforma de inferencia soberana lanzada en enero, a modelos abiertos de otros proveedores. Junto a los modelos de Cohere, las empresas pueden ejecutar DeepSeek V4.1 Flash, presentado por Cohere como el modelo abierto más utilizado en OpenRouter, GLM 5.3 Flash, MiMo V2.6 Pro, Gemma 4, Nemotron de NVIDIA, Hy3 de Tencent y las familias GPT-OSS y Phi. Por defecto, no se conservan ni los prompts ni las respuestas.

La publicación distingue dos niveles. Model Vault se ejecuta en una infraestructura dedicada a un único cliente, en la región elegida. Model Vault Encrypted también cifra los datos durante su procesamiento (confidential computing): según Cohere, ni Cohere ni el proveedor de cloud ven lo que entra en el modelo o sale de él. Este segundo nivel no admite todos los modelos.

Familia de modelos	Model Vault	Model Vault Encrypted
Embed, Rerank, Parse, Transcribe, Translate (Cohere)	Sí	Sí
Gemma, GPT-OSS, Phi	Sí	Sí
Command, DeepSeek, GLM, MiMo, Nemotron, Hy3	Sí	No

Model Vault está disponible en Estados Unidos, la Unión Europea y Canadá; Model Vault Encrypted lo está en Estados Unidos, mientras que su llegada a la Unión Europea y Canadá se anuncia para «pronto». La facturación se realiza por tipo de GPU, por horas o mediante compromiso, sin precios en la publicación. Cinco días después de una serie E que contemplaba una nueva generación de modelos en doce meses, Cohere desliza en su hilo:

Try out world-class models while you wait for our next one

🇪🇸 Prueba modelos de primer nivel mientras esperas nuestro próximo modelo. — @cohere en X

🔗 La publicación de Cohere sobre Model Vault

Revolut habría pasado a unos 2 000 ingenieros a GLM autoalojado para programar, según un tuit compartido por Together AI

3 de noviembre — Together AI comparte un tuit según el cual Revolut ha adoptado los modelos abiertos como opción predeterminada para programar:

Europe’s largest private company just made open models its default for coding.

🇪🇸 La mayor empresa privada de Europa acaba de adoptar los modelos abiertos como opción predeterminada para programar. — @togethercompute en X

El tuit citado, de Guillermo Flor, se basa en declaraciones de David Abitbol, responsable de operaciones de IA del neobanco: unos 2 000 ingenieros trabajan ahora con GLM autoalojado, mientras que Claude Code y Codex pasan a una lista de excepciones.

Cifra recogida en el tuit	Valor anunciado
Ingenieros implicados	unos 2 000
Hardware	56 GPU NVIDIA B200
Coste combinado	30 cents por millón de tokens, aproximadamente una décima parte del precio de Anthropic y OpenAI
Plazo de ingeniería (lead time)	mejorado un 70 %

Según el mismo tuit, las mejoras llegaron cuando los tokens dejaron de estar racionados. Together AI afirma formar parte de la infraestructura que ejecuta estos modelos abiertos en producción, sin precisar su papel. La información sigue siendo de segunda mano: no se ha encontrado ningún comunicado de Revolut y no se indica la versión de GLM.

🔗 El tuit de Guillermo Flor citado por Together AI

Ingeniería del mundo físico: GPT-6 Astra diseña hardware, Google publica PLE, Antigravity en química, NVIDIA en las ciudades

OpenAI aplica GPT-6 Astra y Codex a la ingeniería física, con Mazda y Chip Ganassi Racing

3 de noviembre — OpenAI presenta sus trabajos sobre ingeniería de productos físicos: diseño mecánico, electrónica y simulación. En la demostración más ilustrativa, dos miembros del equipo diseñaron con GPT-6 Astra, en menos de una semana y como proyecto paralelo, un pequeño dispositivo para hablar con Codex: Astra diseñó su aspecto, la carcasa, el circuito impreso, la interfaz y el firmware, y un subcontratista fabricó una pequeña serie de prototipos en menos de un mes. OpenAI reconoce que fueron necesarios varios ciclos de revisión: el modelo no siempre tuvo en cuenta las limitaciones de producción, las tolerancias ni los detalles de montaje.

Métrica publicada por OpenAI	Valor anunciado
BenchCAD 2.0, modelo interno más reciente (sin nombre)	0,875 (puntuación media)
BenchCAD 2.0, GPT-6 Astra con razonamiento máximo	0,594
Uso de los modelos por los equipos de hardware (en tokens)	multiplicado por 23 desde febrero

BenchCAD 2.0 evalúa la reconstrucción de piezas y ensamblajes 3D y la identificación de las conexiones de un circuito impreso. En el ámbito industrial, OpenAI amplía su colaboración con la escudería Chip Ganassi Racing, que transforma escaneos 3D de piezas existentes en modelos CAO editables y planos de fabricación 2D, y anuncia una colaboración de investigación con Mazda: GPT-6 Astra ayuda a sus ingenieros a explorar formas del morro que reduzcan la resistencia aerodinámica, con resultados prometidos «en los próximos meses». No se anuncia ningún producto ni ninguna disponibilidad.

🔗 La publicación de OpenAI sobre la ingeniería del mundo físico

Google publica Physical-Engineering’s Last Exam, un benchmark de ingeniería en el que ningún agente supera el 50 %

3 de noviembre — El equipo de Google AI & Infrastructure presenta Physical-Engineering’s Last Exam (PLE), un benchmark acompañado de una competición abierta, diseñado con Mercor para medir la capacidad de los agentes de realizar trabajos reales de ingeniería. Sus 85 tareas de larga duración (30 de mecánica, 27 de electricidad, 18 de ingeniería civil y 10 de estructuras) sitúan al agente en una carpeta de proyecto dentro de un contenedor con una media de 61 archivos: PDF, hojas de cálculo, correos electrónicos, planos CAO 2D y maquetas BIM 3D. Un entregable solo obtiene puntos si supera todas las barreras de seguridad.

