Google lanza Gemini 4 Hydrogen, Inkling 2 Small pasa a pesos abiertos, OpenAI abre Daybreak Red Team

Google lanza Gemini 4 Hydrogen, un modelo rápido que supera a Gemini 4 Argon en el Intelligence Index de Artificial Analysis, y lo despliega el mismo día en Search, la aplicación Gemini, Antigravity, Cursor y Devin. Thinking Machines publica los pesos de Inkling 2 Small bajo Apache 2.0, OpenAI abre dos productos de ciberdefensa, Daybreak Red Team y Daybreak Defense Factory, y Google pone en preventa sus gafas inteligentes con Gemini. Por parte de Anthropic, Claude se incorpora a las reuniones de Google Meet, Managed Agents puede autoalojarse por completo y el sitio de la salida a bolsa publica su calendario.

Gemini 4 Hydrogen: 2,5 veces más rápido que Gemini 3.8 Flash, por delante de Argon en el Intelligence Index, a 1,50 dólares por millón de tokens

12 de noviembre — Google completa la serie Gemini 4 con Gemini 4 Hydrogen, tras Argon y Carbon. Mientras que estos dos modelos se orientan al razonamiento prolongado sobre los problemas más difíciles, Hydrogen está pensado para la velocidad: la programación cotidiana, los agentes que encadenan herramientas y la síntesis de documentos multimodales. Google lo presenta como la actualización de Gemini 3.8 Flash y de los modelos Gemini 3 y 2.5 anteriores.

Meet Gemini 4 Hydrogen: built for rapid coding, multimodal synthesis, and everyday workflows. It finishes tasks 2.5x faster than 3.8 Flash and surpasses Argon on the @ArtificialAnlys Intelligence Index.

🇪🇸 Presentamos Gemini 4 Hydrogen, diseñado para la programación rápida, la síntesis multimodal y las tareas cotidianas. Completa las tareas 2,5 veces más rápido que 3.8 Flash y supera a Argon en el Intelligence Index de @ArtificialAnlys. — @GoogleDeepMind en X

En el Intelligence Index de Artificial Analysis, Hydrogen obtiene 51 con su configuración predeterminada, frente a 50 de Argon, y 54 con el nivel de razonamiento más alto. Frente a 3.8 Flash, Google anuncia tareas completadas 2,5 veces más rápido, una puntuación en Terminal-Bench 4.1 más de tres veces superior y más de 5 veces menos afirmaciones inventadas: el modelo señala el contexto que falta en lugar de adivinar.

Benchmark o medida (cifras de Google)	Gemini 4 Hydrogen	Punto de comparación
Artificial Analysis Intelligence Index	51 (high), 54 (xhigh)	Gemini 4 Argon: 50
Terminal-Bench 4.1	57 %	Gemini 3.8 Flash: 18,2 %
Velocidad de las tareas (configuración high)	2,5 veces más rápido	Gemini 3.8 Flash
HLE-Diamond	58,8 %	Líder en su categoría
Vals Tax Agent Bench	52,3 %	1.º en la clasificación general
Agents’ Last Exam v1.1	71,6 %	Por delante de los demás modelos, según Google

Para los desarrolladores, gemini-4-hydrogen está disponible de forma general en la API de Gemini, incluido el nivel gratuito, con límites de tasa. La tarifa de pago es la misma para todo el contexto de un millón de tokens: 1,50 dólares por millón de tokens de entrada, 7,50 dólares de salida (razonamiento incluido) y 0,075 dólares de entrada con caché implícita. Es la tarifa que volverá a tener Gemini 3.8 Flash al terminar su promoción, que dura hasta el 31 de diciembre (0,75 y 3,75 dólares). Hydrogen añade un cuarto nivel de razonamiento, xhigh, por encima de low, medium y high; high es el nivel predeterminado, mientras que 3.8 Flash utilizaba medium. El contexto unificado alcanza 1 048 576 tokens, con 65 536 tokens de salida por solicitud síncrona y hasta un millón mediante la ejecución en segundo plano. La migración desde 3.8 Flash requiere algunos ajustes: se elimina la caché explícita, se ignoran los parámetros temperature, top_p y top_k, y se rechaza el nivel de razonamiento mínimo.

El modelo llega el mismo día a la aplicación Gemini en todo el mundo (los usuarios gratuitos acceden a él mediante la selección automática del modelo), a Google Search para todos, a Gemini para Google Sheets inicialmente para los suscriptores de Google AI Pro y Ultra, y a Antigravity para los suscriptores de pago Pro y Ultra. También se convierte en el modelo predeterminado del agente Antigravity de Gemini Managed Agents. En cambio, en el momento de nuestra revisión no se había encontrado ninguna pull request que mencionara Hydrogen en el repositorio de Gemini CLI.

En cuanto a la seguridad, Google anuncia hasta un 81 % menos de incumplimientos de instrucciones en las tareas agénticas, acciones desalineadas y atajos reducidos a una doceava parte, un 96,7 % en su evaluación interna de honestidad y una resistencia más de 2,3 veces mayor a las inyecciones de prompt indirectas (Gray Swan). Se publica una ficha del modelo.

🔗 Anuncio de Gemini 4 Hydrogen (blog.google) · Novedades de Gemini 4 Hydrogen para la API (Google AI Studio) · Precios de la API de Gemini · Ficha del modelo (PDF)

Google Search adopta Hydrogen, «la mayor actualización de modelo» de Search según Google

12 de noviembre — Google Search adopta Gemini 4 Hydrogen para todos sus usuarios, en todo el mundo. Robby Stein, vicepresidente de producto de Search, habla de la mayor actualización de modelo de Search hasta la fecha. El buscador debería comprender mejor la intención, incluso en preguntas con varias partes, muy precisas o escritas con errores tipográficos. Amplía su técnica de consultas en abanico (query fan-out), que lanza búsquedas paralelas sobre los subtemas de una pregunta, y ofrece así una gama más amplia de enlaces. Las respuestas se vuelven más visuales, con imágenes, tablas comparativas y herramientas creadas para la pregunta, en todos los idiomas compatibles con el modo IA. Google no publica ninguna cifra para este apartado.

