Grok Voice 3.0 lidera los modelos de voz, Gemini 4 Argon presenta sus primeros resultados científicos, Claude Code apuesta por las sesiones paralelas

SpaceXSI lanza Grok Voice 3.0, que se sitúa a la cabeza del índice Speech-to-Speech de Artificial Analysis sin cambiar de precio, a 0,08 dólares por minuto. Un día después de su disponibilidad general, Google muestra Gemini 4 Argon en acción en computación cuántica, robótica y sobre 205 000 líneas de Python, mientras que Anthropic reorganiza la aplicación de escritorio de Claude Code en torno a las sesiones paralelas y publica dos versiones de su herramienta en el mismo día. Meta publica diez manuscritos médicos elaborados con sus modelos Muse, NVIDIA compromete 250 millones de dólares en recursos de cómputo para la investigación británica sobre la seguridad de los agentes, y OpenAI afirma haber descubierto un dispositivo de grabación oculto en una de sus oficinas.

Grok Voice 3.0: SpaceXSI lidera el índice Speech-to-Speech, con el precio sin cambios de 0,08 dólares por minuto

14 de octubre — SpaceXSI, la antigua xAI, lanza Grok Voice 3.0, un modelo de voz de extremo a extremo (speech-to-speech) que presenta como el más inteligente del mercado. El modelo grok-voice-3.0 está disponible ese mismo día en la Voice Agent API y el Voice Agent Builder, al precio de Grok Voice 2.0: 0,08 dólares por minuto, es decir, 4,80 dólares por hora. Los agentes que llaman al alias grok-voice-latest han pasado al nuevo modelo sin modificaciones, con el mismo endpoint y los mismos parámetros de sesión. Grok Voice 2.0 se declara obsoleto ese mismo día, sin fecha de fin de vida.

Benchmark evaluado (Artificial Analysis, 13 de octubre)	Grok Voice 3.0	Grok Voice 2.0	GPT-Live-1 (Astra, Medium)	Gemini 3.8 Live (Ext. Thinking, High)
Índice Speech-to-Speech	86,9	81,3	83,2	82,6
Big Bench Audio (razonamiento de voz)	98,5 %	97,2 %	90,1 %	97,7 %
Speech Agent Arena (Elo, preferencia humana)	1 070	1 011	1 048	990
Tasa de éxito de las tareas	94,8 %	94,6 %	87,4 %	89,1 %
Full Duplex Bench (pausas, turnos de palabra)	97,0 %	95,1 %	94,9 %	91,9 %
τ-Voice (llamadas de soporte)	71,6 %	56,5 %	74,5 %	68,6 %

Estas mediciones de Artificial Analysis, fechadas el 13 de octubre, son las que cita SpaceXSI. El índice Speech-to-Speech combina razonamiento de voz, τ-Voice, preferencia humana y éxito de las tareas en llamadas comparadas a ciegas. Grok Voice 3.0 se sitúa a la cabeza, pero no gana en todo: en τ-Voice, llamadas de soporte con acentos variados, ruido de fondo e interrupciones, su 71,6 % sigue por debajo del 74,5 % de GPT-Live-1, un nivel que SpaceXSI considera comparable, con una latencia un 40 % inferior. En EVA-Bench, el banco de pruebas open source de ServiceNow para agentes de voz empresariales (más de 200 escenarios), obtiene la mejor precisión, un 74 %, según SpaceXSI. A continuación viene el argumento del precio: en las pruebas de Big Bench Audio, una tarea cuesta de media 0,025 dólares con Grok Voice 3.0, frente a 0,030 dólares con GPT-Live-1 y 0,055 dólares con GPT-Realtime-2.1 de OpenAI.

El modelo ya funciona a gran escala en Tesla y SpaceX: procesa millones de conversaciones al día en los vehículos Tesla e impulsa el modo de voz de Grok Bot. En los centros de llamadas de Starlink, responde a 20 000 llamadas diarias en varios idiomas: alrededor del 70 % se resuelven sin intervención humana, y una de cada cuatro llamadas comerciales termina en una compra antes de finalizar la comunicación. El 24 de agosto, Grok Voice Think Fast 2.0 ya lideraba este índice, con 15 000 llamadas diarias de Starlink por entonces.

🔗 Grok Voice 3.0 (publicación de SpaceXSI) · Anuncio de @SpaceXSI · Notas de versión de la API

Gemini 4 Argon a prueba: primeros resultados científicos, robótica y optimización de código

Un día después de su disponibilidad general, Google documenta Gemini 4 Argon en tres ámbitos: la investigación científica, la robótica y la optimización de un gran repositorio de Python. Las dos publicaciones del blog de desarrolladores datan del día del lanzamiento; Google DeepMind recopiló el hilo de los investigadores el día 14.

Primeros resultados científicos: computación cuántica, fusión y diseño de enzimas

14 de octubre — Google DeepMind reúne en un hilo los primeros resultados que sus investigadores han obtenido con Argon, cada uno detallado el día anterior por su autor.

Ámbito de investigación	Resultado declarado con Argon
Corrección de errores cuánticos	Rendimiento de inferencia del decodificador AlphaQubit casi duplicado
Algoritmos cuánticos	Subrutina arcsin más de 100 veces menos costosa que quantum CORDIC, verificada en Lean
Física de plasmas	2 nuevas familias de contraejemplos a la conjetura de Grad
Diseño de enzimas	5 serina esterasas inéditas (59 a 81 % de identidad), actividad confirmada en laboratorio
Enfermedades raras (Gamow Labs)	57 % en RareBench y 52,2 % en LabBench, dos evaluaciones privadas

En computación cuántica, Ben Jaderberg y su equipo, junto con Google Quantum AI, hicieron que Argon tradujera una versión interna de AlphaQubit, el decodificador de corrección de errores de Google, a un único kernel de hardware optimizado (megakernel) que casi duplica su rendimiento de inferencia, una mejora útil para un decodificador que debe seguir en tiempo real las mediciones del procesador cuántico.

Second, we used Argon to discover a quantum arcsin subroutine that cuts spacetime cost by more than 100x compared to the published quantum CORDIC baseline.

🇪🇸 En segundo lugar, hemos utilizado Argon para descubrir una subrutina cuántica de arcoseno que reduce el coste espacio-tiempo en más de 100 veces respecto a la referencia publicada quantum CORDIC. — @benjaderberg en X

Este coste multiplica el número de cúbits por la duración de la ejecución, y el circuito se ha verificado formalmente en Lean. En física de plasmas, Opal Issan anuncia dos familias de contraejemplos a la conjetura de Grad, que suponía desde 1967 que ciertos equilibrios magnéticos tridimensionales no podían existir; su hilo afirma que se encontraron con Argon, pero el resumen del artículo de arXiv, presentado el 5 de octubre, no menciona el modelo. En biología, Ryan Krueger describe serina esterasas diseñadas en unas pocas sesiones de prompts: Argon reunió los datos, ajustó un modelo de lenguaje de proteínas y construyó sus propios filtros de sitio activo. La publicación de lanzamiento añade el caso de Gamow Labs, donde Argon detectó en el genoma de un recién nacido un reordenamiento cromosómico que los programas habituales habían pasado por alto durante años.

🔗 El hilo de Google DeepMind · El artículo sobre la conjetura de Grad (arXiv) · La publicación de lanzamiento de Argon

Robótica: del cornhole en el humanoide Apollo a una tasa de éxito real que pasa del 56 % al 75 %

13 de octubre — El día del lanzamiento, el blog de desarrolladores de Google dedica una extensa publicación a Argon en robótica, firmada por Kanishka Rao, con los prompts de cada demostración. La publicación de lanzamiento destaca la más ilustrativa, una prueba interna que partió de un simple vídeo de una persona jugando al cornhole, ese juego de lanzar saquitos sobre una tabla con un agujero: Argon cartografió el entorno, calculó los movimientos de todo el cuerpo y programó su propia simulación; al transferirlo al humanoide Apollo de Apptronik, el robot acertó siete lanzamientos seguidos en condiciones reales. Google resume este paso del vídeo a la simulación y después al mundo real (Video-to-Sim-to-Real): semanas de modelado manual reducidas a unas pocas horas.

La publicación de Kanishka Rao presenta otras demostraciones: un Spot de Boston Dynamics que se entrena en un gemelo digital MuJoCo antes de pisar el pedal de un cubo de basura real, simulaciones reconstruidas a partir de un vídeo grabado a la altura de los ojos o un boceto en papel, el acertijo de las 12 bolas resuelto en tres pesadas por dos brazos robóticos guiados únicamente por visión estéreo. El resultado más medible se refiere al entrenamiento: a partir de una sola foto de una mesa real, Argon construye un gemelo MuJoCo, genera más de 4 500 episodios y eleva la tasa de éxito de un modelo de visión-lenguaje-acción (VLA) en el robot real del 56 % al 75 %, con una duración de ejecución que pasa de 35 a 24 segundos. Un brazo SO-101 también mejora por sí solo, de 58,9 a 22,9 y después a 17,4 segundos.

🔗 Gemini 4 Argon para la robótica (Google Developers)

ADK: once horas de trabajo nocturno sobre 205 000 líneas de Python, dos optimizaciones aceptadas de seis

13 de octubre — Ingenieros de Google Cloud encargaron a Argon un ejercicio más exigente que una aplicación creada desde cero: encontrar y corregir los problemas de lentitud del repositorio de Python del Agent Development Kit (ADK), el framework open source de Google para construir agentes, con unas 205 000 líneas, cerca de 800 archivos y casi 17 000 pruebas unitarias.