Puesto en la clasificación	Modelo evaluado	Arnés nativo	Puntuación media
1	Claude Opus 5.5	Claude Code	48,3 %
2	GPT-6 Astra	Codex	45,8 %
3	Claude Sonnet 5.5	Claude Code	43,5 %
4	Gemini 4 Argon	Antigravity	40,6 %
5	Claude Opus 5	Claude Code	40,0 %

De los 14 modelos probados con siete arneses públicos, ninguno supera el 50 % en el conjunto de prueba privado. La mejor configuración cumple el 91 % de las restricciones consideradas individualmente, pero solo el 41,3 % de sus entregables supera todos los controles de seguridad y viabilidad. El modelo influye mucho más que el arnés: hasta 50 puntos de diferencia entre modelos, frente a una diferencia mediana de 3 puntos entre arneses para un mismo modelo. Google publica 29 tareas, los scripts de puntuación y el contenedor de evaluación, y abre el envío de resultados sobre el conjunto privado.

🔗 La publicación de Google Cloud sobre PLE · La clasificación de PLE

Google DeepMind dota a Antigravity de Cheminformatics Skills que reducen un ciclo de diseño de fármacos a una hora

3 de noviembre — Google DeepMind presenta Cheminformatics Skills para Google Antigravity, que convierten el entorno agéntico en un banco de trabajo para químicos. El reparto de funciones es explícito: el modelo de lenguaje coordina el trabajo, navega por las bases de datos y razona, mientras que herramientas químicas deterministas, apoyadas en la biblioteca open source RDKit y en las bases ChEMBL y PubChem, ejecutan los cálculos moleculares.

La demostración retoma un clásico de la química medicinal: rigidizar el crizotinib, un inhibidor de tirosina quinasa utilizado contra ciertos cánceres de pulmón, para avanzar hacia el lorlatinib, su versión ciclizada. El agente reúne en pocos minutos miles de compuestos de la literatura, realiza un análisis de pares moleculares emparejados, entrena modelos de predicción de potencia y después propone nuevos macrociclos con sus rutas de síntesis. Según DeepMind, este ciclo, que habitualmente requiere varios días, se completa en una hora. La publicación da continuidad a la del 15 de octubre sobre los péptidos antimicrobianos y remite a la página Science de Antigravity, donde Google ofrece, previa solicitud, acceso gratuito durante seis meses a su nivel más alto y a Gemini 4 Argon para 10 000 científicos, sin condiciones de acceso específicas para estas skills.

🔗 La publicación de Google DeepMind

NVIDIA presenta en Barcelona los servicios urbanos que sus socios construyen con su IA física y agéntica

3 de noviembre — Con motivo del Smart City Expo World Congress de Barcelona (del 3 al 5 de noviembre), NVIDIA publica un repaso de los servicios urbanos que sus socios construyen con sus componentes de IA física y agéntica: modelos abiertos Nemotron, modelos de mundo Cosmos, bibliotecas Omniverse y el blueprint Metropolis de búsqueda y resumen de vídeo.

Socio citado	Lugar del despliegue	Cifra anunciada
1MillionBot	España	más de 150 despliegues de agentes al servicio de los habitantes
ITMAX	Malasia	más de 17 000 cámaras cubiertas de aquí a 2027
ITMAX con TeraSim	Malasia	hasta un 26 % menos de tiempo de trayecto en hora punta
Linker Vision y MVRDV	Taiwán	15 años de evolución de un dosel urbano simulados en 10 minutos

1MillionBot combina los modelos open source ALIA, entrenados en el Barcelona Supercomputing Center, con Nemotron; K2K utiliza en Wrocław las cámaras existentes, Honeywell dota de agentes Nemotron a la refinería Lekki de Dangote, en Nigeria, y Cires Technologies amplía una fábrica de IA soberana en el puerto de Tanger Med. No se anuncia ningún producto nuevo de NVIDIA: es un escaparate de despliegues.

🔗 La publicación de NVIDIA sobre las ciudades

Publicaciones abiertas: informe técnico de Mistral Large 4, pplx-embed-v2-context, StateBench y FineDNA

Mistral publica el informe técnico de Mistral Large 4, que relata la construcción de Le Chonk

3 de noviembre — Mistral publica el informe técnico de Mistral Large 4, el modelo apodado Le Chonk cuyos pesos se publicaron el 29 de octubre. Publicado en Hugging Face el 2 de noviembre y después en alphaXiv, el documento describe una mezcla de expertos (mixture-of-experts) multimodal de 52 mil millones de parámetros activos y 1 000 mil millones en total. Según su resumen e introducción, explica ante todo una decisión de arquitectura: la reducción de la caché KV, llevada al extremo durante el desarrollo para servir el modelo a menor coste, perjudicaba las tareas agénticas. El equipo midió esta penalización y después la corrigió mediante una cirugía del modelo (model surgery): primero pasó a la atención completa y después a la atención dispersa de DeepSeek (DeepSeek Sparse Attention, DSA). En cuanto a los datos, unos agentes escriben por sí mismos entornos ejecutables, tareas, soluciones de referencia y verificadores, y otros reparan las tareas defectuosas mientras se protegen frente a la manipulación de la recompensa (reward hacking).

Métrica evaluada	Valor según el informe
Legal Agent Benchmark de Harvey (cifra inédita)	15 %
Terminal-Bench 4.0	41 %
FrontierCode 2.0	19,7 %
Ciberseguridad (media de JailbreakBench, StrongREJECT, AgentHarm)	96,6 %
Punto de control cuantizado en NVFP4	606 Go, servido en cuatro GPU GB300

La cuantización NVFP4 calibrada iguala la referencia FP8 en las evaluaciones, y los tres niveles de razonamiento (high, medium, low) proceden de una destilación a partir de varios modelos maestros con distintos grados de verbosidad.

