OpenAI lanza GPT-6 Cyber, Anthropic incorpora Personal Finance en Claude, Perplexity lanza Teammates

OpenAI lanza GPT-6 Cyber, un modelo de ciberseguridad clasificado como Critical, reservado inicialmente a determinados clientes de Daybreak Red, un día después de la publicación en la que su cadena autónoma de investigación de vulnerabilidades, impulsada por este modelo, validó 948 vulnerabilidades de elevación de privilegios del kernel de Linux por 1,2 millones de dólares. Anthropic incorpora Personal Finance en Claude, en modo de solo lectura y en beta en Estados Unidos, y Perplexity lanza Teammates, agentes que trabajan de forma continua, como los que Mistral añade a Studio. En el ámbito creativo, OpenAI acelera la generación de imágenes con Images 2.6 y Google pone Gemini Omni 1.2 Flash en disponibilidad general, con vídeos de 15 segundos y una reducción del precio del 30 %. Por su parte, Ricursive Intelligence publica Ripple-65B Preview, un modelo denso de pesos abiertos orientado al código agéntico.

OpenAI lanza GPT-6 Cyber, un modelo de ciberseguridad clasificado como Critical, reservado inicialmente a clientes de Daybreak Red

5 de noviembre — OpenAI lanza GPT-6 Cyber, sucesor de GPT-5.6 Cyber, entrenado para encontrar y validar vulnerabilidades explotables sin salirse del alcance fijado por los investigadores. Su marco de preparación (Preparedness Framework) lo clasifica como Critical en ciberseguridad, frente a High para GPT-5.6 Cyber. Según OpenAI, supera a GPT-6 Astra en la mayoría de las tareas de ciberseguridad, incluso cuando Astra no rechaza la solicitud.

Introducing GPT‑6 Cyber: a major advance in security research that pairs stronger capabilities with better model alignment. The model powered the Linux kernel research we announced yesterday, and security teams at companies like Mozilla, Palo Alto Networks, Calif, and Cisco—alongside our own at OpenAI—are already putting it to work. GPT-6 Cyber is available to select Daybreak Red customers and we are expanding access over time.

🇪🇸 Presentamos GPT-6 Cyber: un gran avance para la investigación en seguridad, que combina capacidades reforzadas con una mejor alineación del modelo. El modelo impulsó las investigaciones sobre el kernel de Linux anunciadas ayer, y los equipos de seguridad de empresas como Mozilla, Palo Alto Networks, Calif y Cisco, junto con los nuestros de OpenAI, ya lo utilizan. GPT-6 Cyber está disponible para determinados clientes de Daybreak Red e iremos ampliando el acceso con el tiempo. — @OpenAI en X

Las cifras publicadas por OpenAI se centran primero en la explotación y después en la capacidad del modelo para mantenerse dentro de su misión: ExploitGym Honeypot sitúa cerca del objetivo servicios auxiliares deliberadamente fáciles de atacar, que debe dejar de lado.

Evaluación publicada por OpenAI	Puntuación de GPT-6 Cyber	Punto de comparación
ExploitGym (explotar una vulnerabilidad dada de forma remota)	48,5 %	32,1 % para GPT-5.6 Cyber
Prueba de penetración web sin acceso al código fuente	40,3 % de las vulnerabilidades encontradas	32,0 % para GPT-6 Astra
RemoteExploitBench (evaluación inicial)	95 % de tareas completadas con éxito	100 % de rechazos para GPT-6 Astra (Daybreak Blue)
ExploitGym Honeypot, sin prompt de despliegue	99,93 % de ataques fuera del alcance evitados	94,49 % para GPT-5.6 Cyber
SRE-Bench, ingeniería inversa de binarios (ficha del sistema)	92,84 %	87,98 % para GPT-6 Astra

En la práctica, OpenAI destaca 948 exploits de elevación local de privilegios en el kernel de Linux (detallados a continuación) y 81 vulnerabilidades inéditas de gravedad alta en Firefox, según la clasificación de Mozilla, que ha empezado a publicar los parches. Los equipos de seguridad de Cisco, Calif y CodeRabbit ya lo utilizan para la investigación de vulnerabilidades y la revisión de código.

Las medidas de protección se refuerzan: supervisión de la desalineación específica de la ciberseguridad, Private Safety Processing por regla general obligatorio para los clientes de la API con política de no conservación de datos (registros cifrados conservados durante 30 días en el almacenamiento del cliente), lista de direcciones IP permitidas exigida por defecto para el acceso a la API de Daybreak Red y nuevos controles contra la asistencia en ataques a sistemas críticos. Un grupo Daybreak Red for Critical Infrastructure permite realizar pruebas autorizadas a defensores aprobados de infraestructuras críticas, tras las evaluaciones realizadas con Dragos en una central eléctrica simulada.

GPT-6 Cyber se ofrece inicialmente, en la API y Codex, a un grupo reducido de clientes aprobados de Daybreak Red, antes de extenderse progresivamente a todos estos clientes; GPT-5.6 Cyber está disponible para ellos desde ahora. En la API, gpt-6-cyber cuesta 20 dólares por millón de tokens de entrada (2 dólares en caché) y 100 dólares de salida, con una ventana de contexto de 1 050 000 tokens. OpenAI promete más anuncios durante una emisión en directo, «Cyber at the Frontier», el 12 de noviembre a las 10 h, hora del Pacífico.

🔗 GPT-6 Cyber: avance de la frontera de los agentes de ciberseguridad alineados (OpenAI) · Ficha del sistema de GPT-6 Cyber

Un pipeline autónomo validó 948 vulnerabilidades de elevación de privilegios de Linux por 1,2 millones de dólares

4 de noviembre — La víspera del lanzamiento, el equipo Cyber de OpenAI describió un prototipo que encadena sin intervención el descubrimiento de vulnerabilidades, su reproducción en una máquina virtual aislada, la evaluación de su explotabilidad y la generación de parches, antes de una revisión humana. Se ejecutó durante diez días a mediados de octubre sobre la rama principal del kernel de Linux, en su estado más reciente, con el modelo que el tweet de lanzamiento identifica como GPT-6 Cyber; sus 948 vulnerabilidades de elevación local de privilegios se contabilizan por parche distinto.

Etapa de la ejecución	Resultado obtenido	Coste en créditos de la API
Investigación por los agentes analistas (12 h)	2 308 vulnerabilidades potenciales	316 549 dólares
Validación dinámica (30 h)	1 724 vulnerabilidades reproducidas	73 330 dólares
Explotación	1 169 exploits funcionales, 948 vulnerabilidades distintas	775 929 dólares
Ejecución completa, incluidas la detección y la clasificación	948 vulnerabilidades distintas de elevación de privilegios	1 213 430 dólares, es decir, 1 279 por vulnerabilidad

A finales de julio, GPT-5.6 Sol solo había encontrado y explotado 166 vulnerabilidades de este tipo, por 513 690 dólares, y el kernel se reforzó durante los tres meses que separan ambas campañas. En kernelCTF, el programa de Google con un kernel reforzado, la cadena consiguió 21 exploits en 112 horas por unos 32 936 dólares. Los agentes emplearon al menos 10 técnicas de explotación desconocidas tanto para OpenAI como para los expertos consultados, cuyos detalles siguen siendo confidenciales. OpenAI estima, a modo de hipótesis, que estas vulnerabilidades habrían reportado entre 18,9 y 66,3 millones de dólares según los antiguos baremos de recompensas de Pwn2Own y TyphoonPWN. Al término de los diez días, 61 vulnerabilidades ya estaban corregidas en upstream, 43 tenían un parche en preparación y 299 eran objeto de debates públicos.