Medición del run sobre ADK	Resultado publicado
Duración del trabajo nocturno sin supervisión	11 horas
Pruebas unitarias ejecutadas de nuevo	16 892
Optimizaciones propuestas y luego aceptadas	6 propuestas, 2 aceptadas
Preparación de las sesiones largas en memoria	Alrededor de un 40 % menos
Importación del paquete google.adk	Un 21 % más rápida
Ejecución completa de 158 turnos	De 65,6 s a 56,1 s

Un primer intento de dos horas, sin instrucciones específicas para el repositorio, encontró auténticos cuellos de botella, pero ignoró las convenciones de los mantenedores, hasta el punto de modificar un esquema JSON público. Para el segundo, el equipo guardó sus reglas de revisión en la carpeta .agents/skills y activó el modo /goal de Google Antigravity, que conserva el objetivo a través de las compactaciones del contexto. La revisión humana solo conservó dos de las seis optimizaciones: filtrar el historial de las sesiones antes de copiarlo y cargar los paquetes pesados en el primer uso; las demás dependían de un estado frágil, un atributo privado de OpenTelemetry o mejoras limitadas a los benchmarks sintéticos. La mejora solo afecta al servicio de sesiones en memoria, no a los almacenamientos externos. El equipo resume el reparto de funciones: el agente explora, el mantenedor descarta.

🔗 Optimizar ADK en una noche con Gemini 4 Argon (Google Developers)

Agentes de código: la aplicación de escritorio y dos versiones de Claude Code, VS Code 1.142, HydraFusion Max

Anthropic reorganiza la aplicación de escritorio de Claude Code en torno a las sesiones paralelas y publica dos versiones de su herramienta de línea de comandos en el mismo día; VS Code convierte el arnés Copilot en su opción predeterminada, y GitHub añade una opción Max a su orquestación de múltiples modelos.

Claude Code: la aplicación de escritorio se organiza en torno a las sesiones paralelas

14 de octubre — Anthropic actualiza la aplicación de escritorio de Claude Code, la pestaña Code de Claude Desktop, para facilitar la ejecución de varias sesiones en paralelo: según @ClaudeDevs, iniciar una sesión es ahora más rápido, repartir un trabajo entre varias es más sencillo y se puede ver en todo momento qué hace cada una.

Novedad anunciada	Qué aporta
Pantalla de sesión	Carpetas recientes a un clic; entornos guardados (unas cuantas carpetas, un host SSH o la nube), worktree por carpeta opcional
Sesiones anidadas	Una sesión por tarea paralela, que devuelve su resultado a la sesión principal
Trabajos de seguimiento	Claude los propone mientras trabaja y se inician con un clic como sesión independiente; /btw abre las preguntas adicionales en una pestaña
Barra lateral y panel	Sesiones activas o en espera, lista de tareas en tiempo real, tarjeta de resumen, lugar de ejecución, contexto y modificaciones

When you ask Claude to run tasks in parallel, it starts a nested session for each one. Each reports its result back into your main session when it’s done, so the main thread stays readable.

🇪🇸 Cuando le pides a Claude que lleve a cabo tareas en paralelo, inicia una sesión anidada para cada una. Cada una devuelve su resultado a tu sesión principal cuando termina, para que el hilo principal siga siendo legible. — @ClaudeDevs en X

La tarjeta de resumen (recap card) resume el turno cuando Claude necesita al usuario, y el panel lateral muestra dónde se ejecuta la sesión, su contexto y sus modificaciones. Para aprovecharlo, basta con actualizar la aplicación y abrir una nueva sesión; Anthropic no proporciona ni un número de versión ni un calendario de despliegue. La página de primeros pasos recuerda que Claude Code requiere una suscripción Pro, Max, Team o Enterprise, con entornos Local, Cloud, SSH y WSL. La actualización da continuidad al rediseño de la aplicación para los agentes paralelos presentado en abril.

🔗 Hilo de @ClaudeDevs · Primeros pasos con la aplicación de escritorio

Claude Code 2.1.299: compactación de conversaciones inactivas antes de la caducidad de la cache, 131 correcciones

14 de octubre — Publicada a las 2 h 49 UTC, Claude Code 2.1.299 es una versión importante con 190 entradas, entre ellas 18 incorporaciones, 131 correcciones, 16 mejoras y 25 cambios; se han omitido los números 2.1.297 y 2.1.298. La novedad más visible aborda el coste de las sesiones largas, la compactación por inactividad (idle compaction): en el terminal, una conversación de más de 200 000 tokens que se deja inactiva unos 54 minutos se compacta antes de que caduque su cache de prompt de una hora, para que el siguiente mensaje no tenga que volver a procesarlo todo. El umbral se ajusta con CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS, y "idleCompaction": false en settings.json desactiva la función. Con CLAUDE_CODE_DISABLE_FILE_MENTIONS, Claude recibe la ruta de los archivos mencionados mediante @, que lee por sí mismo con sus herramientas, en lugar de su contenido. El comando /usage ahora advierte sobre el esfuerzo máximo, los workflows, el contexto que se carga siempre y los resultados voluminosos de las herramientas, y ya nunca muestra más del 100 %.

La versión también restringe los permisos: una regla allow de MCP solo se aplica al servidor que nombra (mcp__a ya no autoriza un servidor a__b), las solicitudes al proxy de conectores de claude.ai y a los servidores MCP alojados por Anthropic ya no siguen las redirecciones HTTP, y los hooks UserPromptSubmit se ejecutan antes de expandir una skill o un comando, lo que también bloquea sus comandos shell integrados. Entre las correcciones de seguridad, un comando ejecutado en el sandbox podía escribir en una carpeta --plugin-dir cuyo código se vuelve a cargar fuera del sandbox, el modo de planificación podía ejecutar una escritura autorizada por un hook PreToolUse, y una ruta denegada seguía siendo accesible mediante un enlace simbólico en el sandbox de macOS. Las descripciones de herramientas de los servidores MCP de Anthropic ya no se truncan a 4 096 caracteres, y Claude Tag, Claude en Slack, puede eliminar un canvas que haya creado.

🔗 Notas de la versión de Claude Code 2.1.299

Claude Code 2.1.300: /advisor en Claude Platform on AWS, trazas OpenTelemetry GenAI, Claude Tag en Slack Connect

14 de octubre — Segunda versión del día, Claude Code 2.1.300 (18 h 24 UTC, 88 entradas, entre ellas 59 correcciones) amplía /advisor a Claude Platform on AWS: allí no se ejecuta ningún modelo asesor hasta que el usuario haya elegido uno con /advisor, advisorModel o --advisor, y CLAUDE_CODE_DISABLE_ADVISOR_TOOL=1 desactiva la herramienta. La telemetría se ajusta a las convenciones semánticas GenAI de OpenTelemetry (gen_ai.provider.name, gen_ai.conversation.id, gen_ai.tool.name y error.type en los spans), y el evento api_request distingue las escrituras de cache de 5 minutos de las de 1 hora.

En materia de seguridad, la entrada modificada (updatedInput) que devuelve un hook PreToolUse o PermissionRequest ahora se valida igual que la de Claude: se eliminan las claves desconocidas y, si la herramienta rechaza una entrada, se rechaza la llamada. Los hooks de tipo agente por fin respetan su campo model y, si ese modelo no está disponible, utilizan el del invocador en lugar de permitir la acción. Las transcripciones locales también registran el prompt del sistema, las herramientas y los parámetros de cada solicitud, y se eliminan las opciones --sandbox y --no-sandbox de claude remote-control, que no tenían ningún efecto. Claude Tag ahora puede responder en los canales Slack Connect compartidos con otra organización (desactivado por defecto, lo puede activar un propietario o un administrador de Claude Tag) y solicita la aprobación de una acción de un conector mediante una tarjeta privada Permitir una vez / Denegar en lugar de rechazarla.

Versión de Claude Code	Publicación (UTC)	Entradas publicadas	De ellas, correcciones	Novedad principal
2.1.299	14 de octubre, 2 h 49	190	131	Compactación por inactividad de conversaciones de más de 200 000 tokens
2.1.300	14 de octubre, 18 h 24	88	59	`/advisor` en Claude Platform on AWS, atributos GenAI de OpenTelemetry

🔗 Notas de la versión de Claude Code 2.1.300

VS Code 1.142: el arnés Copilot por defecto y los lienzos en versión preliminar

14 de octubre — VS Code 1.142 continúa la transición al arnés Copilot, basado en el Copilot SDK y cuyas sesiones pasan por el Agent Host para continuar en segundo plano. Hasta ahora disponible en el selector de arnés, se convierte progresivamente en el arnés por defecto de las nuevas sesiones, tras recibir comentarios «abrumadoramente positivos», según el equipo; Ask vuelve como agente integrado de solo lectura, y el título del chat indica el arnés activo, Copilot o Codex. Otra novedad son los lienzos (Canvases), en versión preliminar: interfaces interactivas que se abren junto al chat, donde el usuario y el agente modifican el mismo artefacto, por ejemplo, un tablero Kanban cuyas tareas actualiza el agente. Cada lienzo procede de una extensión, que el agente puede generar con el comando /create-canvas. En la ventana Agents, un chat también puede cambiar de carpeta o pasar a un nuevo worktree de Git sin perder su historial, por ahora con el arnés Codex.

