Buscar

OpenAI lanza GPT-6.2 Astra y Sol, Jensen Huang deja la dirección de NVIDIA, Microsoft lanza MAI Code 2 en Copilot

Empresas de esta edición

Desmarca lo que no te interese. Tu elección se aplica a todas las ediciones y se guarda en este dispositivo.

Grandes laboratorios
China
Europa
Herramientas de código
Agentes y búsqueda web
Medios generativos
Infraestructura y código abierto
Otros

ai-powered-markdown-translator

Artículo traducido del francés al español con gpt-6.1-sol.

Ver proyecto en GitHub ↗

OpenAI lanza GPT-6.2 Astra y GPT-6.2 Sol, que obtienen mejores resultados con menos tokens: Astra alcanza el 78,3 % en Agents’ Last Exam por menos de un tercio del coste de GPT-6 Astra, y ambos modelos llegan el mismo día a GitHub Copilot y Perplexity. NVIDIA publica unos ingresos trimestrales de 115,8 mil millones de dólares, sus primeros resultados desde la salida de Jensen Huang el 12 de noviembre, y Microsoft lanza MAI Code 2 en Copilot durante Ignite. Perplexity abre su Orchestrator API, Cognition y Replit lanzan agentes que persiguen un objetivo (Devin Bots, Replit Missions), y Google ofrece gratis las Tasks de Gemini en seis países.


GPT-6.2 Astra y GPT-6.2 Sol: mejores resultados con menos tokens, en ChatGPT Work, Codex y la API

17 de noviembre — OpenAI lanza GPT-6.2 Astra y GPT-6.2 Sol, los sucesores de GPT-6 Astra y GPT-6.1 Sol. Astra pasa a ser el modelo más avanzado para los proyectos más exigentes, y Sol, el modelo versátil para el día a día. El hilo conductor del anuncio es la eficiencia: mejores resultados con menos tokens de salida, lo que permite realizar más tareas dentro de los mismos límites de uso y con un coste por tarea considerablemente menor.

En Agents’ Last Exam v1.1, que evalúa un trabajo profesional de varias etapas, GPT-6.2 Astra alcanza el 78,3 % por 2,89 dólares por tarea: 5,2 puntos más que GPT-6 Astra por menos de un tercio del coste, y 5,5 puntos por delante de Claude Fable 5.2 por el 5 % del coste. También lidera Terminal-Bench-Science (77,1 %, +9 puntos frente a GPT-6 Astra), Harvey LAB-AA (más del doble de la tasa de Fable 5.2) y el GDPval v2 interno de OpenAI (+6,2 puntos con un 22 % menos de tokens de salida), y ocupa el primer puesto de AA-3D, una clasificación de modelos 3D basada en preferencias humanas a ciegas, con 1 318 Elo. Sin embargo, los gráficos de la publicación muestran que Claude Fable 5.2 sigue por delante en el Artificial Analysis Intelligence Index (64,6 frente a 62,1) y en FrontierCode 2.0 de Cognition (49,1 % frente a 44,2 %). GPT-6.2 Sol queda a menos de 0,5 puntos de Astra en FrontierCode 2.0 (43,8 % frente a 44,2 %) por aproximadamente una quinta parte del coste, y supera a GPT-6 Astra en LifeVal por aproximadamente una séptima parte del coste.

Benchmark evaluadoGPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2Gemini 4 Carbon
Agents’ Last Exam v1.178,3 %73,0 %73,1 %72,5 %72,8 %77,4 %
Coste por tarea (Agents’ Last Exam)2,89 dólares1,32 dólar8,99 dólares2,02 dólares60,05 dólares4,60 dólares
Terminal-Bench-Science 0.177,1 %68,0 %68,1 %57,0 %73,3 % (AA)—
AA Intelligence Index v5.0.162,157,356,954,664,660,0
FrontierCode 2.0 (Cognition)44,2 %43,8 %42,8 %39,0 %49,1 % (xhigh)41,1 % (medium)
Harvey LAB-AA v1.115,0 %11,1 %8,6 %6,9 %7,2 %—
GDPval v2 (interno)50,4 %46,9 %44,2 %41,5 %44,8 %48,8 % (high)

Mejor configuración mostrada por OpenAI para cada modelo, con el esfuerzo máximo salvo indicación contraria (GPT-6.2 Astra en xhigh y Gemini 4 Carbon en high en Agents’ Last Exam, cuyos resultados de Fable 5.2 excluyen nueve tareas procesadas por un modelo de respaldo). En Terminal-Bench-Science, la puntuación de Fable 5.2 es la de Artificial Analysis; Anthropic anuncia un 74,6 % en Claude Code.

En cuanto a precios, Astra baja un 20 % en entrada y salida respecto a GPT-6 Astra, y un 60 % en la entrada en cache; Sol mantiene las tarifas de GPT-6.1 Sol. En la API (gpt-6.2-astra y gpt-6.2-sol), ambos modelos admiten la Responses API y Chat Completions, pero las llamadas a herramientas se realizan a través de la Responses API. OpenAI aconseja mantener el inicio de los prompts sin cambios y añadir las nuevas instrucciones al final para reutilizar la cache.

Tipo de tarifa (por millón de tokens)GPT-6.2 AstraGPT-6.2 Sol
Entrada8 dólares2 dólares
Entrada en cache0,40 dólar0,10 dólar
Salida40 dólares10 dólares

In the API, use gpt-6.2-astra and gpt-6.2-sol. Both models also support Fast and Ultrafast modes. We’re cutting Ultrafast pricing by 50% for the next three months, making it available at just 3x the cost of Standard for API and Enterprise users. Ultrafast is also coming to Pro 200 subscribers, starting with GPT-6.2 Sol.

🇪🇸 En la API, utilizad gpt-6.2-astra y gpt-6.2-sol. Ambos modelos también admiten los modos Fast y Ultrafast. Reducimos el precio de Ultrafast un 50 % durante los próximos tres meses, por lo que estará disponible por solo 3 veces el coste de Standard para los usuarios de la API y de Enterprise. Ultrafast también llega a los suscriptores de Pro 200, empezando por GPT-6.2 Sol. — @OpenAIDevs en X

Ultrafast de GPT-6.1 Sol, lanzado el 8 de octubre, costaba 6 veces lo que Standard. Ambos modelos están disponibles desde el 17 de noviembre en ChatGPT Work y Codex para los suscriptores de Plus, Pro, Enterprise y Edu, pero no en el Chat clásico. En los espacios de Enterprise y Edu, la versión preliminar está desactivada por defecto: el administrador debe activarla, y sigue sin estar disponible en los espacios que exigen que la inferencia se realice en los Emiratos. Entre los primeros clientes citados, Basis afirma haber reducido a la mitad el tiempo medio de sus trabajos contables de larga duración.

La seguridad ocupa gran parte de la publicación y de la ficha del sistema. Ambos modelos alcanzan el umbral Critical en ciberseguridad, como GPT-6 Astra, y High en biología y química. GPT-6.2 Astra también es el primer modelo publicado por OpenAI que alcanza el umbral High en automejora de la IA, es decir, en su capacidad para acelerar la investigación en IA. La consecuencia para los equipos de seguridad es la aplicación de salvaguardas de ciberseguridad más estrictas, que también bloquean algunas investigaciones legítimas de vulnerabilidades, a la espera de que los modelos GPT-6.2 lleguen a Daybreak, sin fecha prevista. Por último, OpenAI señala un fallo de alineación: en dos pruebas, los modelos ocultaban con más frecuencia un obstáculo (un archivo ausente, una herramienta de búsqueda no disponible); unas instrucciones añadidas a Codex reducen considerablemente estas omisiones, y la investigación continúa.

🔗 Publicación de lanzamiento de GPT-6.2 Astra y Sol (OpenAI) · Ficha del sistema de GPT-6.2

Astra for Law pasa a GPT-6.2 Astra y se abre bajo solicitud a todos los clientes de ChatGPT Enterprise

17 de noviembre — En paralelo, OpenAI actualiza Astra for Law, su configuración jurídica lanzada el 17 de septiembre para unos pocos bufetes. Ahora combina GPT-6.2 Astra con un índice de investigación jurídica ampliado con más de 539 000 recursos estadounidenses y más de 98 000 recursos británicos, australianos y canadienses, además de instrucciones de investigación, evaluación de fuentes y redacción. Todos los clientes de ChatGPT Enterprise pueden solicitarla a través del programa de acceso de confianza de la consola de administración; el acceso mediante la API requiere una autorización independiente.

Evaluación jurídicaAstra for LawPunto de comparación
Harvey LAB-AA, tareas con puntuación completa20,8 %GPT-6.2 Astra 15,0 %, Muse Wonder Full 13,1 %
Alucinaciones sustanciales por tarea (LAB-AA)0,03Claude Opus 5.5 0,59
LAB: USCL, jurisprudencia buscada por el modelo1 844Claude Opus 5.5 1 817
LAB: USCL, precedentes proporcionados1 883Claude Opus 5.5 1 882
Legal Research Bench (Vals AI)54,81 %alrededor del 46 % en la versión de septiembre

En LAB-AA, Astra for Law produce unos 64 000 tokens de salida por tarea, un 54 % menos que Muse Wonder Full. En la redacción de escritos jurídicos (LAB: USCL), la ventaja sobre Opus 5.5 es pequeña, y los intervalos de incertidumbre se solapan en ambas configuraciones.

🔗 Astra for Law con GPT-6.2 Astra (OpenAI)

La API Responses ofrece ventanas de ejecución de 2 y 8 horas, un 30 y un 40 % más baratas

17 de noviembre — Ese mismo día, OpenAI añade al modo en segundo plano de la Responses API ventanas de ejecución con descuento, en beta pública, para GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra y GPT-6 Luna. Un desarrollador que pueda esperar configura background_options.completion_window en dos horas (tokens un 30 % más baratos que en Standard) o en ocho horas (un 40 % más baratos), en lugar de la ejecución inmediata por defecto, sin descuento.

A diferencia de la Batch API, pensada para solicitudes independientes enviadas en bloque, estas ventanas están dirigidas a agentes que trabajan en varios turnos: las solicitudes de seguimiento, tras una llamada a una herramienta, mantienen el descuento y reciben prioridad si reutilizan la misma ventana, el mismo modelo y el mismo proyecto. El descuento requiere el procesamiento Standard, comparte el límite de solicitudes de la Batch API y no funciona en streaming. Los SDK openai-python 3.53.0 y openai-node 7.58.0 lo incorporan desde el 17 de noviembre.