🔗 Gemini 4 Hydrogen en Search (blog.google)

Antigravity Orchestrator alterna entre Carbon e Hydrogen en una misma sesión, con un 24 % menos de cuota

12 de noviembre — Google Antigravity añade una opción Orchestrator a su selector de modelos. No elige un modelo para toda la tarea: transfiere el control entre Gemini 4 Carbon y Gemini 4 Hydrogen a lo largo de una misma sesión, en ambos sentidos. Carbon explora el código en modo de solo lectura, resuelve las ambigüedades y elabora un plan; Hydrogen escribe los cambios, actualiza los paquetes y ejecuta las pruebas, y después devuelve el control a Carbon si se atasca.

Según la publicación de Antigravity, Orchestrator se acerca a la tasa de éxito de Carbon por sí solo consumiendo, de media, un 24 % menos de cuota y terminando un 19 % más rápido en Terminal-Bench 4.1; la publicación de blog.google sitúa las mismas cifras en Terminal-Bench 4.0. Orchestrator se reserva inicialmente a los suscriptores de Google AI Ultra, mientras que Hydrogen por sí solo está disponible para los suscriptores de pago Pro y Ultra. Según Antigravity, también se han lanzado «decenas de miles» de enjambres de agentes (swarms) en pocos días desde la llegada de /swarm.

🔗 Gemini 4 Hydrogen en Google Antigravity

Cursor: 54,3 % en CursorBench con el esfuerzo predeterminado, frente al 39,6 % de Gemini 3.8 Flash

12 de noviembre — Gemini 4 Hydrogen llega a Cursor el día de su lanzamiento. Según el tuit de Cursor, el modelo obtiene con su esfuerzo predeterminado un 54,3 % en CursorBench, el benchmark propio del editor, frente al 39,6 % de Gemini 3.8 Flash. Un segundo tuit indica su precio en Cursor: 1,50 dólares por millón de tokens de entrada y 7,50 dólares de salida. Por su parte, la página de evaluación de Cursor detalla tres niveles de esfuerzo.

Modelo y esfuerzo (página de evaluación de Cursor)	Puntuación en CursorBench	Coste por tarea
Gemini 4 Hydrogen, esfuerzo High	54,3 %	5,59 dólares
Gemini 4 Hydrogen, esfuerzo Medium	46,7 %	1,76 dólares
Gemini 4 Hydrogen, esfuerzo Low	27,9 %	0,28 dólares
Gemini 4 Carbon, esfuerzo High (referencia)	60,4 %	9,22 dólares

🔗 Anuncio de @cursor_ai · Página de evaluación de Cursor

Devin: 38,2 % en FrontierCode 2.0 por 2,40 dólares por tarea

12 de noviembre — Cognition también habilita Gemini 4 Hydrogen en Devin Desktop y Devin CLI. En FrontierCode 2.0, su benchmark que puntúa la calidad del código producido en tareas reales y su capacidad para integrarse mediante una fusión, Hydrogen obtiene un 38,2 %, a menos de un punto de GPT-6.1 Sol y cerca de Gemini 4 Carbon. Cognition destaca sobre todo el coste: 2,40 dólares por tarea, alrededor de un 40 % menos que los 4,04 dólares de Carbon. Con un esfuerzo medio, Hydrogen ya supera el mejor resultado de Gemini 4 Argon por menos de una séptima parte de su coste por tarea.

Modelo evaluado (extracto del gráfico de Cognition)	Puntuación en FrontierCode 2.0
Claude Fable 5.2	49,1 %
Claude Opus 5.5	45,5 %
Gemini 4 Carbon	40,0 %
GPT-6.1 Sol	39,0 %
Gemini 4 Hydrogen	38,2 %
Gemini 4 Argon	26,3 %

🔗 Gemini 4 Hydrogen en Devin (Cognition)

Inkling 2 Small: Thinking Machines publica bajo Apache 2.0 los pesos de su MoE multimodal de 594B parámetros, de los cuales 17B están activos

12 de noviembre — Una semana después de lanzarlo con pesos cerrados, Thinking Machines publica en Hugging Face los pesos de Inkling 2 Small bajo licencia Apache 2.0. El modelo estaba disponible desde el 5 de noviembre en Tinker, la plataforma de ajuste fino del laboratorio, mientras se completaban pruebas de seguridad externas y un red-teaming, según el enfoque que Thinking Machines describía en «un camino seguro hacia los pesos abiertos».

Inkling 2 Small’s weights are now available for download on HuggingFace under an Apache 2.0 license. Make Inkling your own!

🇪🇸 Los pesos de Inkling 2 Small ya se pueden descargar en HuggingFace bajo licencia Apache 2.0. ¡Haz de Inkling tu propio modelo! — @thinkymachines en X

Es la segunda generación de modelos del laboratorio, tras Inkling-Small (276B parámetros, de los cuales 12B están activos): una mezcla de expertos (Mixture-of-Experts) de 594 mil millones de parámetros, de los cuales 17 mil millones están activos, que acepta imágenes como entrada, sin audio, y ofrece un esfuerzo ajustable. Con los pesos llega el ecosistema de despliegue: integración con Unsloth, SGLang, vLLM y TokenSpeed, posentrenamiento con Miles, SkyRL y Snowflake Cortex Training, y API en NVIDIA, Fireworks, Together, Baseten, Nebius, Modal y Cloudflare. La ficha del modelo en Hugging Face anuncia una ventana de contexto de hasta un millón de tokens.

Thinking Machines anuncia una puntuación de 31 en el Intelligence Index de Artificial Analysis (30,6 en su tabla), por detrás de DeepSeek-V4.1-Flash-1017 (32,6), GLM 5.3 (31,7) y Gemini 3.8 Flash (30,8), y por detrás de Claude Haiku 5.5 (36,5). En sus propias mediciones, el modelo sigue por detrás de DeepSeek-V4.1-Flash-1017 en la mayoría de los benchmarks de programación, pero por delante de GLM-5.3-Flash.