🔗 El informe técnico en alphaXiv · El anuncio de Mistral en X

Perplexity publica pplx-embed-v2-context, modelos de embeddings contextuales abiertos en 9B y 0.6B

2 de noviembre — Perplexity publica pplx-embed-v2-context, modelos de embeddings contextuales con pesos abiertos en dos tamaños, 9B y 0.6B, un mes después de la versión preliminar 9B del 30 de septiembre. Un embedding contextual representa un fragmento (chunk) teniendo en cuenta el documento entero: cada modelo devuelve un vector int8 por documento o un vector por fragmento. La novedad está en el entrenamiento: en lugar de suponer que un único fragmento de referencia (gold chunk) responde a la consulta, Perplexity destila puntuaciones de relevancia graduadas a partir del modelo de compresión de contexto de su motor de respuestas, de modo que los fragmentos que respaldan una respuesta dejan de contar como ejemplos negativos.

Métrica anunciada por Perplexity	Resultado publicado
ConTEB, context-bench y Q2D-Chunk	9B a la cabeza de los tres bancos de pruebas
ViDoRe-V3, documentos visuales	9B por delante de Nemotron-3.5-Embed-8B, con un índice 4 veces más pequeño
ViDoRe-V3 en markdown	0.6B primero entre los modelos de menos de 1 millardo de parámetros
Q2D-Chunk, nuevo banco de pruebas público	6 069 consultas reales, 10 idiomas, 71 100 documentos

El artículo de investigación, escrito con turbopuffer, se publica en arXiv, y Q2D-Chunk se abre como clasificación pública en Hugging Face. El 9B se publica allí bajo licencia MIT, mientras que la ficha del 0.6B no muestra ninguna licencia; el hilo no habla de API ni de precios.

🔗 El hilo de @perplexitydevs · El artículo en arXiv

Ai2 publica StateBench, un banco de pruebas que muestra que los modelos de frontera fallan en el seguimiento de estado en documentos largos

3 de noviembre — Ai2 publica StateBench, un banco de pruebas dedicado al seguimiento de estado en contextos largos (long-context state tracking): la capacidad de un modelo para seguir la evolución de la información a lo largo de un documento extenso, como una variable reasignada en código. Cuatro niveles de dificultad, derivados de la teoría de Krohn–Rhodes, van desde la asignación inmutable hasta la asignación por referencia.

Nivel de dificultad	Tipo de asignación	Ejemplo proporcionado por Ai2
r-trivial	inmutable	`let x = 4`
aperiódico	reasignación por valor	`x = 4` y luego `x = 2`
resoluble	actualización autorreferente	`x = x + 5`
finito general	asignación por referencia	`x = y`, intercambio de variables

Gemini 3.8 Flash, Claude Opus 5.5, GPT-6 Sol y GPT-6 Luna obtienen buenos resultados en los dos primeros niveles, pero su exactitud cae a medida que aumenta la longitud en los dos últimos, hasta el 13 % o menos en los problemas finitos generales más largos. Entrenados con un máximo de 256 asignaciones y evaluados con hasta 64 000, los modelos de 275M permiten distinguir entre arquitecturas: Gated DeltaNet y los híbridos generalizan casi a la perfección en los tres primeros niveles, mientras que los transformers empeoran y nunca aprenden el último. Los datos y el código están publicados.

🔗 StateBench en el blog de Hugging Face

Hugging Face publica FineDNA, los datos completos de entrenamiento de Carbon-X para enseñar ADN a un modelo de lenguaje

1 de noviembre — Repaso: Hugging Face publica FineDNA, el conjunto de datos utilizado para entrenar Carbon-X, su modelo capaz de leer ADN, basado en Qwen3-14B y presentado el 22 de octubre. El conjunto, bajo licencia Apache 2.0, abarca las tres etapas del entrenamiento.

Etapa de entrenamiento	Tamaño del conjunto	Punto de partida
Fase intermedia (mid-training), 23 configuraciones	514,30 mil millones de tokens, de los cuales se leyeron 302 mil millones	Qwen3-14B
SFT, 8 dominios	203 923 conversaciones	Carbon-X-Base
RL	98 433 prompts	Carbon-X-SFT

La fase intermedia dedica el 55 % del entrenamiento al ADN, el 20 % al inglés, el 15 % al texto biológico y el 10 % a las instrucciones; las secuencias, procedentes de GENERator y OpenGenome2, se dividen en múltiplos de seis bases para un tokenizer que lee 6-mers. Según Loubna Ben Allal, que anunció el conjunto, esta fase condiciona las siguientes: aplicado directamente a Qwen3-14B, el RL se queda al nivel del azar en FrontierVEP, mientras que la misma receta mejora con el modelo preparado.

🔗 FineDNA en el Hub de Hugging Face · El anuncio de Loubna Ben Allal en X

La API de Gemini marca Gemini 2.5 Pro y 2.5 Flash como obsoletos y redirigirá sus solicitudes a Gemini 3.8 Flash y 3.5 Flash-Lite el 1 de diciembre

2 de noviembre — Google incluye en las notas de la versión de la API de Gemini la declaración de obsolescencia de Gemini 2.5 Pro y Gemini 2.5 Flash, lanzados en junio de 2025. Los dos modelos ya no se ofrecen en Google AI Studio, y su acceso a través de la API queda reservado a los usuarios que ya los hayan utilizado. El 1 de diciembre de 2026, en lugar de devolver un error, la API redirigirá automáticamente las solicitudes: las dirigidas a gemini-2.5-pro irán a Gemini 3.8 Flash, y las dirigidas a gemini-2.5-flash, a Gemini 3.5 Flash-Lite, facturadas según las tarifas de los nuevos modelos.