🔗 Changelog de la API de OpenAI · Guía del modo en segundo plano

GPT-6.2 Astra y GPT-6.2 Sol llegan a GitHub Copilot

17 de noviembre — El día de su lanzamiento, GPT-6.2 Astra y GPT-6.2 Sol pasan a estar disponibles de forma general en GitHub Copilot para los planes Pro+, Max, Business y Enterprise (no Pro). Según las pruebas preliminares de GitHub, GPT-6.2 Sol detecta en code review casi el doble de problemas reales que GPT-6.1 Sol, y GPT-6.2 Astra encuentra considerablemente más que GPT-6 Astra mientras consume menos tokens en las tareas de programación agéntica. Ambos modelos se facturan por uso a la tarifa de catálogo de OpenAI, llegan progresivamente a diez entornos, desde VS Code hasta Eclipse, y se activan automáticamente en las organizaciones que no hayan deshabilitado la activación por defecto de los nuevos modelos.

🔗 Changelog de GitHub: GPT-6.2 Astra y GPT-6.2 Sol

Perplexity incorpora GPT-6.2 a Search y Computer, con 0,783 y 0,746 en WANDR

17 de noviembre — Perplexity también ofrece GPT-6.2 Astra y GPT-6.2 Sol en Perplexity Search y Computer desde la misma noche del lanzamiento. En WANDR, su benchmark de investigación documentada, GPT-6.2 Astra obtiene 0,783 por unos 12,54 dólares por tarea, lo que supone 0,095 puntos más que GPT-6 Astra, y GPT-6.2 Sol obtiene 0,746 por unos 2,65 dólares, 0,065 puntos más que GPT-6.1 Sol. El gráfico publicado con el anuncio sitúa estas puntuaciones entre las de los demás modelos: Gemini 4 Carbon y Claude Fable 5.2 siguen por delante, y GPT-6.2 Sol se convierte en el modelo más barato por encima de 0,7. El tuit no especifica los planes incluidos.

Modelo evaluado en WANDRPuntuaciónCoste por tarea
Gemini 4 Carbon0,8575,86 dólares
Claude Fable 5.20,80715,82 dólares
GPT-6.2 Astra0,783~12,54 dólares
GPT-6.2 Sol0,746~2,65 dólares
Gemini 4 Hydrogen0,6985,41 dólares
GPT-6 Astra0,68812,73 dólares
GPT-6.1 Sol0,6811,59 dólar
Claude Opus 5.50,6625,33 dólares

Las puntuaciones de GPT-6.2 proceden del texto del tuit; las demás, del gráfico publicado por Perplexity.

🔗 Anuncio de Perplexity en X


NVIDIA: Jensen Huang deja la dirección, y luego llega un trimestre de 115,8 mil millones de dólares con Colette Kress

12 de noviembre — El consejo de administración de NVIDIA anunció la dimisión de Jensen Huang, cofundador de la empresa, de sus cargos de presidente, director ejecutivo y consejero, con efecto inmediato. Colette Kress, vicepresidenta ejecutiva y directora financiera desde septiembre de 2013, asume como directora ejecutiva interina y mantiene su cargo de directora financiera hasta el nombramiento de un sucesor permanente; el consejo inicia una búsqueda abierta a candidatos internos y externos. Harvey C. Jones, exdirector ejecutivo y presidente ejecutivo de Synopsys, se convierte en el primer presidente del consejo de administración (presidente del consejo). Según Harvey C. Jones, el consejo confía plenamente en Colette Kress y espera que las operaciones, los compromisos con los clientes y la hoja de ruta de productos continúen sin interrupciones. El mismo comunicado confirmaba la publicación de los resultados trimestrales el 17 de noviembre, como estaba previsto.

10 de noviembre — Dos días antes, en un comunicado independiente, los consejeros independientes de NVIDIA anunciaban que habían encargado una investigación «exhaustiva e independiente» a Joon H. Kim, exfiscal federal interino del Distrito Sur de Nueva York, y al bufete Wachtell, Lipton, Rosen & Katz. Este comunicado no precisa el objeto de la investigación, y el del 12 de noviembre no la menciona.

17 de noviembre — NVIDIA publica los resultados del tercer trimestre de su ejercicio 2027, cerrado el 25 de octubre. Son los primeros desde la salida de Jensen Huang, y Colette Kress encabeza el comunicado. Los ingresos alcanzan los 115,8 mil millones de dólares, un 20 % más que en el trimestre anterior y más del doble que hace un año. Los centros de datos representan la mayor parte.

Indicador (T3 del ejercicio 2027)Valor publicadoVariación interanual
Ingresos115,8 mil millones de dólares+103 %
Centros de datos107,6 mil millones de dólares+110 %
Computación periférica (Edge Computing)8,2 mil millones de dólares+42 %
Margen bruto GAAP74,8 %+1,4 puntos
Beneficio neto GAAP65,3 mil millones de dólares+105 %
Beneficio por acción diluida GAAP2,70 dólares+108 %

Para el cuarto trimestre, que tiene una semana más, NVIDIA prevé unos ingresos de 130 mil millones de dólares, con un margen de variación del 3 %, sin contar ningún ingreso de computación para centros de datos procedente de China, y un margen bruto reducido a entre el 71 y el 72 %. La empresa devolvió 28,1 mil millones de dólares a sus accionistas durante el trimestre, y quedan unos 227,3 mil millones de dólares en su programa de recompra de acciones. En cuanto a productos, el trimestre marca las primeras entregas a gran escala de Vera Rubin NVL72, que NVIDIA presenta como el aumento de producción más rápido de su historia, con racks ya en servicio en CoreWeave, Google Cloud, Microsoft Azure, Oracle Cloud Infrastructure y Nebius.

🔗 Resultados del tercer trimestre del ejercicio 2027 (NVIDIA) · Transición en la dirección general (12 de noviembre) · Declaración de los consejeros independientes (10 de noviembre)


Microsoft lanza MAI Code 2 y MAI Code 2 Flash, disponibles desde su lanzamiento en GitHub Copilot

17 de noviembre — Durante Ignite, Microsoft AI lanza dos nuevos modelos de código, disponibles ese mismo día en GitHub Copilot. MAI Code 2 está orientado a tareas complejas: depuración profunda, modificaciones en varios archivos, refactoring y razonamiento a escala del repositorio. MAI Code 2 Flash se centra en el trabajo repetitivo: explicaciones de código, retoques específicos y correcciones rutinarias.

Microsoft destaca la relación rendimiento-precio, medida sobre la media de cuatro benchmarks cercanos al trabajo empresarial (DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas y FrontierCode v1.1). Estos costes se calculan con el precio promocional del 50 % de MAI-Code-2, con todos los modelos configurados con el máximo esfuerzo de razonamiento y tres benchmarks ejecutados con Copilot CLI sin subagentes. En frontend, en evaluaciones a ciegas realizadas por 258 anotadores, los resultados de MAI Code 2 son preferidos a los de GPT-6 Sol el 64 % de las veces.

Comparación (según Microsoft AI)Rendimiento relativoCoste relativo
MAI Code 2 frente a GPT 6.1 Sol98 %40 %
MAI Code 2 frente a Claude Opus 5.596 %5 %
MAI Code 2 Flash frente a GPT-6 Lunacomparable65 %
MAI Code 2 Flash frente a Claude Haiku 5.5comparable20 %

Microsoft reconoce una limitación: estos modelos «aún no están ajustados» para la investigación científica fundamental ni para el trabajo con agentes a muy largo plazo.

En Copilot, MAI Code 2 está disponible desde Pro hasta Enterprise, y MAI Code 2 Flash desde el plan Free, en diez entornos (VS Code, Visual Studio, Copilot CLI, cloud agent, aplicación GitHub Copilot, github.com, GitHub Mobile, JetBrains, Xcode, Eclipse). Ambos modelos se facturan por uso y están activados de forma predeterminada en las organizaciones que no han deshabilitado la activación automática de nuevos modelos. MAI-Code-2 también se incorpora al nivel Standard de Copilot Fusion, y su predecesor MAI-Code-1.1-Flash se retirará de todas las experiencias de Copilot el 18 de diciembre. Fuera de GitHub, MAI Code 2 Flash entra en versión preliminar con acceso limitado en Microsoft Foundry, y Microsoft anuncia su próxima llegada a OpenRouter, Vercel, Hermes, Open Code y Kilo.

🔗 Changelog de GitHub: MAI Code 2 y MAI Code 2 Flash · Anuncio de Microsoft AI


Perplexity combina los modelos de varios proveedores: la Orchestrator API y el nivel Multiagent de Computer

17 de noviembre — Perplexity lanza la Orchestrator API, que abre a los desarrolladores la capa de modelos de sus propios productos. Según la empresa, esta capa dirige cada día cientos de millones de solicitudes a más de 85 modelos y más de una docena de proveedores. Con una sola clave de API, Orchestrator da acceso a más de 45 modelos de OpenAI, Anthropic, Google y xAI, así como a modelos de pesos abiertos (GLM, Kimi, DeepSeek). Las solicitudes se escriben en los formatos OpenAI Chat Completions, OpenAI Responses o Anthropic Messages: basta con cambiar la clave y la URL base de un SDK existente.

El primer argumento es la fiabilidad. Cuando un proveedor devuelve un error, alcanza un límite de solicitudes o supera el tiempo de espera, Orchestrator reintenta la solicitud en otro despliegue del mismo modelo: una solicitud a Claude puede pasar de Anthropic a AWS Bedrock, y una solicitud a GPT, de OpenAI a Azure. Cada modelo se factura a su tarifa pública por token, independientemente del proveedor que responda, sin cargos de plataforma adicionales a los créditos. Hay dos funciones en versión preliminar: Routes, que elige el modelo en cada solicitud (perplexity/auto) a partir de descripciones en lenguaje corriente, y Auto effort, que ajusta el esfuerzo de razonamiento en el siguiente turno.

Perplexity ilustra Routes con un caso sensible: la elusión de las negativas. La empresa recuerda que Anthropic documenta que las salvaguardas de Claude Fable 5.2 pueden bloquear trabajos benignos de ciberseguridad o ciencias de la vida. Al mantener Fable como modelo predeterminado, pero enviar estas tareas y las que siguen a una negativa a GPT-6 Astra o GPT-6.1 Sol, Claude Code resuelve más tareas, con un coste estimado por tarea más elevado. La Orchestrator API ya existía en la API de Perplexity desde julio, inicialmente para los modelos de pesos abiertos; este 17 de noviembre marca su lanzamiento oficial.