Medida de Thinking Machines	Inkling 2 Small	DeepSeek-V4.1-Flash-1017	GLM-5.3-Flash	Kimi K3	Claude Haiku 5.5
Parámetros activos / totales (B)	17 / 594	16 / 552	18 / 320	104 / 2 800	No indicado
AA Index v5.0	30,6	32,6	27,8	No indicado	36,5
FrontierCode v2.0	25,4 %	28,5 %	17,6 %	17,3 %	34,9 %
DeepSWE v1.1	72,1 %	77,0 %	63,4 %	68,5 %	59,9 %
SWE-Bench Pro v2 (Hard)	86,3 %	89,7 %	82,8 %	88,2 %	52,9 %
MMMU Pro (visión)	81,6 %	80,6 %	79,0 %	80,5 %	79,1 %

En la optimización de kernels de GPU (PMPP-Hard), Inkling 2 Small resuelve 54,25 tareas de 69 en diez horas, frente a 63 de GPT-6 Astra y 60 de Claude Opus 5.5. La publicación detalla la receta: un preentrenamiento de 8 400 mil millones de tokens en 68 horas en racks NVIDIA GB300 NVL72, íntegramente en NVFP4, seguido de fases sucesivas hasta un millón de tokens de contexto, alimentadas principalmente con trayectorias muestreadas de modelos anteriores, entre ellos Kimi K3. El posentrenamiento se realiza en un único run de aprendizaje por refuerzo: 1 075 pasos, más de 17 millones de rollouts, 2 048 GPU durante nueve días. El modelo se probó en OpenCode bajo el nombre en clave Fledge-Alpha.

Thinking Machines también enumera sus limitaciones: el modelo no es el más conciso, no siempre elige la herramienta adecuada cuando hay muchas skills y está menos pulido en conversación. En cuanto a la seguridad, el laboratorio considera que sus capacidades de ciberseguridad ofensiva están por debajo de la frontera de los modelos abiertos y estima que su variante «helpful-only» solo aporta una mejora marginal en conocimientos CBRN.

🔗 Inkling 2 Small (Thinking Machines) · Inkling-2-Small en Hugging Face

Daybreak Red Team y Daybreak Defense Factory: OpenAI abre pruebas de intrusión mediante agentes y una herramienta que transforma las vulnerabilidades en correcciones

12 de noviembre — OpenAI celebraba ese día a las 10 h PT su keynote Cyber at the Frontier, dedicada a sus anuncios de ciberseguridad. Su página enlaza a dos productos agrupados bajo la marca Daybreak y a la solicitud de acceso a Daybreak. En el momento de nuestra consulta, OpenAI no había publicado ninguna entrada ni ningún tweet sobre la keynote: lo que sigue procede de las páginas de producto y de la documentación.

Producto Daybreak	Estado al 12 de noviembre	Qué hace
Daybreak Red Team	Acceso anticipado, con inscripción	Pruebas de intrusión de aplicaciones web mediante un equipo de agentes
Daybreak Defense Factory	Versión preliminar, plugin para ChatGPT	Análisis de repositorios GitHub, importación de Snyk, Endor Labs y Wiz, correcciones para revisar

Daybreak Red Team se basa en un equipo coordinado de agentes que parte del código fuente y del contexto de una aplicación web para explorar vías de ataque y confirmar vulnerabilidades. También valida los hallazgos procedentes de escáneres de código, programas de bug bounty o informes de divulgación, comprueba que una corrección bloquee el exploit y repite la evaluación cuando cambia la aplicación. El alcance se delimita mediante entornos aislados y una revisión de Guardian, con un control de las aplicaciones y los puntos de acceso a los que pueden llegar los agentes. El producto no debe confundirse con Daybreak Red, el nivel de acceso existente a los modelos especializados en ciberseguridad para la investigación autorizada.

Daybreak Defense Factory pretende transformar una acumulación de vulnerabilidades pendientes en correcciones. Se instala como plugin en versión preliminar en ChatGPT, en la web o en la aplicación de escritorio, para los espacios que tienen acceso a Daybreak. Los análisis en la nube se ejecutan en Codex cloud y requieren una conexión personal a GitHub, con tres modos: análisis de un repositorio, supervisión continua de nuevos commits o análisis programado. La herramienta también revisa pull requests e importa los hallazgos de Snyk Open Source, Endor Labs y Wiz, hasta 10 000 casos por selección. Nada se aplica automáticamente: cada corrección propuesta debe revisarse, «Fix with Codex» permite perfeccionarla y «Create PR» abre una pull request en borrador. Los repositorios GitLab no disponen de análisis en la nube.

Los análisis de repositorios y la supervisión continua se facturan según el consumo de tokens, a las tarifas del plan y fuera de la asignación incluida, con créditos de análisis gratuitos que no caducan. Las páginas no mencionan ningún modelo ni ofrecen cifras de rendimiento o precios concretos. Defense Factory da continuidad a Codex Security Cloud, presentado el 29 de septiembre, y al enfoque The Defense Factory descrito en septiembre.

🔗 Cyber at the Frontier (OpenAI) · Fecha y hora de la keynote (página de Ciberseguridad de OpenAI) · Daybreak Red Team · Daybreak Defense Factory · Documentación (Codex Security) · Preguntas frecuentes de Codex Security

OpenAI protege sus cientos de agentes OpenClaw persistentes con el sandbox de Codex

12 de noviembre — El blog OpenAI Developers explica cómo OpenAI controla los agentes persistentes que ejecuta internamente, entre ellos cientos de agentes OpenClaw y más de 500 agentes que trabajan de forma proactiva en segundo plano. A diferencia de una sesión de Codex, un agente persistente funciona continuamente y puede actuar sin esperar al usuario.