🔗 Mil caminos menos hacia root (OpenAI)

Anthropic lanza Personal Finance en Claude, en modo de solo lectura a través de Plaid y en beta en Estados Unidos

5 de noviembre — Anthropic lanza Personal Finance en Claude, en beta en Estados Unidos para los planes Pro, Max y Ultra. El usuario vincula las cuentas bancarias y las tarjetas que elija y después plantea sus preguntas sobre dinero en lenguaje cotidiano; Claude responde a partir de sus propios saldos y transacciones.

Introducing Personal Finance in Claude, in beta in the US. Connect the accounts you choose, and Claude answers your money questions in everyday language, from your own balances and transactions. Access is read-only, and Claude can’t move, manage, or invest your money.

🇪🇸 Presentamos Personal Finance en Claude, en beta en Estados Unidos. Vincula las cuentas que elijas y Claude responderá a tus preguntas sobre dinero en lenguaje cotidiano, a partir de tus propios saldos y transacciones. El acceso es de solo lectura, y Claude no puede mover, gestionar ni invertir tu dinero. — @claudeai en X

La conexión se realiza a través de Plaid: el propio usuario inicia sesión en su banco y acepta allí el acceso de Claude, que nunca ve la contraseña bancaria. Para las cuentas elegidas, Claude lee el nombre del banco, el nombre, el tipo y los cuatro últimos dígitos de cada cuenta, los saldos, los límites de crédito y hasta dos años de transacciones; para las inversiones, los préstamos y las tarjetas, solo lee los saldos y los límites, sin acceder a las posiciones ni a los tipos de interés. La función no está diseñada para dar consejos de inversión y no muestra publicidad ni recomendaciones patrocinadas; Anthropic precisa que no ofrece tarjetas de crédito, préstamos ni cuentas de ahorro.

Una página específica reúne gastos, flujos de caja, suscripciones y próximas facturas. En el ejemplo del artículo, Claude suma 4 309,37 dólares de gastos durante el mes, de los cuales más de la mitad corresponden al alquiler y los gastos de la vivienda, enumera cuatro cargos próximos antes del cobro de la nómina y calcula lo que quedará: 1 393,22 dólares. También señala los cargos duplicados, las comisiones inesperadas o una factura que aumenta, y puede crear un gráfico, un calendario de vencimientos o un panel de control.

Parámetro de la oferta	Valor anunciado
Planes incluidos	Pro, Max y Ultra (no incluye Free, Team ni Enterprise)
País y bancos	Estados Unidos, un máximo de 16 bancos estadounidenses
Estado del lanzamiento	Beta, despliegue progresivo desde esta semana
Plataformas	Web, Claude Desktop, iOS y Android
Datos leídos	Hasta 24 meses de transacciones, en modo de solo lectura
Entrenamiento de los modelos	Se excluyen las conversaciones del espacio Personal Finance

Fuera de este espacio se aplican los ajustes de privacidad habituales; según el centro de ayuda, una conversación que haya utilizado las cuentas no alimenta ni la memoria ni la búsqueda en el historial. Las cuentas vinculadas no se utilizan en Cowork, Claude Code ni en las tareas programadas, y la función no está disponible en Claude Duet. Anthropic presenta Personal Finance como un primer paso y afirma estar explorando, sin fecha prevista, la colaboración con profesionales acreditados y entidades reguladas. Claude se une a ChatGPT, Perplexity y Grok, que también utilizan Plaid.

🔗 Presentamos Personal Finance en Claude · Usar Personal Finance en Claude (centro de ayuda)

Agentes que trabajan de forma continua: Perplexity Teammates y los agentes gestionados de Mistral Studio

5 de noviembre — Perplexity lanza Teammates, agentes personales para el trabajo de larga duración, anunciados por Aravind Srinivas y después por la cuenta oficial de Perplexity. Cada compañero (teammate) parte de lo que ya existe en Computer: proyectos, skills, memoria, plugins y automatizaciones. Se le asignan un nombre, un rol, una instrucción permanente y unas reglas que indican cuándo debe volver a consultar al usuario; planifica el trabajo, coordina sesiones de Computer y a otros compañeros, verifica los resultados sobre la marcha y entrega el trabajo terminado para su validación. Conserva los objetivos, el historial de tareas y los archivos de una ejecución a otra, en un hilo único y permanente.

Today, we’re launching Perplexity Teammates. They are personal agents for work. And change the paradigm from writing prompts in a session to giving high-level goals. Rolling out to Max users on the web today. Native apps (mobile, desktop) coming soon.

🇪🇸 Hoy lanzamos Perplexity Teammates. Son agentes personales para el trabajo. Y cambian el paradigma: de escribir prompts en una sesión a definir objetivos de alto nivel. Despliegue hoy para los usuarios de Max en la web. Las aplicaciones nativas (móvil, ordenador) llegarán pronto. — @AravSrinivas en X

La diferencia con Computer radica en la proactividad. Un compañero supervisa el trabajo en curso y actúa cuando algo cambia, sin una nueva solicitud: un compañero comercial detecta que un cliente habitual ha dejado de comprar, revisa sus pedidos y sus tickets y después prepara una oferta o señala un problema. Según las preguntas frecuentes, los compañeros funcionan en segundo plano las 24 horas del día y avisan cuando hay que tomar una decisión. Al añadirlo a un canal de Slack, un compañero recibe tareas de otros colegas, y los compañeros se relevan entre sí: uno encuentra bugs en un sitio web y otro prepara los parches.

Aspecto del producto	Detalle publicado por Perplexity
Plan requerido	Solo Perplexity Max
Plataformas	Web desde el 5 de noviembre, aplicaciones nativas anunciadas sin fecha
Coste de uso	Gratis durante un periodo promocional, después créditos mensuales incluidos en Max
Aislamiento	Escritorio, navegador, sesiones y cookies propios de cada compañero
Permisos	Los de las herramientas y los proyectos de Computer, credenciales cifradas

El usuario puede revisar el trabajo, tomar el control del escritorio o reorientar a un compañero sobre la marcha. El final del periodo promocional no tiene fecha, y Perplexity promete ampliar el acceso y las funciones en las próximas semanas. Teammates da continuidad a Computer en Slack, lanzado el 1 de abril, y a las automatizaciones del 29 de septiembre.