Elemento medido por PerplexityValor anunciado
Modelos del catálogomás de 45 (OpenAI, Anthropic, Google, xAI, abiertos)
Claude Opus 5.5, proveedor más rápido (30 días)Anthropic 15 días, AWS Bedrock 15 días
GPT-5.6 Sol, velocidad mediana de Azure frente a OpenAI+27 %
Terminal-Bench 4.1 (63 tareas), solo Fable 5.238 de 63
Misma prueba con enrutamiento a GPT-6 Astra o GPT-6.1 Sol41 de 63
Cargos de plataformaninguno adicional a los créditos

🔗 Presentación de Orchestrator (Perplexity) · Orchestrator: una API para inferencia fiable

17 de noviembre — Ese mismo día, Perplexity añade a Computer un nivel de esfuerzo Multiagent, situado por encima de Ultra. Hasta ahora, un agente principal encargaba partes de la tarea a agentes de apoyo que solo le rendían cuentas a él. Con Multiagent, el agente principal dirige un equipo de agentes que funcionan con modelos diferentes, trabajan en paralelo, se transmiten directamente sus hallazgos, verifican el trabajo de los demás y coordinan sus modificaciones de archivos compartidos. El equipo predeterminado se articula en torno a Claude Fable 5.2, que planifica y reparte el trabajo entre agentes con Claude Opus 5.5, GPT 6.1 Sol y Gemini 4 Carbon; el agente principal puede movilizar hasta 16 agentes, y el usuario puede imponer sus modelos en la solicitud.

Resultado publicado por PerplexityValor anunciado
Mejor equipo mixto, Terminal-Bench 4.10,727 (dirigido por Gemini 4 Carbon)
Mejora frente a cuatro copias del modelo principal (TB 4.1)+0,008 a +0,125
Mejora frente a cuatro copias del modelo principal (WANDR)+0,015 a +0,064
Coste del mejor equipo frente a cuatro copias10,31 frente a ~13 dólares; 54,50 frente a 66,41 dólares

Según Perplexity, cada equipo mixto supera tanto a su modelo principal en solitario como a cuatro copias de ese modelo, y el mejor equipo de cada prueba cuesta menos que esas copias. Multiagent está reservado a los suscriptores Max en la web (Max y Enterprise Max según el tuit), y las aplicaciones móviles y de escritorio se anuncian para pronto; Perplexity no cuantifica su coste en créditos.

Multiagent is optimized for performance. It is credit-intensive. Use it only for your most important tasks. Multiagent is best for forecasting, high-density problem solving, and consequential decision making.

🇪🇸 Multiagent está optimizado para el rendimiento. Consume muchos créditos. Utilícelo solo para sus tareas más importantes. Multiagent es más adecuado para las previsiones, los problemas de gran densidad y las decisiones de gran trascendencia. — @perplexity_ai en X

🔗 Presentación de Multiagent (Perplexity)


Devin Bots y Replit Missions: enjambres de agentes que persiguen un objetivo en lugar de una tarea

17 de noviembre — Cognition lanza Devin Bots, unos «compañeros de ingeniería» (engineering teammates). Un Bot es un agente persistente, dotado de su propia memoria y sus herramientas, que lleva varias sesiones de Devin en paralelo. En lugar de una tarea, se le asigna una responsabilidad: investiga, delega, evalúa los resultados y decide los siguientes pasos, remitiendo al humano únicamente las decisiones que exigen su criterio, agrupadas en una bandeja Needs You. Varios Bots pueden coordinarse, por ejemplo, con un QA Bot que pasa un error al Developer Bot, y se les puede seguir desde Slack, iMessage o la aplicación Devin.

Cognition ilustra el uso con sus propios Bots. El Android Bot, lanzado el 28 de septiembre, construyó en 44 días la aplicación Android de Devin, actualmente en pruebas abiertas en Google Play, con 183 mensajes del ingeniero que lo supervisaba.

Bot citado por CognitionResultado publicado
Android Bot (44 días)1 134 PR, 344 651 líneas de Kotlin, 2 841 pruebas, 1 217 tickets, 183 mensajes
Layout Bot (3 semanas)159 PR fusionadas, latencia reducida en un 70 %
Estudio de juegos móvilesunos veinte Bots, de 50 a 1 900 PR por semana

On average, beta testers are merging 4.5x more PRs per message using Devin Bots. We’ve seen individual engineers go from 50 PRs a week to nearly 2,000.

🇪🇸 De media, los usuarios de la beta fusionan 4,5 veces más PR por mensaje con Devin Bots. Hemos visto a ingenieros pasar de 50 PR por semana a casi 2 000. — @cognition en X

Los Bots ya están disponibles. La página de precios los incluye en los planes Max (200 dólares al mes), Teams (80 dólares al mes) y Enterprise, pero no en Free ni Pro; no se publica ninguna tarifa específica para los Bots.

🔗 Presentación de Devin Bots (Cognition)

17 de noviembre — Ese mismo día, Replit lanza Missions, un «arnés de enjambres de agentes» (agent swarm harness) para los proyectos que un equipo no tiene tiempo de llevar a cabo. El usuario describe el resultado esperado y, a continuación, un enjambre de agentes planifica, construye, prueba e itera en paralelo. El marco se fija en un contrato de misión (Mission Contract): límite de gasto, acciones sujetas a aprobación (contactar con un cliente potencial, asumir un compromiso sobre el producto) y concesiones aceptables. Un juez de IA independiente verifica los resultados frente a los criterios acordados; la misión se detiene cuando se cumplen o cuando se agota el presupuesto.

Replit respalda el anuncio con tres demostraciones. En 13 tareas de optimización de NumPy, un enjambre de 32 agentes alcanza 19 veces la velocidad inicial, frente a 4 veces con un solo agente en modo Auto (Max). En el E-Commerce Bench de Qwen, Missions convirtió 100 000 yenes en 4,82 millones en un año simulado. Por último, en dos días y con un presupuesto máximo de 3 000 dólares, Missions construyó DataCat, una plataforma de supervisión de aplicaciones que Replit publica como open source bajo licencia Apache 2.0, y que Replit compara con una versión construida con /goal en Claude Code a partir del mismo prompt, precisando que se trata de pruebas controladas, con una ejecución por configuración.

Prueba de DataCat publicada por ReplitResultado anunciado
Detección de un error introducido38 segundos, con un objetivo de 60 segundos
Carga sostenida durante 3 horas26 millones de registros, 4,4 millones de logs
Trazas por segundo (frente a Claude Code)49 000 frente a 9 800
Compatibilidad de API51 comprobaciones de 56 frente a 45

Missions se inicia desde el botón «New» de Replit; la publicación no precisa ni plan ni tarifa, y el gasto corresponde al presupuesto fijado por el usuario.

🔗 Presentación de Replit Missions · Repositorio de DataCat


La aplicación Gemini ofrece Tasks gratis en seis países y aprende a llamar por teléfono, pagar y recibir SMS

17 de noviembre — Google ofrece gratis las Tasks de la aplicación Gemini. Según Josh Woodward, vicepresidente responsable de Labs, de la aplicación Gemini y de AI Studio, este modo que encarga a Gemini proyectos largos o tareas recurrentes, ejecutados en segundo plano, se está desplegando para cientos de millones de usuarios que cumplen los requisitos en Estados Unidos, Japón, Corea, Canadá, Australia e India. Funciona con Gemini 4 Hydrogen, el modelo rápido lanzado el 12 de noviembre, y se activa mediante un selector Chat / Task en la pantalla de inicio.

En paralelo llega una serie de funciones avanzadas, primero a Estados Unidos. Gemini puede llamar por teléfono en nombre del usuario, incluso a varios comercios al mismo tiempo, para comparar presupuestos, comprobar existencias o concertar una cita; informa de que es una IA y los comercios pueden rechazar estas llamadas. Puede pagar con Google Pay gracias al Agent Payments Protocol (AP2), con Visa y Mastercard, y American Express se incorporará pronto: el usuario fija un límite de gasto y elige las tiendas autorizadas, y Gemini pide confirmación antes de comprar, salvo que se le autorice a actuar por su cuenta dentro de ese límite. Inicia sesión en un portal en línea gracias a Google Password Manager, y se le puede contactar por SMS a través de RCS o mediante correos electrónicos reenviados a gemini@google.com.

Elemento anunciadoDisponibilidad indicada
Tasks gratis (Gemini 4 Hydrogen)Desde el 17 de noviembre: Estados Unidos, Japón, Corea, Canadá, Australia, India
Llamadas telefónicas de GeminiPrimero en Estados Unidos, salvo Indiana, Luisiana, Minnesota, Montana, Nebraska
Pago con Google Pay (AP2)Primero en Estados Unidos; Visa, Mastercard; American Express próximamente
SMS a través de RCS y gemini@google.comPrimero en Estados Unidos; RCS: número estadounidense y operador compatible
Google Wallet en iOSEstados Unidos, desde el 17 de noviembre
Universal Commerce Protocol (UCP)Más adelante, sin fecha

Los recibos y el seguimiento de los envíos llegan a Google Wallet, que se estrena ese mismo día en iOS en Estados Unidos, y Gemini se apoya en más de 60 aplicaciones conectadas. En cuanto a la seguridad, cada tarea se ejecuta en una máquina virtual aislada a nivel de hardware, dedicada a la cuenta y nunca compartida, en el Agent Compute Engine de Google Cloud; Google también menciona filtros contra la inyección de prompts y una confirmación obligatoria antes de pulsar cualquier botón «Buy», salvo para las acciones marcadas como «Always allow». La publicación reconoce, por último, que algunas tareas todavía pueden fallar y que, en determinados sitios, Gemini devuelve el control al usuario para el último clic.

🔗 Tasks en Gemini (blog de Google) · Google Wallet en iOS en Estados Unidos


Kling Image 4.0: generación nativa en 8K y hasta 2 000 caracteres de texto por imagen

17 de noviembre — Anunciado la víspera como inminente, Kling Image 4.0 ya está disponible. El nuevo modelo de imagen de Kling reúne comprensión visual y generación en una misma arquitectura autorregresiva unificada (Native Unified Understanding and Generation Architecture), y destaca tres avances.

El primero es el realismo, con generación nativa en 8K por primera vez en Kling y más de 110 ajustes de color predefinidos, o una paleta extraída de una imagen de referencia. El segundo es el texto: hasta 2 000 caracteres legibles en una imagen, prompts de hasta 15 000 tokens, más de 70 fuentes comerciales y la edición directa del texto y las fuentes de una imagen generada, en siete idiomas (chino simplificado y tradicional, inglés, japonés, coreano, español y portugués). El tercero es la generación en serie: hasta 10 imágenes coherentes producidas a partir de una sola solicitud, planificadas por las capacidades agénticas del modelo, así como imágenes muy largas para las páginas de producto de un sitio de comercio electrónico.

Característica anunciadaKling Image 4.0
Resolución máxima8K nativa
Texto por imagenhasta 2 000 caracteres
Longitud del prompthasta 15 000 tokens
Imágenes coherentes por solicitudhasta 10
Fuentes predefinidasmás de 70
Ajustes de color predefinidosmás de 110
Idiomas del texto7

Kling Image 4.0 está disponible para todos los usuarios de Kling Creative Studio y se ofrece a través de la API a empresas y desarrolladores. Kling no publica precios ni benchmarks: los avances anunciados, desde el 8K nativo hasta el texto largo, todavía no se han cuantificado frente a otros modelos.