Modelo afectado	Precio de entrada (por millón de tokens)	Precio de salida (por millón de tokens)
gemini-2.5-pro (prompts ≤ 200 000 tokens)	1,25 dólares	10 dólares
gemini-3.8-flash hasta el 31 de diciembre de 2026	0,75 dólares	3,75 dólares
gemini-3.8-flash a partir del 1 de enero de 2027	1,50 dólares	7,50 dólares
gemini-2.5-flash	0,30 dólares (1 dólar en audio)	2,50 dólares
gemini-3.5-flash-lite	0,30 dólares, audio incluido	2,50 dólares

Google recomienda cambiar el identificador antes de esa fecha, porque la migración introduce cambios incompatibles: validación de las llamadas a funciones y de thought_signature, thinking_level en lugar de thinking_budget, eliminación de parámetros de muestreo y fin de los turnos del modelo prerrellenados.

🔗 Las notas de la versión de la API de Gemini · La página de modelos obsoletos

Plugins e integraciones de los asistentes: Perplexity Computer adopta Agent Plugins y lanza una versión para e-commerce, Synthesia detalla su plugin de ChatGPT

Perplexity Computer adopta el estándar abierto Agent Plugins para sus conexiones y sus skills

3 de noviembre — Perplexity Computer incorpora compatibilidad con Agent Plugins, un formato que reúne en un mismo paquete conexiones a aplicaciones y skills. Se puede explorar el catálogo de Computer, organizado en al menos 13 categorías (desde Productividad y colaboración hasta Datos y analítica, con ejemplos como HubSpot, IBISWorld o DoorDash Drive), o importar plugins propios desde GitHub o un archivo .zip. Según @AskPerplexity, los plugins están activos en Computer y se están desplegando para las cuentas Enterprise.

Agent Plugins es un estándar abierto, independiente de los proveedores, presentado el 6 de agosto. Su especificación 1.0.0 establece un formato común para los Agent Skills y los servidores MCP: manifiesto plugin.json obligatorio, carpeta skills/, archivo mcp.json. El tuit de Perplexity cita a responsables de mantenimiento de Amazon, Cursor, GitHub, OpenAI y Vercel; el sitio del estándar menciona a Microsoft en lugar de GitHub en su comité directivo inicial. Su página de clientes compatibles incluye Perplexity Computer junto a GitHub Copilot, VS Code, Cursor, Kiro y ChatGPT & Codex. Para Computer, supone una continuación del Skills Marketplace de septiembre; el anuncio no viene acompañado de una entrada ni de un registro de cambios.

🔗 El anuncio de @AskPerplexity · El estándar Agent Plugins

Perplexity lanza Computer for e-commerce, que conecta Shopify, los anuncios de Meta y Klaviyo

3 de noviembre — Perplexity presenta Computer for e-commerce, que pone su agente Computer al servicio de las marcas en línea: se conecta a Shopify para los datos de la tienda y las páginas de destino, a Meta para la publicidad y a Klaviyo para el marketing por correo electrónico, aplicando la identidad visual y el tono que la marca haya guardado en skills.

Servicio conectado	Función de Computer
Shopify	Análisis de ventas, recomendación de productos, página de destino
Meta	Anuncios estáticos, variantes de vídeos exitosos, configuración de la campaña
Klaviyo	Audiencia obtenida de los datos de clientes, texto, programación o envío tras revisión

La empresa fija los objetivos, los presupuestos y las etapas que deben aprobarse (publicación de páginas, envío de correos, gasto publicitario). Ejemplo proporcionado por Perplexity: una colección de verano con un 15 % de descuento, una campaña de Meta de dos semanas con un límite de 1 000 dólares y una campaña de Klaviyo para los clientes existentes, todo ello mostrado antes del lanzamiento. Shopify ya figuraba entre las más de 400 integraciones de Computer; Perplexity ofrece ayuda para configurar los flujos recurrentes, sin especificar precios ni planes.

🔗 La entrada de Perplexity sobre Computer for e-commerce

Synthesia detalla su plugin de ChatGPT, disponible en todos sus planes

3 de noviembre — Tras el anuncio realizado el día anterior en X, sin una entrada en el blog, Synthesia detalla su plugin en una publicación de Dan Spooner, responsable de producto a cargo de los workflows. El plugin está disponible en ChatGPT para todos los planes de Synthesia, y se puede empezar gratis: se activa desde el menú Plugins de ChatGPT, y durante el proceso se puede crear una cuenta gratuita. El usuario describe el vídeo que desea o aporta un documento, una presentación o una hoja de cálculo; ChatGPT hace algunas preguntas (estilo visual, duración) y después Synthesia crea el vídeo dentro de la conversación.

Por defecto, los vídeos se producen con Syren, presentado como el formato más rápido; la instrucción «hazlo en Studio» cambia a Synthesia Studio cuando se necesita un texto pronunciado palabra por palabra por un avatar, un kit de marca o una plantilla. El plugin también busca en la biblioteca de vídeos y se combina con los demás plugins conectados a ChatGPT para workflows puntuales o programados, por ejemplo, un resumen de 60 segundos de una llamada de Zoom o un vídeo diario de bienvenida a partir de BambooHR. La entrada solo menciona ChatGPT, no Claude, y no especifica precios ni consumo de créditos.

🔗 La entrada de Synthesia

Google lanza Guided Learning en Google Classroom, lo prueba en la búsqueda y desactivará Gemini por defecto para los alumnos de K-12

3 de noviembre — Google agrupa sus anuncios educativos en torno a Guided Learning, el modo de estudio de Gemini que guía al alumno mediante preguntas y explicaciones paso a paso en lugar de darle la respuesta. Según la entrada principal, ya está disponible en Google Classroom en todo el mundo: el docente asigna una actividad basada en sus materiales de clase y ve en tiempo real dónde necesita ayuda el grupo. La búsqueda de Google incorporará estas funciones para las cuentas de estudiantes, con una prueba piloto en una selección de centros estadounidenses a finales de noviembre.