🔗 Teammates son agentes para tareas complejas y continuas (Perplexity) · Página del producto Perplexity Teammates

Mistral amplía Studio con agentes gestionados y aplicaciones, y pasa Workflows a disponibilidad general

5 de noviembre — En el ámbito empresarial, Mistral amplía Studio, su plataforma de IA: los agentes gestionados (Managed Agents) y las aplicaciones (Apps) llegan en versión preliminar pública, y Workflows, en versión preliminar pública desde finales de abril, pasa a disponibilidad general. Los tres componentes están disponibles desde el 5 de noviembre en Mistral Cloud y llegarán a los despliegues en nube privada y en instalaciones propias a finales de noviembre. Los agentes gestionados se escriben en Python con el SDK mistralai-agents: una vez definido, el mismo agente se ejecuta en servidores propios (agents serve) o en los de Mistral (agents deploy), trabaja en segundo plano durante horas o días, retoma la ejecución desde el último paso completado tras un fallo y puede esperar la aprobación de una persona. Studio proporciona a las aplicaciones alojamiento, autenticación y control de acceso. Las notas de la versión enumeran doce novedades, entre ellas un constructor de flujos de trabajo en lenguaje natural con Mistral Vibe, evaluaciones sin conexión y con tráfico real, un índice de búsqueda gestionado y webhooks. Mistral cita, entre otros, a ABANCA, BNP Paribas, Capgemini y CMA CGM entre los clientes y socios que ya utilizan Studio en producción. No se ha publicado ningún precio, y la API de los agentes gestionados aún puede cambiar durante la versión preliminar.

🔗 Le Chonk aporta la inteligencia. Studio la pone a trabajar (Mistral AI)

OpenAI lanza Images 2.6: GIF animados, imágenes de referencia y dos modelos de API un 50 % más rápidos

4 de noviembre — Dos meses después de Images 2.5, OpenAI lanza Images 2.6 en ChatGPT, Codex y la API, con un anuncio publicado la noche del 4 de noviembre. El modelo genera imágenes un 50 % más rápido y conserva mejor los detalles entre retoques, por ejemplo, la ropa de un personaje cuando se cambia el fondo. Está disponible en todo el mundo en ChatGPT y Codex, para todos los planes, en la web, ordenadores y móviles.

Llegan dos funciones a ChatGPT. La creación de GIF, en fase de despliegue, transforma un prompt, una imagen o un boceto en un bucle animado, con velocidad de reproducción ajustable y la posibilidad de retocar cada fotograma. Las imágenes de referencia guardadas permiten reutilizar una foto en nuevas conversaciones: se guarda la foto del perro con el nombre de Pepper y después se pide un retrato en acuarela de @Pepper sin volver a enviarla.

Modelo de la API	Ventaja anunciada	Imagen de salida, por millón de tokens
`gpt-image-2.6-flare`	Una imagen en seis segundos con calidad baja, composición cuidada de carteles y piezas visuales	30 dólares
`gpt-image-2.6-sunburst`	Mayor calidad y coherencia a lo largo de los retoques, con calidad media o alta	30 dólares

En la API, ambos modelos sirven tanto para generar imágenes como para retocarlas. La API incorpora también un parámetro de complejidad que ajusta el grado de planificación del modelo (un valor bajo resulta adecuado para retoques rápidos), la exportación SVG, la generación de GIF animados y la edición guiada por anotaciones, disponible también para los modelos GPT Image 2.5 compatibles. Los precios son los de GPT-Image-2.5 Flare: 5 dólares por millón de tokens de texto de entrada y 8 dólares por millón de tokens de imagen de entrada. OpenAI cifra el uso en 4.000 millones de imágenes por semana con ChatGPT, Codex y la API, es decir, más de 500 millones al día. OpenArt, Figma Weave, Picsart, fal, Sable e Higgsfield tuvieron acceso anticipado, y HeyGen lo integró al día siguiente (véanse las Breves).

🔗 Presentamos Images 2.6 (OpenAI) · Notas de la versión de ChatGPT

Google pasa Gemini Omni 1.2 Flash a disponibilidad general: vídeos de 15 segundos y precios un 30 % más bajos

5 de noviembre — Google lanza Gemini Omni 1.2 Flash, una nueva versión de su modelo de generación y modificación de vídeo, en disponibilidad general en la API Gemini (gemini-omni-1.2-flash, solo en el nivel de pago) y en Gemini for business. Según Google, es la primera vez que Gemini Omni está en disponibilidad general con la infraestructura de Google Cloud, incluido Provisioned Throughput; cada resultado lleva una marca de agua SynthID.

El modelo produce y modifica de forma nativa clips de 15 segundos, frente a los 10 de Omni 1.1, con una duración ajustable segundo a segundo entre 3 y 15 segundos. Respeta mejor las referencias (imágenes de personajes, productos o estilos, clips cortos de movimiento, indicaciones de audio, hasta 6 imágenes de referencia en la API) y produce menos cortes bruscos (jump cuts). La edición conversacional en varios turnos funciona con clips completos de 15 segundos, con diálogos más naturales y una sincronización labial más precisa. En la API, la extensión de un clip añade entre 3 y 10 segundos por turno, hasta un total de 30 segundos, y los límites de solicitudes del nivel de pago se duplican.

Parámetro comparado	Omni 1.1 Flash	Omni 1.2 Flash
Duración nativa máxima	10 segundos	15 segundos
Vídeo de salida, por millón de tokens	17,50 dólares	12 dólares
Precio efectivo en 720p	unos 0,10 dólares por segundo	unos 0,07 dólares por segundo

Google anuncia así una reducción del 30 %: un clip de 15 segundos en 720p cuesta aproximadamente 1,04 dólares, y cada segundo cuesta 0,023 dólares en 360p y 0,209 dólares en 4K sobremuestreado. El 3 de diciembre, todas las solicitudes dirigidas a gemini-omni-1.1-flash se enviarán a la versión 1.2 y se facturarán según su tarifa. Para el público general, el modelo llega a Flow, a Google Vids, donde los clips de 15 segundos no tienen coste adicional con una cuenta de Google o una suscripción a Workspace, a Google Ads y a la aplicación Gemini para todos los suscriptores de Google AI, aunque en esta última los vídeos de 15 segundos están reservados a Google AI Ultra. Runway lo añadió ese mismo día (véanse las Breves). Google reconoce que debe mejorar las acciones deportivas rápidas, los cambios rápidos de guion y la física compleja, y no publica ningún benchmark.

🔗 Presentamos Gemini Omni 1.2 Flash (Google) · Precios de Gemini Omni 1.2 Flash

Luma conecta sus flujos de trabajo creativos con Claude y ChatGPT mediante un conector MCP

3 de noviembre — Luma lanza un conector MCP que lleva sus herramientas de creación a Claude y ChatGPT; la publicación, fechada el 3 de noviembre y actualizada el 4, fue difundida por Luma el 5. El conector da acceso a Luma Agent, presentado como capaz de orquestar un proyecto completo a partir de un solo prompt, y a los flujos predefinidos de Luma: Product Shots, Camera Angles, Background swap, Relight Studio y clips promocionales cortos. Las imágenes y los vídeos terminados vuelven a la conversación. El caso de uso destacado se centra en el marketing: preguntar al asistente qué anuncio funcionó mejor la semana anterior y después pedir a Luma que cree variantes del ganador, con nuevas escenas, nuevos ángulos y una nueva iluminación. La cuenta de Luma se conecta una sola vez y cada generación consume créditos de la suscripción de Luma, sin una tarifa específica para el conector. Luma ya había conectado un conector MCP a Claude Motion el 8 de octubre; la novedad está en ChatGPT, los flujos predefinidos y Luma Agent, ahora disponibles en ambos asistentes. Luma se suma a Runway, Synthesia, Suno y HeyGen, que han conectado sus herramientas a los asistentes en las últimas semanas.