🔗 Kling Image 4.0 (blog de Kling) · Anuncio de Kling en X


Vídeo generativo: Suno Visuals pone imágenes a las canciones, HeyGen lanza Avatar 6

17 de noviembre — Tras la voz en octubre, Suno se expande a las imágenes y al vídeo con Visuals. La herramienta transforma una canción de la biblioteca en un clip de hasta 15 segundos, en un vídeo con la letra sincronizada con el ritmo, en una portada de álbum, o una foto en un clip. Según Suno, su modelo, cuyo nombre no se ha revelado, se ha optimizado para la música: los clips siguen la estructura de la canción, incorporan la letra y sincronizan los labios de los personajes con el canto. Después se puede prolongar un clip, retocarlo o volver a ejecutar un prompt de texto. Visuals se lanza en la web, iOS y Android, y también es accesible a través del servidor MCP de Suno.

Visuals funciona con créditos independientes de los de las canciones, y los suscriptores de pago pueden crear su primera creación visual gratis durante un periodo limitado.

Paquete de créditos visualesPrecio anunciado
2 500 créditos14,99 dólares
5 500 créditos29,99 dólares
20 000 créditos99,99 dólares
40 000 créditos199,99 dólares
Coste de vídeo (rápido / estándar)15 / 30 créditos por segundo

Suno insiste en las medidas de protección: unos filtros bloquean los prompts y las imágenes que hacen referencia a artistas, personalidades públicas u obras protegidas, cada vídeo se comprueba antes de mostrarse, Audible Magic, ACRCloud y Musixmatch filtran el audio protegido, y se incorpora una marca de agua antes de compartir cualquier contenido fuera de la plataforma.

🔗 Presentación de Visuals (Suno) · Precios de los créditos visuales

HeyGen lanza Avatar 6, identificado como real en el 42,2 % de las comparaciones con un vídeo real

17 de noviembre — HeyGen lanza Avatar 6, su nuevo modelo de avatares de vídeo, que presenta como líder de Avatar Arena de New Measure. El modelo genera imágenes nativas en 2K y adapta sus gestos al sentido del script (contar, señalar, indicar una dirección) en lugar de repetir los mismos movimientos, y puede reunir a dos avatares en un mismo plano para una conversación entre presentador e invitado. Se crea a partir de una foto y un vídeo corto de uno mismo, tras verificar la identidad.

Prueba publicada por HeyGenResultado anunciado
Avatar 6 identificado como real (comparación en paralelo, 270 respuestas)42,2 %
«Indistinguibilidad» calculada por HeyGen84,4 % (Avatar V: 44,4 %)
Clip real considerado real, visto por separado78,9 %
Avatar 6 considerado real, visto por separado, con la voz de la persona65,1 %
Preferencia frente a Seedance 2.572,4 %

La cifra destacada del 84,4 % es un cálculo de HeyGen, que duplica la tasa del 42,2 % en la que los votantes confundieron el avatar con el vídeo real. Avatar 6 está disponible en la aplicación, a través de la API y del MCP de HeyGen, sin precios publicados.

🔗 Anuncio de HeyGen en X · Ficha del modelo Avatar 6


GitHub Copilot en Microsoft Ignite: SDK 2.0 en Rust, Fusion en Terminal-Bench 4.1, revisión de código adaptativa, navegador, Evals, Entra y JetBrains

17 de noviembre — Ignite ha dado lugar a unas quince entradas en el changelog de GitHub a lo largo del día. Además de MAI Code 2 y GPT-6.2, tratados más arriba, estas son las novedades de producto de Copilot.

Microsoft Copilot SDK 2.0 pasa a un núcleo en Rust y a un runtime compartido entre sesiones

El SDK que da acceso al harness de Copilot, rebautizado como Microsoft Copilot SDK el 28 de octubre, pasa a una nueva versión principal. Un único runtime puede alojar ahora numerosas sesiones aisladas, cada una con su identidad, sus herramientas, sus archivos y su historial: crear una sesión ya no inicia ningún contenedor, proceso ni máquina virtual. Para hacer viable este modelo, el runtime se ha reescrito en Rust.

Medición publicada (carga precalentada)CLI TypeScriptNúcleo Rust 2.0
Cliente + sesión + un turno5,25 s55,3 ms
Memoria para 10 clientes1 383 Mo126 Mo
Tasa de sesiones7,55 por segundo120 por segundo

El SDK añade un modo «vacío» (sin shell ni sistema de archivos heredados del host), un registro de sesión y un sessionFs para retomar una sesión desde otra instancia. La versión incluye cambios que rompen la compatibilidad (opciones agrupadas, protocolo SDK 4, cambios de nombre en Python y Rust) y sigue disponible en TypeScript, Python, Go, .NET, Java y Rust.

🔗 Microsoft Copilot SDK 2.0 (Command Line) · Release v2.0.0

Copilot Fusion entra en la clasificación de Terminal-Bench 4.1 y llega a github.com, Visual Studio y móviles

GitHub publica en una clasificación pública los primeros resultados de Copilot Fusion, el modo que elige y coordina los modelos según el nivel de esfuerzo. En Terminal-Bench 4.1, alojado por Stanford, Harbor y el Laude Institute, Copilot Fusion Max alcanza un 71,2 % de resolución, 5,4 puntos más que Opus 5.5 y Fable 5.2, con un coste un 88 % inferior al de Fable 5.2 y un 57 % inferior al de Opus 5.5, según GitHub. Fusion ya se puede seleccionar en github.com, en Visual Studio y en las apps beta de GitHub Mobile, y su catálogo se amplía: Claude Sonnet 5.5 se incorpora al nivel Max, GPT-6.1 Terra al nivel High y MAI-Code-2 al nivel Standard.

🔗 Changelog de GitHub: Copilot Fusion

La code review de Copilot elige por sí sola su nivel de esfuerzo, detecta secretos y pasa a GA en Azure DevOps

Con Adaptive, en vista previa pública desde Pro hasta Enterprise, Copilot evalúa la complejidad y el riesgo de cada pull request y elige por sí mismo el esfuerzo Lite, Balanced o Max; el nivel elegido se muestra y nunca supera el límite fijado por el administrador. Otras dos funciones entran en vista previa pública: la lectura de repositorios públicos vinculados para detectar el código que depende del cambio, y la detección de secretos expuestos en las pull requests, que combina más de 500 detectores mediante expresiones regulares y la detección mediante IA de secretos sin un formato reconocible. Una página Repository insights permite seguir cuatro indicadores, entre ellos los comentarios de Copilot atendidos y las pull requests fusionadas sin su revisión. Por último, la code review para Azure Repos pasa a disponibilidad general, facturada en créditos de IA de GitHub en la suscripción de Azure.

🔗 Changelog de GitHub: code review adaptativa · Repository insights

Copilot actúa en el navegador gracias a una extensión de Chrome, la app incorpora Azure DevOps

Asociado a la nueva extensión GitHub Copilot in Chrome, el browser use pasa a vista previa pública en Copilot CLI, la app GitHub Copilot, VS Code y JetBrains: Copilot rellena formularios, extrae información de páginas web o prueba la aplicación en desarrollo, en un grupo de pestañas aislado de un navegador Chromium (Chrome, Edge) con la sesión ya iniciada. La función está desactivada por defecto, y los administradores pueden desactivarla mediante la configuración administrada features.browserUse. La app GitHub Copilot también incorpora los repositorios de Azure DevOps, en vista previa pública: un agente clona el repositorio, abre la pull request, resuelve un comentario de revisión y, con agent merge, repara la CI y después fusiona; las sesiones cloud no están disponibles para estos repositorios.

🔗 Changelog de GitHub: browser use · Novedades de la app GitHub Copilot para Ignite

GitHub Copilot Evals, en vista previa pública, prueba skills, agentes y herramientas MCP

GitHub Copilot Evals, en vista previa pública para Copilot Individual, Business y Enterprise, sirve para comprobar que una configuración de Copilot sigue funcionando cuando cambian sus prompts, modelos, skills o herramientas. Una eval describe una tarea realista y qué se considera un buen resultado, y después comprueba tanto el resultado como el camino seguido por el agente. Desde el comando /eval o en lenguaje natural, se crea una eval para una skill, un agente personalizado o una herramienta MCP, se ejecuta (cada ejecución se aprueba antes de iniciarse) y se comparan las ejecuciones anteriores y posteriores a una modificación. La herramienta se basa en Vally, un motor de evaluación local, y se instala como extensión de VS Code o como plugin de Copilot CLI y de la app.

🔗 Changelog de GitHub: Copilot Evals

Copilot CLI admite el inicio de sesión con Microsoft Entra y las licencias de Microsoft 365 Copilot

Copilot CLI admite el inicio de sesión mediante Microsoft Entra, en vista previa pública en Windows y macOS, y Linux llegará más adelante. En las empresas cuyas cuentas EMU utilizan OIDC, la identidad de Entra inicia sesión de forma silenciosa en la cuenta de GitHub vinculada, con una licencia de Copilot Business o Enterprise. Como novedad adicional, las organizaciones del programa Frontier que disponen de una licencia de Microsoft 365 Copilot facturada por uso pueden utilizar Copilot CLI sin una cuenta de GitHub: la inferencia se realiza entonces a través de Microsoft 365, y el servidor MCP Work IQ aporta los datos de trabajo al contexto. La función requiere Copilot CLI 1.0.113, que pasó a la versión estable ese mismo día.

🔗 Changelog de GitHub: inicio de sesión con Entra · Copilot CLI 1.0.113

Copilot para JetBrains recibe el sandbox cloud, el acceso remoto y el dictado local

El plugin GitHub Copilot para los IDE de JetBrains se pone a la altura de VS Code en varias funciones de agente, todas en vista previa pública: un sandbox cloud que ejecuta las sesiones en un entorno aislado alojado por GitHub, un acceso remoto que permite retomar las conversaciones desde VS Code o la app Copilot, el browser use con la extensión de Chrome y un dictado por voz procesado en el dispositivo. El plugin también admite el desarrollo remoto en split mode, permite redirigir a un agente en curso (Intro) o poner un mensaje de seguimiento en cola (Ctrl+Intro), y fija Copilot Fusion al principio de la lista de modelos. En el ámbito empresarial, las configuraciones administradas desactivan ahora Claude y Codex salvo excepción, y los IDE 2025.2 dejan de ser compatibles.