En el ámbito empresarial, una política de permisos o de sandbox ahora impone el arnés Copilot en el Agent Host: los chats locales existentes migran allí automáticamente, sin enviar nada, y Claude, Codex y el chat del terminal dejan de estar disponibles mientras se apliquen estas políticas. Los administradores pueden mantener temporalmente el arnés Local, que no aplica estas reglas de ejecución, y el sandbox de Windows de este arnés queda obsoleto en favor de las sesiones Agent Host.

🔗 Notas de la versión de VS Code 1.142

HydraFusion Max: GitHub añade una opción de frontera a su orquestación de múltiples modelos

14 de octubre — GitHub actualiza HydraFusion, su orquestación que combina varios modelos para producir una sola respuesta, sin tener que elegir un modelo para cada tarea. El conjunto de modelos incluye ahora Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol y GPT-6 Luna, y el esfuerzo de razonamiento se ajusta por etapa: medio para los primeros borradores, alto para la revisión, mientras que hasta ahora HydraFusion se limitaba al esfuerzo por defecto de cada modelo. El workflow Cascade puede intercalar una etapa de evaluación que inspecciona el trabajo inicial y solo solicita una corrección si hace falta, y Critique pone a trabajar en paralelo varios modelos críticos, dotados de herramientas para inspeccionar directamente el espacio de trabajo.

Opción ofrecida	Posicionamiento según GitHub
HydraFusion	Equilibrio entre velocidad, coste y rendimiento, con un ahorro moderado de tokens
HydraFusion Max	Capacidad de frontera y el razonamiento más avanzado, con eficiencia en tokens gestionada por la orquestación

Ambas opciones siguen en versión preliminar de investigación en VS Code, la app GitHub Copilot y Copilot CLI, para los planes Pro, Pro+, Business y Enterprise que tengan activadas las funciones experimentales o en versión preliminar. GitHub no publica ningún benchmark ni precio para esta versión; en su lanzamiento en Copilot CLI, el 4 de septiembre, afirmaba ofrecer 4,9 puntos más de calidad y un coste un 67 % menor frente a Opus 5 en TerminalBench 2.1.

🔗 Actualizaciones de HydraFusion y nueva opción Max (changelog de GitHub)

Seguridad e integridad: las salvaguardas electorales de Anthropic, la detección de estafas en el teléfono, una grabadora oculta en OpenAI

Tres asuntos de confianza: Anthropic prepara Claude para las elecciones de mitad de mandato de Estados Unidos, Google DeepMind y GovTech Singapore detectan las estafas sin salir del teléfono, y OpenAI afirma haber descubierto un dispositivo de grabación oculto en una de sus oficinas.

Elecciones de mitad de mandato: Anthropic refuerza sus salvaguardas e integrará la información de votación de Democracy Works

14 de octubre — Ante la proximidad de las elecciones de mitad de mandato de Estados Unidos, Anthropic detalla las salvaguardas electorales reforzadas desde su actualización de abril. Un análisis de 250 000 conversaciones de usuarios particulares de Claude.ai en Estados Unidos, del 21 al 27 de septiembre, mide primero el peso de la política.

Tipo de conversación (Claude.ai, Estados Unidos)	Proporción de conversaciones
Política, políticas públicas, cuestiones sociales	Aproximadamente el 5,75 %
Elecciones o votación	Aproximadamente el 0,51 %
Por quién o qué votar	Aproximadamente el 0,01 %
Contrarias a las normas de integridad electoral (análisis separado)	Aproximadamente el 0,002 %

El banner que enlaza a TurboVote (Democracy Works) se mantiene, y Claude.ai integrará a finales de este mes la información oficial de votación de Democracy Works en sus respuestas a los usuarios estadounidenses (dónde votar, qué documento de identidad llevar, con una respuesta específica para cada estado), y después mostrará los resultados oficiales la noche de las elecciones y los días siguientes. Según Anthropic, Claude Opus 5.5, Sonnet 5.5 y Haiku 5.5 obtienen un 99 % en su evaluación de imparcialidad política. De tres evaluaciones independientes, dos (The Future of Free Speech y el Collective Intelligence Project) detectan pocos rechazos, pero sí advertencias y contraargumentos no solicitados; la tercera, de la Foundation for American Innovation, constató que Claude Sonnet 4.5 no siempre introducía matices de forma equilibrada y tendía más a suavizar los argumentos a favor de posiciones de derechas. Las pruebas realizadas con el Institute for Strategic Dialogue y el McCain Institute en Estados Unidos, Israel y Brasil mostraron que Claude rechazaba de forma fiable una solicitud perjudicial aislada, pero podía pasar por alto una campaña dividida en pequeñas tareas de apariencia inocua. Anthropic ha añadido clasificadores contra estos abusos en varias etapas y ha bloqueado las cuentas de operadores radicados en el extranjero de un falso sitio de noticias que utilizaban Claude para producir una cobertura electoral favorable a las narrativas rusas, iraníes y norcoreanas.

🔗 Preparativos para las elecciones de mitad de mandato de 2026 en Estados Unidos (Anthropic)

Estafas: Google DeepMind y GovTech Singapore ajustan Gemma para detectarlas en el teléfono

14 de octubre — Google DeepMind y la agencia gubernamental GovTech Singapore han ajustado un modelo Gemma ligero, cuya generación no se especifica en la publicación, para detectar las estafas directamente en el teléfono del usuario. El punto de partida tiene cifras: en Singapur, las estafas representan más de la mitad de los delitos denunciados y más de 4 000 millones de dólares de Singapur en pérdidas desde 2019, y las estafas mediante ingeniería social compleja suponen hasta el 80 % de las pérdidas. El modelo se ha ajustado con conversaciones de estafas locales: suplantación de instituciones públicas, bancos o personalidades, y estafas regionales del momento. Todo ocurre en el dispositivo, en dos fases para ahorrar batería: un clasificador ligero filtra los mensajes entrantes y después el Gemma ajustado revisa un fragmento más amplio de la conversación para confirmar la amenaza o descartar la falsa alarma, antes de mostrar una advertencia en tiempo real.

El modelo solo accede a las conversaciones con el consentimiento del usuario, y ni el Gobierno de Singapur ni Google pueden leerlas; el ajuste se realizó en el entorno Google Cloud gestionado por GovTech, con datos anonimizados, sin ningún dato de ciudadanos. Presentado en la Singapore International Cyber Week, el proyecto aún no tiene fecha ni aplicación anunciada: su despliegue será «cuidadosamente escalonado» (implementado cuidadosamente por fases) con el Gobierno, y Google DeepMind contempla otros países.

🔗 Google DeepMind y GovTech Singapore contra las estafas

OpenAI descubre un dispositivo de grabación oculto en una de sus oficinas

13 de octubre — Según una nota publicada por su cuenta de prensa, OpenAI ha descubierto un sofisticado dispositivo de grabación oculto en una de sus oficinas. La empresa afirma haber utilizado sus propios modelos para comprender el dispositivo y su procedencia, hasta identificar al empleado que lo había colocado unos días antes. El caso se ha remitido al FBI, y OpenAI agradece a los agentes y fiscales que actuaron rápidamente para efectuar una detención; la investigación federal continúa y el empleado ha sido despedido.

At this time, we have no indications of this individual inappropriately accessing or exfiltrating model weights, source code, or customer data.

🇪🇸 Por el momento, no tenemos ningún indicio de que esta persona haya accedido de forma indebida a pesos de modelos, código fuente o datos de clientes, ni de que los haya exfiltrado. — @OpenAINewsroom en X

Según OpenAI, su programa de seguridad aborda un amplio abanico de amenazas, desde los riesgos internos hasta los ciberdelincuentes y los Estados, y este caso muestra cómo la IA puede ayudar a hacerles frente. La nota no especifica la identidad del empleado, la oficina afectada, la naturaleza exacta del dispositivo ni la fecha de la detención.

IA para la ciencia: diez manuscritos médicos de Meta con sus modelos Muse, meteorología extrema a 3 km con HiRO-ACEv2

Dos usos científicos de los modelos: Meta acelera estudios epidemiológicos sobre historiales médicos y Ai2 produce datos climáticos de alta resolución a bajo coste.

Meta publica diez manuscritos de investigación médica elaborados con Muse Spark 1.3 y Muse Wonder

14 de octubre — Meta ha construido un andamiaje de código interno (coding scaffold), impulsado por Muse Spark 1.3 y Muse Wonder, que accede a datos públicos y a una base retrospectiva bajo licencia de cinco millones de historiales clínicos electrónicos desidentificados. Un grupo de investigadores médicos (cardiología, epidemiología, enfermedades infecciosas, medicina interna) lo utilizó durante cuatro semanas para formular hipótesis, escribir y ejecutar todo el código de análisis y coescribir los manuscritos; los expertos conservan la autoridad sobre las decisiones científicas. El resultado son diez manuscritos, revisados por los pares del grupo, por un bioestadístico y después por expertos independientes contratados, cuyas opiniones se publican debajo de cada artículo.