La primera regla es separar el código de confianza (red, identidad, sandbox) de la ejecución del modelo: OpenAI ha añadido al proyecto open source la ejecución remota del arnés, que sitúa la pasarela OpenClaw en otro clúster. Los agentes se ejecutan en el sandbox de Codex: red limitada a una lista de permitidos, escritura limitada a su carpeta de trabajo y secretos confiados a un intermediario de credenciales. Auto-review hace que un segundo agente valide cada acción, cada agente tiene su propia identidad vinculada a una ChatGPT Service Account y todo queda registrado. OpenClaw Enterprise, un plano de control de agentes open source, está en fase piloto, con el objetivo de lanzar la versión 1.0 antes de que termine el año.

🔗 Cómo protege OpenAI a los agentes persistentes como OpenClaw

Gafas inteligentes con Gemini: Google abre las reservas, desde 395 dólares en Warby Parker y 449 dólares en Gentle Monster

12 de noviembre — Google abre las reservas de sus gafas inteligentes (Intelligent Eyewear) con Gemini, diseñadas junto con Samsung y dos marcas de gafas, Gentle Monster y Warby Parker; no se detalla el papel de Samsung. Las reservas se realizan por internet y en las tiendas de ambas marcas, con demostraciones en una selección de tiendas Gentle Monster, Warby Parker y Google Store. La venta comienza el 10 de diciembre.

Gama de gafas	Modelos disponibles	Precio inicial	Países indicados
Gentle Monster	6 modelos de colores, la mayoría admite graduación	449 dólares	Estados Unidos y Corea del Sur
Warby Parker	Alden, Reid y Wren, en versión graduada o de sol	395 dólares	Solo cuentas de Google de Estados Unidos y Corea del Sur

Las monturas se parecen a unas gafas convencionales. Basta con decir «Hey Gemini» o tocar la patilla para preguntarle a Gemini por lo que se está mirando, por ejemplo, la historia de un mural que se encuentra por la calle. Google Maps ofrece indicaciones de audio y Google Translate traduce el habla en tiempo real en más de 70 idiomas. Para las personas ciegas o con baja visión, Guided Vision describe el entorno y Aira Explorer las conecta con un intérprete visual humano.

Las gafas pesan unos 41 g y ofrecen hasta 9 horas de autonomía según el uso; su estuche permite hasta 7 recargas y una recarga al 60 % tarda unos 30 minutos. Incorporan una cámara ultra gran angular de 12 Mpx (vídeo hasta 3K), altavoces abiertos y protección IPX4. Se conectan por Bluetooth a un Pixel 7 o posterior con Android 17, a un iPhone 13 Pro o posterior (6 Go de memoria RAM como mínimo) con iOS 26.6 o posterior, o a un Galaxy S o Z reciente.

Google hace hincapié en la privacidad. Las imágenes que ve Gemini no se conservan en el historial ni se utilizan para entrenamiento o publicidad, y los rostros de los transeúntes se ocultan antes del procesamiento. Un indicador luminoso exterior señala la toma de fotos y vídeos y bloquea la captura si se tapa, y un interruptor físico lo desactiva todo. Las aplicaciones de Google Play no pueden utilizar la cámara de las gafas para streaming social en directo ni para identificación facial en tiempo real.

🔗 Reservas de las gafas inteligentes (blog.google) · Protecciones de la privacidad (blog.google) · Ficha técnica y compatibilidad (glasses.google)

Salida a bolsa de Anthropic: precio final previsto para el 18 de noviembre y primeras cotizaciones el 19, según el sitio oficial

12 de noviembre — Anthropic destaca en un tweet el sitio de su salida a bolsa, ipo.anthropic.com, cuya fecha de publicación no se indica. Sus preguntas frecuentes detallan el calendario: sujeto a la aprobación de las autoridades, el precio final se espera para el 18 de noviembre y las primeras cotizaciones para el 19 (hora del este de Estados Unidos), en el Nasdaq bajo el símbolo «ANT». Según la entrada del 10 de noviembre que daba inicio al roadshow, la oferta comprende 825 millones de acciones, entre 70 y 78 dólares.

Cifra publicada en el sitio («Q3’26»)	Valor mostrado
Ingresos	17,0 mil millones de dólares, más de 12 veces los de hace un año
Margen operativo	-3 %, y 15 % de margen ajustado (medida no GAAP)
Pérdida neta	23,3 mil millones de dólares, de los cuales 21,9 mil millones sin efecto en el flujo de caja
Eficiencia del cómputo	Multiplicada por más de 4 desde el primer trimestre de 2025

Según el sitio, el cargo sin efecto en el flujo de caja está relacionado con el aumento de la valoración. Su versión europea describe una oferta para inversores particulares de nueve países del Espacio Económico Europeo, entre ellos Francia; según las preguntas frecuentes, el precio máximo de 120 dólares por acción que figura en el folleto europeo no es el precio previsto, y el precio final será el de la oferta estadounidense.

🔗 Sitio de la salida a bolsa, versión europea · Tweet de @AnthropicAI · Inicio del roadshow (Anthropic)

Claude Meetings en beta: Claude se une a las llamadas de Google Meet de los planes Team y Enterprise

12 de noviembre — Anthropic lanza Claude Meetings en beta, en despliegue para los planes Team y Enterprise. Claude se une a la llamada como participante visible: se le hacen preguntas en voz alta o en el chat, y responde por escrito de forma predeterminada. Durante la reunión, crea documentos y pizarras que los demás invitados de la organización editan simultáneamente, y toma notas y registra acciones; después, todo se reúne en una página de la reunión en claude.ai.

Por ahora, solo es compatible con Google Meet. La invitación está habilitada de forma predeterminada en Team y la activa un administrador en Enterprise; las organizaciones con retención cero de datos (ZDR), HIPAA-ready o con claves gestionadas por el cliente (CMEK) quedan excluidas durante la beta. Claude conserva la transcripción, un resumen y descripciones de pantalla, pero no el audio, y evita de forma predeterminada las llamadas con un invitado externo. Las notas, transcripciones y respuestas son gratuitas durante la beta, salvo las respuestas que utilizan una herramienta conectada; los artefactos creados en las reuniones seguirán siendo gratuitos hasta el 10 de febrero de 2027.

