DeepSeek abre DeepInfer, el motor que sirve V4.1-Flash en producción, Mistral lanza Voxtral 3 y ElevenLabs Eleven Realtime para los agentes de voz, Perplexity Computer se ejecuta en local en Mac

DeepSeek abre el código de DeepInfer, el motor de inferencia que sirve DeepSeek-V4.1-Flash en producción, y publica cifras de su servicio: 155 000 mil millones de tokens al día en un solo clúster. El mismo día, Mistral y ElevenLabs lanzan sus modelos para agentes de voz por dos vías opuestas, una cadena de transcripción y síntesis con Voxtral 3, un modelo único de voz a voz con Eleven Realtime, mientras Perplexity ejecuta Computer íntegramente en local en Mac. Google también publica TorchTPU en open source, y OSS Scanner, el servicio de Anthropic, presenta un primer balance, que incluye una vulnerabilidad de curl ya corregida.

DeepInfer: DeepSeek abre el motor de inferencia que sirve DeepSeek-V4.1-Flash en producción

20 de octubre — DeepSeek publica en open source DeepInfer, su framework de inferencia (inference framework) propio que sirve DeepSeek-V4.1-Flash en sus servicios, bajo licencia Apache-2.0. La versión publicada, dedicada a la inferencia sin conexión, solo admite este modelo, en las GPU NVIDIA SM100 y las NPU Huawei Ascend 950. Incorpora los componentes de producción: las bibliotecas de kernels ya publicadas por DeepSeek (FlashMLA, DeepGEMM, DeepEP, TileKernels, DeepSelect) y kernels TileLang, el paralelismo de expertos con balanceo de carga para la parte MoE, una decodificación especulativa propia (DSpark), un reprocesamiento acotado de la ventana deslizante de atención que aligera el prellenado, y salidas estructuradas mediante expresiones regulares, esquemas JSON o gramáticas EBNF.

DeepSeek abre al mismo tiempo deepseek-recipe (licencia MIT), el componente de producción que traduce las solicitudes de las API Messages, Chat Completions y Responses en tokens para DeepSeek V4 y V4.1, y después las salidas del modelo en respuestas. Su lógica está alineada con la de la API oficial: un proveedor de alojamiento externo obtiene el mismo comportamiento para el modo de razonamiento, las llamadas a herramientas o las salidas estructuradas. Las FAQ de despliegue del repositorio dan una idea de la escala del servicio:

Dato de producción publicado por DeepSeek	Valor publicado
Tokens servidos por un solo clúster	155 000 mil millones al día
Ingresos totales a la tarifa de horas valle	38 dólares por hora-GPU
Prellenado	máquinas convencionales de 8 GPU
Decodificación	supernodos de 64 a 128 GPU
Conservación de la caché KV	más de 72 horas

No todo está abierto. La gestión de la caché KV y el balanceo de carga entre réplicas, demasiado ligados a la infraestructura interna según DeepSeek, siguen siendo cerrados y solo se describen en una publicación de Zhihu, y no se proporciona la separación entre el codificador visual, el prellenado y la decodificación. Las mediciones de rendimiento solo se publican en gráficos. Construido inicialmente sobre todo sobre vLLM, con inspiración de SGLang y TensorRT-LLM, DeepInfer también albergará el código de inferencia de los futuros modelos de DeepSeek; el repositorio contaba con 11 562 estrellas esa misma noche.

🔗 El hilo de @deepseek_ai · DeepInfer en GitHub · deepseek-recipe en GitHub

Voxtral 3: Mistral lanza modelos de transcripción y síntesis de voz, y un SDK de agentes de voz

20 de octubre — Mistral lanza Voxtral 3, una familia de modelos de transcripción (speech-to-text) y síntesis de voz (text-to-speech), acompañada de un SDK para construir agentes de voz. Todo está disponible desde el 20 de octubre en la API de Mistral, en endpoints europeo, estadounidense y mundial, así como en los entornos de pruebas (playgrounds) de Studio; se ofrece un despliegue en las instalaciones del cliente o en una nube privada bajo petición.

Modelo Voxtral 3	Uso previsto	Precio anunciado
Voxtral Small Transcribe 3	Transcripción más precisa, diarización	0,004 dólares por minuto
Voxtral Mini Transcribe 3 (4B)	Transcripción por lotes, diarización	0,0035 dólares por minuto
Voxtral Mini Transcribe Realtime 3	Transcripción en tiempo real, menos de 500 ms	0,008 dólares por minuto
Voxtral Speech 3	Síntesis de voz, por lotes y en tiempo real	13 dólares por millón de caracteres

La transcripción abarca 50 idiomas, incluidos los 24 idiomas oficiales de la Unión Europea. Separa a los hablantes (diarización), acepta palabras clave para reconocer mejor el vocabulario especializado sin ajuste fino (fine-tuning) (sesgo de contexto, context biasing) y detecta el final de una intervención. En 45 idiomas del banco de pruebas FLEURS, Mistral publica estas tasas de error de palabras, con el idioma indicado al modelo o detectado automáticamente:

Modelo evaluado (FLEURS, 45 idiomas)	Idioma indicado al modelo	Idioma detectado automáticamente
Voxtral Small Transcribe 3	4,0 %	4,1 %
Microsoft AI Transcribe 2	4,0 %	4,1 %
Voxtral Mini Transcribe 3	4,5 %	4,6 %
Gemini 3.5 Transcribe	4,5 %	6,1 %
Scribe v2	4,9 %	4,9 %
GPT Transcribe	5,6 %	6,3 %
Whisper large-v3	14,9 %	16,0 %

Mistral afirma que su modelo Small es mejor que Whisper, Scribe v2 y Gemini 3.5 Transcribe, pero su propio gráfico sitúa a Microsoft AI Transcribe 2 al mismo nivel. En tiempo real, con 480 ms de latencia, el modelo Mini obtiene un 6,4 % en 35 idiomas, por detrás de Gemini 3.5 Realtime Transcribe (4,2 %) y Microsoft AI Transcribe 2 Streaming (5,8 %), pero por delante de GPT Live Transcribe (8,4 %) y Scribe v2 Realtime (8,7 %).

Voxtral Speech 3 habla más de 35 idiomas y más de 50 dialectos, deduce la emoción y el ritmo a partir del contexto de la conversación o sigue instrucciones explícitas línea por línea, y Pro Voice reproduce una voz profesional a partir de 30 minutos de audio; según Mistral, ejecutarlo cuesta menos que los modelos comparables de OpenAI, Deepgram, ElevenLabs y Google.

El SDK de agentes de voz, construido sobre LiveKit, encadena tres modelos en streaming: el modelo en tiempo real escucha y detecta el final de la frase, un modelo generalista como Mistral Small razona y llama a las herramientas, y después Voxtral Speech 3 responde. Ninguna etapa espera a la anterior: cada turno se completa en menos de un segundo según Mistral, el agente guarda silencio cuando se le interrumpe, realiza llamadas mediante SIP o WebRTC, y cada etapa sigue siendo un modelo reemplazable. A diferencia de Voxtral Transcribe 2 (febrero) y Voxtral TTS (marzo), Voxtral 3 no se anuncia con pesos abiertos: la publicación ofrece la API de Mistral o un despliegue en infraestructura propia, que debe organizarse con el equipo de Mistral, y no aparecía ningún repositorio en Hugging Face la noche del lanzamiento.

