Buscar

Google lanza Gemini 4 Neon, OpenAI afirma que retiene GPT-6.1 Astra, Genie 4 llega a Project Genie

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 ↗

Google lanza Gemini 4 Neon, un modelo situado entre Carbon e Hydrogen, con un precio de 3 y 15 dólares por millón de tokens, 1.º en el Artificial Analysis Coding Agent Index y nuevo modelo predeterminado de Antigravity. OpenAI indica que retiene modelos como GPT-6.1 Astra cuando necesita más tiempo para alcanzar sus estándares de seguridad, y muestra que sus modelos han conseguido hasta un 14 % de mejora de PPA en la IP de la GPU insignia de AMD. Genie 4 llega a Project Genie para los suscriptores de Google AI Ultra, Claude Code 2.1.327 corrige 100 problemas y Perplexity lanza una Context API a 1 dólar por 1 000 URL.


Gemini 4 Neon: el modelo intermedio de Google, a 3 y 15 dólares por millón de tokens

18 de noviembre — Google DeepMind lanza Gemini 4 Neon, nuevo modelo de la familia Gemini 4 tras Argon, Carbon e Hydrogen, situado entre Carbon, para los proyectos más largos y difíciles, e Hydrogen, para la ejecución rápida de las tareas cotidianas. El modelo gemini-4-neon está en disponibilidad general en la API de pago: 3 dólares por millón de tokens de entrada (0,15 dólares en caché), 15 dólares de salida, un contexto de 1 millón de tokens y cuatro niveles de razonamiento, de low a xhigh.

Índice o benchmark citado por GoogleResultado de Gemini 4 Neon
Artificial Analysis Intelligence Index61 en xhigh, 3.º en la clasificación general
Artificial Analysis Coding Agent Index58,6, 1.er puesto
Vals Index70,9 %, 2.º puesto
Agent Arena Index (Arena)1336, 2.º puesto
Terminal-Bench 4.165,2 %
SWE-sweep (arnés mini-SWE, después Antigravity)12,8 %, después 39,0 %

Google destaca sobre todo el coste por tarea: en high, un 32 % menos que Carbon, y entre un 50 y un 80 % menos que los mejores modelos de la competencia en Vals y Agent Arena. Glean afirma haber medido una calidad igual o superior a Carbon, tres veces más rápido y por el 60 % del coste. Sin embargo, por token, Neon sigue siendo más caro que Carbon, que mantiene su precio de lanzamiento de 2 y 10 dólares hasta el 30 de noviembre antes de pasar a 4 y 20 dólares. Una variante «Gemini 4 Neon for cyber» llegará en los próximos días a los defensores del Fairwind Program.

El despliegue comienza ese mismo día: API de pago (AI Studio, Android Studio), Gemini for business, aplicación Gemini para los suscriptores de Google AI Pro y Ultra, donde las Tasks ya pueden ejecutarse en Neon, y Antigravity para los suscriptores de pago de Pro y Ultra. Allí, Neon se convierte en el modelo predeterminado de las nuevas conversaciones cuando no se ha elegido ningún modelo, con un contexto de 512K tokens, y la opción Orchestrator (Neon) le asigna la planificación y deja la ejecución a Hydrogen.

Gemini 4 Neon is rolling out now. Sitting between Carbon and Hydrogen, it brings frontier intelligence and fast task completion for complex software engineering, knowledge work, and science.

🇪🇸 Gemini 4 Neon se está desplegando. Situado entre Carbon e Hydrogen, aporta inteligencia de vanguardia y una ejecución rápida de tareas para la ingeniería de software compleja, el trabajo intelectual y la ciencia. — @GoogleDeepMind en X

🔗 Artículo de Google sobre Gemini 4 Neon · Modelos disponibles en Antigravity


Seguridad de los modelos de vanguardia: OpenAI detalla su gestión del riesgo y afirma que retiene GPT-6.1 Astra

18 de noviembre — El artículo de OpenAI sobre su gestión del riesgo de los modelos de vanguardia comienza con un modelo retenido:

We are pacing the development and release of our models, including pausing internal training or holding back models like GPT‑6.1 Astra when we need more time to meet our safety standards.

🇪🇸 Ajustamos el ritmo de desarrollo y lanzamiento de nuestros modelos, hasta el punto de suspender entrenamientos internos o retener modelos como GPT-6.1 Astra cuando necesitamos más tiempo para alcanzar nuestros estándares de seguridad. — OpenAI, artículo sobre la gestión del riesgo de los modelos de vanguardia

El artículo no ofrece más detalles sobre este modelo. El marco combina cuatro capas de protección en tres etapas. En investigación, el entrenamiento de vanguardia se realiza sin acceso a Internet real desde el incidente de Hugging Face de julio; toda inferencia de vanguardia está supervisada, con una pausa automática si un modelo accede a Internet. En el despliegue interno, donde los modelos acceden a Internet, a Slack y al código de OpenAI, por lo general se exige Auto-Review a los empleados que utilizan Codex. En el despliegue externo se añaden pruebas de terceros y un control sin conexión por parte de investigadores agénticos y humanos. Cualquier empleado puede notificar un incidente para que se haga público.

🔗 Anuncio de OpenAI en X


Diseño de chips: los modelos de OpenAI mejoran hasta un 14 % la PPA de una GPU insignia de AMD y el chip Jalapeño

18 de noviembre — Junto con AMD, los modelos de OpenAI han conseguido hasta un 14 % de mejora de la PPA (potencia, rendimiento y superficie) en la IP de la GPU insignia de AMD, frente a referencias ya muy optimizadas, al reescribir el código que describe los circuitos (RTL SystemVerilog). AMD ya ha integrado parte de estos cambios en un diseño enviado a fabricación, y cada reescritura se verifica con las herramientas de Synopsys.