🔗 Conecta Luma con ChatGPT y Claude (Luma)

Ricursive Intelligence publica Ripple-65B Preview, un modelo denso de pesos abiertos orientado a la programación agéntica

4 de noviembre — Ricursive Intelligence, un laboratorio que hasta ahora no había aparecido en este seguimiento, publica Ripple-65B Preview: un modelo de lenguaje denso de 65.000 millones de parámetros, preentrenado desde cero con 12 billones de tokens, bajo licencia Apache 2.0, con un contexto de hasta 1 048 576 tokens. La publicación incluye el modelo ajustado con instrucciones en BF16 y NVFP4, un modelo base obtenido únicamente del preentrenamiento y un pequeño modelo borrador DFlash2 para la decodificación especulativa. Ricursive se presenta como un laboratorio que optimiza conjuntamente el hardware, el software y el modelo, y Ripple-65B Preview es la variante generalista del modelo propietario de su plataforma de diseño de chips mediante IA.

Las cifras destacadas se refieren a la programación agéntica: 80,5 % en Terminal-Bench 2.1, 79,1 % en SWE-Bench Pro v2.0-Hard y 44,3 % en DeepSWE v1.1. Ricursive afirma liderar los modelos estadounidenses de pesos abiertos en este ámbito, por delante de modelos mucho más grandes, basados en mezclas de expertos (Mixture-of-Experts, MoE); la afirmación se refiere a los modelos abiertos estadounidenses, no al conjunto de modelos abiertos.

Característica (ficha de Ricursive)	Ripple-65B Preview	Reflection Beam	Muse Spark Open	Inkling	Nemotron 3 Ultra
Arquitectura del modelo	Densa	MoE	MoE	MoE	MoE
Parámetros totales	65B	501B	816B	975B	550B
Parámetros activos	65B	23B	42B	41B	55B
Terminal-Bench 2.1	80,5	80,1	76,4	63,8	56,4
GPQA Diamond	85,2	90,6	89,0	87,2	87,0

Ricursive habla de una comparación realizada con el mejor esfuerzo posible (best-effort): puntuaciones oficiales de los competidores cuando existen, evaluación propia en caso contrario, distintos entornos de evaluación según las pruebas y puntuaciones en Terminal-Bench 2.1 más bajas en todos los casos con el entorno oficial Terminus 2, salvo para Muse Spark Open. En conocimientos generales (GPQA Diamond), Ripple sigue por detrás de sus competidores.

La receta es la de un equipo pequeño, que pasó de una a cinco personas. Ricursive partió de la receta de entrenamiento de Olmo 3, el modelo abierto de Ai2, y la reelaboró en todos los aspectos (leyes de escalado, arquitectura, datos y postentrenamiento): afirma haber multiplicado por 16 la eficiencia de cómputo en programación respecto a la serie de modelos Olmo 3, y hasta por 55 en el entrenamiento completo. El modelo es denso en lugar de una mezcla de expertos, para simplificar la infraestructura, con una arquitectura estrecha y profunda inspirada en Gemma 3N (80 capas) y un entrenamiento en BF16 sin kernels de cálculo propios. El postentrenamiento, relativamente ligero, alcanzó 80,5 en Terminal-Bench 2.1 con 1,4 millones de ejecuciones de aprendizaje por refuerzo (rollouts), unas 70 veces menos que Reflection Beam, según Ricursive.

El modelo genera 250 tokens por segundo en dos B200 (lotes de 8) sin cuantificación y cabe en una DGX Spark con el checkpoint NVFP4. Together AI lo ofrece desde el 5 de noviembre a 0,20 dólares por millón de tokens de entrada y 0,60 dólares de salida, con una ventana de 128K tokens en su plataforma, y Atomic Chat ha publicado un primer GGUF al adaptarlo a llama.cpp.

🔗 El anuncio de Ricursive en X · Ripple-65B Preview en Hugging Face · Ripple-65B Preview en Together AI

Agentes de programación: Devin Review 2.0, aplicaciones en línea en Cursor, microVM de Replit y Qwen Code v0.26.8

Cognition lanza Devin Review 2.0, una revisión de PR más barata e incremental por defecto

5 de noviembre — Cognition lanza Devin Review 2.0 y lo convierte en la herramienta de revisión de pull requests por defecto al trabajar con Devin. El título de la publicación anuncia revisiones cinco veces más baratas desde agosto y cifra en un 82 % la reducción del coste por PR durante ese periodo, gracias a una mejor combinación de modelos y a la optimización del entorno de ejecución; el hilo del anuncio de @cognition, por su parte, habla de revisiones hasta cinco veces más baratas. Una revisión típica cuesta entre 0,25 y 0,75 dólares, y cada bug corregido cuesta de media unos 2,25 dólares a los clientes. Según Cognition, el número medio de bugs encontrados por PR pasa de 1,22 a 1,32 y la mediana de latencia de 139 a 94 segundos. La revisión pasa a ser incremental por defecto: cada nueva pasada solo revisa lo que ha cambiado, aproximadamente el 80 % de las PR cuestan menos de un dólar, incluidos todos los pushes, y un límite de gasto por PR evita sobrecostes. Se añaden Devin Review Ultra, un nivel de esfuerzo mayor y más caro para código sensible (facturación, seguridad), y revisores personalizados (Custom Reviewers) en beta; no se publica ningún precio nuevo.

🔗 Devin Review 2.0 (Cognition)

Cursor crea, aloja y comparte aplicaciones en línea

5 de noviembre — Cursor permite crear aplicaciones en línea y compartirlas mediante un enlace. El punto de partida, según Cursor: los agentes han reducido el coste del código, pero la mayoría de las herramientas creadas nunca salen de la máquina local (localhost). Se inicia un agente cloud pidiéndole explícitamente una aplicación: Cursor genera su estructura inicial, crea una base de datos Postgres si es necesario, sitúa la autenticación tras el inicio de sesión de Cursor y la aloja en una cuenta dedicada, aislada de las de los demás equipos. Antes de cualquier publicación en el dominio elegido, deben superarse cuatro comprobaciones deterministas (secretos escritos en los archivos, archivos de credenciales, archivos .env y mapas de código fuente) y una revisión de seguridad mediante IA; después, el usuario publica explícitamente. Los administradores ven todas las aplicaciones y todos los secretos, añaden sus propias reglas de revisión y pueden retirar cualquier aplicación. Se puede compartir con personas, grupos, el equipo o el público; esta última opción está desactivada por defecto para Teams y Enterprise. La función está disponible en todos los planes de pago que incluyen agentes cloud, desde Cursor Origin o GitHub, y se anuncia la llegada de GitLab próximamente; no se indica ningún precio de alojamiento.

🔗 Crea aplicaciones en línea en Cursor · Documentación de Cursor sobre las aplicaciones

Replit reescribe su motor de entornos aislados en torno a microVM, cada una con su propio núcleo Linux

4 de noviembre — Replit publica la primera parte de una serie sobre su nuevo motor de entornos aislados, publicada la noche del 4 de noviembre y difundida al día siguiente. Cada entorno aislado es ahora una microVM, una máquina virtual ligera dotada de su propio núcleo Linux, en lugar de contenedores que comparten el núcleo del host; Replit afirma haber migrado cientos de millones de proyectos sin pérdida de datos. El monitor Cloud Hypervisor comparte componentes con Firecracker, y el núcleo invitado, compilado a partir de tinyconfig, prescinde de Bluetooth, USB y los controladores de pantalla.