🔗 La publicación de Mistral · El hilo de @MistralAI

Eleven Realtime: ElevenLabs convierte al agente de voz en un único modelo de voz a voz

20 de octubre — El mismo día que Voxtral 3, ElevenLabs adopta el enfoque opuesto. Mientras el SDK de Mistral encadena tres modelos separados y reemplazables, cada modelo Eleven Realtime reúne todo el agente de voz en un único modelo de voz a voz (Speech to Speech): el reconocimiento de voz, la detección de actividad vocal, los turnos de palabra, el LLM y la síntesis se optimizan como un solo bloque. Los modelos hablan más de 90 idiomas y pueden utilizar las más de 17 000 voces de la biblioteca de ElevenLabs.

Se lanzan dos versiones. Eleven Realtime v1 Mini, el modelo predeterminado, está orientado a conversaciones de bajo coste (asistentes, profesores, personajes interactivos). Eleven Realtime v1 Max razona antes de responder y está dirigido a tareas complejas, como la atención al cliente o los flujos de varios pasos con llamadas a herramientas; cuesta más por token. Los resultados publicados proceden de evaluaciones de Artificial Analysis citadas por ElevenLabs:

Métrica (Artificial Analysis, según ElevenLabs)	Eleven Realtime v1 Max	Eleven Realtime v1 Mini
Big Bench Audio (1 000 preguntas formuladas en voz alta)	98,8 %	75,9 %
Tiempo medio hasta empezar a hablar	0,57 s	0,62 s
Full-Duplex-Bench (pausas, interrupciones)	94,1 %	95,8 %
Tareas con herramientas completadas con éxito	87,1 %	60,3 %

Según ElevenLabs, ningún modelo de la clasificación de Artificial Analysis es a la vez más rápido y más preciso que v1 Max. Mini gestiona ligeramente mejor la dinámica de la conversación, pero Max amplía la ventaja en las tareas con herramientas.

En ElevenAgents, basta con cambiar el modo de voz de un agente de «Custom» a «Realtime» para conservar el resto de la plataforma: teléfono, web, WhatsApp y centros de contacto. Los modelos también se ofrecen mediante una API Realtime compatible con la de OpenAI: un desarrollador que ya la tenga integrada cambia el endpoint y el nombre del modelo, y conserva su código, solo mediante WebSocket. El despliegue es progresivo según los espacios de trabajo. Mini no está disponible ni en modo Zero Retention ni bajo HIPAA, a diferencia de Max, y no se detalla ninguna tarifa: ElevenLabs cobra el precio habitual por minuto de ElevenAgents más los tokens a la tarifa del modelo elegido.

ElevenLabs se suma así a los modelos de voz de extremo a extremo ya ofrecidos por OpenAI (GPT-Live-1, a 0,05 dólares por minuto en la API desde el 10 de septiembre), Google (Gemini 3.8 Live) y SpaceXSI (Grok Voice 3.0).

🔗 La publicación de ElevenLabs · La documentación de los modelos Realtime

Perplexity Computer se ejecuta íntegramente en local en Mac, incluido el modelo

20 de octubre — Perplexity ejecuta Computer, su agente, íntegramente en Mac: el modelo, el arnés (harness) y la ejecución de las tareas permanecen en el equipo.

Perplexity Computer can now run fully local on your Mac. Work with your native Mac apps and local files, and run tasks without sending sensitive data to the cloud. The model and the agent both run on your Mac. Available now in the Perplexity Mac app.

🇪🇸 Perplexity Computer ya puede ejecutarse íntegramente en local en tu Mac. Trabaja con tus aplicaciones nativas de Mac y tus archivos locales, y ejecuta tareas sin enviar datos sensibles a la nube. Tanto el modelo como el agente se ejecutan en tu Mac. Ya disponible en la aplicación de Perplexity para Mac. — @perplexity_ai en X

Elemento del lanzamiento	Detalle según Perplexity
Modelos locales	Qwen 3.6 y PPLX Pro
Memoria recomendada	36 Go de memoria unificada o más
Equipos incluidos	Mac con Apple silicon compatibles, como el nuevo Mac mini con M6 y M5 Pro
Planes incluidos	Pro, Max y Enterprise
Créditos Computer	las tareas locales no los consumen
Uso de la nube	con autorización, con acceso a más de 15 modelos de frontera

Con el permiso del usuario, el agente trabaja con los archivos locales y en aplicaciones como Notes, Messages, Mail o Numbers. PPLX Pro es, según el tuit de Perplexity, su versión de Qwen 3.8 sometida a posentrenamiento; preguntado por su tamaño, Aravind Srinivas, el director de Perplexity, responde que se trata de un modelo denso de 27 mil millones de parámetros, y estima que 36 Go de memoria se van a volver habituales.

La aplicación para Mac ofrece ahora dos formas de ejecutar Computer. Hybrid Compute, lanzado el 1 de septiembre, parte de la nube para la búsqueda y el razonamiento y procesa los archivos privados en local; el nuevo modo parte del Mac, que conserva la planificación, el razonamiento y el procesamiento de archivos. Si el usuario lo autoriza, el agente recurre a la nube para obtener información actualizada, navegar por la web o utilizar las aplicaciones conectadas, y tanto el código como las herramientas se ejecutan en entornos aislados, con los mismos protocolos de seguridad que la versión en la nube. Perplexity cita tres usos: la revisión de una cartera a partir de posiciones privadas, una propuesta comercial elaborada a partir de notas confidenciales y una lista de prioridades de la mañana extraída de Messages y Mail.

Es el equivalente en Mac de Portable Computer, la versión íntegramente local lanzada el 25 de agosto en DGX Spark, y ampliada después en septiembre a Linux, Windows y los PC con procesador AMD Ryzen AI Max.

🔗 La publicación de Perplexity

PyTorch más allá de las GPU NVIDIA: TorchTPU en open source, las TPU nativas en Hugging Face y MPS en PyTorch 2.15

Tres anuncios del día permiten ejecutar PyTorch en otros chips distintos de los de NVIDIA: Google publica TorchTPU en la PyTorch Conference, Hugging Face lo integra ese mismo día en sus bibliotecas, y el equipo PyTorch de Hugging Face detalla lo que PyTorch 2.15 aporta a los Mac.

TorchTPU: Google abre su pila PyTorch nativa para TPU, con vLLM, SGLang, TorchTitan y llm-d 1.0

20 de octubre — Google publica como open source TorchTPU, su pila PyTorch nativa para las TPU, desarrollada conjuntamente con el equipo PyTorch de Meta. La TPU se convierte en un dispositivo PyTorch como cualquier otro (torch.device("tpu")): se depura en ejecución inmediata (eager) y después se pasa a producción con torch.compile, que compila mediante XLA. Hasta ahora, había que reescribir el código en JAX o recurrir al antiguo torch_xla.

Dos motores de inferencia se basan en TorchTPU: vLLM-TorchTPU, desarrollado con Inferact, y SGLang-TorchTPU, con RadixArk, ya en producción en Meta. Google anuncia 2,01 centavos de dólar por millón de tokens en la clasificación InferenceX de SemiAnalysis, con Qwen 3.5 sobre Ironwood, y más de 700 tokens por segundo para un único usuario con Kimi K3, un modelo de 2 800 mil millones de parámetros. Para el entrenamiento, TorchTitan sobre TPU alcanza hasta un 52 % de utilización del cómputo (Model FLOPs Utilization) con Qwen 3 8B, con pruebas de hasta 8 192 chips Ironwood. Google también lanza llm-d 1.0, una pila Kubernetes de servicio distribuido cofundada con Red Hat e IBM: en una carga de código agéntico, la mediana del tiempo hasta el primer token disminuye más de un 85 % y el rendimiento se multiplica por 2,4 respecto a un simple Service de Kubernetes.