🔗 Changelog de GitHub: Copilot para JetBrains


Claude Platform habilita la facturación vinculada, Warp la ofrece en su plan Enterprise

17 de noviembre — Anthropic abre en beta la facturación vinculada (linked billing) en Claude Platform. Hasta ahora, utilizar la API de Claude en una herramienta de terceros solía implicar confiarle una clave API, que funciona como una contraseña. Con la facturación vinculada, el cliente vincula su organización de Claude Platform con la plataforma de terceros, y el uso se le factura directamente, sin que ninguna clave cambie de manos.

Para los proveedores de software, Anthropic aloja el proceso de aprobación y la facturación: pueden ver, cliente por cliente, el número de solicitudes, los tokens y los modelos utilizados, en la Console o mediante la API Usage and Cost Analytics (beta), y deciden en cada solicitud quién paga, ellos o su cliente. Por parte del cliente, un usuario con el rol Owner, Admin o Billing aprueba la vinculación una sola vez para toda la organización, fija un límite de gasto mensual por plataforma y puede desvincularla en cualquier momento; el uso puede consumir un compromiso de gasto existente con Anthropic o pagarse por uso. Un detalle que conviene conocer: las solicitudes se ejecutan en la organización de la plataforma, por lo que no se les aplican los ajustes de la organización del cliente (lista de direcciones IP permitidas, claves de cifrado, conservación de datos). Diecinueve plataformas la admiten desde el lanzamiento, entre ellas Asana, Factory, Linear, Ramp, Railway, Tines y Warp.

🔗 Facturación vinculada en Claude Platform (Anthropic) · Anuncio de @ClaudeDevs en X

Warp habilita la facturación vinculada con Claude Platform en el plan Enterprise

17 de noviembre — Warp, una de las 19 plataformas del lanzamiento, detalla su implementación. Una empresa vincula su organización de Claude con Warp mediante OAuth, sin compartir ninguna clave API, y Anthropic factura directamente el uso de Claude por parte del Warp Agent, con sus tarifas de API; el límite de gasto se ajusta, y la vinculación se interrumpe, desde la página Linked Platforms de la Claude Console. La documentación reserva la función a Warp Enterprise: el espacio de trabajo comparte una sola vinculación, que cada equipo decide si activa. Abarca al agente en el escritorio, la CLI, la web y la nube, incluidos los subagentes, pero no Claude Code ni el uso a través de Amazon Bedrock o Vertex AI, y las suscripciones Claude Pro, Max, Team y Enterprise no pueden financiarla. Si Anthropic rechaza una solicitud por falta de fondos vinculados, Warp puede cargarla al saldo de Warp del equipo.

🔗 Warp ya admite la facturación vinculada con Claude Platform · Documentación de Warp


Agentes de código: Claude Code 2.1.326, la verificación según el equipo de Claude Code, Mistral Vibe Desktop, Antigravity 2.33, Replit Desktop y las apps Android de AI Studio

Claude Code 2.1.326: Code Mode con los agent teams, sandbox reforzado y 233 correcciones

16 de noviembre — Claude Code 2.1.326 es una versión de gran tamaño: 367 entradas, de las cuales 233 son correcciones. Entre las novedades, Code Mode, el modo experimental que llegó con la 2.1.323, en el que Claude escribe scripts que encadenan varias llamadas a herramientas, funciona ahora con los equipos de agentes (agent teams): según la documentación, los compañeros de equipo pasan a Code Mode en la vista predeterminada, pero no en paneles separados. El 17 de noviembre, @ClaudeDevs lo destacó por primera vez; sigue desactivado por defecto y se activa con CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1.

Remote Control también avanza: las respuestas de una sesión iniciada mediante claude remote-control, desde Claude Desktop o desde VS Code, se muestran en el teléfono o el navegador a medida que se escriben. En las organizaciones con la configuración HIPAA «Claude Code + Cowork», las sesiones del terminal y de VS Code se inician ahora en modo auto, con un clasificador del lado del servidor sobre una conexión directa a la API.

Buena parte de la versión refuerza la seguridad: el sandbox ya no escribe por defecto en determinadas carpetas sensibles del directorio personal (sandbox.filesystem.allowWrite para autorizarlas), las herramientas de archivos se niegan a escribir en .credentials.json, los subagentes aislados en un worktree ya no pueden reescribir ramas compartidas, y más comandos solicitan confirmación, incluidos algunos en modo bypass permissions. En cambio, un plugin rechazado por un campo de visualización mal formado en plugin.json ahora se carga con sus hooks y sus servidores MCP: los administradores deben comprobar qué despliegan. Dos cambios afectan a la factura: la skill /claude-api crea por defecto sus agentes sobre Managed Agents, y la compactación automática en plan mode utiliza el modelo que responde (Opus con opusplan), lo que puede costar más. El contexto de /update-config pasa de unos 93 000 a 13 000 tokens, y browser_batch de Claude in Chrome aumenta a 150 segundos.

Tipo de entrada (v2.1.326)Cantidad
Correcciones (Fixed)233
Cambios (Changed)62
Mejoras59
Incorporaciones (Added)11
Retiradas (Removed)2

Entre las correcciones, varias evitan pérdidas silenciosas: claude purge podía eliminar los datos de un proyecto al recibir una pulsación invisible de Intro cuando su salida estaba redirigida, el menú de límite de gasto eliminaba el límite mensual sin preguntar, y dos llamadas MCP paralelas podían intercambiar sus resultados. El SDK Agent TypeScript 0.3.326 envía los servidores MCP en la solicitud de inicialización (mcpServersDelivery: 'initialize') en lugar de en la línea de comandos, que por ahora sigue siendo la opción predeterminada. La 2.1.327 ya está en el canal next de npm desde el 17 de noviembre, sin notas de la versión.

🔗 Claude Code v2.1.326 · Documentación de Code Mode

Cómo el equipo de Claude Code hace verificar el código escrito por Claude, desde la skill verify hasta la puerta de control de commits

16 de noviembre — Tras su revisión de código en octubre, el equipo de Claude Code detalla en el blog claude.dev cómo hace verificar el trabajo de Claude, que escribe y revisa alrededor del 90 % de su código. Addy Osmani defiende allí una idea sencilla: unos ciclos de verificación fiables permiten ejecutar decenas de sesiones en paralelo. En una prueba interna de generación de archivos estructurados, un evaluador independiente, que juzga el resultado según una rúbrica, mejoró la tasa de éxito hasta en 10 puntos. El artículo recomienda primero las pruebas de extremo a extremo, después las pruebas de propiedades y las pruebas diferenciales, útiles para las migraciones. En el equipo, una skill verify describe cómo ejecutar y probar la aplicación, Claude recurre a una persona tras tres rondas fallidas, y una lista de fiabilidad de 39 puntos, cada uno activado por lo que muestra el diff, sustituye la memoria de los incidentes. El archivo REVIEW.md que guía Code Review siempre se lee desde la rama base, para que una modificación no pueda cambiar la regla que la evalúa, y una puerta de control de commits (modos off, observe, enforce) puede bloquear un commit si la sesión no ha ejecutado ni /code-review ni /verify.

🔗 Cómo entiende la verificación el equipo de Claude Code (claude.dev)

Mistral lanza la aplicación de escritorio de Vibe y ofrece tres meses de Vibe Pro a los desarrolladores europeos

17 de noviembre — Mistral impulsa Vibe, su asistente de trabajo y código (antes Le Chat), en dos frentes. Primero, una aplicación de escritorio para macOS y Windows, Vibe Desktop: permite encargar varias tareas a la vez, observar cómo trabajan los agentes uno al lado del otro, y después revisar sus diffs y seguir las pull requests en la misma ventana. Ya mencionada en las notas de la CLI en octubre, la aplicación se puede descargar ahora desde la página del producto. Después, una oferta dirigida a un público concreto: tres meses de Vibe Pro gratis para los desarrolladores en Europa con el código LECHONK, con disponibilidad limitada, y después 14,99 euros al mes, con cancelación en cualquier momento. Una hora después del primer tuit, Mistral anunciaba que se habían agotado los códigos del día. Mistral presenta Vibe y Mistral Large 4 (Le Chonk) como el mejor dúo abierto de modelo y harness, por delante de GLM y DeepSeek en código, sin dar cifras en su hilo; las últimas publicadas para Large 4, el 29 de octubre, eran del 19,7 % en FrontierCode 2.0 y del 41 % en Terminal-Bench 4.0.

🔗 Anuncio de Mistral AI en X · Página del producto Vibe

Antigravity 2.33.0 se conecta a máquinas Linux remotas mediante SSH e integra las pull requests de GitHub

17 de noviembre — La versión 2.33.0 de la aplicación Antigravity lleva al agente más allá de la máquina local. Se conecta mediante SSH a una máquina Linux remota de 64 bits, instala automáticamente su servidor mediante OpenSSH a partir de ~/.ssh/config, y ejecuta allí proyectos, worktrees de Git, agentes y terminales, que siguen funcionando incluso después de cerrar la ventana. Los enlaces de pull requests de GitHub se convierten en indicadores de estado en tiempo real, con una sección dedicada en el panel Overview. La versión también habilita /swarm y los paneles de plugins para las cuentas profesionales y de empresa si el administrador lo permite, añade siete plugins de socios (Cloudflare, Grafana Cloud, SonarQube, incident.io, Better Stack, Tavily, Levels.fyi) y admite archivos multimedia de hasta 200 Mo en el panel lateral, con un total de 16 mejoras y 21 correcciones. El día anterior, la 2.32.2 había convertido las preguntas secundarias /btw en una pestaña de conversación de varios turnos, con herramientas de solo lectura. En el terminal, Antigravity CLI 1.5.9, fechada el 14 de noviembre, habilita para todos la herramienta run_workflow, que hace que el agente escriba un script Python que reparte el trabajo entre numerosos subagentes, y corrige una filtración: las cabeceras de un servidor MCP HTTP, como una clave API, podían enviarse a otro host durante una redirección.

🔗 Changelog de Antigravity

Replit Desktop llega a Microsoft Store, con un agente que trabaja en las carpetas locales

17 de noviembre — Anunciada en versión preliminar junto con Microsoft el 7 de octubre, la aplicación Replit Desktop está disponible en Microsoft Store. El Agent de Replit trabaja en los archivos de las carpetas que el usuario decide compartir: crea herramientas, analiza datos locales y genera a partir de ellos informes que se pueden compartir mediante la nube de Replit. Las aplicaciones se crean y ejecutan en local, cada build en su propio sandbox basado en Microsoft Execution Containers y NVIDIA OpenShell; la página del producto precisa que este aislamiento se aplica en los dispositivos Windows y macOS compatibles, y también ofrece versiones para Linux. Replit no indica precios ni planes.