Chip o banco de pruebas afectadoResultado anunciado por OpenAI
IP de la GPU insignia de AMDhasta un 14 % de mejora de PPA, en menos de 5 meses
Futura CPU insignia de AMDmejoras de un dígito en bloques clave
Jalapeño, unidad vectorialaproximadamente un 13 % menos de superficie de celdas
Jalapeño, unidad matricialaproximadamente un 10 % menos de superficie de celdas

En Jalapeño, el chip de inferencia de OpenAI, las mejoras estimadas por el equipo se han confirmado en el silicio. Próximo paso: GPT-Synopsys, un modelo entrenado con Synopsys para sus herramientas de diseño electrónico.

🔗 Artículo de OpenAI sobre el diseño de chips


Mundos y vídeo interactivos: Genie 4 en Project Genie, Pika Enact

Genie 4 llega a Project Genie para los suscriptores de Google AI Ultra

18 de noviembre — Genie 4, el modelo de mundo presentado el 27 de octubre como avance de investigación, pasa a estar disponible en una nueva versión de Project Genie para los suscriptores de Google AI Ultra que cumplan los requisitos; los miembros de Google AI Pro pueden apuntarse a una lista de espera. El mundo se modifica mientras uno se desplaza por él al escribir un nuevo prompt (clima, personaje), con audio nativo en tiempo real. Un agente construye un mundo a partir de una simple descripción y, después, Gemini sugiere y desencadena eventos durante la exploración. Una galería de la comunidad permite descubrir, remezclar y publicar mundos. Genie 3 sigue disponible, con sesiones de 3 minutos por generación en lugar de 60 segundos y puntos de partida a partir de una imagen panorámica de 360 grados. Todo el contenido generado lleva la marca de agua SynthID.

🔗 Artículo de Google sobre Genie 4 en Project Genie

Pika Enact: dirigir a los actores, la puesta en escena y la cámara de un vídeo que sigue reproduciéndose

18 de noviembre — Pika presenta Enact, un avance de investigación basado en Pika H3 Flex, que genera imagen y sonido en fragmentos de menos de un segundo mientras la escena sigue reproduciéndose.

Modo de interacciónRendimiento anunciado por Pika
Puesta en escena en directo (Live Staging)sujetos desplazados con el ratón, imagen que responde en menos de 0,4 s en H100
Dirección de actores (Live Actor Direction)agentes con memoria, imagen y sonido 1,75x más rápido que la reproducción
Control de cámara (Live Camera Control)8 GPU B300, 640x480 a 24 i/s, 1,50x el tiempo real

Se habla con los actores, que responden con su propia voz, y después, al decir «Acción», el ensayo se reescribe como una toma continua que se retoma desde el primer fotograma. Una destilación reduce el muestreo de veinte pasos de eliminación de ruido a unos pocos. Enact no está abierto al público: las pruebas e integraciones se gestionan a través del equipo empresarial de Pika, sin precio ni fecha.

🔗 Artículo de Pika sobre Enact


Asistentes para el público general: dictado en directo en ChatGPT, Perplexity en el móvil y skills escritos por Brain, Gemini en Android Go

ChatGPT muestra el dictado mientras se habla y elimina el límite de 10 minutos

18 de noviembre — El dictado por voz de ChatGPT pasa a funcionar en directo con Live Dictation: la voz se muestra como texto mientras se habla, en lugar de aparecer una vez terminada la transcripción del mensaje. Un toque o un clic en la forma de onda muestra u oculta el texto en curso. OpenAI también elimina el límite de 10 minutos de grabación. La función se está desplegando en todo el mundo para todos los planes de ChatGPT, en iOS, Android, la web y la aplicación de escritorio. La retirada de Advanced y Standard Voice prevista para el 11 de diciembre ya se había tratado aquí el 11 de noviembre.

🔗 Notas de la versión de ChatGPT

Perplexity habilita Teammates y Multiagent en iOS y Android, con voz

18 de noviembre — Los Teammates, agentes personales que se encargan de un trabajo continuo en Computer (lanzados el 5 de noviembre en la web y el 13 en Mac), y Multiagent, el nivel de esfuerzo en el que varios agentes de distintos modelos trabajan en equipo (habilitado el día anterior en la web), llegan a la aplicación Perplexity en iOS y Android. El móvil aporta una función propia: los Teammates se controlan por voz. Según Perplexity, aproximadamente un tercio del trabajo más exigente de Computer ya se inicia en iPhone. Todo está disponible desde el 18 de noviembre para los suscriptores Max; el tuit no especifica el coste en créditos ni su disponibilidad para los planes Enterprise.

🔗 Anuncio de Perplexity en X

Perplexity Brain escribe y corrige por sí mismo skills personales

18 de noviembre — Perplexity detalla cómo Brain, la memoria de Computer, escribe y mejora skills, instrucciones reutilizables para tareas recurrentes. A partir de la memoria y del historial de un usuario, un proceso diario crea o corrige skills personales, sin acceso a internet ni a los conectores, con un límite de 10 skills creados automáticamente por usuario. Los skills integrados, comunes a todos, pasan por una reproducción comparativa de las dos versiones y después por una revisión humana. Se escribieron más de 80 000 skills personales para más de 20 000 usuarios entre el 1 de agosto y el 14 de noviembre. En una prueba aleatorizada de ocho semanas, los fallos en las llamadas a herramientas disminuyen un 11 % y la insatisfacción un 7,6 %, sin efecto medible sobre el coste; en SkillLearnBench, la tasa de éxito pasa del 43,8 al 62,5 %. La función está disponible para todos los suscriptores Max en Estados Unidos, activada por defecto y con opción de desactivarla.