🔗 La publicación de Google Cloud · Los motores vLLM y SGLang sobre TPU · llm-d 1.0

Hugging Face incorpora soporte nativo para TPU en Transformers, Diffusers y Kernels

20 de octubre — Hugging Face integra TorchTPU en su ecosistema: la TPU se convierte en un dispositivo como cualquier otro, sin pasar por PyTorch/XLA ni por JAX, y Optimum TPU, la capa que Hugging Face mantenía hasta ahora, deja de ser necesaria para Transformers y Diffusers. En Transformers, basta con cargar un modelo con device_map="tpu"; en Diffusers, con un pipe.to("tpu"), con compilación opcional y paralelismo tensorial para distribuir los modelos grandes entre varios chips.

Caso medido por Hugging Face	Resultado publicado
Qwen-Image-2.1, imagen 1024 × 1024 en 40 pasos (TPU v6e-4)	3,5 s compilado, 8,0 s sin compilación
MiniMax-H3, vídeo con audio de 5,2 s (TPU v6e-4)	188 s compilado, 262 s sin compilación
Decodificación de Qwen3-30B-A3B, lote de 64, núcleo Tokamax (v6e-8)	21,5 veces más rápido
Tests de Transformers superados en TPU	96,5 %

El equipo ha notificado 34 problemas al proyecto TorchTPU, de los cuales 19 ya están corregidos, y prepara una CI nocturna sobre TPU. Es el segundo backend PyTorch nativo de un acelerador ajeno a NVIDIA que Hugging Face integra en dos días, tras TorchNeuron para AWS Trainium el día anterior.

🔗 La publicación de Hugging Face sobre TorchTPU

PyTorch 2.15 lleva FP8 a los Mac y acelera hasta 6,5 veces la decodificación de los MoE

20 de octubre — El equipo PyTorch de Hugging Face, que trabaja en MPS, el backend de la GPU de los Mac Apple silicon, detalla las novedades de PyTorch 2.15, aún en versión candidata. FP8 llega a los Mac, con un byte por valor, la mitad que BF16, y una multiplicación directa en la GPU. Gracias a una multiplicación de matrices agrupada nativa, la decodificación de los modelos MoE es entre 5 y 6,5 veces más rápida que en la versión 2.14.

Medición en Mac	Con PyTorch 2.14	Con PyTorch 2.15
Decodificación de Qwen3.6-35B-A3B en M3 Ultra	9,4 tokens/s	61,3 tokens/s
Decodificación de LFM2.5-8B-A1B en M3 Ultra	23,6 tokens/s	123,6 tokens/s
Softmax FP32 sobre 128 256 logits	57 µs	7 µs
Pico de memoria del controlador, VAE de Wan2.2	270,1 Gio	8,1 Gio

Se ha corregido el codificador VAE de Qwen-Image-2.1, que corrompía silenciosamente las imágenes en MPS. PyTorch 2.15 exige macOS 15 y Python 3.11, y un adelanto de la versión 2.16, aún sujeto a cambios, anuncia una atención escrita íntegramente en Metal.

🔗 La publicación de Hugging Face sobre MPS

Seguridad del software open source: el primer balance de OSS Scanner y el cortafuegos de paquetes de GitHub

Dos anuncios abordan la cadena de software open source por sus dos extremos: encontrar vulnerabilidades en el código de los proyectos y filtrar los paquetes en el momento de su instalación.

OSS Scanner: 114 proyectos aceptados, 77 vulnerabilidades críticas y 803 de gravedad alta notificadas, una vulnerabilidad de curl corregida

19 de octubre — Once días después de su lanzamiento, OSS Scanner, el servicio gratuito de Anthropic que analiza proyectos open source críticos con sus modelos más potentes, ofrece sus primeras cifras. En un hilo compartido esa misma noche por @ClaudeDevs, Punit Shah, responsable de producto del servicio, contabiliza unos 650 proyectos candidatos y 114 aceptados. Los análisis ya han notificado a los mantenedores 77 vulnerabilidades críticas y 803 de gravedad alta, según la gravedad atribuida por el modelo, aunque todavía no se han analizado todos los proyectos.

El caso destacado es curl: la vulnerabilidad CVE-2026-92392, un uso de memoria después de su liberación (use-after-free) durante un envío mediante HTTP/2, encontrada con una primera versión de OSS Scanner, se corrigió en curl 8.23.0 el 14 de octubre. El aviso de curl la clasifica como de gravedad alta para las versiones 8.12.0 a 8.22.0 y atribuye el hallazgo a «Luna with Claude, Anthropic». Otra lección: la mayoría de los primeros informes, enviados por correo electrónico con su prueba de concepto, fueron rechazados, probablemente porque los filtros de correo los confundieron con software malicioso. Por ello, Anthropic está probando la entrega mediante GitHub Security Advisories; más de 150 proyectos seguían pendientes de una decisión, según una estimación de Punit Shah.

🔗 El hilo de Punit Shah · El aviso de seguridad de curl

GitHub filtra en versión preliminar los paquetes npm que instalan los runners de Actions y los agentes de código

20 de octubre — GitHub abre en versión preliminar pública un cortafuegos de paquetes (package firewall). El punto de partida: cada vez más ataques aprovechan el momento de la instalación de un paquete para recopilar credenciales en los hosts CI/CD o los equipos de los desarrolladores, sin siquiera ejecutar el código del paquete. El cortafuegos se interpone entre los ejecutores (runners) de GitHub Actions o los agentes de código y los registros de origen, e inspecciona tanto las solicitudes de metadatos como las descargas.

Aspecto clave del cortafuegos	Qué contempla la versión preliminar
Controles disponibles	Periodo de espera, alertas de la GitHub Advisory Database, degradaciones de atestación
Clientes incluidos	GitHub Enterprise Cloud, incluida la residencia de datos
Ecosistema compatible	Solo npm por el momento
Precio	Gratuito en la versión preliminar, después facturado por uso, como GitHub Actions

Los agentes de código y los hosts CI/CD deben configurarse para pasar por el cortafuegos en lugar de consultar directamente los registros, y se puede solicitar una excepción para un paquete bloqueado por error.

🔗 El anuncio de GitHub

Asistentes: los chats bloqueados de ChatGPT, Gemini para pequeñas empresas y para las administraciones estadounidenses

OpenAI y Google añaden a sus asistentes funciones para necesidades concretas: la privacidad de una conversación en ChatGPT, las pequeñas empresas y los servicios públicos estadounidenses en Gemini.

ChatGPT oculta conversaciones tras un código PIN de 4 dígitos

20 de octubre — ChatGPT introduce los chats bloqueados (locked chats): una conversación seleccionada permanece en la cuenta, pero desaparece del historial, de los chats fijados y de la búsqueda. Se traslada al espacio Locked chats de Projects, que se abre con un código PIN de cuenta de 4 dígitos o, en el móvil, con Face ID, Touch ID o el desbloqueo del dispositivo Android. La función se despliega progresivamente en la web, iOS, Android y la nueva aplicación de escritorio para macOS y Windows, desde Free hasta Pro, así como en Business, Enterprise y Edu, pero no en ChatGPT for Healthcare.

OpenAI precisa sus límites: el bloqueo no aporta cifrado de extremo a extremo ni una bóveda independiente, y no cambia el periodo de conservación. Restablecer un PIN olvidado elimina permanentemente todos los chats bloqueados y los archivos que protegen. En las empresas, los chats bloqueados permanecen en los registros de OpenAI Compliance Platform, y los administradores no pueden desactivar la función ni desbloquear un chat. Las conversaciones de Codex y los chats temporales o de grupo no se pueden bloquear.