Auditoría de CVE del núcleo Linux (del 1 de junio al 4 de noviembre de 2026)	Valor según Replit
CVE publicadas y auditadas	6 211
CVE evitadas por el nuevo motor	5 969 (96,1 %)
Parches incorporados antes de la divulgación	4 375 (70,4 %)
CVE descartadas por la configuración del núcleo	676 (10,9 %)

Para CVE-2026-98432, la vulnerabilidad TCP cuya explotación demostró Anthropic, el núcleo corregido ya estaba instalado el 12 de octubre. Las reglas de salida de red se aplican fuera de la máquina invitada, mediante un proxy en el host, y los intermediarios de credenciales llaman a GitHub o Google Docs sin entregar nunca la clave de la cuenta al entorno aislado. Un entorno aislado se obtiene en unos 500 milisegundos; una segunda parte tratará la orquestación de decenas de miles de microVM con Kubernetes.

🔗 Dentro del nuevo motor de entornos aislados de Replit, parte 1

Qwen Code v0.26.8 se conecta a las suscripciones Plus y Pro de Qwen

5 de noviembre — Qwen Code v0.26.8 restablece el inicio de sesión con una cuenta Qwen, ahora vinculado a una suscripción. En el CLI, la extensión de VS Code y la aplicación Desktop, la opción «Cuenta Qwen con suscripción» permite usar una suscripción Plus o Pro contratada en chat.qwen.ai, sin clave API: el cliente carga el catálogo de modelos de la cuenta, utiliza la suscripción para la conversación y la búsqueda web integrada, y orienta al usuario en caso de error de autenticación, de cuota o de límite de solicitudes. Según la solicitud de fusión que la introduce, esta vía responde al fin del antiguo servicio OAuth gratuito; ni la nota de la versión ni la documentación indican la fecha de ese cierre ni el precio de los planes, y tanto la CI como los contenedores siguen usando una clave API. Esta versión estable, sin cambios incompatibles, incluye 83 entradas, entre ellas 14 funcionalidades, 37 correcciones y 13 optimizaciones de rendimiento: los Mods pueden enviar sus propios prompts, y los hooks proporcionados por un proyecto requieren aprobación mediante un cuadro de diálogo. La aplicación Desktop v0.26.8 y el SDK TypeScript v0.1.28 llegan el mismo día.

🔗 Qwen Code v0.26.8

Inferencia más rápida: la CPU Vera de NVIDIA, sgl-muse-mega de Meta y Runway Characters en tiempo real

NVIDIA cuantifica la ventaja de su CPU Vera frente a los x86 para los agentes

5 de noviembre — NVIDIA publica nuevas cifras sobre Vera, su procesador pensado para los agentes. Cada paso de un agente (buscar, consultar una base de datos, escribir y probar código, actuar) se ejecuta en una CPU y, como las fábricas de IA están limitadas por la energía, NVIDIA mide el trabajo realizado por vatio. En su propia comparación, a escala de un centro de datos de 100 megavatios, una sola CPU Vera ejecutaría 1,6 veces la cantidad de agentes por vatio del x86 más rápido y duplicaría la velocidad de los agentes frente al x86 de menor consumo; no se identifica ninguno de los dos. NVIDIA también cita los resultados de seis socios:

Socio citado por NVIDIA	Resultado anunciado con Vera
Perplexity	Programación agéntica 1,5 veces más rápida que en CPU tradicionales, despliegue previsto
DeepInfra	Hasta 2,2 veces la velocidad del mejor x86 en orquestación agéntica
ClickHouse	Escalado casi lineal en 176 núcleos, a la cabeza de la clasificación ClickBench
DuckLabs	Alrededor de 1,5 veces el rendimiento mediano de un Intel Xeon 6 en TPC-H SF1000
Daytona	1 000 entornos aislados en línea en 10,8 s, frente a 88,4 s en x86
Modal	Hasta 2 veces la tasa de procesamiento de entornos aislados por núcleo frente a un x86 comparable

La entrada no indica precios ni calendario; Vera se había presentado en el CES en enero y se entregó a AWS a finales de agosto.

🔗 Vera ofrece lo mejor de ambos mundos (NVIDIA)

Meta publica sin anunciarlo sgl-muse-mega, que decodifica Muse Spark Open hasta 2,1 veces más rápido en GB300

5 de noviembre — Meta ha publicado en el GitHub de facebookresearch, bajo licencia MIT y sin anunciarlo, sgl-muse-mega: un plugin para el motor de inferencia SGLang que sirve Muse Spark Open, su modelo de pesos abiertos de 816 mil millones de parámetros (42 mil millones activos), en GPU GB300. En lugar de lanzar cientos de pequeños núcleos de cálculo (kernels) por paso de decodificación, ejecuta cada capa del decodificador en un solo lanzamiento y reúne el borrador DFlash2, la verificación y la aceptación de la decodificación especulativa en un mismo grafo CUDA. Según el README, una única solicitud alcanza hasta 1 109 tokens por segundo en GSM8K con ocho GB300, frente a 517 con SGLang y el mismo borrador, es decir, 2,1 veces más; un paso de decodificación pasa de 12,9 ms y 1 450 núcleos a 5,9 ms y 97 núcleos. La mejora solo se aplica a la decodificación de una solicitud a la vez (las demás solicitudes vuelven a SGLang), la herramienta está marcada como experimental y exige ocho GB300 en un mismo dominio NVLink, o cuatro en un nodo.

🔗 sgl-muse-mega (facebookresearch)

Runway sirve en tiempo real el modelo de vídeo de 57B de Runway Characters en cuatro H100

5 de noviembre — Runway Research publica una entrada y un artículo en arXiv sobre cómo Runway Characters, sus personajes de vídeo con los que se conversa en directo a partir de una sola imagen, logra funcionar en tiempo real. Un transformer de difusión de vídeo autorregresivo de unos 57B de parámetros debe producir, a 24 imágenes por segundo, un bloque de cuatro imágenes en 704x1088 cada 166,7 ms, para un único usuario: es imposible agrupar las solicitudes de varios usuarios, por lo que cada milisegundo debe ganarse en el propio paso. La primera oportunidad de mejora es la caché: el 29 % del tiempo de GPU se dedicaba a reprocesar, en cada una de las 240 invocaciones del mecanismo de atención, una caché casi sin cambios. Al aplicar RoPE y la cuantificación FP8 una sola vez, durante la escritura, en una caché circular, Runway reduce su mantenimiento de 69,7 a 6,2 ms por paso.

Configuración medida por Runway	Duración de un paso de difusión
Software del lanzamiento, en cuatro H100	240,9 ms
Tras la optimización, en cuatro H100	159,3 ms (24,5 images/s)
Con un núcleo que fusiona reducción y cálculo FP8	147,4 ms
En tres B200	154,3 ms

Una sesión se ejecuta ahora en cuatro H100, frente a ocho en el lanzamiento. Durante siete semanas en producción, la media superó las 23,5 imágenes por segundo en el 99,5 % de las sesiones, y la duración mediana de un turno de conversación es de 2,13 s, de los cuales 1,42 s corresponden al agente de voz.