🔗 Artículo de Perplexity sobre los skills que mejoran solos

La aplicación Gemini llega a los teléfonos Android con poca memoria

18 de noviembre — Google ha rediseñado la arquitectura de la aplicación Gemini para que funcione en teléfonos Android con poca memoria, incluidos los dispositivos Android (Go edition) que cumplan los requisitos, que hasta ahora se limitaban a comandos de voz básicos. Para cientos de millones de personas, recuerda Google, este tipo de teléfono es el vínculo cotidiano con internet, la educación y el comercio. Las funciones destacadas: Gemini Live en más de 45 idiomas, la cámara apuntando a unos apuntes o a un formulario para aprender o traducir, y la creación de imágenes con Nano Banana. La aplicación se descarga desde Google Play o se abre con una pulsación prolongada del botón de encendido, y vendrá preinstalada en futuros dispositivos de socios como Transsion. El artículo no especifica un umbral de memoria ni una lista de países.

🔗 Artículo de Google sobre Gemini para teléfonos con poca memoria


Agentes de código: Claude Code 2.1.327, el bucle de caos de Claude Docs, el sandbox de Codex, Vibe CLI 3.1.3, VS Code 1.147 y Replit en Ignite

Claude Code 2.1.327 lee la configuración MCP desde stdin y convierte /status en un diagnóstico

17 de noviembre — Claude Code 2.1.327 incluye 173 entradas, entre ellas 100 correcciones. claude mcp add-json <nom> - lee la configuración de un servidor MCP desde la entrada estándar, para mantener los tokens fuera de la línea de comandos. /status ahora enumera los archivos de agentes, skills, comandos y estilos de salida que presentan problemas, los ajustes de permisos ignorados y los hooks cuyo filtro (matcher) nunca coincide con nada. Varias correcciones evitan pérdidas de datos: Remote Control en modo worktree podía borrar los archivos ignorados por git, como .env; claude mcp add y remove borraban otras claves de .mcp.json; y /export sobrescribía un archivo sin preguntar. Cabe señalar que, para acelerar el primer comando Bash, los archivos de inicio del shell pueden ejecutarse antes de su aprobación, incluso si se deniega (CLAUDE_CODE_DISABLE_SHELL_HEAD_START=1 lo desactiva). El modo auto anuncia que una próxima versión eliminará el recurso al clasificador de pago. En npm, la versión estable sigue siendo la 2.1.311.

🔗 Claude Code v2.1.327

Cómo Claude Code puso a prueba Claude Docs en un bucle de caos antes de su lanzamiento

17 de noviembre — En el blog claude.dev, Vivek Nair relata el bucle de caos (chaos loop) encargado a Claude Code antes del lanzamiento de Claude Docs, el 16 de septiembre. Durante unas dos semanas, una sesión coordinadora, con hasta 30 subagentes, provocó fallos deliberadamente en un entorno de preproducción (staging) que replicaba el de producción, leyó la telemetría mediante el MCP de Datadog, y después desplegó una corrección y volvió a ejecutar la prueba. Las decisiones difíciles de deshacer seguían en manos de una persona.

Indicador del lanzamiento de Claude DocsCifra publicada
Memoria de un documento grandeunos 3 Go, después unos 180 Mo
Pods previstos para el lanzamientounos 50 en lugar de más de 500
Errores del servidor60 en 2 000 millones de solicitudes
Coste de inferencia (precio de catálogo de Fable 5.2)unos 125 000 dólares

El autor utilizó un modelo de investigación interno cercano a Claude Fable 5.2 y estima, sin haberlo probado, un coste de entre 3 000 y 10 000 dólares para un equipo pequeño durante dos semanas.

🔗 Artículo de claude.dev sobre el bucle de caos

OpenAI detalla el entorno aislado de Codex, sus perfiles de permisos y su proxy de red

18 de noviembre — En un artículo de Michael Bolin, OpenAI explica por qué Codex no utiliza ni una máquina virtual ni un contenedor: restringe cada comando con las protecciones nativas del sistema para conservar el entorno del desarrollador (un contenedor Docker le privaría del simulador de iPhone). El perfil predeterminado :workspace permite escribir en el repositorio, mantiene .git y .codex en modo de solo lectura y bloquea la red. El artículo reconoce sus limitaciones: los archivos sensibles fuera del repositorio siguen siendo legibles, y un agente podría introducir código en node_modules/prettier, que el editor ejecutaría fuera del entorno aislado. Los perfiles de permisos se describen en config.toml, el proxy codex-network-proxy filtra por dominio y solo resuelve el DNS tras la autorización, y codex sandbox aísla otras herramientas, como un servidor MCP.

Sistema operativoMecanismo utilizado por Codex
macOSSeatbelt (sandbox-exec)
Linuxbubblewrap y seccomp-bpf
Windowsbiblioteca MXC de Microsoft, en proceso de adopción

🔗 Artículo de OpenAI sobre el entorno aislado de Codex

Vibe CLI 3.1.3 establece Mistral Large 4 como modelo predeterminado y añade /goal

18 de noviembre — Ocho días después de la 3.1.2, Mistral publica Vibe CLI 3.1.3 (78 entradas: 13 incorporaciones, 20 cambios, 44 correcciones, 1 eliminación). Mistral Large 4 se convierte en el modelo predeterminado en lugar de Mistral Medium 3.5; active_model = "mistral-medium-3.5" permite conservar el anterior. El comando /goal establece un objetivo que Vibe persigue de un turno a otro hasta alcanzarlo, con un presupuesto de tokens que puede limitarse (max_goal_token_budget). Dos hooks intervienen en cada llamada al modelo: pre_llm puede detener el turno y post_llm puede solicitar otro intento, dentro del límite de tres intentos por turno compartidos con post_agent. En cuanto a las protecciones, un comando shell que lee archivos protegidos requiere aprobación, la configuración de un proyecto ya no puede reactivar la telemetría y una instalación conectada a un servidor autoalojado ya no envía informes de fallos a Mistral.