🔗 Las notas de la versión de ChatGPT · La guía de los chats bloqueados

La aplicación Gemini abre un espacio para las pequeñas empresas

20 de octubre — Google añade a la aplicación Gemini una página de inicio dedicada a las pequeñas empresas, presentada como un punto de entrada único para construir su marca, analizar sus finanzas y comprender mejor a su clientela; según Google, decenas de millones de propietarios de pequeñas empresas ya utilizan Gemini. Para los recursos visuales, el empresario aporta su sitio web, su manual de identidad visual, sus tipografías o sus colores: Gemini se apoya en Nano Banana 2.1 para producir los de un lanzamiento o una campaña, y conserva ese estilo sin necesidad de volver a subirlos. Para las finanzas, hojas de cálculo desordenadas, recibos o historiales de compra se convierten en segundos en gráficos y modelos interactivos.

Gemini se conecta a Google Business Profile, Google Ads y Google Workspace, así como a Adobe, Canva, Dropbox, Shopify, Wix, Zoho y Xero. Entre los testimonios, una ceramista de Burdeos (Bleu Clémentine) afirma ahorrar entre dos y tres horas al día. El despliegue comienza «en los próximos días», en todo el mundo y para todos los usuarios de la aplicación.

🔗 La publicación de Google

Gemini for government services: el agente Gemini en versión preliminar para las administraciones estadounidenses

20 de octubre — Google Cloud adapta al sector público el agente Gemini presentado a principios de octubre en Gemini at Work: Gemini for government services está disponible en versión preliminar para las agencias federales, estatales y locales estadounidenses, anunció Thomas Kurian, director de Google Cloud. La oferta reúne skills que aplican leyes, reglamentos e instrucciones de las agencias, conectores a sus sistemas que se consultan in situ sin migración de datos, agentes de socios, entre ellos los de SZNS Solutions, un plano de control único para la seguridad y el cumplimiento normativo, y una red de 13 integradores.

Google cita siete usos, desde la investigación normativa con citas precisas a nivel de párrafo hasta la ocultación de información sensible en documentos antes de su publicación, pasando por las solicitudes de acceso a documentos administrativos (FOIA) y la auditoría de gastos de subvenciones. Los conectores abarcan Federal Register, regulations.gov y eCFR, Oracle, Salesforce, ServiceNow, Google Workspace y Microsoft 365. Google trabaja con el estado de Misuri y el Departamento de Salud de Estados Unidos (HHS), y la oferta puede desplegarse dentro del perímetro de datos FedRAMP High de Assured Workloads; no se han anunciado ni precios ni fecha de disponibilidad general.

🔗 La publicación de Google Cloud

La IA aplicada: proteínas de unión diseñadas por Claude, las recomendaciones de QD-Rec y Flora para los robots

Tres trabajos del día aplican los modelos a un problema concreto: el diseño de proteínas contra venenos, la ayuda a la toma de decisiones y la anotación de vídeos para entrenar robots.

Claude diseña proteínas de unión contra neurotoxinas de escorpión: 17 validadas de 211 probadas

20 de octubre — Anthropic publica en su blog Science una campaña de diseño de proteínas realizada por Claude contra cinco neurotoxinas de escorpión de cuatro regiones, desde México hasta Oriente Medio. Un modelo de investigación interno, utilizado en Claude Science, retomó el prompt de un estudio de agosto, adaptado con Citrini Research, y después trabajó en gran medida por su cuenta, guiado por cuatro indicaciones adicionales del equipo: 318 484 diseños generados con 12 herramientas y una lista final de 180 diseños en 64 horas, con un cómputo del orden de 10 000 horas GPU. Adaptyv Bio y Twist Bioscience probaron 211 diseños, incluidos 31 añadidos por el equipo. Con criterios estrictos, 17 se unen a su objetivo, cada uno a una sola toxina, y ninguno se dirige a la toxina brasileña Ts1. Los dos mejores, Cn2-B1 y Cn2-B2, se unen a la toxina mexicana Cn2 con una afinidad de unos pocos nanomolares y parecen dirigirse al mismo sitio que el anticuerpo LR, que la neutraliza en ratones.

This is exploratory work, and we’re not claiming to have produced an antivenom—for that, we’d have to test the binders within living cells, then in mice, among many other steps. But it’s an example of how Claude can concretely assist research in protein design.

🇪🇸 Se trata de un trabajo exploratorio, y no afirmamos haber producido un antiveneno: para ello, habría que probar las proteínas de unión en células vivas y después en ratones, entre muchas otras etapas. Pero es un ejemplo de cómo Claude puede ayudar de forma concreta a la investigación en diseño de proteínas. — @AnthropicAI en X

Los 211 diseños y sus datos están publicados. Una nota reconoce que este cómputo supera los recursos de la mayoría de los investigadores, pero indica que un prompt simplificado, con un solo agente y una sola GPU durante 24 horas, alcanza puntuaciones in silico comparables.

🔗 La publicación de Anthropic

QD-Rec: Sakana AI hace evolucionar recomendaciones variadas y argumentadas

20 de octubre — Sakana AI presenta QD-Rec, que aplica la búsqueda abierta (open-ended search) y el enfoque de calidad-diversidad (Quality-Diversity) a la recomendación para ayudar a la toma de decisiones. En lugar de clasificar candidatos, el método busca parejas candidato-hipótesis: una empresa que adquirir, un cliente potencial al que contactar o un artículo que leer, y el texto que explica por qué elegirlo. Un bandido contextual elige al siguiente candidato dando prioridad a las áreas poco cubiertas, un LLM redacta la hipótesis adaptando o combinando las ya archivadas, y un archivo por nichos conserva los motivos nuevos.

Probado en fusiones y adquisiciones, segmentación de marketing y recomendación de artículos, con Claude Sonnet 5 o Claude Haiku 4.5 como proponente y gpt-5.6-terra como juez, QD-Rec obtiene en la mayoría de los casos la mejor calidad media y el archivo más grande con 1 000 evaluaciones: para Walt Disney, 2,91 sobre 10 y 214 recomendaciones, frente a 2,40 y 85 sin evolución. Sakana precisa que estos escenarios no constituyen asesoramiento de inversión y que uno de los modelos aportó una cifra ausente de los datos; el código se publica bajo la licencia Apache-2.0.

🔗 El artículo técnico de Sakana AI

Flora: NVIDIA publica los pesos de una suite de modelos que anota vídeos para robots

20 de octubre — El laboratorio GEAR de NVIDIA publica los pesos de Flora, una suite de modelos que transforma vídeos sin procesar de robots o humanos en señales de entrenamiento: descripciones de acciones con marcas de tiempo, recompensas por resultados para supervisar despliegues y recompensas de proceso para el aprendizaje por refuerzo. Flora ya sirve de motor de datos para entrenar los modelos GR00T y anota 200 000 horas de vídeo al día en 512 GPU GB300. Según NVIDIA, es competitivo con GPT-6 Astra con un coste unas 125 veces menor, pero la tabla publicada ofrece un panorama más matizado:

Banco de pruebas y métrica	Flora	GPT-6 Astra
DenseRewardBench, macro F1 (más alto = mejor)	46,2	40,7
RoboReward, error absoluto medio (más bajo = mejor)	40,0	55,4
DenseCaptionBench Robot200, F1 de segmentación	66,9	71,9
WGO-Bench, exactitud (gold-window)	64,7	77,4

Flora supera a GPT-6 Astra en la mayoría de las métricas de recompensa y en los vídeos de humanos, pero queda por detrás en los vídeos de robots, en dos de las tres métricas de WGO-Bench, en la correlación de Robometer fuera de distribución y en RubricBench.