🔗 Vídeo en tiempo real con un tamaño de lote de uno (Runway) · Artículo de arXiv 2611.05642

Robótica abierta: LeRobot v0.7.0 de Hugging Face y ToyBlocks de Ai2

Hugging Face publica LeRobot v0.7.0, que permite conversar con un robot en funcionamiento

5 de noviembre — Hugging Face publica LeRobot v0.7.0, una nueva versión de su biblioteca de robótica abierta, mientras el Hub aloja casi 300 TB de datos de IA física en formato LeRobot. Con las sesiones interactivas, se habla con el robot en funcionamiento: /subtask cambia la instrucción sin detenerlo, /vqa pregunta a la política qué ve y /autosteer le asigna un objetivo. Estas dos últimas órdenes requieren una política que genere texto, como FineART-VLA, entrenada con el conjunto de datos FineART de Scale AI y Hugging Face (1 718 horas de manipulación bimanual, más de 533 000 subtareas anotadas), o un planificador VLM externo. En cuanto al entrenamiento, los conjuntos de datos se leen en streaming desde el Hub o LanceDB, sin descargarlos, y la pila pasa a FSDP2 y HSDP: en un modelo FastWAM de 6B, el pico de memoria al reanudar baja de 143 a 42 GB por GPU. La versión añade cuatro modelos de acción del mundo (Cosmos 3 y Long-WAM de NVIDIA, FLUX 3 Action de Black Forest Labs, LaWAM de RLinf) y cuatro políticas de visión-lenguaje-acción, entre ellas LingBot-VLA 2.0 y Wall-OSS-0.5. Introduce varios cambios incompatibles: PyTorch compilado para CUDA 13, la inferencia asíncrona sustituida por un servidor de políticas y Trackio en lugar de Weights & Biases.

🔗 LeRobot v0.7.0 (blog de Hugging Face)

Ai2 publica sin anunciarlo ToyBlocks, un marco de simulación que genera demostraciones para robots

5 de noviembre — Ai2 ha publicado entre la noche del 4 y el 5 de noviembre, sin anunciarlo, los componentes de ToyBlocks: un marco de simulación abierto, construido sobre IsaacSim e IsaacLab, donde un brazo robótico empuja, voltea y apila bloques sobre una mesa. Su interés reside en sustituir la teleoperación por la generación automática de tareas y demostraciones: el conjunto de datos publicado reúne 83 496 demostraciones exitosas de apilamiento de tres bloques, equivalentes a 143,7 millones de imágenes y cerca de 1 600 horas, en tres niveles de dificultad, con conjuntos de validación de 1 000 episodios por nivel. Lo acompañan dos modelos: Molmo2-4B-tb, un Molmo2-4B ajustado que lee la imagen de la cámara y el objetivo, enuncia un breve plan e indica la siguiente acción (recoger, colocar, voltear, girar) y su objetivo, a unos 6 Hz, y una política ManiFlow que ejecuta esos movimientos. La entrada de blog citada por los repositorios devolvía un error 404 en el momento de la revisión y se anuncia que el informe técnico llegará pronto.

🔗 ToyBlocks (allenai)

Anthropic mide cómo usan Claude los científicos, en 207 049 sesiones de investigación

5 de noviembre — El equipo de Economía de Anthropic publica un informe sobre el uso científico de Claude, basado en 207 049 sesiones de investigación de los planes para el público general entre el 2 de agosto y el 30 de septiembre de 2026, analizadas por clasificadores que solo conservan etiquetas de campo y tarea. Las ciencias formales usan Claude mucho más de lo que correspondería a su peso en la investigación mundial: la informática representa el 32,7 % de las sesiones de Claude Code frente al 4,3 % de los investigadores en el mundo.

Métrica observada	En Claude (Chat y Cowork)	En Claude Code
Sesiones analizadas	128 914	78 135
Proporción de análisis de datos	33,7 %	48,1 %
Proporción de ideación e hipótesis	4,2 %	2,1 %

Los científicos utilizan Claude sobre todo para analizar datos y escribir, y mucho menos para formular hipótesis, aunque los 528 investigadores encuestados sitúan la ideación y la recopilación de datos a la cabeza de las tareas que consideran importantes; en Claude Science, la ideación representa aproximadamente el doble que en Claude. El informe esboza escenarios presentados como ilustrativos, no como previsiones: con una adopción generalizada de las capacidades actuales, la producción de investigación se multiplicaría por un factor de entre 1,35 (artes) y 2,02 (estadística); si la IA se encargara de todo el trabajo no físico, por entre 15 y 16 en los campos sin trabajo de laboratorio, frente a entre 3 y 4 en biología o química. Alrededor del 40 % de los investigadores encuestados esperan proyectos de investigación realizados de forma autónoma por la IA para 2030.

🔗 IA para el descubrimiento científico: cómo usan Claude los investigadores (Anthropic)

OpenAI publica un pacto con las comunidades que acogen sus campus de computación

5 de noviembre — OpenAI publica un pacto nacional con las comunidades (Pacto nacional con las comunidades) y un plan de políticas públicas para los campus de computación (Plan de políticas públicas para los campus de computación). Cada futuro campus que OpenAI posea y gestione tendrá su propio pacto local, con una consulta lo bastante temprana como para influir en el proyecto, un interlocutor local y un informe público anual. OpenAI se compromete a pagar la totalidad de la electricidad y las infraestructuras necesarias, con garantías financieras para proteger a los demás clientes si un proyecto se retrasa, se reduce o se cancela, a publicar el consumo de agua y electricidad de cada instalación, a priorizar la refrigeración de circuito cerrado o de bajo consumo de agua y a no imponer acuerdos de confidencialidad a los cargos electos y empleados públicos, salvo protecciones muy acotadas. En el condado de Effingham, en Georgia, los habitantes destinaron una subvención de 4,8 millones de dólares a comidas escolares gratuitas para los 14 000 alumnos del condado; en el condado de Pike, en Ohio, OpenAI y SB Energy se comprometen a aportar 6 millones de dólares para el cuidado infantil. El plan también pide a los responsables políticos normas comunes: hacer que los grandes consumidores paguen los costes que añaden a la red, facilitar la conexión de los campus capaces de reducir su demanda, como prevé Grid Protectors, presentado el 2 de noviembre, y acelerar el despliegue de las líneas de transporte de electricidad.