Estudio citado como ejemplo	Resultado comunicado
Arritmias tras endocarditis infecciosa	+73 % de nuevas arritmias y trastornos de la conducción frente a las bacteriemias sin endocarditis; riesgo a un año del 7 % frente al 4 %
Urgencias, pacientes de salud conductual que se fueron sin ser atendidos	Riesgos relativos de 1,86 (regreso), 4,41 (hospitalización) y 2,15 (mortalidad a corto plazo)
Tiempo desde el primer prompt hasta el manuscrito	Menos de dos semanas, a veces siete días

Los participantes comunican un aumento de productividad de hasta diez veces en los mejores casos, una medida autodeclarada. Se reconocen las limitaciones: los análisis son únicamente retrospectivos, y un revisor externo considera que el estudio sobre las arritmias genera hipótesis más que justificar cambios en la práctica, ya que sigue siendo posible un sesgo de vigilancia. Esta iniciativa de salud sigue a los seis artículos de matemáticas redactados con Muse Spark y publicados el 2 de octubre.

🔗 La publicación de Meta

HiRO-ACEv2: Ai2 simula fenómenos meteorológicos extremos a escala mundial a 3 km, con un coste unas 300 veces menor que X-SHiELD

14 de octubre — Ai2 publica HiRO-ACEv2, una nueva versión de su emulador climático de alta resolución. El sistema combina ACE, un modelo de IA que simula el clima con una resolución de 100 km, y HiRO, que refina esas salidas hasta los 3 km. Mientras que la primera versión de HiRO solo generaba precipitaciones, HiROv2 predice tanto la lluvia como los vientos cerca de la superficie y la presión al nivel del mar. Alimentado con datos de resolución reducida de X-SHiELD, un modelo atmosférico mundial que simula explícitamente las tormentas, reproduce sus estadísticas de alta resolución con un margen del 3 %, incluso para eventos que ocurren en uno de cada millón de puntos, y estima correctamente la energía de los ciclones tropicales, incluidas tormentas nunca vistas durante el entrenamiento.

Medida anunciada por Ai2	Valor anunciado
Resolución	3 km de salida, a partir de ACE a 100 km
Diferencia respecto a las estadísticas de X-SHiELD	Dentro del 3 %, incluso para eventos de uno entre un millón
Coste frente a X-SHiELD	Unas 300 veces menor para datos mundiales
Simulaciones generadas	10 años (ACE); un año completo de datos mundiales a 3 km
Licencia de los modelos	Apache-2.0, en Hugging Face

Se reconoce la limitación: como HiRO se ha entrenado con X-SHiELD, solo funciona con la versión de ACE ajustada a ese modelo y todavía no puede generar datos para un clima más cálido ni para el histórico de ERA5. Ai2 prevé entrenarlo con un mundo 4 °C más cálido y después añadir la temperatura cerca de la superficie, la nieve y el hielo. Los modelos se publican con un informe técnico (arXiv 2610.17693), cuadernos de tutorial y una demo.

🔗 La publicación de Ai2 · Los modelos en Hugging Face

Expansión e inversiones: Anthropic en Singapur, 250 millones de dólares de NVIDIA para la investigación británica, Mistral adquiere New Material

Anthropic se instala en Singapur con un acuerdo gubernamental, NVIDIA compromete capacidad de cómputo e inversiones en el Reino Unido, y Mistral se refuerza mediante una adquisición en el diseño de productos.

Anthropic abre en Singapur su quinta oficina en Asia-Pacífico y firma un memorando de entendimiento con el gobierno

14 de octubre — Anthropic abre una oficina en Singapur, la quinta en Asia-Pacífico, y firma un memorando de entendimiento (Memorandum of Understanding) con el Ministerio de Desarrollo Digital e Información de Singapur. El texto fue firmado por el secretario permanente del ministerio, Kai Fong Chng, y el cofundador de Anthropic Ben Mann, en el marco de la Singapore International Cyber Week. Prevé la cooperación en seguridad, protección y evaluación de modelos, intercambios técnicos sobre las normas de pruebas y la respuesta a incidentes, y el intercambio de datos del Anthropic Economic Index.

Organización de Singapur	Uso de Claude citado por Anthropic
GovTech Singapore	Más de 1 500 ingenieros y técnicos en Claude Code
Grab	Asistente comercial BriX, unas 40 000 horas ahorradas por trimestre
DBS y GIC	Uso o despliegue de Claude en la banca y en el fondo soberano
Sea (Shopee, Garena, Monee)	Chatbot del servicio de atención al cliente de Shopee, miles de empleados que programan con Claude

Según el Economic Index, Singapur ocupa el segundo puesto entre 121 países por el uso de Claude.ai en relación con la población, casi seis veces lo que cabría prever por su tamaño. Un Builder Summit reunió a más de 300 desarrolladores el día de la apertura. Anthropic no comunica ni el importe de la inversión ni la plantilla de esta oficina, que está contratando personal.

🔗 Apertura de la oficina de Singapur (Anthropic)

NVIDIA ofrece 250 millones de dólares en capacidad de cómputo a la investigación británica sobre la seguridad de los agentes

13 de octubre — NVIDIA anuncia una donación de capacidad de cómputo valorada en 250 millones de dólares durante cinco años, equivalente a 50 millones de dólares de acceso a capacidad de cómputo al año, para la investigación británica sobre la seguridad y la protección de los agentes (agentic safety and security). La mayor parte irá al conjunto de la comunidad británica de investigación en seguridad y protección de la IA; una parte está reservada para BOLD (Universidad de Oxford), SOFAIR (UCL) e Imperial College London, que trabajará en ingeniería de seguridad y robótica. La capacidad de cómputo se suministrará a través de NVIDIA Cloud Partners establecidos en el Reino Unido, con una infraestructura alojada en el país; los proveedores, la arquitectura técnica y las condiciones comerciales siguen pendientes de acuerdo. Los trabajos previstos se centran en agentes seguros, la seguridad de los modelos abiertos y la mitigación de amenazas reales, con entornos sandbox, investigación reproducible y benchmarks de evaluación de la seguridad, en particular en NVIDIA OpenShell y el diseño de referencia NVIDIA Sentry.

La publicación que acompaña al anuncio añade inversiones previstas, sin especificar importes, en cinco startups británicas: Boltz (modelos biomoleculares), Foresight (gestión de grandes obras), Hiverge (descubrimiento de algoritmos), Prima Mente (modelos fundacionales biológicos para el alzhéimer, el párkinson y la ELA) y Riverlane (corrección de errores cuánticos). Estos anuncios preceden a la keynote de Jensen Huang en GTC Berlin, el 21 de octubre.

🔗 Comunicado de NVIDIA · Publicación de NVIDIA sobre el ecosistema británico

Mistral adquiere el estudio de diseño New Material y crea un equipo Solutions Design

14 de octubre — Mistral adquiere New Material, un estudio de diseño de productos de IA fundado hace seis años. El anuncio procede de una publicación de New Material, que habla de adquisición; Mistral lo compartió en X para dar la bienvenida al equipo, sin publicar en su propio sitio ni comunicar el importe. El estudio afirma haber desarrollado herramientas, productos y empresas nativos de IA en los sectores del automóvil, la distribución, el derecho y la salud, con socios como Ford, Rafael Nadal, Wellcome Trust o bufetes del AmLaw 50. Forma en Mistral un nuevo equipo, Solutions Design, que combina diseño, ingeniería e IA y desarrollará los proyectos junto con los clientes, para estrechar el ciclo entre los despliegues reales y los productos de Mistral en la IA crítica para empresas y gobiernos. En mayo, Mistral ya había adquirido Emmi AI, especialista austriaco en Physics AI.

🔗 Publicación de New Material · Mensaje de @MistralAI

OpenAI mide el giro agéntico de las empresas de la UE: los usuarios se multiplican por 8,1 en las pymes

14 de octubre — OpenAI publica un informe de su investigación económica dedicado al uso agéntico de la IA en las empresas de la Unión Europea, acompañado de un PDF y de datos para explorar. En la muestra europea de clientes de ChatGPT Enterprise, Codex y ChatGPT Work representan ahora más de la mitad de los tokens de salida: los usuarios confían a los agentes tareas completas, desde la planificación hasta la ejecución.

Indicador medido por OpenAI	Valor registrado
Proporción de tokens de salida mediante Codex y ChatGPT Work (UE, ChatGPT Enterprise)	Más de la mitad
Usuarios activos semanales de herramientas agénticas en las pymes de la UE	×8,1 respecto a la semana del 1 al 7 de mayo
Proporción agéntica de los tokens de salida según el país	Del 22 % (Eslovenia) al 85 % (Lituania)
Tokens de salida en 28 días, en relación con las empresas típicas de mayo	Vanguardia fuera de la UE 12,9x; vanguardia UE 6,1x; típicas fuera de la UE 1,6x; típicas UE 1,5x
Proporción de la UE entre las empresas de vanguardia mundiales	10 %

Aquí se definen las pymes como las empresas que cuentan con un máximo de 200 usuarios asociados, y su crecimiento abarca todos los Estados miembros. El informe mide sobre todo una brecha de intensidad: en septiembre, las empresas de vanguardia de la UE (frontier firms, el 10 % que genera más tokens de salida por usuario activo) producían más de cuatro veces la cantidad de las empresas típicas de la UE, pero las empresas de vanguardia de fuera de la UE seguían produciendo más del doble que ellas. Para OpenAI, el reto consiste en transformar una adopción amplia en usos más profundos, ayudando a las empresas a superar la experimentación y formando a los empleados. El informe sigue al del 30 de septiembre sobre las pequeñas empresas estadounidenses.