🔗 Presentación de Claude Meetings

Claude Managed Agents autoalojado en beta privada: arnés, sandboxes e historial de sesiones en la infraestructura del cliente

12 de noviembre — Claude Managed Agents, el conjunto de API de Anthropic para crear y desplegar agentes autónomos, ya puede ejecutarse íntegramente en la infraestructura del cliente, en beta privada. Hasta ahora, solo podían autoalojarse los sandboxes, en beta pública desde el 19 de mayo. El arnés del agente, los sandboxes, las credenciales y el historial de sesiones residen ahora en la nube de la empresa o en sus servidores, que esta opera por su cuenta.

Las solicitudes al modelo se envían adonde decida el cliente: a Anthropic, Amazon Bedrock, Google’s Agent Platform o Microsoft Foundry, o a su propia pasarela, con las mismas API que el servicio alojado; la retención cero de datos (ZDR) se aplica si está configurada. Las credenciales permanecen fuera del sandbox, el acceso a la red se limita a una lista de hosts permitidos y cada sesión deja un registro exportable en OpenTelemetry. La beta está reservada a las organizaciones que cumplan los requisitos, a través de su contacto comercial en Anthropic.

🔗 Ejecutar Claude Managed Agents dentro de su perímetro de seguridad

Modelos abiertos especializados: transcripción en Salesforce, voz en Zyphra y decisión en Perplexity

Tres modelos de pesos abiertos, todos bajo licencia Apache, se centran cada uno en una tarea específica. Sus cifras proceden de sus desarrolladores.

SOV-Transcribe-1: Salesforce publica un modelo de transcripción que lidera los modelos abiertos en Artificial Analysis

12 de noviembre — Un equipo de Salesforce publica en Hugging Face SOV-Transcribe-1, su primer modelo de reconocimiento de voz de pesos abiertos, bajo licencia Apache 2.0. Es un modelo de lenguaje ampliado para procesar voz, destinado a la transcripción sin streaming, con 4 mil millones de parámetros activos de un total de 26 mil millones según la entrada (27 mil millones según la ficha del Hub). Según el equipo, ocupa el primer puesto entre los modelos abiertos en Artificial Analysis (7.º en la clasificación general). También acepta instrucciones, como palabras clave para transcribir mejor los nombres poco frecuentes. El informe técnico aún no se ha publicado.

Benchmark (mediciones del equipo)	SOV-Transcribe-1	Referencias de comparación citadas
AA-WER, tasa de error (menor = mejor)	2,28 %	Nemotron 3.5 Transcribe 2,81 %, Voxtral Small 2,77 %
HALAS, llamadas reales (menor = mejor)	25,69 %	Qwen3-ASR 1.7B 26,01 %, Voxtral Small 27,35 %
VoiceCodeBench, grabaciones sin errores	76,3 %	2.º entre 23 sistemas

🔗 SOV-Transcribe-1 (Hugging Face)

ZONOS3-Mini: Zyphra clona voces en tiempo real en 43 idiomas con 100M de parámetros activos

12 de noviembre — Zyphra publica ZONOS3-Mini, un modelo de síntesis de voz bajo licencia Apache 2.0 que clona una voz sin ajuste previo (zero-shot) en 43 idiomas. Solo activa 100 millones de parámetros de un total de 800 millones, mientras que ZONOS2 se basaba en un modelo de 8 mil millones, gracias a un nuevo códec de audio de 15 Hz y a una arquitectura híbrida de Gated DeltaNet y atención con mezcla de expertos. El entrenamiento duró 2,5 días con 112 GPU H100. Se han publicado los pesos, las versiones cuantizadas y los motores de ejecución (navegador con WebGPU, MLX, C++, SGLang-Omni), y el código está bajo licencia MIT. Zyphra lo sitúa en el primer puesto entre los modelos abiertos en su propio índice, por delante de Fish S2 Pro y MOSS TTS v1.5.

Dispositivo de prueba (mediciones de Zyphra)	Tiempo hasta el primer sonido
Pixel 9, en el navegador	Menos de 570 ms
MacBook Air M3	Menos de 150 ms
GPU H100 (mediana)	80 ms

🔗 ZONOS3-Mini (Hugging Face)

Decider v1.3: Perplexity añade la extracción de fragmentos a sus modelos de decisión abiertos

12 de noviembre — Perplexity publica Decider v1.3 (27B, basado en Qwen3.8-27B) y Decider Flash v1.3 (4B, destilado del primero), sus modelos de decisión de pesos abiertos. Estos clasificadores generalistas devuelven en una sola pasada probabilidades para preguntas de respuesta cerrada, sin generar texto. Los pesos están disponibles bajo licencia Apache en Hugging Face, son gratuitos en OpenRouter hasta el 19 de noviembre, y la Decisions API mantiene sus precios: 0,02 y 0,01 dólares por millón de tokens de entrada, con salida gratuita. La novedad, locate, extrae de un texto los fragmentos que responden a una descripción, junto con sus posiciones; exclusiva de la v1.3, solo lee texto y excluye web_grounding.

Evaluación de Perplexity	Decider v1.3	Punto de comparación
Clasificación de consultas (63 tareas)	91,6 %	+6,54 puntos sobre los clasificadores de producción
Reclasificación (72 tareas, nDCG@10)	83,99	+2,24 sobre Jev 1.14
Extracción locate (17 tareas fuera de dominio)	69,0	Liquid d1: 43,3
Concordancia con jueces LLM (1 millón de consultas)	93,98 %	Decider v1.2: 93,68 %

🔗 Perplexity Decider v1.3 · Acceso gratuito en OpenRouter (@perplexitydevs)

Runway da el salto al 3D: generación de modelos con Tripo H3.1 y un ángulo elegido como referencia para la imagen o el vídeo

12 de noviembre — Runway ya admite 3D. El modelo Tripo H3.1 genera modelos 3D detallados a partir de un texto o una imagen, y el usuario también puede importar el suyo. Después se elige cualquier ángulo del modelo para usarlo como referencia de la siguiente imagen o vídeo, y el modelo se puede exportar a otras herramientas 3D. Runway ya se había acercado al 3D mediante apps: 3D Camera Control en App Studio (26 de octubre) y después Sightline (9 de noviembre), que exporta su panorama 360 en 3D. Esta vez, la generación de modelos 3D se incorpora a la propia aplicación, a cargo de un modelo de terceros. El anuncio, realizado mediante un tweet sin artículo ni entrada en el changelog, no especifica el coste en créditos, los planes incluidos ni los formatos de exportación.