🔗 Un nuevo estándar para una infraestructura de IA responsable (OpenAI)

Breves

Agentes y herramientas de código

Amp y GitLab — Amp se integra con GitLab, tanto en gitlab.com como en las instancias autogestionadas: sus entornos cloud, las orbs, clonan y envían cambios en nombre del usuario, abren y siguen solicitudes de fusión, y Orb Spawner inicia una orb por cada nueva solicitud o incidencia; sin información de precios. 🔗 fuente
Revisión de PR de agentes en Warp — Ben Holmes propone tres medidas contra la saturación de las revisiones: un agente de revisión propio con varias rondas, una verificación de extremo a extremo por parte del agente y una puntuación de riesgo de fusión basada en cinco criterios, publicada como skill /merge-risk. 🔗 fuente
Copilot CLI 1.0.106-10 — Se publica una nueva versión preliminar en npm sin notas de versión; el SDK Copilot 1.0.29-preview.9, que la incluye, deja entrever una compactación experimental del historial y el inicio de sesión mediante código de dispositivo. La última versión estable sigue siendo la 1.0.105 del 28 de octubre. 🔗 fuente
Copilot Fusion — GitHub fija el 30 de noviembre como fecha de finalización del descuento del 30 % en este enrutador de modelos, que el anuncio del 28 de octubre reservaba a los planes de pago de Copilot por tiempo limitado; el tuit lo presenta en la aplicación GitHub Copilot, Copilot CLI y VS Code. 🔗 fuente
Kimi Code 2.5.1 — Ocho correcciones, entre ellas la eliminación de los errores HTTP 400 repetidos causados por mensajes de sistema vacíos para los esquemas de herramientas dinámicas y el regreso de las vistas previas de imágenes y vídeos en los resultados de las herramientas. 🔗 fuente
Kimi Work 3.2.25 — Una búsqueda global abarca proyectos, plugins, skills y conversaciones, los plugins sin autorizar se detectan durante la tarea con una ventana que guía su autorización, y una nueva acción detiene la tarea antes de archivarla. 🔗 fuente
CLI mistral 0.17.2 — Dos correcciones el día de la ampliación de Studio: el enlace de advertencia de mistral apps deploy abre la pestaña Secrets de la aplicación, y los comandos mistral agents ya no fallan por el bloqueo uv.lock cuando el shell exporta UV_DEFAULT_INDEX o UV_INDEX_URL. 🔗 fuente
Codex en iOS — El 2 de noviembre, ChatGPT para iOS 1.2026.300 permite añadir y eliminar archivos adjuntos sin salir del editor a pantalla completa de Codex, sincroniza el estado de lectura de las tareas entre dispositivos y dirige por defecto los mensajes de seguimiento a la tarea en curso. 🔗 fuente
Extensiones Antigravity — El 2 de noviembre, la extensión VS Code 1.11.0 permite hacer clic en las etiquetas de contexto del terminal enviadas a la conversación, y la extensión Visual Studio 1.0.261102.0 activa por defecto los diffs en línea, que se aceptan o rechazan por bloque o por archivo. 🔗 fuente
Página Overview de las pull requests — GitHub abre en versión preliminar pública, con inscripción, una página que sitúa en la parte superior el estado de fusión y las siguientes acciones, con una zona de fusión rediseñada y filtros para la conversación; es posible volver a la vista clásica. 🔗 fuente
Discord en Rust — Fuera del ámbito de la IA, Discord muestra una nueva versión de su cliente reconstruida en Rust, que Zed presenta como desarrollada sobre GPUI, su framework de interfaz open source. 🔗 fuente

Empresas y alianzas

DevRev y Codex — En un caso de estudio publicado por OpenAI, DevRev encomienda el razonamiento de sus agentes Computer y Operator a los modelos de OpenAI, entre ellos GPT-6.1 Sol, y afirma haber trasladado todo su trabajo de ingeniería a Codex, abandonando sus licencias de Cursor; sin cifras de resultados. 🔗 fuente
Replit y SMFL — Replit se asocia con Sumitomo Mitsui Finance and Leasing para conectar su plataforma con AssetForce, el servicio de gestión de activos de SMFL utilizado por más de 200 empresas, en apoyo del objetivo de SMFL: multiplicar por diez sus ingresos por servicios digitales, hasta los 10 000 millones de yenes en 2031. 🔗 fuente
Baseten y la Nemotron Coalition — Baseten se une a la alianza de NVIDIA en torno a los modelos abiertos, presentada en marzo con Mistral, Black Forest Labs, Cursor, Ai2 y Perplexity, y aporta entornos de aprendizaje por refuerzo, posentrenamiento e inferencia optimizada. 🔗 fuente

Plataformas, API y seguridad

Seguridad de Claude Enterprise — Anthropic añade, en beta, un centro de seguridad que compara la configuración de la conversación, de Cowork y de Claude Code con sus recomendaciones, una consola de administración centralizada y un sensor EDR (detección y respuesta en los equipos) en la máquina virtual local de Cowork, en macOS y Windows. 🔗 fuente
Claude Console y Admin API — En beta, una lista de direcciones IP permitidas, con hasta 1 000 direcciones o rangos por organización, rechaza las solicitudes procedentes de otras direcciones, lo que limita el uso de una clave API filtrada, y la Admin API puede cerrar todas las sesiones de un miembro de Claude Enterprise. 🔗 fuente
SDK de OpenAI — openai-python 3.46.0 y openai-node 7.51.0 añaden las opciones de residencia de datos en Australia, India y Japón, GPT-6 Rosalind y los controles de Images 2.6, y las versiones siguientes añaden gpt-6-cyber; sigue sin haber una versión estable de Codex CLI desde la 0.166.0 del 29 de octubre. 🔗 fuente
API Gemini — La API ya acepta presentaciones PPT y ODP y hojas de cálculo ODS, procesa los documentos DOC como imágenes de páginas, y las herramientas pueden devolver al modelo audio, vídeo o archivos de Office y OpenDocument. 🔗 fuente
API de Perplexity — La Agent API habilita el nivel de esfuerzo ultra, que funciona con Claude Opus 5.5 para la investigación amplia, y que no debe confundirse con el nivel Ultra del Effort Mode de Computer; el día anterior, la Decisions API incorporaba la capacidad de leer el texto de una URL antes de buscar, a 0,001 dólares por recuperación. 🔗 fuente
Orquestación de agentes — Perplexity publica una guía que compara tres arquitecturas de orquestación (centralizada, descentralizada y jerárquica), enumera siete fallos habituales y propone siete buenas prácticas, desde los contratos de tarea hasta los reintentos idempotentes; sin novedades de producto. 🔗 fuente
Análisis de secretos de GitHub — SpaceX se incorpora como socio: se le transmite cualquier identificador starlink_public_api_v2_secret expuesto en un repositorio público para que lo revoque, y los detectores de seis proveedores, entre ellos AWS y Google Cloud Storage, generan menos falsos positivos. 🔗 fuente

Infraestructura y simulación en NVIDIA

Memoria e inferencia — Una publicación explicativa defiende el diseño conjunto de toda la pila ante la escasez y el elevado precio de la HBM: de Blackwell Ultra a Vera Rubin, la HBM por GPU solo aumenta alrededor de un 3 %, pero el rendimiento por dólar se multiplica hasta por 30 en SemiAnalysis AgentX; el almacenamiento NVIDIA CMX reúne a nueve socios. 🔗 fuente
Into the Omniverse — NVIDIA actualiza su publicación sobre las simulaciones construidas por agentes, de la que se informó el 9 de octubre, con una decena de proyectos realizados principalmente con GPT-6 Astra, a veces con Claude, entre ellos un almacén de 80 cintas transportadoras, 40 brazos y 800 cajas que se mantiene a 30 imágenes por segundo; sin ningún producto nuevo. 🔗 fuente