🔗 El próximo capítulo de la IA en la UE será agéntico (OpenAI)

Infraestructura de los agentes: trazas OpenTelemetry en Claude Platform, enrutamiento de entornos sandbox en Perplexity

Dos componentes de las herramientas que permiten ejecutar y observar agentes en producción: la observabilidad en Anthropic y el enrutamiento de las solicitudes hacia la ejecución correcta en Perplexity.

Claude Platform exporta en beta pública trazas OpenTelemetry de la API Messages, de Managed Agents y de los SDK

14 de octubre — Claude Platform ya puede enviar, en beta pública, trazas OpenTelemetry desde la API Messages, Claude Managed Agents y los SDK de Claude a cualquier herramienta de observabilidad que admita un punto de acceso OTLP estándar. Cada turno de agente, llamada al modelo y llamada a una herramienta llega como una traza estándar, con latencia, tokens e identificadores. Para la API Messages y Managed Agents, hay que añadir un destino en Claude Console; los SDK exportan automáticamente sus spans, en Python, TypeScript, C#, Go, Java, PHP y Ruby, según las notas de la versión. Los spans siguen las convenciones semánticas GenAI de OpenTelemetry e incluyen por defecto metadatos (duración, estado, número de tokens, modelo, nombres de herramientas); un destino configurado para contenido completo (full content) también exporta prompts, respuestas, entradas y resultados de herramientas. Ese mismo día, Claude Code 2.1.300 adapta sus propios spans a estas convenciones.

Uso destacado	Herramientas citadas por Anthropic
Depurar junto al resto de la pila	Grafana Cloud, Honeycomb, Sentry, Splunk
Convertir trazas reales en evaluaciones	Arize AI, Braintrust, Datadog, Langfuse, LangSmith, New Relic, PostHog
Seguir el uso de tokens por equipo	Databricks Unity Gateway

Entre los testimonios, Ramp explica que Reflect, su sistema que puntúa las trazas Langfuse de sus agentes, ya ha reducido entre un 10 y un 20 % el uso de tokens y acelerado un 30 % las sesiones de algunos agentes. Anthropic no anuncia ni precios ni un calendario de disponibilidad general.

🔗 Observabilidad de agentes en Claude Platform · Notas de la versión de Claude Platform

SPACE: Perplexity vincula cada solicitud a la ejecución correcta del sandbox

14 de octubre — Perplexity publica un artículo de ingeniería sobre SPACE, la plataforma de entornos sandbox donde se ejecutan los agentes de Perplexity Computer. Según Perplexity, SPACE lleva meses procesando millones de ejecuciones al día con una tasa de error inferior al 0,0002 % y ninguna conexión perdida. El problema abordado es el de una ruta obsoleta: un sandbox reanudado en otra máquina conserva su identificador, pero inicia una nueva ejecución, y una solicitud retrasada puede llegar a la anterior bajo el nombre correcto. Una simple lectura de archivo atraviesa el plano de control, node-api, sbx-manager, un socket Unix y el puente del host, y después VSOCK hasta la microVM Firecracker.

La respuesta consiste en separar la identidad estable del sandbox de la identidad de ejecución, que identifica una instancia y su ubicación. Tras la autorización, cada solicitud lleva una capacidad firmada con Ed25519, válida durante 120 segundos, que el componente receptor compara con su propio registro antes de reenviarla; los terminales y las monitorizaciones de archivos se interrumpen en cuanto se establece una nueva ejecución. El modelo de amenazas excluye el compromiso root de una máquina de ejecución (worker), y la verificación sigue siendo local, sin atestación remota de hardware. Por último, el artículo compara SPACE con OpenShell, que ofrece garantías comparables, y con E2B y CubeSandbox, que reenvían sin una identidad de ejecución esperada: conclusiones limitadas a las implementaciones examinadas, precisa Perplexity.

🔗 Publicación de Perplexity sobre SPACE

Agentes generalistas: las versiones Ultrafast en Perplexity Computer, Manus for Business para los equipos

Los agentes que realizan tareas largas para el usuario se apoyan en dos factores: la velocidad de los modelos en Perplexity y el trabajo en equipo en Manus.

Perplexity Computer ofrece las versiones Ultrafast de GPT-6 Astra y GPT-6.1 Sol a los suscriptores Max

14 de octubre — Perplexity ofrece a los suscriptores Max las versiones Ultrafast de dos modelos de OpenAI en Perplexity Computer, su agente para tareas de varios pasos: GPT-6 Astra y GPT-6.1 Sol, escrito «SOL 6.1» en el anuncio. Ambos modelos generan sus tokens más rápido, de modo que las tareas largas de Computer terminan antes. La elección se hace manualmente: seleccionar Astra o SOL 6.1 en el menú Custom y después cambiar la velocidad a Ultrafast. El anuncio no cuantifica ni la mejora de velocidad ni el consumo de créditos, y tampoco menciona los demás planes; el changelog del producto no tiene ninguna entrada posterior a la del 5 de octubre. Es la adaptación en Perplexity de una modalidad que OpenAI lanzó para GPT-6 Astra el 29 de septiembre y después para GPT-6.1 Sol el 8 de octubre, con hasta 8 veces más velocidad según OpenAI.

🔗 Anuncio de Perplexity

Manus for Business: un Team Plan desde 20 dólares por asiento y una oferta Enterprise

13 de octubre — Manus lanza Manus for Business, una oferta destinada a los equipos que reúne el Manus Team Plan y un Enterprise Plan.

Plan de Manus	Contenido según Manus
Manus Team Plan	Desde 20 dólares por asiento de pago al mes o 200 dólares al año, para 4 000 créditos; asientos de invitados gratuitos
Manus Enterprise	Mediante contacto comercial: cuentas gestionadas, retención legal, integración SIEM, controles de red de los agentes, límites de uso por usuario

El Team Plan, disponible desde ahora, incorpora proyectos que conservan el contexto (instrucciones, archivos, Skills y conectores compartidos entre tareas relacionadas, incluidas las tareas programadas), Skills comunes que los administradores pueden imponer, acceso exclusivo del equipo a las tareas, los archivos y los sitios internos, y créditos compartidos que se supervisan en un panel. Los invitados revisan y comentan sin ocupar un asiento de pago. Roles, registros de auditoría, SSO y SCIM completan el conjunto; Manus afirma que prohíbe a los proveedores de modelos entrenar con los datos de los clientes Team y que cuenta con las certificaciones SOC 2 Type II, ISO 27001 e ISO 27701.

🔗 Presentación de Manus for Business

Investigación sobre agentes: HybridAgent razona en el espacio latente, Cohere Labs evalúa los equipos de agentes de código

Dos estudios buscan hacer que los agentes sean menos costosos: uno haciendo que razonen sin producir tokens y otro organizando mejor sus equipos.

HybridAgent: agentes que piensan en el espacio latente y actúan mediante texto

13 de octubre — Investigadores de Stanford, Together AI, UIUC y Meta, según la publicación en arXiv firmada, entre otros, por Jiaru Zou y James Zou, presentan HybridAgent, agentes de razonamiento híbrido que alternan, en una misma generación, el razonamiento en el espacio latente y las acciones en texto. Un módulo ligero, HybridLink, lleva los estados ocultos de la última capa al espacio de los embeddings de entrada: el modelo razona sin producir tokens y después vuelve al texto para llamar a sus herramientas, un intérprete de Python y la búsqueda web. Cada paso latente sigue siendo legible en forma de pseudotexto. El entrenamiento se realiza en dos fases: HybridSFT aprende la coordinación con HybridLink y después HybridRL aprende cuándo pensar en el espacio latente y cuándo actuar mediante texto.

Medida publicada (según los autores)	Valor anunciado
Mejora del rendimiento en 11 bancos de pruebas y 3 tamaños	+10,4 %
Reducción de tokens	35,5 % a 54,7 %
Velocidad de inferencia	De 1,8 a 2,6 veces más rápida
Ahorro de costes	De 2,7 a 3,7 veces

Los modelos HybridAgent-8B-Agentic y 14B-Agentic se publican bajo licencia MIT junto con el código; ningún anuncio de Together AI acompaña al artículo.

🔗 El artículo en arXiv

Cohere Labs: un agente principal potente rodeado de agentes baratos se acerca a la mejor puntuación con un 70 % menos de coste

14 de octubre — Cohere Labs publica un estudio sobre la organización de los equipos de agentes de código, firmado por Keenan Samway, Daniel D’souza y Nouha Dziri. En un arnés deliberadamente mínimo, un agente principal (lead) encarga subtareas a agentes secundarios (workers), y solo cambia un parámetro a la vez: pasos delegados, espera bloqueante o asíncrona, modelo de cada rol, tamaño del equipo, mensajería directa. El banco de pruebas principal, ProgramBench, exige reconstruir 200 programas a partir únicamente de su ejecutable y su documentación, desde jq y ripgrep hasta SQLite o FFmpeg.