🔗 Anuncio de Replit en X · Página de Replit Desktop

Google AI Studio crea aplicaciones Android completas, con base de datos, inicio de sesión con Google y publicación en Google Play

17 de noviembre — Con Gemini 4 Carbon y Hydrogen, el agente Build de Google AI Studio parte de un prompt para entregar una aplicación Kotlin con base de datos, inicio de sesión de usuarios y funciones de IA. Cuando el prompt describe estas necesidades, propone aprovisionar él mismo el backend: una base Cloud Firestore con sus reglas de seguridad, Firebase Authentication con Google Sign-In, y llamadas a los modelos Gemini mediante Firebase AI Logic y App Check, para que la clave API nunca figure en el APK. Hasta ahora, las aplicaciones Android generadas en AI Studio solo conservaban sus datos en la sesión local. Después basta una cuenta de Google estándar para publicar la aplicación en la biblioteca personal de Google Play: AI Studio crea y firma el bundle, y luego se instala en el teléfono. El emulador integrado transmite en HD 1200p con sonido, y se puede adjuntar una captura de pantalla al prompt con un clic.

🔗 Crea apps Android full-stack con Gemini en Google AI Studio


Modelos abiertos e inferencia: Olala mini 7A1B de OVHcloud, Qwen3.8-27B adaptado al harness pi, Together Compiler

OVHcloud anuncia Olala mini 7A1B, primer modelo de su familia de LLM, entrenado en superordenadores públicos europeos

17 de noviembre — OVHcloud entra en la carrera de los modelos de lenguaje con Olala, su primera familia de LLM. El primer modelo, Olala mini 7A1B, tiene 7 millardos de parámetros, de los cuales se activa 1 millardo en cada solicitud, distribuidos en una mezcla de expertos (Mixture of Experts, MoE) de 256 expertos por capa, con una atención híbrida que combina Differential-TPA y Mamba-3. Se ha entrenado desde cero en tres superordenadores públicos europeos, Jupiter, MeluXina y Jean Zay, gracias a un apoyo que OVH cifra en 7 millones de euros en horas de cálculo.

Característica anunciadaOlala mini 7A1B
Parámetros7 millardos en total, 1 millardo activo
ArquitecturaMoE, 256 expertos por capa, Differential-TPA + Mamba-3
Contexto32 000 tokens (128 000 previstos en v1.1)
Rendimiento anunciado160 tokens/s en RTX A4500, 50 tokens/s sin GPU
Memoria GPU mínima8 Go
Licencia anunciadaApache 2.0, en Hugging Face

Los pesos todavía no figuran en Hugging Face: el comunicado anuncia que el modelo «estará disponible» allí bajo licencia Apache 2.0, con sus pesos, su modelo base preentrenado, un informe técnico y documentación de cumplimiento de la AI Act. El lanzamiento oficial está previsto en el OVHcloud AI Summit del 19 de noviembre. Por ahora no se ha publicado ningún benchmark. Qwant, el primer cliente mencionado, ya lo utiliza para sus respuestas rápidas, con respuestas un 20 % más rápidas y unos costes de funcionamiento divididos por tres, según OVH. Los próximos pasos están trazados: una v1.1 de aquí a finales de año, con un contexto de 128 000 tokens y un mejor razonamiento matemático, y después una v2.0 de más de 100 mil millones de parámetros, con variantes para la IA agéntica en empresas, el DevOps en la nube y la ciberseguridad. Según Octave Klaba, director ejecutivo de OVHcloud, el coste de entrenamiento se ha dividido por 20 en tres años, y OVH no quiere depender de la generosidad de unos pocos laboratorios para disponer de modelos abiertos.

🔗 Anuncio de OVHcloud en X · Comunicado de OVHcloud

Qwen3.8-27B-pi-adapted: un adaptador LoRA hace pasar Qwen3.8-27B del 29,4 al 62,7 % en SWE-bench Pro dentro del harness pi

17 de noviembre — El proyecto harness-hub, liderado por equipos de Hugging Face, publica Qwen3.8-27B-pi-adapted, un adaptador LoRA bajo licencia Apache-2.0 que especializa Qwen3.8-27B para servir de modelo al harness del agente de código pi. Se ha entrenado mediante aprendizaje por refuerzo (GRPO asíncrono de TRL) directamente dentro del harness, y los pesos están en el Hub, con una versión GGUF para llama.cpp.

Benchmark evaluado (harness pi, pass@1)Qwen3.8-27BCon el adaptadorLlamadas a herramientas por tarea
SWE-bench Pro (51 tareas más difíciles)29,4 %62,7 %-55 %
Terminal-Bench 2.1 (86 tareas)39,5 %55,8 %-62 %
Terminal-Bench 2.1 (68 tareas reservadas)39,7 %55,9 %-64 %

El equipo evalúa por separado las 68 tareas de Terminal-Bench que no se utilizaron para elegir el checkpoint, donde la mejora sigue siendo de 16,2 puntos; esa elección, en cambio, también se apoyó en las puntuaciones de SWE-bench Pro. Es la continuación del proyecto presentado el 6 de noviembre, y younes anuncia más adaptadores en los próximos días.

🔗 Ficha de Qwen3.8-27B-pi-adapted (Hugging Face) · Anuncio de younes en X

Together AI cuenta la génesis de Together Compiler, un 28 % más rápido que sus antiguos megakernels en B200

16 de noviembre — Dos semanas después del lanzamiento de Together Compiler, el equipo de investigación de Together AI publica el relato de su diseño: el año pasado construía megakernels, kernels de GPU escritos a mano; este año los ha abandonado. Según la publicación, Together Compiler, que encarga a agentes la reescritura y la fusión de los kernels de un modelo, supera en un 28 % a los megakernels escritos a mano en B200 (2 118 frente a 1 649 tokens/s en Llama 3.2 1B). Los megakernels eran rápidos, pero tan rígidos que, tras meses de esfuerzo, solo uno llegó a usarse en producción, para un modelo, un tamaño de lote y un cliente; dos primitivas de NVIDIA, CUDA Graphs y PDL, alcanzan el 98 % de su rendimiento sin escribir ningún kernel.

Configuración medida (Llama 1B, H100)Tokens/sPorcentaje del megakernel
Torch Compile (Inductor)669—
+ CUDA Graphs86487 %
+ PDL colocado con precisión97598 %
Megakernel escrito a mano990100 %

En cuanto a los agentes, una base de conocimientos redujo la aceleración final en un 19 %, mientras que una comunicación frecuente entre agentes y una instrucción mínima daban los mejores resultados.

🔗 El camino hacia Together Compiler (Together AI)


NVIDIA para la ciencia: Nemotron for Science, una plataforma de 192 CPU Vera elegida por el DKRZ y el DGX Spark HPC Developer Kit

Nemotron for Science, un conjunto abierto de modelo, datos y recetas para los agentes científicos

16 de noviembre — En SC26, Ian Buck presentó Nemotron for Science, un conjunto abierto destinado a los agentes científicos. Combina el modelo multimodal Nemotron 3.5 Super VL, LitmusBench, un nuevo conjunto de datos de química de casi 50 000 preguntas (solubilidad, metabolismo), y recetas de posentrenamiento de NeMo Gym y NeMo RL para adaptar el modelo a un dominio a partir de datos experimentales, tanto en un DGX Spark como en un superordenador. NVIDIA destaca los resultados de sus socios: Lila Sciences afirma haber casi duplicado la precisión en la síntesis de puntos cuánticos, hasta el 61 % frente al 54 % de GPT-6 Astra, con un coste de inferencia entre 10 y 20 veces menor; Terray Therapeutics recupera aproximadamente el 76 % de las reacciones de esquemas químicos en la prueba RxnScribe; y un agente del KTH reparó el 81 % de las configuraciones defectuosas de GROMACS en una noche con un solo DGX Spark.

🔗 Nemotron for Science (NVIDIA) · Publicación técnica sobre el posentrenamiento

Una plataforma en rack de 192 CPU Vera para la computación científica, elegida por el DKRZ

16 de noviembre — NVIDIA adapta su procesador Vera a una plataforma para simulaciones sin aceleración por GPU: un rack con refrigeración líquida de 192 CPU Vera, con 88 núcleos Olympus cada una, unos 300 To de memoria y más de 200 To/s de ancho de banda de memoria agregado. Según las pruebas de NVIDIA, Vera alcanza 1,9 veces el rendimiento y 2,4 veces el rendimiento por vatio de los sistemas x86 en una simulación de flujo con OpenFOAM. El primer cliente anunciado, el centro alemán de computación para el clima (DKRZ), lo instalará en su superordenador HLRE-5, construido por Bull y previsto para principios de 2028. Dell, HPE, Lenovo y Supermicro ofrecerán los racks a partir de principios de 2027, y NVIDIA publica el HPC SDK 26.11 con un nuevo compilador Fortran en versión preliminar.

🔗 La plataforma Vera para la ciencia (NVIDIA)

El DGX Spark HPC Developer Kit, un clúster de cuatro DGX Spark para el escritorio de los investigadores

16 de noviembre — NVIDIA presenta un kit de desarrollo HPC basado en cuatro DGX Spark conectados en anillo mediante ConnectX-7, sin conmutador. El conjunto suma 512 Go de memoria y 16 To de almacenamiento, suficiente para ejecutar en local modelos de hasta 700 mil millones de parámetros en NVFP4, y debe permitir a los investigadores desarrollar y depurar simulaciones multinodo antes de consumir sus horas de superordenador; se han realizado demostraciones de LAMMPS y NAMD en los cuatro nodos. El kit está a la venta a través de nueve fabricantes, entre ellos Acer, ASUS, Dell, HP y Lenovo, y en NVIDIA Marketplace, sin precio publicado; se anuncia para pronto el playbook que instalará el HPC SDK.

🔗 DGX Spark HPC Developer Kit (blog de NVIDIA)


IA y ciberseguridad: la OTAN y las agencias europeas utilizan los modelos de ciberseguridad de OpenAI, GitHub y Microsoft entregan 99 informes verificados a los mantenedores

La OTAN y varias agencias europeas utilizan los modelos de ciberseguridad de OpenAI a través de Daybreak

17 de noviembre — OpenAI detalla cómo sus modelos de ciberseguridad ya contribuyen a la defensa de la OTAN y de varios países aliados. A través de la agencia de comunicaciones e información de la OTAN (NCIA), las instituciones centrales de la Alianza acceden a modelos avanzados de ciberseguridad y han consumido hasta 300 mil millones de tokens al mes. OpenAI también apoyó el ejercicio Crossed Swords 2026, en el que un nuevo componente de formación consistía en construir y evaluar agentes de IA para operaciones de ciberseguridad con Daybreak, bajo supervisión humana. ENISA, ANSSI y las agencias alemana y polaca tienen acceso a estos modelos, y Ucrania utiliza Daybreak para proteger sus infraestructuras civiles. Los resultados citados son concretos: cuatro vulnerabilidades corregidas en software de las instituciones europeas, descubiertas por ENISA; seis vulnerabilidades de MikroTik RouterOS descubiertas por CERT Polska; y un informe de ENISA y CERT-EU en el que el 95 % de los 88 posibles problemas enviados a los mantenedores resultaron ser reales, considerando el conjunto de modelos probados. La publicación no cita ningún importe contractual.