🔗 La página del proyecto Flora · El hilo de Jim Fan

Adquisición y colaboración: OpenAI adquiere Orchestra Bio, Runway se incorpora al Claude Marketplace

Dos operaciones empresariales del día: una adquisición en el desarrollo de medicamentos por parte de OpenAI y un acuerdo de distribución entre Runway y Anthropic.

OpenAI adquiere Orchestra Bio para conectar Rosalind con el desarrollo de medicamentos

20 de octubre — OpenAI anuncia la adquisición de Orchestra Bio, una plataforma donde humanos y agentes de IA impulsan juntos programas de desarrollo de medicamentos: los científicos y los responsables de programas delegan en los agentes el seguimiento de los estudios y las campañas. OpenAI ofrece un ejemplo: un lote de fabricación fallido puede retrasar el inicio de un ensayo clínico; los agentes identifican entonces las actividades y los calendarios afectados, reúnen la información y comparan las posibles respuestas, mientras la decisión sigue en manos de los equipos.

El equipo y la tecnología de Orchestra se incorporan a Rosalind, la oferta de OpenAI para las ciencias de la vida: GPT-Rosalind para razonar en biología y química, y Rosalind Workbench para conectar estas capacidades con las herramientas y los datos de los investigadores. El objetivo declarado: agentes que conecten los descubrimientos con los estudios, las decisiones y las siguientes etapas de un posible medicamento. OpenAI recuerda que en Estados Unidos transcurren de media entre 10 y 15 años desde el descubrimiento de una diana hasta la aprobación regulatoria. No se ha comunicado ningún importe.

🔗 El anuncio de OpenAI

Runway Creative entra en el Claude Marketplace, con cargo al compromiso de gasto con Anthropic

20 de octubre — Runway se incorpora al Claude Marketplace de Anthropic con Runway Creative, su plataforma de generación y edición de vídeos, imágenes y audio. Los clientes empresariales que cumplan los requisitos pueden destinar parte de su compromiso de gasto con Anthropic a la compra de Runway, a través de su representante de Runway o Anthropic; no se publica ninguna tarifa. Runway Creative reúne Gen-4.5, Aleph 2.0, Seedance 2.5, Kling 3.0 y ElevenLabs V4, y Claude aporta el razonamiento de Runway Agent, que transforma una petición en un desglose de planos, elige el modelo para cada plano y monta el vídeo. Las animaciones de Claude Motion, en beta en Claude Team y Enterprise, se exportan a Runway para añadir imágenes, voz en off y música.

Runway afirma contar con más de 65 millones de creadores, cineastas y equipos de marketing. Es el equivalente, por parte de Anthropic, a la llegada de Runway Creative al OpenAI Marketplace el 29 de septiembre.

🔗 El anuncio de Runway

Evaluar los modelos: MultiLangBench de OpenAI, FairStress de Ai2 y CALIBER de Cohere Labs

Tres publicaciones de investigación evalúan los modelos desde tres perspectivas: el código en lenguajes poco extendidos, la equidad de sus decisiones y la confianza que atribuyen a sus propias respuestas.

MultiLangBench: GPT-6 Astra construye un motor compatible con SQLite en 20 lenguajes, incluido COBOL

19 de octubre — OpenAI publica una entrada de investigación sobre los lenguajes de programación con pocos recursos (low-resource), como COBOL, Fortran o Visual Basic, para los que existe mucho menos código y documentación que para Python, aunque sostienen sistemas bancarios o previsiones meteorológicas. Su primera evaluación, MultiLangBench, publicada bajo licencia Apache-2.0, pide construir desde cero un motor de base de datos compatible con SQLite en uno de 20 lenguajes, verificado mediante pruebas adaptadas de la suite de SQLite.

Modelo evaluado (esfuerzo máximo)	Media en 20 lenguajes	COBOL	Fortran	Visual Basic
GPT-5.6 Sol	26,8 %	10,9 %	21,4 %	27,5 %
GPT-6 Luna	40,3 %	17,1 %	31,4 %	41,6 %
GPT-6 Astra	87,4 %	72,1 %	83,5 %	89,4 %

GPT-6 Luna cuesta unos 0,77 dólares por muestra, frente a los 3,48 dólares de GPT-5.6 Sol. En una segunda evaluación, la migración de programas COBOL a C++, Java, Kotlin, Python o Rust con una paridad octeto a octeto de las salidas, GPT-6.1 Sol alcanza un 86,6 % de éxito con esfuerzo bajo, frente al 5,4 % de GPT-5.6 Sol con el mismo ajuste, y cuesta un 39 % menos; con un esfuerzo mayor, alcanza el 97,9 %. OpenAI recuerda que una migración en producción sigue requiriendo una revisión por parte de expertos.

🔗 La entrada de OpenAI · MultiLangBench en GitHub

FairStress: Ai2 mide la equidad demográfica más allá de la respuesta final

20 de octubre — Ai2 publica FairStress, un banco de pruebas que evalúa la equidad demográfica de los modelos más allá de su elección final: también mide la facilidad con la que un modelo abandona una decisión bien fundamentada ante un argumento persuasivo y cómo la justifica. El banco cuenta con 300 escenarios de decisión entre dos candidatos en 29 ámbitos, desde la contratación hasta la vivienda, que se despliegan en más de 13 millones de casos de prueba.

Sin información demográfica, los modelos se comportan de forma simétrica. En 15 modelos, la diferencia media al abandonar una buena respuesta alcanza los 6,9 puntos con una identidad implícita y los 9,3 puntos con una etiqueta explícita: los modelos descartan con mayor facilidad al mejor candidato cuando está codificado como mayoritario, lo que Ai2 denomina una sobrecorrección antiestereotípica. Modelos de vanguardia como Claude Opus 5 y GPT-5.5 eligen al candidato codificado como minoritario en aproximadamente el 60 al 65 % de los casos ambiguos, y la mayoría de los nueve métodos de corrección probados no reducen la asimetría de forma fiable. Ai2 precisa que su definición de equidad se basa en la igualdad de trato; el código se publica bajo licencia MIT.

🔗 La entrada de Ai2

CALIBER: Cohere Labs enseña a los modelos de razonamiento a estimar su confianza antes y después de reflexionar

20 de octubre — Cohere Labs, el laboratorio de investigación de Cohere, presenta CALIBER (Calibration Before and After Reasoning), un método que enseña a un modelo de razonamiento a estimar dos veces sus probabilidades de acertar: antes de reflexionar y después sobre la respuesta producida. La confianza inicial se entrena a partir de la tasa de acierto del modelo en varios intentos de la misma pregunta (siete aciertos de diez dan un objetivo del 70 %), y la confianza final, a partir de la corrección de su respuesta.

En el banco de pruebas BigMathDigits, el error de calibración esperado (Expected Calibration Error, ECE) del modelo de 7 mil millones de parámetros baja de 0,059 para el mejor método con una única estimación de confianza a 0,028, es decir, un 52,5 % menos; sin entrenamiento adicional, la reducción alcanza el 26,8 % en GPQA, el 32,2 % en TriviaQA y el 36,2 % en SimpleQA. El modelo de 30 mil millones matiza el panorama: su ECE (0,022) apenas mejora el de CoCA-lite (0,023). No se ha probado el uso de estas estimaciones para decidir cuándo verificar o abstenerse, y no se anuncia ningún producto de Cohere.