🔗 Notas de la versión de Vibe CLI 3.1.3

VS Code 1.147 añade enrutadores de modelos y permite a las empresas autorizar los arneses Claude y Codex

18 de noviembre — VS Code 1.147 introduce enrutadores de modelos (model routers) experimentales para las sesiones del arnés Copilot: un archivo YAML ubicado en ~/.agents/model-routers/ describe qué modelo utilizar para cada tipo de trabajo, y el modelo de decisión gpt-6-luna-decisions dirige cada solicitud a la ruta adecuada. El ejemplo de las notas asigna las tareas largas de código a Opus y las preguntas rápidas a GPT-6 Luna. En el ámbito empresarial, se elimina una limitación: hasta ahora, cualquier ajuste gestionado de Copilot desactivaba los arneses Claude y Codex, que no aplican esos ajustes. Los administradores ahora pueden autorizar uno o ambos mediante vscode.allowedHarnesses, en ajustes gestionados por archivo o por MDM. Las reglas shell gestionadas también aceptan expresiones regulares, y la ventana Agents incorpora el envío diferido (Send Later) y varios borradores en paralelo. VS Code desktop queda marcado como obsoleto en macOS Ventura y Sonoma y en Linux ARM de 32 bits.

🔗 Notas de VS Code 1.147

Replit en Microsoft Ignite: acceso local y Teams en disponibilidad general, publicación en Azure en acceso anticipado

18 de noviembre — Replit aprovecha Microsoft Ignite para ampliar su colaboración con Microsoft y afirma haber sido nombrado 2026 Microsoft Partner of the Year for Startups.

Integración de MicrosoftEstado a 18 de noviembre
Acceso local de Replit Desktop (Windows, Mac, Linux)disponibilidad general
Replit en Microsoft Teamsdisponibilidad general
Publicación en el tenant de Azure, a través de Microsoft Marketplaceacceso anticipado
Full BYOC en Azureanunciado, sin fecha

El acceso local permite al Agent trabajar en las carpetas elegidas por el usuario, dentro de un entorno aislado basado en Microsoft Execution Containers; las aplicaciones locales pueden utilizar los modelos Microsoft Foundry Local, ejecutados en el dispositivo. En Teams, se hacen preguntas a Replit y se inician tareas desde una conversación de equipo. En Azure, Replit gestiona el alojamiento y las aplicaciones publicadas pueden conectarse a bases de datos privadas a través de la red de la empresa o de una VPN. No se comunica ningún precio.

🔗 Artículo de Replit sobre Microsoft Ignite


Modelos abiertos e inferencia: Rumble-2-Flash, Nemotron-Labs-Sigma, el adaptador OpenCode de Qwen3.8-27B y un MoE de 180B en un Mac de 32 Go

Reson8 publica Rumble-2-Flash, un modelo de reconocimiento de voz de 0,5B para más de 40 idiomas

18 de noviembre — Reson8 publica bajo licencia Apache 2.0 Rumble-2-Flash, un modelo de reconocimiento de voz de 0,5 mil millones de parámetros para más de 40 idiomas. Basado en la arquitectura de Qwen3-ASR, funciona sin modificaciones en Transformers y vLLM. Se obtiene mediante destilación sobre la política (on-policy distillation) de Rumble-2, el modelo de producción de Reson8.

Banco de evaluaciónModelo comparadoTasa de error medida
Open ASR Leaderboard, multilingüeRumble-2-Flash (0,5B)6,96 % de media
AppTek, centro de llamadas (302 h)Rumble-2-Flash (0,5B)7,86 % de WER
AppTek, centro de llamadas (302 h)Nemotron 3.5 Transcribe (30B)7,78 % de WER
AppTek, centro de llamadas (302 h)Qwen3-ASR 1.7B7,4 % de WER

En la categoría multilingüe, supera a omniASR-LLM 7B de Meta, quince veces más grande, y a Whisper large-v3. Supera los 7 000 RTFx con lotes completos, lo que equivale a transcribir aproximadamente una hora de audio en medio segundo.

🔗 Artículo de Hugging Face sobre Rumble-2-Flash

NVIDIA publica Nemotron-Labs-Sigma, 14 modelos de lenguaje de difusión continua con pesos abiertos

18 de noviembre — NVIDIA destaca Nemotron-Labs-Sigma, cuyos pesos, publicados en Hugging Face, se anunciaron el 16 de noviembre. Estos modelos no generan el texto token a token, sino en bloques producidos en paralelo: cada bloque parte de ruido gaussiano y se va definiendo mediante la eliminación de ruido.

Elemento publicadoValor anunciado
Tamaños y puntos de control3B y 8B, 14 repositorios (base, instruct, variantes destiladas)
Espacio de difusiónembeddings continuos de 16 dimensiones
Aceleración tras la destilaciónaproximadamente 8x en matemáticas, 4x en código
Contexto e idioma8 192 tokens, inglés
LicenciaNVIDIA Nemotron Open Model License

Según el artículo de investigación, estos modelos superan a los modelos de difusión discreta y a las referencias autorregresivas en GSM8K, Minerva, HumanEval y MBPP, con las mejoras más claras en código. Una vez destilados, producen 8 tokens por pasada en matemáticas y 4 en código, con una pérdida de precisión que los autores consideran insignificante.

🔗 Anuncio de @NVIDIAAI en X · Artículo arXiv 2610.02665

harness-hub publica el adaptador OpenCode de Qwen3.8-27B y reevalúa el adaptador pi con un 64,7 %

18 de noviembre — El proyecto harness-hub publica Qwen3.8-27B-opencode-adapted, un adaptador LoRA bajo Apache 2.0 entrenado mediante aprendizaje por refuerzo en el arnés del agente de código OpenCode.