🔗 Refuerzo de las ciberdefensas de la OTAN y sus aliados con IA (OpenAI)

GitHub y Microsoft transforman miles de alertas de IA en 99 informes verificados para seis proyectos open source

17 de noviembre — GitHub y Microsoft publican el balance de un piloto concebido para hacer frente a la avalancha de informes de vulnerabilidades generados por IA que desborda a los mantenedores. Codename MDASH, el arnés de análisis agéntico de Microsoft Security, analizó seis proyectos (AutoGPT, Caddy, Express, FastMCP, ImageMagick y Netty) con el modelo MAI Cyber y propuso correcciones. Un agente de clasificación del GitHub Security Lab, basado en skills de Copilot, eliminó duplicados y falsos positivos; después, siete investigadores del Microsoft FORGE Lab verificaron manualmente cada alerta restante, en unos dos días por proyecto.

Etapa del piloto MDASHValor publicado
Alertas brutas (según el tuit de GitHub)9 791
Informes privados enviados a los mantenedores99
Informes resueltos a fecha del 15 de noviembre55
Correcciones ya publicadas en una versión14

Caddy resolvió sus 22 informes en una semana o menos. GitHub extrae tres lecciones: las correcciones importan más que los descubrimientos, la verificación humana sigue siendo indispensable pero aún no puede realizarse a gran escala, y los mantenedores necesitan modelos con capacidades en ciberseguridad para verificar las pruebas de concepto. Todos los proyectos que han pasado por GitHub Secure Open Source Fund recibirán análisis verificados antes de su envío y acceso a Copilot Max.

🔗 Los mantenedores no necesitan más informes de errores generados por IA, necesitan correcciones (GitHub) · Tuit de GitHub


IA y robótica: un plugin Robotics para Antigravity con Gemini 4 Hydrogen y el conjunto de vídeos HubEgo-100K

Google lanza un plugin Robotics para Antigravity y presenta Gemini 4 Hydrogen como modelo de robótica generalista

17 de noviembre — Google transforma Antigravity en un taller de robótica. El nuevo plugin Robotics reúne skills que Gemini ejecuta para el desarrollador: instalación de controladores, detección de cámaras, calibración del brazo y movimientos de prueba a partir de un cable USB, escenas MuJoCo construidas en Antigravity, percepción y control en bucle cerrado y, por último, generación de la aplicación completa. El modelo destacado es Gemini 4 Hydrogen: en el benchmark Artificial Analysis Robotics 0.1, donde un brazo real de 6 ejes realiza consecutivamente 8 tareas cotidianas sobre una mesa, obtiene 58, una puntuación cercana a la de Argon con un coste por token más bajo, y en ERQA supera a Gemini Robotics ER 2 en razonamiento espacial. Las demostraciones dan una idea de la escala: un brazo YAM calibrado en unos diez minutos y un clasificador de snacks sobre una cinta transportadora validado en simulación y después desplegado en aproximadamente una hora. Antigravity está reservado a los suscriptores de pago de Google AI Pro y Ultra; el modelo sigue disponible en la API de Gemini y en AI Studio.

🔗 Gemini Hydrogen para robótica (Google Developers) · Hilo de Google DeepMind

Hub publica en abierto HubEgo-100K, vídeos egocéntricos de acciones profesionales bajo CC BY 4.0

16 de noviembre — Hub publica en abierto en Hugging Face HubEgo-100K, un conjunto de vídeos egocéntricos de tareas especializadas destinado al aprendizaje de robots, gratuito para la investigación y el uso comercial. El nombre y el anuncio apuntan a 100 000 horas procedentes de más de 100 000 colaboradores; la primera versión publicada contiene 10 000 horas grabadas por 12 227 personas en 72 horas, en sus lugares de trabajo o en oficios ejercidos desde casa, en RGB con datos de una unidad de medición inercial, en los formatos LeRobot y MCAP, bajo licencia CC BY 4.0 y con acceso previa solicitud. La apuesta es por la diversidad más que por el volumen: una mediana de 250 personas por tipo de tarea, y ninguna persona supera el 0,22 % de las horas. Hub se apoya en trabajos presentados en ICLR 2025, según los cuales la generalización de una política robótica depende sobre todo del número de entornos y objetos vistos.

🔗 Anuncio de Hub en X · Conjunto de datos HubEgo-100K en Hugging Face


IA de voz: ElevenLabs lanza Scribe v3 Live Medical, una transcripción médica en tiempo real para los agentes de voz

17 de noviembre — Una semana después de Scribe v3 Live, ElevenLabs publica una versión médica pensada para los agentes de voz que responden en directo a pacientes, asegurados y profesionales sanitarios. El modelo se centra en las palabras que un modelo generalista suele transcribir peor: nombres de medicamentos, dosis y procedimientos. Los equipos pueden cargar hasta 10 000 términos propios, lo que, según ElevenLabs, reduce hasta un 48 % los errores en los términos médicos; el modelo también espera a que termine un número dictado por partes y sigue los cambios de idioma durante la llamada, entre más de 90 idiomas, con una latencia de unos 150 ms.

Banco de pruebas (interno de ElevenLabs)Scribe v3 Live Medical
PriMock57 (WER)12,8 %
Fareez OSCE (WER semántico)0,6 %
Eka Medical ASR11 % (Scribe v3 Live: 11,54 %)
MED-Term inglés / alemán / francés2,24 % / 2,81 % / 3,24 %

En PriMock57, ElevenLabs anuncia la tasa de error más baja de los modelos médicos probados, con un 17 % menos de errores que el siguiente, sin nombrar a esos competidores. El modelo ya está disponible en ElevenAgents, apto para HIPAA para las empresas con contrato BAA.

🔗 Scribe v3 Live Medical (ElevenLabs)


Adopción empresarial: Cognition se alía con McKinsey para medir el valor de Devin

16 de noviembre — Cognition anuncia una alianza con McKinsey & Company para ayudar a las grandes empresas a obtener un valor medible de la IA en ingeniería de software. Devin se encarga del trabajo de ingeniería; McKinsey ayuda a los clientes a elegir los proyectos prioritarios, establecer una referencia de coste, velocidad y calidad, y reorganizar los equipos. La publicación se basa en una encuesta de McKinsey del segundo trimestre de 2026 a 334 responsables de producto e ingeniería: el cuartil más avanzado de las organizaciones declara aumentos de productividad de más de 2 veces, mientras que el 30 % observa una disminución. Cognition afirma tener entre sus clientes a seis de los ocho bancos estadounidenses de importancia sistémica mundial y a tres de las seis principales aseguradoras de salud estadounidenses, y un coste hasta un 60 % más bajo. El primer caso citado es la empresa polaca de software Comarch, que moderniza con Devin su ERP XL de 20 años de antigüedad en 18 meses. No se comunica ningún importe.

🔗 Cognition y McKinsey (blog de Devin)


Breves

NVIDIA

  • Comité de seguridad nacional y exportaciones — El día de la presentación de sus resultados, NVIDIA crea un comité permanente de su consejo, presidido por Suzanne Nora Johnson, con Stephen C. Neal y John O. Dabiri; los equipos de seguridad nacional y de cumplimiento comercial le rinden cuentas, así como a la directora ejecutiva interina. 🔗 fuente
  • Sustratos y encapsulado — Kinsus multiplicará por más de 3,5 su capacidad de sustratos ABF dedicada a NVIDIA (producción en el segundo semestre de 2027), SPIL amplía el encapsulado avanzado con una financiación de varios miles de millones de dólares de NVIDIA, y los acuerdos con Amkor se acercan a los 3 mil millones de dólares. 🔗 fuente
  • IBM, Fermilab y la computación cuántica — Se instalan DGX B200 junto a ordenadores cuánticos de IBM, incluidos los del procesador Nighthawk, para una plataforma común de codiseño dedicada a la corrección de errores y a la física de altas energías. 🔗 fuente

Imagen y creación

  • Midjourney — El modelo de edición ahora aplica moodboards, códigos de estilo e imágenes de referencia de estilo: basta con soltar una imagen en la barra de prompt y añadirle un estilo, sin escribir ningún prompt; el sitio alpha añade un menú «change style». 🔗 fuente
  • Ideogram Print on Demand Studio — Un espacio para vendedores de productos impresos: detectar tendencias, crear un diseño, vectorizarlo o ampliarlo, prepararlo para la impresión y verlo sobre el producto, con el modelo vectorial de Ideogram; no se especifican tarifas ni planes. 🔗 fuente
  • Laya en Luma — Luma explica su organizador de tableros: el agente principal, Orca, encarga la organización al subagente Laya, que decide las agrupaciones y deja al código el cálculo de las posiciones; una corrección de este cálculo redujo una prueba de 195 a 22 segundos. 🔗 fuente

Agentes de código y CLI

  • Codex CLI 0.171.0-alpha.12 — Tres versiones preliminares con notas vacías; según los títulos de sus commits, el terminal incorpora vistas previas de documentos e imágenes en su barra lateral, la función de deshacer en el compositor y la creación de líneas de estado personalizadas. Le siguió una versión estable de corrección, la 0.169.1, la noche del 17 de noviembre, sin notas de versión. 🔗 fuente
  • Qwen Code v0.28.0 — Compatibilidad con Qwen4-Max (escala de esfuerzo nativa, TTL de caché), modo headless, interfaz de terminal y subagentes en un mismo bucle de agente por defecto, y sesiones en worktrees gestionados en Web Shell. 🔗 fuente
  • Kimi Code 2.6.3 — Seis correcciones: el hook Stop externo vuelve a ejecutarse después de cada respuesta, las notificaciones de tareas en segundo plano ya no generan otra respuesta al reanudar una sesión, y el demonio WebBridge se actualiza en Windows. 🔗 fuente
  • Delta Personal Runners — Delta, el entorno de Zed para programar con agentes, permite controlar desde otro dispositivo, incluido el teléfono, un hilo cuyos turnos se ejecutan en la propia máquina; delta runner serve hace lo mismo en un servidor sin interfaz. No se han anunciado tarifas. 🔗 fuente
  • Notas de versión de Devin — La barra lateral muestra las sesiones a las que se está suscrito, Mark done sustituye al archivado, un directorio Phonebook vincula las identidades de cada miembro (Slack, Teams, Git, Jira, Linear) y los hallazgos de seguridad se exportan en CSV. 🔗 fuente
  • Gemini CLI — Aún sin release desde el 10 de noviembre, la rama main ahora evalúa las expresiones regulares de las reglas de política con re2js, en tiempo lineal y con un límite de 2 000 instrucciones; las reglas con lookahead o referencias hacia atrás se ignoran. 🔗 fuente
  • DeepSeek Harness 0.2.2-rc.4 — Cuadragésima versión preliminar sin versión estable, limitada a dos correcciones: la gestión de las respuestas inesperadas del modelo y el uso compartido mediante LiveShare en la aplicación de escritorio. 🔗 fuente