El cambio de mayor alcance afecta a los controles: Gemini, Gemini Notebook, Gemini in Classroom y la búsqueda de Google estarán completamente desactivados para las cuentas de alumnos desde infantil hasta el final de la secundaria (K-12) hasta que el administrador del centro los active. No se indica ninguna fecha: Google compartirá los detalles con los centros en los próximos meses.

Medida comunicada por Google	Valor publicado
Ensayo aleatorizado en la Universidad de Tokio	más de 300 estudiantes, media jornada de estudio
Mejora con las herramientas web únicamente	+5,3 puntos porcentuales
Mejora con Guided Learning	+8,1 puntos, es decir, mejoras 1,5 veces mayores
Financiación de Google.org	más de 9,5 millones de dólares para cinco organizaciones

🔗 La entrada de Google sobre IA y aprendizaje · El estudio sobre Guided Learning

Herramientas de Hugging Face: MOPD en TRL y Model Integration Contracts para Transformers

TRL incorpora compatibilidad con MOPD, la destilación con varios profesores que fusiona expertos de RL en un único modelo

3 de noviembre — TRL, la biblioteca de posentrenamiento de Hugging Face, incorpora compatibilidad con la destilación on-policy con varios profesores (Multi-Teacher On-Policy Distillation, MOPD), una técnica a la que Xiaomi dio nombre en enero para MiMo-V2-Flash y que desde entonces han utilizado DeepSeek, Moonshot, NVIDIA, Liquid AI y Mistral, según la entrada de Sergio Paniego. Tras un SFT común, cada dominio (matemáticas, código, seguimiento de instrucciones) recibe su propio experto entrenado mediante RL; un alumno responde después a los prompts de todos los dominios, y el experto correspondiente evalúa su respuesta token a token.

En TRL, es AsyncDistillationTrainer, todavía experimental, el que dirige cada prompt a su profesor; la versión síncrona está en desarrollo (PR 7215) y MOPD aún no aparece en las notas de TRL v1.17. El ejemplo utiliza los expertos de Open-MOPD en torno a SmolLM3-3B y se ejecuta en una sola máquina con cuatro H200 mediante Hugging Face Jobs. La entrada señala un problema: el seguimiento de instrucciones puede representar el 20 % de los prompts, pero solo entre el 1 y el 2 % de los tokens, de modo que el alumno apenas aprende de ese profesor.

🔗 MOPD en TRL, en el blog de Hugging Face

Hugging Face propone los Model Integration Contracts para detectar en CPU las regresiones de Transformers antes de la fusión

3 de noviembre — En una entrada de Tarek Ziadé, Hugging Face propone los Model Integration Contracts (MIC), para probar los modelos de Transformers en un simple procesador antes de que un cambio llegue a la rama principal. El punto de partida: el 30 de julio, la activación de la atención SDPA para T5 permitió al decodificador de UMT5 ver los tokens futuros durante el entrenamiento, un error que permaneció casi dos meses en la rama principal. Al repetir las pruebas sobre cinco meses de commits, un pequeño UMT5 de 66 Mo, frente a los 1 227 Mo del checkpoint real, lo detecta en cada commit.

Un contrato combina un modelo reducido que conserva todos los tipos de capas del original, un ejemplo de uso ejecutable y valores de referencia revisados por una persona; así, Llama 4 Scout pasa de 108,6 mil millones a 44,7 millones de parámetros. La herramienta de línea de comandos tmic encarga la redacción del contrato a un LLM, y una persona lo valida. Los pesos importan: en Whisper, los pesos aleatorios detectan 18 de los 24 fallos inyectados, frente a 24 de 24 con pesos sobreajustados. A fecha de 1 de noviembre, el job de la CI de Transformers señala los fallos sin bloquear todavía las PR.