Configuración evaluada (arnés OpenCode)SWE-bench Pro (hard 51)Terminal-Bench 2.1 (83 tareas)
Qwen3.8-27B35,3 %47,0 %
Qwen3.8-27B, reflexión xhigh47,1 %55,4 %
Qwen3.8-27B-opencode-adapted51,0 %53,0 %

Sin reflexión, el adaptador iguala al modelo base configurado con su esfuerzo máximo escribiendo entre 6 y 8 veces menos tokens por tarea. En Terminal-Bench 2.1, la ficha indica una mejora global de 6,0 puntos (p = 0,38), y del 45,5 al 59,1 % en las 66 tareas que no se utilizaron para elegir el punto de control. El equipo también ha reevaluado el adaptador pi: del 39,2 al 64,7 % en SWE-bench Pro, frente al 29,4 al 62,7 % anunciados el día anterior y tratados aquí el 17 de noviembre.

🔗 Ficha de Qwen3.8-27B-opencode-adapted · Ficha del adaptador pi

Un MoE de 180B en un MacBook de 32 Go con Transformers, a un 6 % de Strata

18 de noviembre — Tarek Ziadé, de Hugging Face, ejecuta Qwen3.8-Flash-Next, un modelo de mezcla de expertos de 180 mil millones de parámetros, en un MacBook M5 de 32 Go, solo con Transformers. El principio: mantener en memoria una caché de expertos de 12 Gio y leer desde el SSD, en cada token, únicamente los expertos seleccionados por el enrutador, cuantizados a 3 bits (49 Go en disco).

Medición en MacBook M5 (32 Go)Transformers (streaming)Strata 0.1.60
Decodificación, 200 tokens13,9 tokens/s14,8 tokens/s
Prellenado, prompt de 4K228 tokens/s220 tokens/s
Decodificación tras un documento de 6K12,4 tokens/s13,7 tokens/s

El código está en una solicitud de incorporación de cambios de Transformers (PR 50717) que sigue abierta: todavía no es una función publicada. El autor precisa que todo el código se ha escrito con IA y que el resultado sigue siendo demasiado lento para sus agentes de código.

🔗 Artículo de Hugging Face sobre el streaming de expertos


Clasificación: Muse Ember de Meta por delante de GPT-6 Luna y Claude Haiku 5.5 en Agent Arena, con 27 segundos y 1,9 céntimos por tarea

18 de noviembre — Arena publica los resultados de Muse Ember, lanzado por Meta el 9 de noviembre, en Agent Arena, su banco de evaluación basado en sesiones reales de usuarios, frente a otros dos modelos eficientes diseñados para el trabajo real. Meta ha compartido el hilo.

Medición de Agent ArenaMuse Ember (Max)GPT-6 Luna (Max)Claude Haiku 5.5 (High)
Tiempo por tarea27 s5,8 min1,9 min
Mejora neta+2,3 %+1,4 %+0,4 %
Coste por tarea1,9 cent7,0 cents6,9 cents
Puntuación de dirección (trabajo global)+11,2 %+3,9 %+3,8 %

Según Arena, Muse Ember es aproximadamente 13 veces más rápido que GPT-6 Luna y cuesta menos de un tercio que cualquiera de los otros dos. La puntuación de dirección (steering score), medida en miles de sesiones, es mayor cuanto menos necesita el usuario corregir al modelo. Son mediciones de Arena, un evaluador externo.

🔗 Hilo de Arena en X


API para agentes: Perplexity lanza la Context API, que lee hasta 10 URL por llamada

17 de noviembre — Perplexity añade la Context API a su plataforma para desarrolladores, publicada el 18 de noviembre según el hilo de @perplexitydevs. Lee hasta 10 URL por llamada y devuelve para cada página Markdown limpio, el HTML, los enlaces y fragmentos seleccionados según una consulta. Los fragmentos reproducen el texto original, no un resumen, y un modelo separa el contenido principal de los menús y los anuncios. De forma predeterminada, la API utiliza la copia del índice de Perplexity si tiene menos de dos días; de lo contrario, lee la página en directo; max_age_seconds en 0 fuerza la lectura en directo y cache_only la impide.

Criterio medido por PerplexityResultado de la Context API
URL con contenido utilizable92,3 %
Cobertura de los hechos clave87,9 %
Precisión del contenido80,3 %
Tarifa1 dólar por 1 000 URL recuperadas

Perplexity se ha comparado con Firecrawl, Exa, Parallel, Keenable y Context.dev en 715 sitios, con un modelo que actúa como juez a ciegas, pero solo ofrece sus puntuaciones en un gráfico. Los fallos no se facturan.

🔗 Artículo de Perplexity sobre la Context API · Hilo de @perplexitydevs en X


Agentes empresariales: ChatGPT for Sales y ElevenAgents for Healthcare

OpenAI lanza ChatGPT for Sales, con un plugin Sales y más de 30 plugins de socios

17 de noviembre — OpenAI lanza ChatGPT for Sales para los equipos de ventas: un nuevo plugin Sales, con flujos listos para usar (elegir las cuentas para la prospección, preparar una llamada, redactar el mensaje de seguimiento), y más de 30 plugins de socios nuevos o mejorados. Cubren todo el ciclo de ventas: CRM (Salesforce, HubSpot, Close, monday CRM, Attio), prospección (Apollo, Clay, Common Room, ZoomInfo), notas de llamadas (Gong, Otter.ai, Granola), presentaciones (Gamma, Figma, Canva) y contratos (Docusign, Ironclad, PandaDoc, ServiceNow CPQ). Los dots, los agentes permanentes de ChatGPT, pueden utilizarlos para preparar informes previos a las reuniones o hacer un seguimiento de las oportunidades comerciales; con Rox, un dot puede revisar una oportunidad cada mañana. Los administradores de ChatGPT Business y Enterprise activan estos plugins desde la Admin Console, con la posibilidad de instalarlos de forma predeterminada, y la disponibilidad varía según el plan y la región. OpenAI no indica ningún precio.