🔗 Anuncio de @runwayml

Agentes de código: Amp, Delta y Replit Agent

Amp sustituye su control Dial por un selector de modelo y esfuerzo

12 de noviembre — Amp abandona el Dial, el control de cuatro modos (low, medium, high, ultra) lanzado en julio. Lo sustituye un selector clásico: se eligen el modelo y su esfuerzo para cada hilo, y ambos se pueden cambiar durante la conversación. El motivo está en la facturación: desde que Amp acepta las suscripciones y claves de API del usuario, el modelo elegido también determina quién paga, y el selector muestra la conexión a la que se factura cada modelo. Cambiar de modelo durante un hilo tiene un coste: la caché del prompt pertenece a un modelo, por lo que el primer mensaje posterior cuesta más. La opción Staff Pick utiliza el modelo preferido del equipo, actualmente Claude Opus 5.5, y es la opción predeterminada para los nuevos hilos. Los ajustes del Dial no se trasladan.

Antiguo modo del Dial	Modelo asociado por defecto
low	GLM-5.3-Flash
medium	Claude Opus 5.5
high	GPT-6 Astra
ultra	Claude Fable 5.2

🔗 Adiós, Dial (Amp)

Delta incorpora Claude Agent mediante ACP v2, con la suscripción Claude del usuario

12 de noviembre — Delta, el entorno multijugador del equipo de Zed, incorpora su primer agente externo: Claude Agent, conectado mediante el Agent Client Protocol (ACP). Se puede acceder con la suscripción Claude, consumiendo el uso incluido en ella, o con una cuenta de Anthropic Console, facturada como uso de API. Delta ha desarrollado un adaptador ACP de código abierto para el Claude Agent SDK, que carga skills, comandos y memoria como Claude Code y recupera los servidores MCP ya configurados. Claude Agent se ejecuta por ahora en local, todavía no en los Cloud Runners lanzados el día anterior. El equipo afirma que lo publica antes de lo habitual porque era la función más solicitada, y considera que aún está en una fase temprana. La integración se basa en ACP v2, que admite el trabajo en segundo plano: la v2 está en borrador, con su llegada a Preview prevista para las próximas semanas y a Stable poco después. Codex es el siguiente agente previsto.

🔗 Claude Agent en Delta (artículo de Delta)

Replit Agent realiza compras para la empresa con Link y Visa, y lanza campañas de Google Ads

12 de noviembre — Replit encarga dos nuevas tareas a su Agent. Con el comercio agéntico (Agentic Commerce), el Agent busca suministros según lo que sabe de la actividad y, después, un subagente de navegador proporcionado por Browserbase llena el carrito en el sitio del comerciante. Todo se detiene al llegar al pago: el propietario aprueba el importe final en Link, la cartera de Stripe, con Visa para los pagos iniciados por agentes. La sesión del navegador está aislada, el acceso al shell se bloquea durante el pago y los controles de aprobación se imponen en el código. La función está disponible en los planes Core y Pro, inicialmente en Estados Unidos; el artículo habla de compras puntuales, y la documentación también de suscripciones de precio fijo.

Con la publicidad agéntica (Agentic Ads), el Agent crea o conecta una cuenta de Google Ads, redacta los anuncios, genera las imágenes y añade el seguimiento de conversiones a la aplicación. Las campañas son de tipo Performance Max, con un presupuesto diario medio de al menos 15 dólares, para los suscriptores Pro de todo el mundo, en un Workspace personal.

🔗 Replit Agent, compras y publicidad (artículo de Replit) · Documentación de Agentic Commerce · Documentación de Agentic Ads

Breves

Agentes de código y CLI

Codex CLI 0.167.2 — Publicada la noche del 11 de noviembre, activa por defecto el envío incremental de actualizaciones de herramientas en Google Cloud Vertex AI, después de Amazon Bedrock en la 0.167.1. El 12, openai-python 3.50.0 y openai-node 7.56.0 añaden input_transformations, que indica los elementos de razonamiento eliminados de la entrada y el motivo. 🔗 fuente
Codex en iOS — La versión 1.2026.307 de ChatGPT para iOS, del 10 de noviembre, permite pegar imágenes y archivos en el editor a pantalla completa de Codex, dictar anotaciones y cambiar de unidad en los hosts Windows; el emparejamiento manual ya funciona con VoiceOver. 🔗 fuente
Copilot CLI 1.0.110-2 y 1.0.110-3 — Dos versiones preliminares, con 95 y después 8 correcciones: /compact respeta el límite de créditos de IA de la sesión, la CLI avisa cuando se ignoran --yolo o --allow-all, y copilot -p indica los servidores MCP que no se han iniciado. El SDK 1.0.32-preview.2 añade compatibilidad de BYOK con la API Interactions nativa de Gemini; la última versión estable sigue siendo la 1.0.109. 🔗 fuente
Antigravity CLI 1.5.7 y 1.5.6 — La 1.5.7 inicia en modo Auto cualquier sesión sin un modo guardado, incluso en headless (-p), aunque un ajuste estricto de permisos sigue teniendo prioridad. La 1.5.6, del 11 de noviembre, anima /swarm board (una reina y una abeja por agente activo) y añade continuation_active a los hooks Stop para evitar bucles. 🔗 fuente
Gemini CLI — Sigue sin haber una nueva versión desde la v0.68.0, y la compilación nocturna ha vuelto a fallar. Se han integrado dos correcciones en la rama principal: gemini models list muestra el límite real de salida (65 536 tokens en lugar de los 8 192 fijados en el código), y los flujos largos y silenciosos ya no se interrumpen a los 300 segundos cuando se configura un plazo mayor. 🔗 fuente
Kimi Code 2.6.0 — El modo de pantalla completa contrae las llamadas consecutivas a herramientas y el razonamiento del modelo en líneas de resumen, configurables en /settings, y el agente puede modificar varias veces un archivo sin volver a leerlo. La API del servidor local cambia sin que se indique que rompe la compatibilidad: los puntos de acceso de transcripción desaparecen en favor de un flujo WebSocket. 🔗 fuente
Qwen Code v1.0.0-preview.1 — Versión preliminar centrada sobre todo en correcciones: los suscriptores de Qwen recuperan el acceso a los modelos de su suscripción tras iniciar sesión, y los modelos Qoder ya ejecutan sus llamadas a herramientas en paralelo. 🔗 fuente
CLI mistral 0.18.1 — Una sola corrección: en macOS 27, la herramienta ya no se cierra nada más iniciarse sin mostrar ningún mensaje (código 137), gracias a unos binarios de macOS correctamente firmados. 🔗 fuente
DeepSeek Harness 0.2.2-rc.2 — Publicada el 11 de noviembre, esta 38.ª versión preliminar del agente de código de DeepSeek, todavía sin versión estable, permite revisar los cambios de un worktree por rama, commit o tipo de archivo con las revisiones de GitHub, y añade subagentes con nombre en varios niveles. 🔗 fuente
Gemini 4 Carbon en Warp — Warp incorpora Carbon a Warp Factories, a su terminal y a su herramienta de benchmark de fábricas de software, para compararlo en tareas de agente ya ejecutadas; sin precio ni puntuación. 🔗 fuente
Astryx en v0 — v0 añade Astryx, presentado como el design system de Meta: una vez elegido para un proyecto, v0 genera la interfaz con sus componentes, patrones y plantillas; no se especifican los planes ni los precios. 🔗 fuente