🔗 La entrada de Hugging Face sobre los Model Integration Contracts

Breves

Agentes y herramientas de código

Resumen de octubre de Claude Code — El hilo de @ClaudeDevs da a conocer una variable ausente de las notas de la versión: CLAUDE_CODE_EVEN_MORE_DANGEROUSLY_SKIP_PERMISSIONS=1 permite ejecutar sin confirmación los pocos comandos rm arriesgados para los que el modo bypass permissions aún pedía confirmación; su uso debe reservarse para un contenedor desechable (Claude Code 2.1.311 o posterior). Las sesiones cloud también se preparan mientras se escribe y permiten añadir un comentario a una línea del diff. 🔗 fuente
Copilot CLI 1.0.106-4 a 1.0.106-6 — Tres versiones preliminares en una noche: /settings se convierte en un panel unificado con búsqueda global, el contenido MCP reservado al usuario ya no se envía al modelo y 67 correcciones neutralizan, entre otras cosas, nuevas secuencias de escape. La última versión estable sigue siendo la 1.0.105. 🔗 fuente
Gemini CLI — La nightly del 3 de noviembre publica por fin la corrección de las descargas interrumpidas de Whisper, integrada el día anterior, y una nueva PR integrada en main protege la descarga de extensiones: traslado del archivo temporal en una sola operación, protección contra SSRF y la revinculación de DNS, GITHUB_TOKEN reservado a github.com. Las versiones estable y preview siguen sin cambios. 🔗 fuente
Gemini API CLI v0.4.5 — Noticia del 30 de octubre recuperada: la transcripción pasa por defecto a Gemini 3.5 Transcribe, con un parámetro de ampliación de vídeo y la reanudación de tareas largas mediante un token de continuación; Google añadió el 2 de noviembre un skill gemini-api-cli a su repositorio oficial gemini-skills. 🔗 fuente
DeepSeek Harness 0.2.2-alpha.3 — 36.ª versión preliminar sin versión estable: una función experimental reúne la revisión de código y los worktrees de Git (diffs locales y de PR, código citado al agente, seguimiento de las comprobaciones), y llega una herramienta apply_patch desactivada por defecto. 🔗 fuente
Artifacts de Amp — Documentos vinculados al hilo (plan, informe, notas de llamada) que el agente, el usuario y sus compañeros de equipo modifican juntos; el agente lee los cambios antes de continuar en lugar de sobrescribirlos. 🔗 fuente
Service Accounts de Amp — Cuentas propiedad del espacio de trabajo, con sus propias claves de API, para las automatizaciones de equipo: revisión de cada pull request, documentación o job de CI que abre un hilo mediante amp -ox. Sin precios indicados. 🔗 fuente
Replit Agent en Slack — Ya mencionado el 27 de octubre, Replit Agent llega oficialmente a Slack: se le menciona en un canal o por mensaje directo para consultar la base de código, trabajar en un proyecto existente o iniciar uno; cada compañero de equipo vincula su cuenta y el agente actúa con sus permisos. 🔗 fuente
Notas de la versión de Devin — Las del 2 de noviembre elevan de 500 a 1 000 repositorios el límite de un escaneo de código y añaden escaneos automáticos programados; las del 30 de octubre, que habían quedado fuera del seguimiento, incorporan presupuestos jerárquicos, SSO OIDC o SAML de autoservicio y la importación de hallazgos de SonarQube, Linear y Vanta. 🔗 2 de noviembre · 🔗 30 de octubre
Harnesses de agentes en IBM Research — Con el mismo modelo abierto GLM-5.3-flash en 90 tareas de AppWorld, CUGA, el harness open source de IBM, completa con éxito el 81,1 % de las tareas, frente al 46,7 % de Hermes y el 30,0 % de Deep Agents; IBM reconoce las limitaciones del ejercicio (un único banco de pruebas, configuraciones diferentes). 🔗 fuente
Kimi Work 3.2.24 — Los archivos Markdown de la vista previa admiten propiedades de las notas, los ajustes de red siguen el proxy del sistema y el diagnóstico de red se abre sin conexión; la 3.2.23 del 30 de octubre ya abría las vistas previas HTML en una pestaña del navegador. 🔗 fuente

Plataformas de desarrollo y API

Servidor MCP de GitHub 2.1.0 — Dos herramientas experimentales, issue_artifact_read y issue_artifact_write, permiten a los agentes leer y gestionar los artefactos vinculados a las issues; permanecen desactivadas por defecto, incluso en modo Insiders, y se activan con el flag issue_artifacts. 🔗 fuente
Dependabot y Agent Package Manager — Las actualizaciones de versión de Dependabot abarcan ahora los skills, prompts e instrucciones de agentes declarados en apm.yml, con regeneración de apm.lock.yaml; sin actualizaciones de seguridad. Disponible en github.com para todos los planes. 🔗 fuente
Python 3.15 en CodeQL y Dependabot — CodeQL 2.27.3 admite la sintaxis de Python 3.15 y añade un modelo de amenazas «ai», de activación voluntaria y sin fuente integrada, para los datos producidos por un LLM; Dependabot también sigue los proyectos que han pasado a Python 3.15. 🔗 CodeQL 2.27.3 · 🔗 Dependabot
GitHub Desktop — Tras GitHub CLI el 21 de octubre, GitHub Desktop 3.6.10 y posteriores pasan a tokens de autenticación de corta duración, renovados automáticamente, para reducir el periodo durante el que un token filtrado sigue siendo aprovechable; despliegue gradual, sin GitHub Enterprise Server. 🔗 fuente
Centros de costes en la API REST de GitHub — Un nuevo endpoint encuentra directamente el centro de costes de un usuario, una organización, un repositorio o un equipo de empresa, en lugar de recorrer todos los centros. 🔗 fuente
SDK de OpenAI — openai-python 3.44.0 y openai-node 7.49.0 añaden los proveedores de identidad de cargas de trabajo y las reglas de federación, tras unas versiones que amplían las herramientas de delegación de Live Responses; el changelog de la API aún no dice nada al respecto. 🔗 fuente
Claude, emisor de confianza — En los planes Team y Enterprise, cuando el proveedor de identidad no admite la autenticación gestionada por la empresa, Claude puede avalar a cada miembro para conectar automáticamente los plugins; en beta con 14 plugins, entre ellos Atlassian, Figma, Linear y Notion. 🔗 fuente
Marca de agua de texto de Claude — Tras Claude Fable 5.1 y Claude Mythos 5.1, la marca de agua de texto de Anthropic abarca Claude Mythos 5, Claude Opus 4.7 y Claude Sonnet 4.6, sin tokens ni caracteres ocultos; en Sonnet 4.6, modificar temperature, top_p o top_k puede impedirla. 🔗 fuente

Seguridad

Agentes cloud aislados en Replit — En un aviso de seguridad difundido por Replit, su CTO Luis Héctor Chávez pide convertir los agentes cloud gestionados y aislados en la norma, con las credenciales, la red y el entorno de producción fuera del alcance del agente; según una encuesta citada de Salt Security, el 86,4 % de los encuestados tiene un agente en servicio, pero solo el 17,5 % sabe detenerlo automáticamente. 🔗 fuente
Guía de seguridad de Cognition — Jack Cable, cofundador de Corridor, recapitula los incidentes de octubre (6,34 mil millones de dólares robados en Binance, una extensión Claude Code maliciosa en Cursor) y recomienda una MFA resistente al phishing, retirar los secretos de los equipos de trabajo, usar agentes de código cloud y exigir una antigüedad mínima de 7 días para los paquetes npm o PyPI. 🔗 fuente
Sprint de seguridad de OpenAI — En el mismo hilo que el aumento de las recompensas, OpenAI anuncia, sin fecha, su próximo sprint de seguridad interno con los investigadores de Cathedral, que utilizarán sus modelos para poner a prueba sus defensas; el anterior había movilizado al 25 % de sus ingenieros de producto. 🔗 fuente
Cisco y Daybreak — Cisco combina su telemetría de red con Daybreak y GPT-6 Astra para encontrar y corregir vulnerabilidades más rápido, y explora con OpenAI una clasificación más rápida de la exposición en Cisco Cloud Control; caso de estudio sin cifras. 🔗 fuente