🔗 Artículo de OpenAI sobre ChatGPT for Sales

ElevenLabs lanza ElevenAgents for Healthcare, agentes de voz para la salud

18 de noviembre — Al día siguiente de Scribe v3 Live Medical, ElevenLabs reúne sus componentes de salud en ElevenAgents for Healthcare: agentes de voz que programan, aplazan o cancelan citas en la historia clínica del centro, comprueban reembolsos y autorizaciones previas, y atienden a los pacientes las 24 horas del día. Una consulta sobre un síntoma se deriva a un profesional sanitario junto con el contexto de la llamada, y los despliegues son elegibles para HIPAA en el caso de los clientes Enterprise que firman un BAA y activan el Zero Retention Mode.

Indicador citado por ElevenLabsResultado anunciado
Cadence, tiempo mediano para contactar con un pacientede casi 2 horas a 3,5 minutos
Angle Health, llamadas de profesionales sin transferenciamás del 90 %
Scribe v3 Live Medical en PriMock57 (pruebas internas)17 % menos errores que el siguiente modelo

Banner Health, Pfizer y AstraZeneca también figuran entre los equipos citados. Una plantilla Healthcare Receptionist permite empezar y no se publica ningún precio.

🔗 Artículo de ElevenLabs sobre ElevenAgents for Healthcare


Prensa: el Groupe Figaro incorpora su periodismo a ChatGPT

18 de noviembre — Dos días después de la división de medios de LVMH, el Groupe Figaro firma una alianza estratégica con OpenAI. Los artículos recientes y los archivos de Le Figaro y sus publicaciones asociadas (actualidad, economía, cultura, estilo de vida) estarán disponibles en ChatGPT en forma de resúmenes y extractos, con enlaces a los artículos. El diario conserva su independencia editorial. Marc Feuillée, director general del grupo, destaca una redacción de más de 600 periodistas. Le Figaro también prevé desplegar ChatGPT Enterprise en varios equipos y explorar otros usos en el marco de su carta de principios sobre IA. No se han comunicado el importe ni la duración.

🔗 Anuncio de la alianza por OpenAI


Breves

Google

  • Antigravity CLI 1.5.10 y 1.5.11 — La 1.5.10 añade un modo accept-edits a los agentes remotos (--remote-agent): en el modo predeterminado, el agente remoto solicita ahora aprobación antes de cada modificación de un archivo. También abre Orchestrator (planificación con Carbon, ejecución con Hydrogen) a las cuentas Gemini Enterprise. 🔗 fuente
  • Gemini CLI — Cinco correcciones integradas en la rama principal, todavía sin una nueva versión desde el 10 de noviembre: un comando shell con una expansión sin resolver mantiene la solicitud de confirmación, y las reglas commandPrefix y commandRegex solo se aplican ya al comando de primer nivel. 🔗 fuente
  • Escaparate de Gemini 4 Carbon — Google publica cinco creaciones de la comunidad con Carbon, entre ellas una pradera de 52 000 flores programada en CUDA, 1 048 576 partículas simuladas en WebGPU y un laboratorio de óptica del siglo XIX con 92 instrumentos recreado a partir de una sola imagen. 🔗 fuente
  • EmbeddingGemma 2 — Un artículo presenta el informe técnico del modelo de embeddings, disponible en arXiv desde el 27 de octubre, con un vídeo de cinco minutos; según los autores, el modelo supera a modelos entre 2 y 12 veces más grandes. 🔗 fuente

Agentes de código y herramientas de desarrollo

  • Zed 1.29 y 1.30 — La 1.29 pasa a estable con el modo de rama del Git Panel y Claude Fable 5.2 en BYOK; la versión preliminar 1.30 añade GPT-6.1 Terra, el esfuerzo Extra High de Gemini 4 Hydrogen y el contexto completo de los modelos Copilot cuando no se aplica ningún coste adicional. 🔗 fuente
  • Codex CLI 0.170.0 — Las llamadas de voz en tiempo real desde el terminal negocian su conexión mediante WebRTC, las cabeceras OpenTelemetry se actualizan automáticamente y se corrigen varios fallos que hacían perder las restricciones del sandbox; según el changelog de Codex del 17 de noviembre, los suscriptores Pro 500 pueden utilizar Ultrafast con GPT-6.2 Sol y Astra. 🔗 fuente · 🔗 changelog de Codex
  • Copilot SDK 2.0.1 y Copilot CLI 1.0.114 — El SDK vuelve a aceptar las importaciones @github/copilot-sdk y los formatos antiguos de opciones de las extensiones existentes, y añade la selección de GPT-6.2 Sol y Astra; Copilot CLI 1.0.114 se publica con unas notas que solo incluyen una mención genérica a correcciones y cambios. 🔗 fuente
  • Plugins de Copilot por equipo — Ya disponibles de forma general en Copilot Business y Enterprise, los responsables de los equipos y los propietarios de las organizaciones eligen Agent Plugins aprobados, activados por defecto para los miembros directos en VS Code, la aplicación GitHub Copilot y Copilot CLI. 🔗 fuente
  • GitHub Agentic Workflows 1.3.1 — Esta versión preliminar excluye los hosts de las API directas de los modelos del acceso de red predeterminado (Claude exige autorizar api.anthropic.com), elimina el motor experimental Atomic y distribuye en el tiempo las ejecuciones programadas recurrentes. 🔗 fuente
  • DeepSeek Harness 0.2.2-rc.5 — Con los modelos DeepSeek, el agente de código utiliza la búsqueda web de DeepSeek del lado del servidor, sin facturación por búsqueda; los demás modelos recurren a la API DeepSeek Search. 🔗 fuente
  • Replit Missions en acción — Según Replit, Missions ha recorrido más de 1 000 flujos de la principal plataforma de firma electrónica para empresas y después los ha reconstruido en TernSign, publicado gratuitamente como versión preliminar; en Replit Slides, 6 iteraciones mejoraron un 20 % la puntuación de diseño por menos de 500 dólares. 🔗 fuente · 🔗 Replit Slides