Modelos abiertos, datos e investigación

ML Intern en Slack — El agente open source de Hugging Face que evalúa, prepara datos y ajusta modelos se convierte en un bot de Slack que se instala en el espacio de trabajo y se conecta a sus datos, sus archivos y sus servidores MCP; sin precios ni enlace de instalación. 🔗 fuente
Llama y los modelos de decisión — La aplicación local del equipo de llama.cpp y de Hugging Face, gratuita en Mac y Windows, ejecuta d1-Omni de Liquid AI y d3-flash, que atribuye a vLLM y sitúa a la cabeza del Jev Decision Index. 🔗 fuente
Sand3D — Sandflow publica 106 094 objetos 3D, de los cuales 10 456 son articulados, cada uno escrito como un breve programa Python en su biblioteca abierta sand3d, con una exportación OpenUSD que puede visualizarse en el visor 3D del Hub. 🔗 fuente
SimReady Central — Lightwheel detalla su papel en la biblioteca de objetos 3D de NVIDIA en Hugging Face, que ya supera los 3 500 objetos OpenUSD: la empresa valida y ajusta su comportamiento físico al entrar en contacto y al moverse. 🔗 fuente
DreamTac — Una publicación presenta este conjunto de datos de la Universidad de Pekín, convertido por Voxel51 para FiftyOne: 703 trayectorias de un brazo Franka con puntas de los dedos de gel, en 12 tareas y 7,03 horas, donde el contacto se hace visible en la imagen. 🔗 fuente
Síntesis de voz en libanés — Bilal Zaraket ha clonado la voz de un evaluador de Beirut con cuatro modelos: en una evaluación a ciegas realizada por cinco oyentes nativos, la voz real obtiene 4,98 sobre 5 y el mejor modelo, VoxCPM2, 3,89, y solo se percibe como libanés en el 65 % de los casos. 🔗 fuente
Guardián colombiano — Hugo Alonso ajusta Tiny Aya Global (3,35 mil millones de parámetros) para moderar en español de Colombia un muro público de memoria colectiva, en una GPU de 6 GB, en sustitución de una cadena de tres servicios cloud. 🔗 fuente
Anvaya-1B — Un desarrollador preentrena desde cero un modelo de algo más de mil millones de parámetros en dos tarjetas T4 de 16 GB, con PyTorch FSDP y FineWeb, y publica el primer punto de control y la receta. 🔗 fuente
traj2envs — Hugging Face publica sin anuncio una herramienta que transforma trayectorias de agentes en formato ATIF en tareas verificadas de aprendizaje por refuerzo de Harbor, con imágenes de entorno fijadas a versiones concretas. 🔗 fuente

Imagen, vídeo y avatares

Runway y Gemini Omni 1.2 Flash — Runway añade el nuevo modelo de Google para crear y editar vídeos de hasta 15 segundos, retocar una escena sin empezar de cero y después ampliarla a 4K; sin publicación ni coste en créditos. 🔗 fuente
HeyGen e Images 2.6 — HeyGen integra ChatGPT Images 2.6 para los personajes secundarios de sus escenas, con mejores hojas de personajes y mayor coherencia en HeyGen Video 1; sin especificar precios ni planes. 🔗 fuente
Photo Reframe de Luma — Tras Expression Sheet y Character Sheet, Luma añade una herramienta que completa el espacio alrededor de una imagen para adaptarla a una publicación de Instagram, una portada de álbum o un cartel; sin publicación ni precios. 🔗 fuente
Manus Studio — Los proyectos ya se pueden exportar a Premiere Pro, DaVinci Resolve, CapCut o Final Cut Pro, para terminar en otra aplicación el montaje de un vídeo creado con IA; sin especificar el formato de exportación ni los planes. 🔗 fuente
Muse Realtime Avatar — Presentada en Meta Connect, la tecnología que da un rostro animado en tiempo real a Muse Realtime Voice llega a la aplicación Muse en Estados Unidos, sin calendario para los demás países. 🔗 fuente

Qué significa esto

La ciberseguridad ofensiva alcanza una escala industrial, con acceso restringido. GPT-6 Cyber, clasificado como Critical, ha servido para validar 948 vulnerabilidades de elevación de privilegios del núcleo Linux en diez días por 1,2 millones de dólares, es decir, 1 279 dólares por vulnerabilidad, y para encontrar 81 vulnerabilidades de gravedad alta en Firefox. OpenAI reserva el modelo a clientes aprobados de Daybreak Red, exige por defecto una lista de direcciones IP permitidas y vigila una desalineación específica del ámbito cibernético. La carrera se centra ahora en la rapidez de las correcciones: durante los diez días de la campaña, otros colaboradores ya habían corregido 61 de estas vulnerabilidades en el proyecto original y preparaban correcciones para otras 43, y OpenAI considera indispensable la generación automática de correcciones para seguir ese ritmo. Replit muestra el otro extremo de la cadena: su núcleo invitado incorporaba 4 375 correcciones incluso antes de su divulgación, y la vulnerabilidad TCP cuya explotación demostró Anthropic ya estaba corregida allí desde el 12 de octubre.

Los agentes que trabajan durante largos periodos con datos sensibles convierten el aislamiento y los permisos en el núcleo del producto. Los compañeros de equipo de Perplexity funcionan las 24 horas del día, cada uno con su escritorio, su navegador y sus cookies; los agentes gestionados de Mistral trabajan durante horas o días y pueden esperar la aprobación de una persona; Cursor aloja cada aplicación en una cuenta aislada, tras cuatro comprobaciones deterministas y una revisión con IA. Personal Finance lleva la lógica hasta el acceso de solo lectura: Claude lee saldos y transacciones a través de Plaid sin poder mover un dólar, y las conversaciones de su espacio no se utilizan para el entrenamiento. En infraestructura, Replit proporciona a cada entorno aislado su propio núcleo Linux y aplica las reglas de red fuera de la máquina invitada; para los administradores, Claude Enterprise compara ahora su configuración de seguridad con las recomendaciones de Anthropic.

La imagen y el vídeo generados se vuelven más rápidos, más baratos y se integran en todas partes en cuestión de horas. Images 2.6 genera un 50 % más rápido, Gemini Omni 1.2 Flash amplía los clips a 15 segundos y reduce su precio un 30 %, hasta unos 0,07 dólares por segundo en 720p, y Runway ofrece sus personajes de vídeo de 57B en tiempo real con cuatro H100 en lugar de ocho. La distribución sigue de inmediato: Runway añade Omni 1.2 Flash el día de su lanzamiento, HeyGen integra Images 2.6 al día siguiente, y Luma incorpora sus herramientas de creación a Claude y ChatGPT. Para los creadores, el foco se desplaza de la elección del modelo a la herramienta en la que aparece, a menudo ese mismo día.

El coste de la inferencia se convierte en un argumento por derecho propio. NVIDIA vende Vera según el número de agentes por vatio, Meta hace que Muse Spark Open decodifique 2,1 veces más rápido con un único núcleo de cálculo por capa, y Cognition reduce un 82 % el coste de una revisión de código desde agosto al tiempo que encuentra algunos bugs más. Ripple-65B Preview aplica la misma lógica al entrenamiento: un modelo denso preentrenado desde cero con una receta derivada de Olmo 3 y posentrenado con 1,4 millones de trayectorias de aprendizaje por refuerzo, que afirma liderar los modelos abiertos estadounidenses en programación agéntica y se alquila por 0,20 dólares por millón de tokens de entrada en Together AI.