Google: Workspace, Cloud e investigación

Gemini en Google Slides — Noticia del 30 de octubre recuperada: Gemini modifica varias diapositivas o una presentación entera con una sola petición (estilos, contenido extraído de Drive, fusión de diapositivas), solo en inglés, con límites de uso promocionales hasta el 1 de diciembre como mínimo. 🔗 fuente
Avatares de Google Vids — Anunciada el 2 de noviembre, la creación de un avatar a partir de una imagen importada se suspende al día siguiente, sin nueva fecha. 🔗 fuente
Límites de gasto de Google Cloud — Noticia del 31 de octubre recuperada: los límites de gasto pasan a disponibilidad general, con una API y un reinicio mensual; para los servicios de IA, se activan en pocos minutos a partir de costes estimados en tiempo real, sin cortar nunca el rendimiento aprovisionado. 🔗 fuente
Google en Singapur — Google abre un centro de investigación en Singapur y compromete más de 6 millones de dólares en subvenciones con la NUS y la NTU, incluidos 1,5 millones para la investigación sobre la enfermedad de Alzheimer, más 3 millones de Google.org y Google DeepMind para el Thrive Lab de INSEAD. 🔗 fuente

Modelos abiertos y publicaciones de la comunidad

Mistral Large 4 en Open Math OS — Mistral anuncia la llegada de Large 4 (1,05T de pesos abiertos, contexto de 1M) al espacio de investigación matemática de SAIR, en servicio «desde hoy mismo» para los equipos aprobados, aunque SAIR ya lo anunciaba como disponible desde el 27 de octubre. 🔗 fuente
Orbital Trace — Nueva demostración de Mistral: según el desarrollador, Large 4 construyó, probó y optimizó un seguimiento 3D en tiempo real de unos 19 000 satélites y residuos en órbita; el resultado solo se muestra en vídeo, sin enlace ni código. 🔗 fuente
Olmo 3 en Nextcloud — Nextcloud, utilizado entre otros por el Gobierno federal alemán y el CSIC español, incorpora Olmo 3 7B con llm2, su backend local para Assistant y Mail, y le otorga la calificación verde de su evaluación de IA ética; el 7B evita exigir 16 o 32 Go de VRAM. 🔗 fuente
Dolci-Think-SFT-Clean-v2 — Ai2 publica sin anuncio una versión filtrada de los datos de posentrenamiento de razonamiento de su modelo 32B: 203 303 filas eliminadas de 2 253 684 (15,6 % de los tokens), incluidos 148 210 problemas de matemáticas que Kimi K3 consideró contradictorios; licencia ODC-BY. 🔗 fuente
Palette de IBM Research — Un modelo abierto de 20B, ajustado mediante LoRA como «diseñador» y como «programador», crea presentaciones siguiendo la identidad visual de IBM; en PresentBench, queda segundo de media, 1,1 puntos por detrás de NotebookLM (59,7 frente a 60,8). No se ha encontrado ni el nombre del modelo base ni pesos publicados. 🔗 fuente
Claude Opus y los bucles de OCR — Daniel van Strien hizo que Claude Opus modificara el 0,0085 % de los pesos de un pequeño modelo de OCR, sin entrenamiento, en menos de 3 horas y por unos 10 dólares de cómputo: en 2 165 páginas antiguas, los bucles descontrolados pasan de 3 a 1 y los errores del volumen de 1881 bajan un 38 %. 🔗 fuente
Qwenguard — En una publicación de la comunidad, João Galego convierte un procesador RISC-V compilado en capas delante de Qwen3.5-4B en una salvaguarda que rechaza las llamadas a herramientas fuera de la lista: en sus pruebas, no se permitió ninguna llamada prohibida ni se bloqueó ninguna petición ordinaria, pero el dispositivo hace visible la manipulación sin impedirla. 🔗 fuente

Imagen, vídeo, voz

ElevenAgents en Angle Health — En una prueba piloto en ocho idiomas, 24 h/24 y con garantías HIPAA, los agentes de ElevenLabs atendieron alrededor del 80 % de las llamadas de profesionales sanitarios, de las que más del 90 % se resolvieron sin transferencia, y permitieron recuperar cerca de 9 000 minutos al día. 🔗 fuente
SFX v3 para desarrolladores — La publicación para desarrolladores de ElevenLabs detalla la llamada a eleven_text_to_sound_v3 en la API Sound Effects: prompt_influence a 0,3 por defecto, duración libre salvo duration_seconds, y reproducción en bucle aún reservada a la v2; ElevenLabs habla de una actualización incremental. 🔗 fuente
HeyGen Voice y Grok Bot — Según afirma únicamente HeyGen, las llamadas telefónicas que realiza Grok Bot, el agente de SpaceXSI, utilizan HeyGen Voice para hablar con una voz parecida a la del usuario; no se especifican publicación, modelo ni disponibilidad. 🔗 fuente
HeyGen Insiders — Un programa que paga a los creadores con al menos 1 000 seguidores por las visualizaciones de vídeos cortos publicados en torno a los lanzamientos de HeyGen, a partir de 20 000 visualizaciones en 7 días, según una escala ajustada a la interacción que no se ha publicado. 🔗 fuente
Expression Sheet de Luma — Una lámina de seis expresiones faciales de un personaje, creada a partir de imágenes, con tres conjuntos de expresiones y un ajuste de intensidad; sin publicación ni precios. 🔗 fuente
FLUX 3 Image Klein — Black Forest Labs anuncia más de un millón de descargas de su modelo diseñado para la edición precisa, sin especificar el periodo ni la plataforma. 🔗 fuente