API y plataformas

  • Panel de uso de la API de OpenAI — La pestaña Analytics muestra el uso y los gastos, los límites de tasa y las solicitudes limitadas, así como los errores por modelo, proyecto o clave de API. 🔗 fuente
  • Residencia de los datos de la API de OpenAI — Los propietarios de organizaciones que cumplen los requisitos eligen la región de sus datos al crear un proyecto, sin una solicitud aparte de retención cero; según la guía, la región ya no puede cambiarse después y los puntos de acceso regionales cuestan un 10 % más para los modelos elegibles publicados desde el 5 de marzo de 2026. 🔗 fuente · 🔗 guía
  • Agents SDK Python 0.25.0 — Primera versión estable desde mediados de octubre: se retira el proveedor de sandbox Runloop, cambia el formato de los puntos de control Pydantic y la compactación de las sesiones Responses pasa a utilizar GPT-6 Luna por defecto. 🔗 fuente
  • API de Perplexity — Los modelos pplx-embed-v2-context llegan a la Embeddings API (0,12 dólares por millón de tokens de texto para el 9b, 0,02 dólares para el 0.6b), y la Agent API añade GPT-6.2 Sol (2 y 10 dólares por millón de tokens) y GPT-6.2 Astra (8 y 40 dólares) con hasta 272 000 tokens de entrada. 🔗 fuente
  • Together AI — DeepSeek-V4.1-Flash-1017 se incorpora a Together Post-Training: SFT o aprendizaje por refuerzo con datos, recompensas y entornos propios, manteniendo el bucle de entrenamiento en el código Python del cliente. 🔗 fuente
  • Qwen4-Max — Qwen difunde la llegada del modelo a TokenHarbor y a Runware, que lo ofrece con un contexto de 1 millón de tokens y hasta 128 000 tokens de salida. 🔗 fuente · 🔗 Runware
  • GPT-6.2 en Genspark — GPT-6.2 Sol llega a AI Chat y al Code Agent, y GPT-6.2 Astra solo al Code Agent. 🔗 fuente

Asistentes y aplicaciones

  • Claude Desktop — Un canal de actualizaciones Latest, que se activa en Settings > Desktop app en Windows y Mac, ofrece versiones más frecuentes, aunque a veces menos fiables; Stable sigue siendo el canal predeterminado. 🔗 fuente
  • Grok Bot — El agente de SpaceXSI ya puede reservar vuelos, hoteles y coches de alquiler buscando la mejor oferta; el tuit no menciona países, planes ni socios de reservas. 🔗 fuente
  • Kimi Work 3.2.28 — Instrucciones del proyecto en un AGENTS.md propio del proyecto, inicio de sesión mediante SSO empresarial, panel de resumen de la conversación y presentaciones entregadas por defecto en PPTX. 🔗 fuente
  • Degradación del contexto — Perplexity publica una guía sobre la pérdida de precisión de un agente cuando su contexto se llena (context rot) y recuerda cómo Computer la limita: subagentes, archivos de trabajo y compresión del contexto según la consulta. 🔗 fuente

Imagen, vídeo y audio

  • Kling Image 4.0 en servicios de terceros — Un día después de su lanzamiento, el modelo llega a fal, Runware y eachlabs, así como a AI Media Studio y al AI Image Agent de Genspark (8K nativo, 2 000 caracteres de texto por imagen). 🔗 fuente · 🔗 Runware · 🔗 eachlabs · 🔗 Genspark
  • MAI-Image-2.7 en Genspark — Los modelos de imagen MAI-Image-2.7 y MAI-Image-2.7-Flash de Microsoft AI llegan a Genspark, con una mejor representación del texto dentro de la imagen. 🔗 fuente
  • Suno MCP para todos — El servidor MCP de Suno, en beta previa inscripción desde el 28 de octubre, se abre a todos: las canciones y, ahora, los elementos visuales se crean desde ChatGPT, Claude, Gemini, Claude Code o Cursor, sin clave API y con los créditos de Suno. 🔗 fuente
  • Synthesia en Claude — Synthesia detalla su conector: el agente Syren crea vídeos desde la conversación, para los planes Starter, Pro y Enterprise, con los créditos de Synthesia; según la empresa, Syren se basa en Opus 5.5. 🔗 fuente
  • Runway AI Festival 2027 — Inscripciones abiertas hasta el 5 de abril de 2027 en cinco categorías (cine, publicidad, moda, videojuegos, diseño), con proyecciones de gala en Nueva York, Los Ángeles y Tokio. 🔗 fuente