Configuración evaluada (ProgramBench, GPT-5.6)	Recompensa media	Coste total de las 200 tareas
Sol solo, prompt en tres pasos	57,7 %	Sin cuantificar en el texto
Equipo Sol asíncrono, tres pasos delegados	63,2 %	510 dólares
Equipo Sol asíncrono, solo la planificación delegada	63,6 %	249 dólares
Agente principal Sol y 16 agentes Luna, planificación	61,8 %	155 dólares

Delegar únicamente la planificación logra, por tanto, el mismo resultado que delegarlo todo, por la mitad del coste, y un agente principal Sol apoyado por 16 agentes GPT-5.6 Luna alcanza el 61,8 % por 155 dólares, un 70 % menos que el equipo compuesto íntegramente por Sol que lo delega todo. Un agente principal débil no compensa sus carencias: con agentes Luna, un agente principal Terra (51,6 %) sigue por debajo de Sol trabajando solo (57,7 %). En un subconjunto de 30 tareas, con una sola ejecución por modelo, Claude Opus 4.8 gana 5,9 puntos en equipo, mientras que Claude Opus 4.7 apenas delega; una prueba de Claude Opus 5 se detuvo tras ocho tareas, todas agotaron el plazo de ocho horas, por unos 500 dólares cada una. El estudio no evalúa ningún modelo de Cohere.

🔗 Entrada de Cohere Labs

Medios generativos: FLUX 3 Video más barato, Runway en Baseten, la voz de HeyGen adaptada al escenario

El vídeo generativo baja sus precios y se incorpora a las infraestructuras dedicadas de las empresas, mientras HeyGen documenta la clonación de voz de sus vídeos.

FLUX 3 Video hasta dos veces más rápido y hasta la mitad de precio en 2K y 4K

14 de octubre — Black Forest Labs anuncia que FLUX 3 Video es ahora hasta dos veces más rápido y cuesta un 50 % menos para generar en 2K y 4K nativos. El laboratorio explica que ha optimizado el servicio para que consuma menos recursos de cálculo y traslada esa mejora tanto al precio como a la velocidad. En un segundo mensaje, afirma que ofrece una calidad 4K superior a Kling o3 con un precio y una latencia comparables, sin publicar ningún benchmark en el hilo.

Resolución de FLUX 3 Video	Texto o imagen a vídeo (por segundo)	Vídeo a vídeo (por segundo)
HD	0,17 → 0,15 dólar	0,41 → 0,21 dólar
FHD	0,29 → 0,24 dólar	0,53 → 0,27 dólar
QHD (2K)	0,40 → 0,28 dólar	0,65 → 0,31 dólar
UHD (4K)	0,80 → 0,41 dólar	0,95 → 0,45 dólar

La tabla de bfl.ai matiza el «50 %»: en 2K y 4K, la reducción va del 30 % (2K a partir de texto o imagen) al 53 % (vídeo a vídeo), y los precios de HD y FHD también bajan; el modo borrador (Draft) se mantiene en 0,06 dólar por segundo, solo en HD. FLUX 3 Video se había lanzado el 4 de agosto.

🔗 Anuncio de Black Forest Labs · Página de FLUX 3 Video · Tabla de precios de FLUX 3 Video

Runway se asocia con Baseten para desplegar Gen-4.5 y Aleph 2.0 en entornos dedicados

14 de octubre — Runway y Baseten se asocian para ofrecer los modelos de vídeo de Runway a las empresas en entornos dedicados. Gen-4.5 y Aleph 2.0, que edita secuencias de varias escenas de hasta 30 segundos en 1080p, ya pueden desplegarse, incluidas sus versiones ajustadas, en entornos de un solo cliente (single-tenant) mediante Baseten Dedicated Inference. La empresa obtiene una licencia de los pesos directamente de Runway y después los despliega en Baseten, donde cada despliegue funciona en un plano de ejecución aislado con GPU dedicadas, mientras Baseten gestiona el plano de control. La infraestructura está cubierta por los programas SOC 2 Type II e HIPAA de Baseten, la disponibilidad está garantizada al 99,99 %, y los clientes pueden ajustar los modelos con sus datos y reservar capacidad GPU. No se comunica ningún precio. La oferta amplía Runway Model Licensing, lanzado el 11 de septiembre para conceder licencias de sus pesos cerrados a las empresas.

🔗 Anuncio de Runway · Entrada de Baseten

HeyGen Voice: el informe técnico de una clonación de voz que adapta la voz al escenario

14 de octubre — Cinco días después del lanzamiento de HeyGen Voice, HeyGen publica el informe técnico de su modelo de voz, presentado como el primero diseñado para vídeo. La referencia de voz establece quién habla, mientras que la imagen de destino y la descripción de la escena orientan cómo debe sonar la voz: un modelo de lenguaje extrae de ellas dos descripciones, una para el hablante (tono, ritmo, énfasis, expresividad) y otra para el fondo (el espacio y su acústica). El vídeo se renderiza mediante un modelo de avatar distinto.

Evaluación a ciegas (realizada por HeyGen)	HeyGen Voice preferido
Adecuación al escenario, frente a Cartesia	73 %
Adecuación al escenario, frente a ElevenLabs v4	70 %
Adecuación al escenario, frente a Seedance 2.5	65 %
Elección de los usuarios, frente a ElevenLabs v4	62,2 %
Elección de los usuarios, frente a Cartesia Sonic 3.6	54,1 %

En la primera prueba, una misma voz se sitúa en 50 escenarios, desde una catedral hasta el asiento delantero de un coche; en la segunda, miles de usuarios grabaron su voz y después eligieron, sin etiquetas, la versión que querían utilizar, con un 41,7 % para HeyGen Voice en la comparación entre tres opciones. Estas cifras proceden de HeyGen.

🔗 Hilo de HeyGen · Página de investigación de HeyGen Voice

Chips: NVIDIA lanza cuPotential y amplía CUDA-X a las fábricas de semiconductores dirigidas por IA

14 de octubre — NVIDIA presenta cuPotential, una nueva biblioteca CUDA-X que permite crear agentes capaces de simular las interacciones entre átomos y moléculas, un cálculo fundamental para modelar los materiales y los procesos de los semiconductores. En pruebas de acceso anticipado, ha acelerado entre 2 y 3 veces más los flujos de trabajo ya optimizados para GPU; Synopsys figura entre los primeros usuarios. El anuncio se enmarca en las fábricas de semiconductores dirigidas por IA (AI-defined fabs), donde los agentes ayudan a los ingenieros a optimizar los procesos, resolver las incidencias de producción y mejorar el rendimiento.

Socio o herramienta	Resultado anunciado (según NVIDIA)
NVIDIA cuPotential	Entre 2 y 3 veces más en flujos ya optimizados para GPU (acceso anticipado)
Lam Research (NanoVDB, SEMulator3D)	Hasta 30 veces en ciertos modelos de grabado, para finales de 2026
KLA (NPP)	50 veces más rápido que las versiones CPU anteriores
Applied Materials	Simulaciones de cámara hasta 35 veces más rápidas
Synopsys	Potencial de 30 veces (cuEST, QuantumATK) y 12 veces (cuDSS, S-Device)

Ese mismo día, una entrada técnica ilustra la parte de los agentes: con la biblioteca abierta NeMo Gym, el equipo Siemens Fuse ha evaluado su agente de caracterización de celdas estándar comparando sus archivos Liberty con referencias verificadas. En unas 25 ejecuciones, con Claude Opus 4.8 en Claude Code como modelo y arnés fijos, el equipo ha perfeccionado sus skills y sus descripciones de herramientas MCP: la puntuación compuesta pasa de aproximadamente el 55 % a aproximadamente el 95 %, los turnos del agente de 155 a 53 y los tokens de salida de unos 81 000 a 29 000.

🔗 Comunicado de NVIDIA · Entrada técnica sobre NeMo Gym y Siemens Fuse

Modelos y entornos abiertos: los codificadores UltraBERT, entornos RL multilingües en Hugging Face

Dos publicaciones abiertas en el Hub: una familia de codificadores para clasificación y búsqueda, y entornos de aprendizaje por refuerzo en más de cien idiomas.

UltraBERT: DMIS Lab publica codificadores para inglés de 150M y 380M con un contexto de 32K

14 de octubre — El laboratorio DMIS (Data Mining and Information Systems Lab) publica UltraBERT, una familia de codificadores para inglés de 150M y 380M parámetros con un contexto nativo de 32K tokens, y UltraBERT-Embed-150M, un modelo de embeddings listo para usar, todo bajo Apache 2.0 y acompañado de un artículo (arXiv 2610.15028). Las ablaciones, que acumulan más de 70 000 mil millones de tokens, revelan dos conclusiones: los codificadores dejan de mejorar después de 1 000 a 2 000 mil millones de tokens aunque la pérdida siga disminuyendo, y la tasa de enmascaramiento determina su especialidad, ya que una tasa baja favorece la clasificación y una tasa alta la búsqueda. Por tanto, UltraBERT combina un 5 % y un 50 % de enmascaramiento en cada lote, con una cabeza de modelo de lenguaje por tasa.