Cómputo e infraestructura en NVIDIA

Fábricas de semiconductores — NVIDIA enumera las mejoras de sus socios: cuLitho hasta 17 veces más rápido en Siemens Calibre, ACE+ de Applied Materials hasta 35 veces con PhysicsNeMo, predicción del plasma de Lam Research en milisegundos en lugar de días; ningún producto nuevo. 🔗 fuente
Dynamo en Kubernetes — Noticia del 30 de octubre recuperada, difundida antes de KubeCon: AI Cluster Runtime incorpora el chart dynamo-platform 1.4.2 en recetas con versiones fijadas y verificadas, y Dynamo 1.5 incorporará un selector de endpoint nativo en Rust. 🔗 fuente

Empresas, comunidad y guías

Heimstaden — El gestor inmobiliario europeo reduce el coste de una imagen con decoración virtual de unos 50 euros a menos de 0,10 euros en los Países Bajos, y una analista sin experiencia en desarrollo evaluó con Codex los riesgos medioambientales de 20 112 activos. 🔗 fuente
Dos incorporaciones en OpenAI — Jill Hazelbaker, procedente de Uber, se convierte en Chief Corporate Affairs Officer para dirigir la comunicación mundial, y Dan Driscoll, exsecretario del Ejército de Estados Unidos, se convierte en asesor principal para la modernización de la seguridad nacional, un puesto de nueva creación. 🔗 Jill Hazelbaker · 🔗 Dan Driscoll
Arnis y GitHub Copilot — El GitHub Blog cuenta cómo Louis Erbkamm, único mantenedor de Arnis (cerca de 900 000 descargas, unos 70 colaboradores), clasifica issues y errores con Copilot y lanza subagentes de la app GitHub Copilot para rastrear regresiones. Testimonio, sin novedades de producto. 🔗 fuente
Game Off 2026 — Noticia del 1 de noviembre recuperada: la 14.ª game jam de GitHub, con el tema SHIFT, permite el desarrollo asistido por IA, y cada participante declara su uso de la IA al entregar su proyecto, hasta el 1 de diciembre en itch.io. 🔗 fuente
Guía de agentes autónomos de Perplexity — Cinco niveles de autonomía, cuatro capacidades y siete buenas prácticas, con las cifras de un estudio de Harvard y Perplexity: el 57 % de las peticiones a agentes se refiere a la productividad y el aprendizaje. Ninguna novedad de producto. 🔗 fuente

Qué significa

Pando muestra las dos caras de los agentes de código en OpenAI: son los que han disparado la carga, con un 1 378 % más de commits en la rama principal respecto a principios de 2024, y los que han construido la respuesta en diez semanas, a partir de un núcleo diseñado por un solo ingeniero. La mejora no procede de un nuevo protocolo, sino de una renuncia deliberada: la de tener una visión coherente de todas las ramas en un momento dado. En cuanto a las herramientas, es hora de establecer controles: Claude Code pide permiso antes de enviar la dirección de correo electrónico de la cuenta y cuantifica los gastos por desarrollador, mientras que Copilot llega a JetBrains Air sin un límite de gasto configurable en Air.

La seguridad se mide cada vez más con pruebas que con declaraciones. FlashProve permite verificar que una respuesta procede realmente de un modelo determinado, con un sobrecoste de aproximadamente 72 veces y contextos limitados a 1 024 tokens: un prototipo, todavía no un servicio. CyberArena y CWE-bench v2 apuntan en la misma dirección en el ámbito de los agentes: lo que distingue a los mejores es la defensa y el parche que resiste, mientras que anunciar un parche sin verificarlo sigue siendo el error más frecuente (23 % de los enfrentamientos auditados). OpenAI, por su parte, paga ahora hasta 172 000 dólares por que se le comunique una vulnerabilidad excepcional de ChatGPT, de Codex o de su API.

Los modelos abiertos llegan al entorno empresarial por dos vías. Cohere los aloja dentro de un perímetro controlado, que incluye el cifrado durante el procesamiento para Gemma, GPT-OSS y Phi, mientras que Revolut, según el tuit compartido por Together AI, ejecuta GLM en sus propias GPU por aproximadamente una décima parte del precio pagado a Anthropic y OpenAI: una cifra de segunda mano, pero que muestra lo que comparan ahora las empresas. Los proveedores de modelos cerrados también se mueven: al redirigir Gemini 2.5 Pro a Gemini 3.8 Flash, Google reduce el precio por token hasta finales de diciembre, antes de duplicar la tarifa de 3.8 Flash el 1 de enero. El informe de Mistral Large 4 muestra el compromiso inverso: la reducción del cache KV, llevada al extremo para servir el modelo a menor coste, perjudicaba las tareas agénticas y tuvo que corregirse.

El mundo físico sigue siendo el terreno donde más divergen las demostraciones y las mediciones. OpenAI muestra un dispositivo diseñado en menos de una semana con GPT-6 Astra, pero reconoce que fueron necesarios ciclos de revisión para tener en cuenta las tolerancias y la fabricación; ese mismo día, ningún agente supera el 50 % en PLE con expedientes reales de ingeniería, y solo el 41,3 % de los entregables de la mejor configuración supera todos los controles de seguridad. La respuesta que se perfila es híbrida: en Google DeepMind, el modelo orquesta y las herramientas químicas deterministas calculan. StateBench recuerda, por último, que sigue siendo difícil seguir un documento largo: en los problemas más difíciles, los modelos de frontera caen al 13 % o menos.