🔗 La entrada de Cohere · El artículo en arXiv

La API de OpenAI mantiene los prompts en caché durante 12 horas, a 2,5 veces el precio de entrada al escribir

20 de octubre — La API de OpenAI permite ahora mantener un prompt en caché durante 12 horas, frente a los 30 minutos por defecto. La novedad está dirigida a los agentes persistentes, como los dots de OpenAI, que reutilizan las mismas instrucciones, herramientas y contexto durante todo el día: las solicitudes separadas por varias horas siguen beneficiándose de la tarifa reducida de los tokens almacenados en caché. El ajuste se realiza mediante el parámetro prompt_cache_options.ttl de la Responses API, para GPT-5.6 y los modelos posteriores, y ambas duraciones se combinan en una misma solicitud: 12 horas para las instrucciones compartidas y 30 minutos para la parte reciente de la conversación.

Tipo de tarifa (GPT-5.6 y posteriores)	Multiplicador del precio de entrada sin caché
Escritura en caché, 30 minutos (por defecto)	1,25
Escritura en caché, 12 horas (Responses API)	2,5
Lectura de caché	0,1 (0,05 para GPT-6.1 Sol)

Para un contexto reutilizado durante todo el día, OpenAI estima que el ahorro compensa ampliamente el sobrecoste de escritura.

🔗 La guía del almacenamiento en caché de prompts · El hilo de @OpenAIDevs

Agentes de código: Claude Code 2.1.304, Copilot CLI 1.0.101, Vibe CLI 3.0.1 y Devin Fusion

Tres CLI de agentes de código publican versiones centradas en los permisos y la fiabilidad, y Cognition se compara con Claude Code en un índice independiente.

Claude Code 2.1.304: /claude-api managed-agents-secure, alerta antes de una reanudación costosa y 43 correcciones

19 de octubre — Claude Code 2.1.304, publicada en GitHub a las 21 h 34 UTC, cuenta con 76 entradas, incluidas 43 correcciones. El nuevo comando /claude-api managed-agents-secure compara la configuración de un agente Claude Managed Agents con la guía de seguridad publicada por Anthropic, sin modificar nada. Los suscriptores de Pro y Max reciben un aviso cuando reanudar una conversación inactiva consumiría una parte considerable de su límite de uso de cinco horas, y pueden abrir en su lugar una nueva conversación en la que Claude recuperará la anterior. /auto-mode-setup llega a Bedrock, Vertex, Foundry y la pasarela Claude apps.

Varias correcciones protegen el trabajo del usuario: claude --worktree ya no elimina sin preguntar un worktree y su rama cuando HEAD estaba separado o en otra rama, lo que podía provocar la pérdida de commits, y un rm -r en un disco montado activa ahora la solicitud de seguridad. La búsqueda de herramientas se activa por defecto detrás de un ANTHROPIC_BASE_URL personalizado, y Code Review puede revisar todos los repositorios de una organización de GitHub, incluidos los que se añadan más adelante.

🔗 Las notas de Claude Code 2.1.304

Copilot CLI 1.0.101: salidas estructuradas nativas para los subagentes e instrucciones para el juez de permisos

20 de octubre — GitHub publica Copilot CLI 1.0.101 como versión estable, un día después de la 1.0.100; sus 30 entradas proceden de dos versiones preliminares publicadas entre ambas. Dos novedades encabezan la lista: salidas estructuradas nativas para los subagentes de los flujos de trabajo dinámicos (dynamic workflows), en los modelos que lo permiten, y un ajuste assistedApprovalInstructions que orienta las decisiones de confirmación del juez de Assisted Permissions.

Los permisos se vuelven más claros: las solicitudes de aprobación explican la causa de una escalada y proponen un comando de diagnóstico específico para la solicitud, y un comando shell que crea y después abre una carpeta solicita la aprobación de la ruta en lugar de rechazarse de entrada. En el ámbito empresarial, los plugins asignados a una Team se instalan desde los marketplaces de GitHub de esa Team, y el selector marca como predeterminado el modelo impuesto por el administrador. En macOS, el sandbox se conecta directamente a los servicios TCP locales cuando el acceso local está habilitado, y los modelos locales de providers.json ya no bloquean el modo Auto.

🔗 Las notas de Copilot CLI 1.0.101

Vibe CLI 3.0.1: vuelve Python 3.12 y el administrador puede prohibir el modo YOLO

20 de octubre — Un día después de Vibe CLI 3.0.0, Mistral publica sin anuncio la 3.0.1: 58 entradas, con 9 incorporaciones, 15 cambios y 34 correcciones. Revierte una decisión de la 3.0.0: Vibe vuelve a funcionar con Python 3.12 y posteriores, en lugar de exigir Python 3.14. Un nuevo ajuste de administrador, enable_auto_approve, prohíbe el modo de aprobación automática denominado «YOLO»: el agente auto-approve desaparece y las opciones --auto-approve, --yolo y bypass_tool_permissions se ignoran, mientras los permisos por herramienta siguen aplicándose.

El seguimiento de los subagentes mejora: vibe -p espera a los que un turno ha dejado en ejecución, y la exportación detalla su estado, su modelo, su uso y su coste, cada uno con la tarifa de su propio modelo. El comando experimental vibe run-server ejecuta numerosas sesiones no interactivas en un solo proceso, y una respuesta interrumpida por el límite de tokens de salida se vuelve a solicitar hasta seis veces.

🔗 Las notas de Vibe CLI 3.0.1

Devin Fusion: 68,2 en el Coding Agent Index, con un coste por tarea un 31 % inferior al de Claude Code con Opus 5.5

19 de octubre — Cognition destaca la puntuación de Devin Fusion, su arnés que combina un modelo principal y un modelo auxiliar (sidekick), en el Coding Agent Index de Artificial Analysis, un índice independiente que puntúa los agentes de código en tres evaluaciones con el mismo peso:

Devin Fusion has claimed a top score of 68 on the @ArtificialAnlys Coding Agent Index with an Opus 5.5 lead and GPT-6 Luna sidekick. Devin Fusion outperforms Claude Code with Opus 5.5 on both performance and price – earning a score of 68 at a 31% lower cost per task.

🇪🇸 Devin Fusion obtiene una de las mejores puntuaciones, 68, en el Coding Agent Index de @ArtificialAnlys, con Opus 5.5 como modelo principal y GPT-6 Luna como auxiliar. Devin Fusion supera a Claude Code con Opus 5.5 tanto en rendimiento como en precio, con una puntuación de 68 y un coste por tarea un 31 % inferior. — @cognition en X

Los datos del índice confirman la diferencia de coste; Devin Fusion ocupa el segundo puesto entre 42 configuraciones:

Configuración evaluada	Puntuación del índice	Coste medio por tarea
Claude Code, Sonnet 5.5 (max)	68,4	14,19 dólares
Devin Fusion CLI, Claude Opus 5.5 Max + GPT-6 Luna High	68,2	9,02 dólares
Claude Code, Opus 5.5 (max)	66,0	13,04 dólares

Muse Code con Muse Wonder Full le sigue con 68,0. Devin Fusion lidera claramente en DeepSWE v1.1 (72,6 frente a 68,4) y en SWE-Atlas-QnA (69,4 frente a 66,4), pero Claude Code con Opus 5.5 mantiene la ventaja en Terminal-Bench v4 (63,1 frente a 62,6). Cognition no publica ninguna entrada nueva.