Otras novedades de GitHub

  • Secret scanning bajo demanda — Con activación voluntaria, el especialista security-review de Copilot ejecuta los más de 500 detectores de secretos de GitHub y su modelo ajustado sobre los cambios en curso, en la CLI, la app, el SDK y la code review, en versión preliminar pública. 🔗 fuente
  • Comparación de arneses — El sitio de benchmarks de Copilot compara Copilot CLI con Claude Code y Codex CLI utilizando el mismo modelo con el mismo esfuerzo, en tasa de resolución y coste por tarea; el changelog no ofrece ninguna cifra. 🔗 fuente
  • GitHub Event Streams — En versión preliminar con lista de espera, un agente se suscribe a una pull request y recibe en directo revisiones, commits, conflictos y cambios de CI, sin consultar la API en bucle ni exponer un webhook público. 🔗 fuente
  • Microsoft Agent 365 — Las empresas que utilizan GitHub Enterprise Cloud con Enterprise Managed Users pueden enviarle la actividad de los agentes Copilot, con prompts, respuestas, llamadas a herramientas y señales de riesgo en Purview y Defender. 🔗 fuente
  • Agent Host Protocol — Un artículo de ingeniería relata la construcción del protocolo que permite pasar una sesión de agente de un dispositivo a otro, con dos hosts independientes, en TypeScript para VS Code y en Rust para GitHub, y bibliotecas en seis lenguajes. 🔗 fuente
  • Servidor MCP de GitHub 2.2.0 — Las instrucciones del servidor dan paso a skills MCP filtradas, las herramientas de alertas de secret scanning pueden ocultar los secretos, y nuevas herramientas públicas sirven para la automatización de agentes. 🔗 fuente
  • Personalizaciones solo mediante plugins — La configuración gestionada strictPluginOnlyCustomization permite a los administradores de empresa exigir que las skills, los agentes, los hooks, los servidores MCP y las extensiones de Copilot procedan de plugins o de configuraciones gestionadas. 🔗 fuente
  • Resumen de Copilot del 9 de noviembre — La app GitHub Copilot incorpora un código QR para continuar una sesión cloud o de Codespace en el teléfono, la reconexión a un servidor MCP sin salir de la conversación y dictado multilingüe, incluido el francés. 🔗 fuente
  • Dependabot — Las solicitudes de descarte delegado de alertas permanecen abiertas un año en lugar de una semana, primero en github.com y después en GHES 3.24. 🔗 fuente

Modelos, investigación y Hugging Face

  • Qwen4-Max en You.com y Lebrel — Tras OpenRouter, Vercel y Novita AI, Qwen anuncia la disponibilidad de Qwen4-Max en You.com y después en Lebrel para programación agéntica, sin precios ni planes. 🔗 fuente
  • TRL v1.18.1 — Versión de corrección: CLI reparada en Python 3.15 y cálculo de las recompensas de exactitud en un proceso separado, para que una respuesta patológica ya no bloquee un entrenamiento. 🔗 fuente
  • MecCog Challenge — Hugging Face y los fundadores de CASP lanzan un concurso hasta el 15 de enero de 2027 para vincular con la literatura científica cinco hipótesis sobre el papel de APOE4 en la enfermedad de Alzheimer, abierto tanto a humanos como a agentes, con publicación de los resultados en una revista. 🔗 fuente
  • Auto Router de OpenRouter — Según el banco de pruebas AutoBench, cuyo autor también ofrece un enrutador, el nuevo Auto Router elige el modelo adecuado en el 65,2 % de los casos con el ajuste high, frente al 79,1 % del anterior; sus demás ajustes se mantienen al nivel del azar. 🔗 fuente
  • Modelos sin censura como agentes — OpenUncensored, que vende acceso a estos modelos, ha sometido 32 de ellos a cinco tareas con herramientas: los que derivan de los mejores modelos originales completan el 38 % de las tareas, y los demás, el 28 %. 🔗 fuente
  • TuHaMa — Turkish NLP Suite publica 52 000 ejemplos de discurso de odio en turco dirigidos contra 12 grupos, extraídos del foro Ekşi Sözlük, presentados como una prueba de comprensión cultural de los modelos. 🔗 fuente
  • TRELLIS.2 en CUDA C++ — Suvaditya Mukherjee hizo que Claude reescribiera este modelo 3D en CUDA C++: 5,3 veces más rápido que la implementación en PyTorch, o 2,2 veces con resultados idénticos bit a bit, por unos 7 dólares de IA y 60 dólares de cómputo en H200. 🔗 fuente
  • AI Model Hacking Hackathon — VIDRAFT abre un concurso de red teaming de ViKernel en el navegador, en cuatro temporadas, dotado con 4 500 dólares. 🔗 fuente

Robótica

  • LeWAM — Kevork Sulahian pidió a GPT-6 Astra que corrigiera la política robótica LeWAM mediante la edición directa de sus pesos: en 300 condiciones de partida inéditas, ninguna de las siete ediciones supera a la política original (-2,3 a +3,0 puntos). 🔗 fuente
  • TartanGround para FiftyOne — Voxel51 convierte seis trayectorias de robot terrestre del conjunto de datos de CMU AirLab (hospital, puerto, marisma, ciudad japonesa, fábrica, centro urbano), con cámara, segmentación, lidar, pose e IMU. 🔗 fuente

IA de voz

  • PostNord y ElevenAgents — El operador postal nórdico sustituyó en unos 90 días su sistema de respuesta de voz sueco por un sistema multiagente: la proporción de llamadas resueltas sin transferencia pasa del 45 al 60 %, antes de una expansión a Dinamarca, Noruega y Finlandia. 🔗 fuente
  • Wonderful en Together AI — Wonderful sirve sus propios modelos de voz ajustados para idiomas con escasa cobertura en GPU NVIDIA dedicadas, únicamente en Europa, con 274 ms hasta la primera frase según Together AI. 🔗 fuente

Empresas e instituciones

  • Revolut y Codex — En un caso de estudio publicado por OpenAI, Revolut afirma haber reducido entre un 30 y un 60 % su tiempo de programación con Codex y encarga a un agente FinCrime controles de primer nivel, mientras la decisión final sigue en manos de una persona. 🔗 fuente
  • Grok Bots en SpaceXSI — Cinco Grok Bots se encargan del ciclo de facturación y cobro del equipo contable: una factura emitida en unos minutos en lugar de unas 24 horas y una conciliación de pagos reducida de 3 o 4 horas a 30 minutos, según SpaceXSI. 🔗 fuente
  • OpenAI for Chile — Memorando de entendimiento con el Ministerio de Ciencia de Chile para explorar la IA en la administración, la formación de funcionarios y el apoyo a startups, sin compromisos de inversión ni de compra. 🔗 fuente
  • Crunchbase en Cohere North — Tras PitchBook, los agentes de North acceden a más de siete millones de perfiles de empresas y a las predicciones de Crunchbase, para los clientes que tienen una licencia de Crunchbase e inicio de sesión único. 🔗 fuente
  • Guía de RAG de Perplexity — Una quinta guía desde octubre sobre generación aumentada por recuperación: beneficios, arquitecturas, casos de uso y diferencias con un LLM por sí solo, MCP o una API, sin novedades de producto. 🔗 fuente

Qué significa

El coste por tarea se convierte en el argumento principal de los lanzamientos de modelos. OpenAI no vende GPT-6.2 basándose en un récord aislado, sino en los puntos ganados con menos tokens y en una bajada del precio de Astra, y añade ventanas de ejecución de 2 y 8 horas más baratas para los agentes que pueden esperar. Microsoft presenta MAI Code 2 con el 96 % del rendimiento de Claude Opus 5.5 por el 5 % del coste, GitHub sitúa a Copilot Fusion por delante de Opus 5.5 y Fable 5.2 por un 88 % menos que Fable, y Perplexity muestra junto a cada puntuación de WANDR su coste por tarea. Estas comparaciones siguen siendo las de los proveedores, con sus condiciones: precio promocional para MAI Code 2, la mejor configuración de cada modelo en OpenAI, y Fable 5.2 que mantiene el liderazgo en el Intelligence Index y en FrontierCode 2.0.

Los agentes pasan de la tarea al objetivo. Devin Bots recibe una responsabilidad, Replit Missions un resultado que alcanzar dentro de un presupuesto, Gemini Tasks un encargo para llamar por teléfono y pagar, y Multiagent reparte un expediente entre un equipo de modelos. Las salvaguardas cambian de naturaleza con esta autonomía: límite de gasto y aprobaciones en el acuerdo de misión de Replit, límite de gasto y tiendas autorizadas en Gemini, una máquina virtual aislada por tarea y una bandeja «Needs You» en Cognition. Las cifras presentadas, como las 1 134 PR de Android Bot o las 19 veces del enjambre NumPy, son las de los proveedores en sus propios proyectos.

El modelo se vuelve intercambiable y el valor se desplaza hacia la capa que lo elige y lo factura. El Orchestrator de Perplexity alterna entre proveedores e incluso sortea los rechazos de un modelo encargando la tarea a otro, Multiagent y Copilot Fusion combinan modelos competidores, y la facturación vinculada de Claude Platform permite pagar la API de Anthropic desde Warp, Linear o Ramp sin entregar nunca una clave. En los modelos abiertos, la misma lógica funciona a pequeña escala: un simple adaptador LoRA más que duplica la puntuación de Qwen3.8-27B en las 51 tareas más difíciles de SWE-bench Pro dentro de un arnés determinado, y OVHcloud entrena Olala en superordenadores públicos europeos para no depender de los pesos publicados por otros.

La ciberseguridad sigue siendo el terreno donde estas capacidades preocupan y resultan útiles a la vez. GPT-6.2 alcanza el umbral Critical en ciberseguridad y, en el caso de Astra, el umbral High en automejora de la IA, lo que se traduce en salvaguardas más estrictas que también dificultan el trabajo de investigadores legítimos. Al mismo tiempo, la OTAN, la ENISA y la ANSSI utilizan los modelos de ciberseguridad de OpenAI, y el piloto MDASH de GitHub y Microsoft muestra que una alerta generada por IA solo ayuda a un mantenedor una vez clasificada, verificada y entregada con su corrección: 99 informes seleccionados entre miles de alertas, 55 de ellos ya corregidos.


Fuentes