Modelos abiertos, datos e investigación

  • NVIDIA Cosmos Data Factory — NVIDIA cuantifica el coste de cómputo de sus blueprints de datos para la IA física en unos 2,66 dólares por clip de conducción en un servidor con ocho RTX PRO 6000, e indica que Cosmos Dataset Search ya es open source bajo Apache 2.0. 🔗 fuente
  • ANEMLL — Una versión de investigación reparte Qwen3.8-27B entre el Neural Engine y la GPU de un Mac M6: un prompt de 64K pasa de unos cinco minutos a dos minutos y medio frente al uso exclusivo del Neural Engine; exige desactivar SIP. 🔗 fuente
  • Samdei Type — Dos modelos pequeños bajo Apache 2.0 (7,1M y 18,2M de parámetros) convierten el jemer escrito en letras latinas a escritura jemer, con una tasa de error por carácter de 0,052 frente a 0,066 del mejor modelo abierto existente, según el autor. 🔗 fuente
  • ViKernel Scanner — VIDRAFT publica un escáner open source que proporciona herramientas ficticias a los modelos: los 20 modelos abiertos evaluados reciben la nota F, y el modelo situado en la mediana intenta una acción peligrosa en 40 de cada 100 pruebas. 🔗 fuente
  • Kimi K3.1 Pro sin censura — El proveedor OpenUncensored ofrece una versión sin restricciones que procesa el 97 % de las solicitudes legítimas pero al límite de su conjunto de pruebas, frente al 83 % de la original, con una debilidad reconocida en los bucles de agente. 🔗 fuente
  • olmOCR-Bench — Ai2 difunde la puntuación de 88,0 declarada por Unsiloed en su banco de pruebas de lectura de documentos complejos, por delante de GPT-5.5 con 84,6. 🔗 fuente
  • RoboTwin Unified — Harpreet Sahota publica una importación para FiftyOne de 27 500 episodios y más de 6 millones de imágenes de manipulación con dos brazos en 50 tareas. 🔗 fuente
  • Recapture — Nutrient publica una herramienta open source que transforma una página anotada en fotos de móvil o escaneos realistas, conservando las anotaciones, para entrenar modelos de lectura de documentos. 🔗 fuente
  • Asistente Kafka local — En la tercera parte de su serie, Roman Melnyk sustituye el ajuste fino por una búsqueda documental sobre Qwen3.8-27B sin modificar: +1,48 en 40 preguntas, frente a +0,08 y -0,18 de sus adaptadores ajustados. 🔗 fuente
  • Ai2 y Taylor Geospatial — Una alianza para crear bancos de pruebas, modelos (OlmoEarth) y datos geoespaciales abiertos, entre ellos Fields of The World ampliado al tipo de cultivo y al rendimiento, publicados gratuitamente en Source Cooperative y GitHub. 🔗 fuente

Ecosistema

  • Replit & Co. — Replit lanza un programa de creadores dirigido a públicos profesionales, con 45 creadores al inicio, que reciben ventajas en su cuenta de Replit. 🔗 fuente
  • Manus y Godot — Manus se convierte en patrocinador Platinum de la Godot Foundation, que financia el motor de videojuegos libre; no se indica ningún importe. 🔗 fuente
  • GitHub Team — Fuera de la IA: las evaluaciones de riesgos de seguridad (credenciales expuestas, vulnerabilidades del código) se ejecutan automáticamente para las organizaciones GitHub Team. 🔗 fuente

Qué significa

La gama media se convierte en el terreno más disputado. Google sitúa Gemini 4 Neon entre Carbon y Hydrogen y lo promociona por el coste por tarea en lugar del precio por token, que sigue siendo superior al de Carbon hasta el 30 de noviembre. Arena evalúa Muse Ember de Meta frente a GPT-6 Luna y Claude Haiku 5.5, tres modelos eficientes concebidos para el trabajo real, y Muse Ember completa una tarea en 27 segundos por 1,9 céntimos. En los modelos abiertos, la misma lógica se aplica a menor escala: Rumble-2-Flash, con 0,5 mil millones de parámetros, se sitúa al nivel de un modelo de 30 mil millones en grabaciones reales de centros de llamadas, y un simple adaptador LoRA permite a Qwen3.8-27B igualar su propio modo de razonamiento máximo con entre 6 y 8 veces menos tokens. Estas cifras siguen siendo las que ofrecen los desarrolladores o los evaluadores que citan.

La seguridad depende tanto de las herramientas como de los laboratorios. OpenAI afirma que mantiene GPT-6.1 Astra en reserva y entrena sus modelos más avanzados sin acceso al Internet real; ese mismo día, su artículo sobre Codex reconoce que el sandbox deja puntos ciegos, que el entrenamiento del modelo debe cubrir. Las herramientas de código resuelven estos compromisos en público: Claude Code acelera su primer comando Bash a costa de ejecutar archivos de inicio antes de obtener aprobación y anuncia el fin de un mecanismo de respaldo de pago de su modo auto, VS Code permite a las empresas volver a autorizar los harnesses de Claude y Codex que no aplican sus ajustes administrados, y Vibe impide que un proyecto reactive la telemetría.

Los modelos sirven cada vez más para mejorar lo que los rodea. En AMD, reescriben circuitos ya muy optimizados y consiguen hasta un 14 % más de PPA. En Anthropic, una sesión de Claude Code redujo la memoria de un documento grande de 3 Go a 180 Mo; todo el trabajo, desde finales de agosto hasta el lanzamiento de Claude Docs, costó unos 125 000 dólares de inferencia a precio de tarifa. Perplexity deja que Brain escriba las skills de sus usuarios, y Replit encarga a Missions la reconstrucción de más de 1 000 flujos de una plataforma de firma electrónica. Las personas mantienen el control sobre lo irreversible: reescrituras verificadas con las herramientas de Synopsys, decisiones sobre el esquema en manos del ingeniero que dirigía el bucle de Claude Docs y revisión humana de las skills integradas de Perplexity.

La IA se instala, por fin, donde la gente ya está. Google rehace la aplicación Gemini para teléfonos con poca memoria que, según la empresa, conectan cada día a cientos de millones de personas a internet, Perplexity lleva sus agentes al móvil y ChatGPT muestra el dictado a medida que se habla, sin el límite de 10 minutos. En las empresas, los agentes se incorporan a las herramientas de trabajo existentes: CRM y herramientas de ventas para ChatGPT for Sales, historia clínica para ElevenAgents, Teams y Azure para Replit. La prensa sigue el mismo camino: tras la división de medios de LVMH, el Groupe Figaro incorpora sus archivos a ChatGPT, manteniendo su independencia editorial.


Fuentes