🔗 El Coding Agent Index de Artificial Analysis

Breves

Agentes y herramientas de código

Las notas de la versión de Devin del 19 de octubre — Devin consulta ahora el estado de la CI de un commit, una rama o un tag, y ya no solo de una pull request, en GitHub, GitLab, Azure DevOps y Bitbucket; Devin Review incorpora un editor de reglas y un botón Review now, y el sueño nocturno de la memoria (nightly memory dreaming) se puede desactivar. 🔗 fuente
Agent Manager — Hugging Face publica con licencia Apache-2.0 un espacio de trabajo privado, desplegado en un Space, para controlar desde el navegador decenas de agentes Claude Code, Codex, Gemini CLI, opencode o Hermes, que se comunican entre sí y siguen ejecutándose mientras se retoma el trabajo desde otro dispositivo. 🔗 fuente
La búsqueda de herramientas MCP en Zed — El equipo de Zed comparó 25 formas de encontrar la herramienta MCP adecuada, entre ellas modelos de decisión, LLM y representaciones vectoriales (embeddings), con 150 consultas y 536 herramientas, y opta por un BM25 ponderado con algunas reglas de normalización, local y sin llamadas a una API; no se detallan las puntuaciones ni el producto al que se aplica. 🔗 fuente
Zed 1.24.4 y 1.25.1 en versión preliminar — La versión estable corrige la carga de los modelos OpenCode; la versión preliminar añade el resaltado HTML de las plantillas etiquetadas svg, mathml y raw y el resaltado CSS de las plantillas pasadas a css() en JavaScript y TypeScript; sin novedades para los agentes. 🔗 versión preliminar 1.25.1 · 🔗 1.24.4
v0 en iOS — La aplicación iOS de v0 recibe las anotaciones Browser Use, anunciadas mediante un tuit con vídeo, sin descripción de la función ni entrada en el changelog de v0. 🔗 fuente
Gemini CLI, versión nocturna del 20 de octubre — Tras tres versiones nocturnas vacías, dos correcciones: la actualización de la pantalla ya no borra el historial de desplazamiento del terminal, pues /clear y Ctrl+L solo borran la zona visible, y DevTools ya no muestra caracteres UTF-8 cortados entre dos paquetes HTTP; la versión estable v0.64.0 sigue sin cambios. 🔗 fuente
ZCode v3.16.2 — El repositorio open source de ZCode, el entorno de código de Z.ai, se sincroniza con la v3.16.2 sin notas de la versión: vista completa del panel lateral en la aplicación de escritorio y, en su marketplace, un plugin anet que encarga tareas a otros agentes mediante el protocolo A2A. 🔗 fuente
La CLI mistral 0.9.0 — La herramienta que despliega aplicaciones en la plataforma de Mistral añade mistral upgrade, un despliegue experimental desde el disco sin un commit enviado y, tras un indicador de funcionalidad, mistral apps list y logs; cambio incompatible: el token de un registro privado solo se lee en MISTRAL_REGISTRY_TOKEN o NODE_AUTH_TOKEN. 🔗 fuente
La API de políticas de modelos de Copilot — Los endpoints REST GET y PATCH pasan a disponibilidad general para consultar y modificar los modelos permitidos a nivel de empresa, equipos de empresa, aplicaciones de agente y organizaciones, con la posibilidad de delegar en las organizaciones o los equipos. 🔗 fuente

Empresas y casos de uso

Los Inference hooks para Claude Enterprise — Ya fuera de la beta, envían la transcripción de cada solicitud al servidor de seguridad de la organización, que la autoriza o rechaza antes de que llegue al modelo, en 5 segundos por defecto, desde claude.ai hasta Claude Code, Cowork, Claude Tag o Claude in Chrome; no cubren Bedrock, Google Cloud ni la API. 🔗 notas de la versión · 🔗 documentación
Perplexity y Valarian — Con esta empresa británica de infraestructura soberana, Perplexity ejecuta Computer en los servidores de instituciones reguladas, incluidas las redes aisladas (air-gapped), con modelos abiertos como Nemotron, GLM, Kimi, DeepSeek-R1 o Qwen; despliegues bajo petición, sin precios ni clientes citados. 🔗 fuente
IncidentWatch e IncidentSweep — SpaceXSI cuenta cómo dos Grok Bots gestionan los incidentes de su servicio de soporte: uno detecta cada 5 minutos los picos de tickets y alerta al personal de guardia, el otro cierra los tickets en lotes aprobados por un ingeniero, 204 en unos diez minutos durante un incidente del 18 de septiembre. 🔗 fuente
ChatGPT Work en un franquiciado — Ted Taylor, que gestiona tres restaurantes Schlotzsky’s y Cinnabon en Nuevo México, reduce la revisión de los precios de sus menús de 5 días a entre 1 y 2 horas y su conciliación mensual de caja de 3 horas a entre 5 y 10 minutos, es decir, un 94 % menos, según el estudio de caso de OpenAI. 🔗 fuente
Tres Java Champions y Copilot — En el GitHub Blog, Vlad Mihalcea, Patrick Baumgartner y Frank Delporte cuentan cómo usan Copilot, desde la migración de unas 900 diapositivas a Marp en ocho a diez horas hasta una pull request del agente de código para un error de Pi4J, obtenida en media hora. 🔗 fuente
Hippolyte.ai y ElevenLabs — La plataforma francesa de selección de personal realizó 4 830 entrevistas de voz de preselección en tres semanas con la síntesis de voz de ElevenLabs, con procesamiento de voz en la Unión Europea, grabaciones sin procesar eliminadas en un plazo de 24 horas y un modelo de pesos abiertos autoalojado en Francia. 🔗 fuente
Replit en Japón — Replit abre una oficina en Japón para acercar su creación de aplicaciones y agentes empresariales a las compañías japonesas, con cuatro eventos en Tokio los días 5 y 6 de noviembre, incluido un taller con Microsoft; sin dirección, número de empleados ni oferta específica para Japón. 🔗 fuente

Clasificaciones y guías

ClaimBench — El nuevo benchmark de Vals AI pregunta si un extracto de un informe anual 10-K respalda una afirmación, la contradice o no dice nada al respecto: pplx-decider-v1.2 de Perplexity lidera los modelos de decisión con un 99,69 % por 0,000104 dólares por afirmación, por delante de Mercury Decide (99,08 %), con una de las latencias más altas (1,23 s). 🔗 fuente
MiniMax M3.1 Flash en Parallel — Parallel Web Systems sitúa el modelo de MiniMax, lanzado el día anterior, en el primer puesto de su clasificación de búsqueda web por eficiencia, con un rendimiento cercano al de DeepSeek V4.1 Flash por un coste unas tres veces inferior; se trata de una clasificación de un proveedor externo. 🔗 fuente
Las pasarelas de IA según Perplexity — Una guía de la sección Ideas describe estos proxies situados entre las aplicaciones o los agentes y los modelos (enrutamiento, presupuestos de tokens, caché semántica, salvaguardas) y cita una prueba de Broadcom en la que una pasarela Envoy ajustada añade unos 2 ms por solicitud; no se presenta ningún producto de Perplexity. 🔗 fuente