Modelo UltraBERT publicado	Resultado anunciado por los autores
UltraBERT-380M	91,0 en GLUE, 47,7 en BEIR
UltraBERT-150M y 380M	Mejor puntuación en 9 de 10 bancos de pruebas; 99 % en la prueba de la clave oculta hasta 32K tokens
UltraBERT-Embed-150M	67,24 en MTEB (eng, v2), mejor modelo de embeddings densos con menos de 200M parámetros

🔗 La entrada de DMIS Lab

Hugging Face abre entornos RL de OCR en 22 idiomas y de reconocimiento de voz en 102 idiomas

14 de octubre — Adithya S K, que trabaja en los entornos de aprendizaje por refuerzo de Hugging Face, presenta lo que describe como los mayores entornos RL open source multilingües y multimodales. Se publican dos entornos OpenEnv con recompensas verificables: uno para el reconocimiento de documentos (OCR), con más de un millón de páginas en 22 idiomas extraídas del corpus Nayana de Cognitive Lab, y otro para el reconocimiento de voz (ASR), con grabaciones en 102 idiomas procedentes de FLEURS de Google, lo que suma más de 12 millones de tareas en total. El principio: reutilizar conjuntos de datos abiertos existentes dotándolos de recompensas verificables. Para demostrar que sirven para entrenar, el autor ajustó Gemma 4 E4B mediante GRPO en canarés, con una sola A100: un 16 % menos de errores de caracteres en el banco de pruebas OCR reservado de Sarvam AI y un 45 % menos en 838 fragmentos de voz reservados. El RL Environment Explorer presentado el 7 de octubre ya registraba más de 12 millones de tareas; la novedad está en la presentación oficial y los primeros resultados de entrenamiento.

🔗 El hilo de Adithya S K

GitHub Actions: archivos de bloqueo para las dependencias de los workflows, en versión preliminar pública

14 de octubre — Fuera de la IA, GitHub Actions ofrece en versión preliminar pública archivos de bloqueo (lockfiles) para las dependencias de los workflows, en GitHub Enterprise Cloud (con o sin residencia de datos), Team y Free. El riesgo que se busca abordar es conocido: un tag o una rama pueden cambiar tras la revisión de un workflow, y una acción comprometida puede inyectar código malicioso sin ningún cambio en el repositorio. La extensión gh actions-lock de GitHub CLI genera .github/workflows/actions.lock con los commits de las acciones, sus dependencias transitivas y los workflows reutilizables; Actions ejecuta después el commit bloqueado aunque cambie el tag. La adopción se realiza workflow por workflow, una política Require lockfile permite exigirlo y Dependabot actualiza la entrada bloqueada en la misma pull request que la nueva versión de una acción. GitHub recuerda que el bloqueo no indica nada sobre la seguridad de una dependencia, que debe revisarse antes de bloquearla.

🔗 Archivos de bloqueo de workflows de GitHub Actions en versión preliminar pública (changelog de GitHub)

Breves

Agentes y herramientas de código

Copilot CLI 1.0.98 — Publicada como versión estable al día siguiente de la 1.0.97, incorpora compatibilidad con Gemini 4 Argon y hace más manejables las respuestas de /ask: Ctrl+E las despliega, Ctrl+Y las copia enteras y /ask o /btw vuelve a abrir la última respuesta completa; el SDK Copilot 1.0.22 se limita a incluir la CLI. 🔗 fuente
Zed 1.24 y versión preliminar 1.25.0 — La 1.24 pasa a ser estable (1.24.2) con una sola corrección más que su versión preliminar; la 1.25.0-pre añade Gemini 4 Argon al proveedor Google AI, GPT-6 Astra, Claude Fable 5.1 y Claude Opus 5.5 a Bedrock, la compactación del contexto para los agentes ACP, y deja de mostrar los secretos de los agentes externos y los servidores MCP en la lista local de procesos. 🔗 fuente
Extensión Antigravity 1.8.0 para VS Code — Puesta al día del 11 de octubre: sin aceptación automática, las revisiones de diff permanecen abiertas y se acumulan de un turno del agente a otro, los cambios realizados en el disco se detectan en menos de un segundo y el paquete VSIX pesa aproximadamente un 70 % menos. 🔗 fuente
DeepSeek Harness 0.2.1-alpha.3 — 27.ª versión preliminar, todavía sin versión estable: claves y tokens ocultos por defecto en los mensajes enviados, ajustes predefinidos de agente (Agent Presets) propios de los subagentes, reanudación de sesiones en los SDK y diez correcciones; el proveedor Azure, renombrado como azure, exige migrar las configuraciones. 🔗 fuente
GPT-5.5 deja Codex — Como se anunció el 15 de septiembre, GPT-5.5 dejó Codex el 14 de octubre a las 19 h UTC para las cuentas conectadas con ChatGPT, sustituido por GPT-6.1 Sol (Plus, Pro, Business, Enterprise, Edu) o por GPT-6 Luna en la aplicación de escritorio (Free y Go); la API y las sesiones con clave API no se ven afectadas. 🔗 fuente
Amp y los modelos de OpenAI — En un caso de estudio de OpenAI, Amp indica que estos modelos representan la mayoría de los tokens consumidos, y algunos usuarios gastan 10 mil millones por semana; Calling Puck permite hablar en tiempo real con su metaagente gracias a GPT-Live-1, y el equipo prueba el modo Ultrafast de GPT-6 Astra. 🔗 fuente
cuDF skills para Apache Spark — NVIDIA publica skills de agente que reescriben las UDF de Spark en equivalentes acelerados por GPU; en un gran grupo cuyo nombre no se revela, se han convertido más de 30 UDF de producción, una de las cuales pasó de 274,55 a 12,78 horas sobre 600 mil millones de filas. 🔗 fuente
Built with Claude: Japan 2026 — Anthropic y Cerebral Valley organizan del 2 al 10 de noviembre un hackathon Claude Code completamente en línea para residentes de Japón: 250 participantes seleccionados reciben un plan Max 5x y 500 dólares de créditos API, hay 50 000 dólares de créditos en juego y se aceptan solicitudes hasta el 26 de octubre. 🔗 fuente
Encuentros Astra Commons — En septiembre, los Codex Ambassadors reunieron a unos 2 500 desarrolladores en 52 ciudades, en cafeterías, galerías y universidades, para el lanzamiento de GPT-6 Astra, según Rhiannon Payne, del equipo de comunidad de OpenAI. 🔗 fuente

Asistentes, herramientas empresariales y guías

Genspark — Muse Wonder de Meta y después Gemini 4 Argon llegan en pocas horas a AI Chat, Code Agent y Claw, con los argumentos promocionales de sus desarrolladores y sin especificar planes ni precios. 🔗 fuente · 🔗 Argon
My Fish en Sakana Chat — Sakana AI hace visible la memoria de su asistente: mapa de calor de las lecturas y escrituras, vista por categorías, mapa de conexiones entre recuerdos, que se atenúan tras 30 días sin uso, e historial, todo ello en Ajustes → My Fish, tanto en la web como en el móvil. 🔗 fuente
Gloss — Together AI destaca una aplicación gratuita y open source para guardar artículos, PDF y marcadores de X y preguntar a la IA sobre un pasaje resaltado, construida con DeepSeek V4.1 Flash en su plataforma. 🔗 fuente
MCP en Apigee hybrid — Desde la versión 1.17.0, basta una especificación OpenAPI para exponer cada operación de una API como herramienta MCP, con un plano de datos que permanece en el cluster Kubernetes del cliente: ninguna llamada a herramientas pasa por Google Cloud. 🔗 fuente
El coste de las herramientas de IA según Perplexity — Una guía detalla los modelos de precios y los costes ocultos (un equipo hipotético de 10 personas con un coste de 350 dólares algunos meses, más 18 horas de trabajo interno) y resume la oferta de Perplexity, de Free a Enterprise Max; no se anuncia ninguna novedad. 🔗 fuente
Las herramientas MCP según Perplexity — Una segunda guía explica qué es una herramienta MCP y recuerda las dos formas de uso en Perplexity: conectar servidores MCP en Pro, Max y Enterprise, o llamar desde Claude Code, por ejemplo, a las cuatro herramientas de su propio servidor MCP. 🔗 fuente

Casos de estudio y despliegues

Third Moment Research — En un caso de estudio de OpenAI, este laboratorio ejecuta 10 000 agentes simultáneos en sesiones de 36 a 48 horas, consumió 1 billón de tokens en un día y redujo un 97 % la duración de una prueba retrospectiva (backtest) con Codex; GPT-6.1 Sol es su modelo más utilizado. 🔗 fuente
SentinelOne y Daybreak — Según su director de IA, Gregor Stewart, OpenAI Daybreak realiza en unas ocho horas una ingeniería inversa de software malicioso de nivel humano que requería de cuatro a seis semanas a un investigador de alto nivel. 🔗 fuente
Circa y Manus — Manus publica el testimonio de Circa, una start-up de Boston que reutiliza materiales de demolición y usa el agente para su sitio web, sus subvenciones y una herramienta de estimación; declara casi 100 000 dólares de ingresos acumulados en septiembre, sin novedades de producto. 🔗 fuente
Ciudades europeas y NVIDIA — En Côte-d’Or, los agentes de Akila y ThinkDeep desplegados en más de 500 edificios públicos reducen un 10 % los costes operativos, con un objetivo del 30 %; NVIDIA también cita proyectos en Milán, Amberes-Brujas, Gotemburgo y Liverpool, sin ningún producto nuevo. 🔗 fuente
MiniMax H3 IP Edition — En el resumen de su conferencia de Tokio del 11 de septiembre, MiniMax afirma que más de 60 empresas están interesadas; la prueba piloto Captain Tsubasa × PixVerse reunió a 126 360 creadores y 329 314 contenidos con licencia en 45 días. 🔗 fuente