Aplicaciones y API

Grok Bot en Mac — La aplicación de escritorio de SpaceXSI ya puede usar Mensajes, Mail, Notas, Recordatorios, Calendario, Localización y Contactos, con autorización independiente para cada aplicación; no se especifican el plan, la versión ni los países. 🔗 fuente
Kimi Work 3.2.27 — La aplicación de escritorio de Moonshot AI llega a los Mac Intel, ejecuta tareas largas en segundo plano y comparte sus plugins entre los modos Work y Chat; una corrección impide guardar un proyecto en la carpeta de instalación, donde una actualización podía borrar los archivos. 🔗 fuente
Claude for Manufacturing — Anthropic lanza para los planes Team y Enterprise un plugin con 17 skills (ventas, calidad, operaciones, compras, diseño) y cuatro conectores (Autodesk Fusion, Infor, Microsoft 365, Oracle NetSuite), y cada proceso se detiene para una revisión humana; no controla las máquinas. 🔗 fuente
Opus 5.5 en el día a día — Una guía de Anthropic recomienda Opus 5.5 para el trabajo intelectual, con el respaldo de pruebas internas (16 informes de 18 sin cifras ni citas inventadas, un análisis de fusión en 63 minutos frente a 93 con Opus 5), y aconseja aumentar el esfuerzo antes de cambiar de modelo. 🔗 fuente
Dirección de correo electrónico en ChatGPT Enterprise — Los administradores globales de Enterprise, Edu y Healthcare pueden cambiar la dirección de los usuarios no gestionados mediante SCIM, en un dominio verificado del mismo tenant, con un límite de 2 cambios por cada 24 horas y de 20 durante la vida de la cuenta. 🔗 fuente
Agent API de Perplexity — Desde el 11 de noviembre, max_output_tokens se puede omitir con todos los modelos, incluidos los de Anthropic: cada generación puede producir hasta 128 000 tokens de salida, dentro del límite del modelo, con las versiones 2026-11-11.0 de los niveles de esfuerzo. 🔗 fuente

GitHub

Fin de ARM32 en GitHub Actions — Los runners alojados de Linux y Windows dejarán de ejecutar jobs ARM32 a más tardar el 8 de diciembre de 2026, ya que Node 24 no admite esta arquitectura; los runners autohospedados ARM32 habían perdido la compatibilidad el 23 de septiembre. 🔗 fuente
Secret scanning y Cloudflare — Los tokens de servicio de Cloudflare Access (cloudflare_access_service_token) ya se detectan automáticamente en los repositorios; el changelog no indica si Cloudflare se incorpora al programa de socios. 🔗 fuente
Enlaces directos a las alertas de public monitoring — Cada alerta de la vigilancia de secretos empresariales expuestos en github.com ya tiene su propia URL, que se puede guardar o compartir con compañeros que tengan acceso; la función sigue siendo exclusiva de GitHub Enterprise Cloud con Secret Protection o Advanced Security, sin coste adicional. 🔗 fuente

Empresas y usos

J.Crew Style Advisor — El estilista de IA de JCrew.com propone conjuntos completos extraídos de las sesiones fotográficas de la marca, en Estados Unidos; diseñado con Claude Fable 5.1 y prototipado con Opus 5.5 en Claude Code, se ejecuta en producción con Sonnet 5.5 y Haiku 5.5. 🔗 fuente
Amplitude — Su agente de producto Wave utiliza modelos de OpenAI en aproximadamente el 80 % de los casos; según las evaluaciones de Amplitude, GPT-6.1 Sol obtiene 67,5 frente a 69,3 de otro modelo en el agente de data science, por 1,28 frente a 2,63 dólares por ejecución. 🔗 fuente
Holiday Extras — El operador turístico ha reconstruido su aplicación con Codex en dos semanas, frente a los más de seis meses que necesitaba antes; la conversión aumenta un 32,5 % y la tasa de error pasa del 19 % al 9 %, en períodos de comparación diferentes. 🔗 fuente
Gilbert + Tobin — El bufete australiano anuncia un 87 % de uso activo de ChatGPT y ha preparado la evaluación anual de sus 120 socios con ChatGPT Work por unos 62 dólares de uso. 🔗 fuente
Lara Avci y Codex — OpenAI Developers presenta a esta integrante del programa Codex Ambassador, que apoya a fundadores europeos; sus sitios web y juegos hechos con Codex han atraído a más de 30 000 visitantes en menos de cuatro días. 🔗 fuente