Creación: imagen, vídeo y presentaciones

Fibo 2.0 de Bria — Diffusers es compatible desde su lanzamiento con este modelo de edición de imágenes de pesos abiertos, presentado como el primero de su categoría, que se controla mediante JSON, reproduce correctamente el texto y está disponible en variantes Turbo y Dev, según Sayak Paul. 🔗 fuente
Art Style Match de Luma — La herramienta aplica a una imagen de producto el estilo de una a cuatro referencias, manteniendo el producto y la composición en su sitio; solo se presenta mediante un tuit, sin publicación en el blog, modelo ni precio. 🔗 fuente
HeyGen Video 1.0 en Design Arena — Según HeyGen, Design Arena sitúa en tercer lugar, tanto en vídeo como en imagen a vídeo, su modelo en 1080p posentrenado sobre MiniMax H3, que HeyGen presenta para primeros planos de productos y planos de recurso. 🔗 fuente
Wan3.0 Prime en OpenRouter — Alibaba sitúa esta variante rápida de Wan 3.0, desde 0,068 dólares por segundo, en el primer puesto de la vista Trending de la clasificación de vídeo de OpenRouter, con unas 3 000 solicitudes (+85 %); Wan 3.0 ocupa el tercer lugar. 🔗 fuente
TJ en GTC Berlin — Synthesia convierte al doble animado de Jensen Huang en un avatar interactivo, construido con sus modelos de vídeo y voz y con su Interactive Avatar API, que recomienda a los visitantes sesiones de entre más de 100 los días 21 y 22 de octubre. 🔗 fuente
La cocreación en Gemini Notebook — Los suscriptores Pro y Ultra eligen el tema, el formato, la duración, el idioma y el estilo visual, y después revisan el esquema de una presentación (Slide Deck) o las notas de producción de un vídeo de síntesis (Video Overview) antes de iniciar la generación; el despliegue continúa. 🔗 fuente

Modelos abiertos, investigación y hardware

AnyLanguageModel 1.0 — El paquete Swift de Hugging Face sustituye el framework Foundation Models de Apple cambiando un import, para ejecutar la misma sesión con el modelo del sistema, modelos abiertos mediante llama.cpp, MLX o Core ML, o proveedores alojados como OpenAI, Anthropic o Gemini. 🔗 fuente
Posentrenar agentes con TRL — Hugging Face publica un recorrido en cinco pasos, desde el ajuste supervisado con trazas de agentes hasta el entrenamiento mediante un arnés real con AsyncGRPO, pasando por la destilación, GRPO y los entornos OpenEnv; contenido didáctico, sin ningún producto nuevo. 🔗 fuente
Nemotron 3.5 Super VL en Thoughtworks — En su segundo informe, Thoughtworks observa que tres adaptadores LoRA mejoran entre 5,42 y 9,41 puntos con datos reservados de derecho y salud, sin mejoras significativas en el benchmark público CaseHOLD, y retira un juez cuyo veredicto variaba 35,1 puntos según sus instrucciones. 🔗 fuente
Una previsión meteorológica más precisa para Francia — En el blog de Hugging Face, un U-Net de unos 2 millones de parámetros, entrenado en una hora, afina de 28 a 5,5 km las previsiones de temperatura de AIFS-ENS: frente a las estaciones de Météo-France, el error se reduce un 14 % (RMSE) a dos días, en lo que sus autores presentan como una demostración. 🔗 fuente
Coral NPU — Google Research completa la arquitectura de 32 bits de su procesador neuronal abierto para IA embebida, basado en RISC-V, con una unidad matricial de hasta 1 TOPS y un objetivo de potencia media de 10 mW, y publica Coral Compiler v1.0; Synaptics lanza su serie de chips Astra SR200. 🔗 fuente

GitHub, fuera de la IA

Secret scanning — El 12 de noviembre, el campo business de dos familias de eventos de auditoría pasará del nombre para mostrar de la empresa a su identificador corto (slug); la revocación, en versión preliminar, también acepta tokens de GitHub codificados en Base64 en repositorios privados e internos. 🔗 fuente
Alertas de Dependabot — La API REST y los webhooks dependabot_alert devuelven un campo version_requirement, la versión o la restricción de versión de la dependencia vulnerable, en github.com y GitHub Enterprise Cloud, a la espera de GitHub Enterprise Server 3.24. 🔗 fuente
Dependabot y los nuevos gestores de paquetes — Dependabot es compatible con npm 12, pnpm 11 y 12 y Bun 1.4 para todos los usuarios de github.com, y los incluirá en GitHub Enterprise Server 3.24. 🔗 fuente
Conjuntos de reglas — Todas las protecciones de ramas de un repositorio se convierten ahora en conjuntos de reglas (rulesets) en una sola acción, con una vista previa, un estado de aplicación a elegir (Active, Evaluate o Disabled) y la conservación o eliminación de las reglas originales. 🔗 fuente

Qué significa

La inferencia deja de depender exclusivamente de NVIDIA, y los proveedores abren los motores que la hacen posible. DeepInfer funciona tanto en las GPU SM100 de NVIDIA como en las NPU Ascend 950 de Huawei, TorchTPU convierte el TPU en un dispositivo PyTorch corriente incluso en Transformers y Diffusers, y PyTorch 2.15 multiplica por más de seis la velocidad de decodificación de un MoE en Mac. DeepSeek también publica los datos económicos de su servicio, 155 billones de tokens al día en un solo cluster y 38 dólares de ingresos por hora-GPU en horas valle, y deepseek-recipe permite a un proveedor de alojamiento externo reproducir el comportamiento de su API oficial. La reutilización del contexto tiene cada vez más peso en este cálculo: DeepSeek conserva su caché KV durante más de 72 horas, y OpenAI vende ahora 12 horas de caché de prompt a los agentes que retoman el mismo contexto durante todo el día.

Para los agentes de voz, Mistral y ElevenLabs defienden dos arquitecturas el mismo día. Voxtral 3 mantiene una cadena de modelos separados, transcripción, un LLM a elegir y síntesis, que el SDK hace funcionar en streaming para completar un turno en menos de un segundo; cada componente se puede cambiar sin reescribir el agente, y los precios se indican por minuto o por carácter. Eleven Realtime fusiona toda la cadena en un único modelo de voz a voz y apuesta por la compatibilidad con la API Realtime de OpenAI para atraer a los desarrolladores que ya la han integrado, sin precios concretos. Mistral añade el argumento del alojamiento en Europa, en un momento en que el caso de Hippolyte.ai muestra lo que exigen los grandes clientes: procesamiento de voz en la Unión Europea y grabaciones eliminadas en un plazo de 24 horas.

El lugar donde trabaja el asistente se convierte en un argumento. Perplexity Computer se ejecuta ahora íntegramente en un Mac con 36 GB de memoria, incluido el modelo, y Valarian lo lleva a redes aisladas; en Anthropic, los Inference hooks permiten al servidor de seguridad de una empresa rechazar una solicitud antes de que llegue al modelo. Los proveedores también detallan los límites de estas protecciones: los chats bloqueados de ChatGPT ocultan una conversación sin cifrarla de extremo a extremo, y esta permanece en los registros de cumplimiento de las empresas.

La seguridad de la cadena de software se juega allí donde actúan los agentes. OSS Scanner ha señalado 77 vulnerabilidades críticas y 803 de gravedad alta en once días, una gravedad que sigue asignando el propio modelo, mientras que la vulnerabilidad de curl ha recibido un identificador CVE, un aviso y un parche. El cortafuegos de paquetes de GitHub se centra en el momento de la instalación, cuando un paquete malicioso puede recopilar las credenciales de un ejecutor de integración continua o de un agente de código. Al mismo tiempo, las CLI de los agentes dan más control a los administradores: Vibe CLI 3.0.1 permite prohibir el modo YOLO, Copilot CLI 1.0.101 permite orientar al juez que valida los permisos, y Claude Code 2.1.304 ya no elimina un worktree sin preguntar.