Modelos abiertos e investigación comunitaria

Cohere menciona Rerank 5 — Cohere publica un vídeo en el que Rerank juega a Mario e invita a comprobar si Rerank 5 supera la puntuación de Rerank 4; no se ha lanzado nada, la documentación aún solo incluye Rerank 4 y las versiones 3.x. 🔗 fuente
Lumma-Fev-27B — FrontiersMind realiza un ajuste completo de Qwen3.8-27B con unos 100 000 ejemplos de decisión (inglés, hindi, tamil, canarés): un 90,7 % de respuestas correctas frente al 83,9 % de Jev 1.13 en 4 454 decisiones reservadas, pero Jev sigue por delante en BBH y WinoGrande; mediciones de los autores, pesos bajo Apache 2.0. 🔗 fuente
TranscribePsy — Tether AI Research publica un modelo de reconocimiento de voz de 254M parámetros para 25 idiomas europeos, en versiones GGUF y Core ML: una tasa de error de palabras del 8,02 % en el Open ASR Leaderboard frente al 12,34 % de Whisper-small, y 2,6 veces más rápido que el siguiente en seis teléfonos según Tether. 🔗 fuente
VKORE-46M-NPU — VIDRAFT entrena desde cero, con retropropagación real, un pequeño decodificador de 46M parámetros en una NPU de inferencia de 32 chips; su curva de pérdida tiene una correlación de 0,99 con la del mismo entrenamiento en GPU. 🔗 fuente
Cuantización y capacidades de agente — Sobre 19 200 resultados emparejados, Patrick Hill (PBH Applied Systems) muestra que Mistral-Nemo en Q4_K_M pierde significativamente 5 de 8 capacidades de agente, hasta −28,0 puntos en salida estructurada con prosa, mientras que Q5_K_M (8,73 Go frente a 7,48) y Q8_0 no producen cambios. 🔗 fuente
Una compuerta en Gated DeltaNet — Avi Fenesh añade a una LoRA entrenada mediante GRPO una pequeña compuerta sobre el beta de las capas Gated DeltaNet: el razonamiento de Qwen3.5-4B se acorta un 48 % en MATH-500 y la exactitud en cualquier instante pasa de 0,786 a 0,852. 🔗 fuente
pico-165m — Fausto Saporito entrena en un solo chip TPU un modelo de 165M que toma notas: 0,81 en las comprobaciones de memoria sobre conversaciones de unos 47 intercambios, frente a 0,31 de SmolLM2-360M-Instruct leyendo toda la conversación. 🔗 fuente

Inferencia y kernels de cálculo

DeepGEMM-Ascend, DeepGEMM 2.8.2 y TileKernels 2.1.0 — Sin anuncio, DeepSeek añade a su biblioteca para NPU Ascend kernels de logits MQA dispersos y un término C o un sesgo a los GEMM BF16, FP8 y FP4, actualiza DeepGEMM a la 2.8.2 y publica TileKernels 2.1.0 sin notas de versión. 🔗 fuente
TokenSpeed y Qwen3.8-Flash-Next — El motor open source de LightSeek sirve el modelo a 685,9 tokens/s por usuario con una sola conversación en cuatro GPU NVIDIA GB300 en NVFP4, y a 95,7 tokens/s con 32 conversaciones; Qwen ha elogiado el resultado. 🔗 fuente
Qwen3.8-Flash-Next en AMD MI350P — Florian Zimmermeister aumenta con vLLM el rendimiento agregado de 1 168,2 a 2 256,6 tokens/s con 32 flujos (+93,2 %) en una sola GPU, partiendo de una configuración que ya contaba con un MXFP4 personalizado. 🔗 fuente
GLM 5.3 Flash en Microsoft Foundry — Hugging Face añade el modelo de Z.ai a su catálogo Foundry, optimizado para AMD MI300X en tres configuraciones con contexto de 512K; en ShareGPT, la versión de 8 GPU en TP4 + DP2 ofrece aproximadamente 1,8 veces el rendimiento y reduce el tiempo hasta el primer token de 11,3 a 5,2 s. 🔗 fuente
Qwen3.8-27B en el Neural Engine — El proyecto ANEMLL cuantiza todas las matrices MLP del modelo en vectores de 3 bits: en un chip M6, una divergencia KL de 0,0518 respecto a BF16 y 37,5 tokens/s de media, con 9,74 Gio de pesos; la exactitud en tareas estándar todavía debe medirse. 🔗 fuente
Visor de tensores del Hub — Hugging Face devuelve las cabeceras de todos los fragmentos en una sola solicitud: DeepSeek-V3.2 se abre en 0,45 s en lugar de 9,2 s, y GLM-5.3 en 0,57 s en lugar de 4,0 s. 🔗 fuente

GitHub, fuera de la IA

Permisos de las GitHub Apps — Dos permisos granulares permiten crear un repositorio o gestionar los repositorios de una instalación sin permisos de administración, y un administrador de repositorio puede vincular su repositorio a una app ya aprobada; el objetivo declarado es abandonar los PAT clásicos. 🔗 fuente
Informe de disponibilidad de GitHub — A fecha del 7 de octubre, 120 de los 160 servicios de producción funcionaban en Central US y 13 de las 51 bases de datos MySQL primarias habían migrado; GitHub no cumplió su objetivo del 30 de septiembre y vuelve a analizar el incidente del 13 de septiembre, que afectó a aproximadamente el 96 % de las creaciones de issues en la web. 🔗 fuente
Historial de estrellas — El nuevo punto de acceso de la API devuelve hasta 30 semanas de recuentos diarios por solicitud, sin identidades: bastan unas 24 solicitudes para react/react en lugar de unas 2 511. 🔗 fuente

Qué significa esto

La voz se convierte en un terreno de comparación cuantitativa, donde el coste cuenta tanto como la clasificación. Grok Voice 3.0 mejora sus puntuaciones sin modificar el precio por minuto, y SpaceXSI destaca el coste por tarea, 0,025 dólares frente a 0,030 para GPT-Live-1. Estas mediciones de Artificial Analysis, citadas por el proveedor, no lo resuelven todo: en τ-Voice, GPT-Live-1 sigue por delante, y Grok Voice 3.0 lo compensa con una latencia un 40 % menor. El despliegue también pesa: 20 000 llamadas al día en Starlink, de las cuales alrededor del 70 % se resuelven sin intervención humana, muestran que los agentes de voz ya atienden una parte real del soporte al cliente. En vídeo, FLUX 3 Video reduce sus tarifas 2K y 4K entre un 30 y un 53 % gracias a un servicio que requiere menos cómputo, mientras que HeyGen apuesta por una voz ajustada a la acústica del escenario.

Los modelos de frontera también se juzgan por sus resultados de investigación. Google muestra Argon aplicado a un decodificador cuántico, una conjetura de física de plasmas y enzimas probadas en laboratorio; Meta, a diez manuscritos médicos; y Ai2, a datos climáticos con una resolución de 3 km producidos a un coste unas 300 veces menor. Las limitaciones siguen escritas negro sobre blanco: el resumen del artículo sobre la conjetura de Grad no menciona Argon, los estudios de Meta son retrospectivos y uno de ellos se considera generador de hipótesis, y en el repositorio de ADK la revisión humana solo conservó dos de las seis optimizaciones. En todos los casos, el ser humano conserva la última palabra: en el experimento de Meta, los investigadores médicos deciden las conclusiones científicas, y los responsables del mantenimiento de ADK recortan lo que propone el agente.

El coste del trabajo de los agentes se convierte en un tema central de las herramientas. Claude Code compacta las conversaciones largas antes de que caduque la caché para evitar volver a procesarlo todo, HydraFusion ajusta el esfuerzo de razonamiento paso a paso, y el estudio de Cohere Labs muestra que un agente principal potente rodeado de agentes baratos se acerca a la mejor puntuación con un coste un 70 % menor. HybridAgent aborda el mismo problema mediante la arquitectura, razonando sin producir tokens. Para controlar estos gastos, hay que poder verlos: las trazas de Claude Platform y de Claude Code 2.1.300 siguen ahora las mismas convenciones GenAI de OpenTelemetry, y Ramp cifra entre un 10 y un 20 % la reducción de tokens conseguida en algunos agentes al puntuar sus propias trazas. El informe de OpenAI sobre la UE recuerda lo que está en juego: Codex y ChatGPT Work ya generan allí más de la mitad de los tokens de salida de los clientes Enterprise estudiados.

La seguridad de la IA también adquiere una dimensión pública. En Singapur, durante la misma Cyber Week, Anthropic firma un memorando de entendimiento sobre la evaluación de modelos y la respuesta a incidentes, y Google DeepMind presenta con GovTech un sistema de detección de estafas que no sale del teléfono. En el Reino Unido, NVIDIA financia con recursos de cómputo la investigación sobre la seguridad de los agentes; en Estados Unidos, Anthropic prepara Claude para las elecciones de mitad de mandato con clasificadores contra las campañas divididas en pequeñas tareas. En las empresas, OpenAI afirma haber identificado con sus propios modelos al empleado que había ocultado un dispositivo de grabación, GitHub bloquea las dependencias de los workflows para que una etiqueta desplazada ya no provoque la ejecución de un código distinto del revisado, y VS Code impone, conforme a la política empresarial, el harness de Copilot y sus reglas de ejecución.