Imágenes, vídeo y 3D

Character Swap & Insert en Luma — Publicada la noche del 11 de noviembre, la herramienta sustituye o inserta un personaje, un vehículo o un animal manteniendo el mismo plano; no se especifican el precio ni el modelo subyacente. 🔗 fuente
Gemini Omni 1.2 Flash en HeyGen — De texto e imagen a vídeo, clips de 15 segundos como máximo con audio generado al mismo tiempo y retoques en varias rondas; sin precio ni coste en créditos. 🔗 fuente
HeyGen y Grok Bot — HeyGen propone entrenar a Grok Bot con el tono de la marca en Slack y asignarle un identificador de avatar de HeyGen, para producir en equipo vídeos de contenido de usuario; sin detalles sobre la integración ni el precio. 🔗 fuente
Moderación en Runway — Runway explica que ha sustituido los clasificadores de terceros con categorías fijas por sus propias reglas, aplicadas por LLM y actualizadas en pocas horas: se permiten los combates y el terror, y los abusos se bloquean mejor. 🔗 fuente
TRELLIS.2 ajustado mediante LoRA — Hugging Face publica una guía de ajuste de este modelo de generación 3D con 188 zapatos; en nueve objetos de prueba, el F-score pasa de 0,276 a 0,803. 🔗 fuente

Modelos abiertos e investigación

ForeSpark — Meta publica sin anuncio previo el código de este método de planificación de la decodificación especulativa paralela; según el README, alcanza hasta 1,77 veces el rendimiento de DSpark y 2,49 veces el de la decodificación autorregresiva en vLLM. 🔗 fuente
Origami de Wirkung — Cinco modelos abiertos (Qwen3.5-9B y 27B, Gemma 4 31B, MiniMax-H3, Kolibri-1) convertidos sin reentrenamiento en archivos entre 4,3 y 7,5 veces más pequeños; el artículo no ofrece ninguna medición de la calidad conservada. 🔗 fuente
Construction-Site-Traversability en FiftyOne — Voxel51 convierte los datos de un robot de orugas que realiza recorridos en bucle por dos obras: 1 h 45 de conducción, 9 760 m de terreno, 62 995 imágenes en color y el mismo número de barridos lidar. 🔗 fuente

Ecosistema

OpenAI y la seguridad infantil — En el Foro de París sobre la Paz, OpenAI firmó una carta para una IA más segura para los niños y comprometió 2 millones de dólares para la red de investigación de la coalición que la impulsa; los resultados se publicarán, incluso si son negativos. 🔗 fuente
Cohere — Jaya Baloo, cofundadora de AISLE y antigua CISO de Rapid7, Avast y KPN Telecom, se convierte en la primera responsable de seguridad de los sistemas de información de Cohere; la publicación no indica si la adquisición de AISLE se ha completado. 🔗 fuente
Synthesia en el AI 100 — Synthesia figura en la primera clasificación de las 100 principales empresas privadas de IA de Newcomer y Bessemer, y recuerda que cuenta con más de 65 000 clientes y una serie E de 200 millones de dólares con una valoración de 4 mil millones. 🔗 fuente
Guía de Perplexity sobre la ventana de contexto — Explica la medición en tokens y los límites de entrada y salida, y compara GPT-6 Astra (1,05 millones de tokens), Claude Opus 5.5 (1 millón) y Gemini 4 Argon (1 048 576), sin novedades de producto. 🔗 fuente

Qué significa esto

El modelo rápido alcanza al grande, y las herramientas de código cuantifican su coste. Gemini 4 Hydrogen supera a Argon en el Intelligence Index de Artificial Analysis y, en Devin, se queda a 1,8 puntos de Carbon por aproximadamente un 40 % menos por tarea. En la página de evaluación de Cursor, la diferencia es más clara: 54,3 % por 5,59 dólares por tarea en High, frente al 60,4 % por 9,22 dólares con Carbon. Antigravity Orchestrator y el selector de Amp llegan a la misma conclusión en cuanto al producto: ya no se mantiene un único modelo durante toda una sesión, sino que se cambia según la etapa, con un coste en cada cambio en Amp, donde se pierde la caché del prompt.

Los pesos abiertos llegan por etapas y con cifras de sus desarrolladores. Inkling 2 Small pasó una semana con pesos cerrados en Tinker mientras se realizaban pruebas de seguridad externas, antes de publicarse bajo Apache 2.0 con todo su ecosistema de despliegue. Los tres modelos especializados del día, para la transcripción, la voz y la toma de decisiones, comparten una licencia abierta y evaluaciones realizadas por sus autores, en ocasiones con su propio índice, como el de Zyphra. Como el informe técnico de SOV-Transcribe-1 aún no se ha publicado, estas clasificaciones siguen pendientes de contrastar.

Los agentes asumen tareas de seguridad, y sus desarrolladores detallan las salvaguardas que los rigen. Daybreak Red Team prueba aplicaciones en entornos aislados bajo la revisión de Guardian, y Defense Factory propone correcciones sin aplicarlas nunca por su cuenta. OpenAI somete a sus propios agentes OpenClaw al sandbox de Codex, a Auto-review y a una identidad por agente; Anthropic aplica principios similares a Managed Agents autoalojado, con credenciales fuera del sandbox, una lista de hosts permitidos y un registro completo. Replit, por su parte, detiene su Agent en el momento de pagar y exige la aprobación en el código, no en el modelo.

El asistente entra en lugares donde hay otras personas, y los dos anuncios relacionados abordan este punto desde el principio. Claude Meetings conserva la transcripción sin el audio y evita por defecto las llamadas en las que participa un invitado externo a la organización. Las gafas de Google ocultan los rostros de los transeúntes antes del procesamiento, indican la captura mediante una luz que la bloquea si se tapa, y Google Play prohíbe en ellas la identificación facial en tiempo real.