Anthropic presenta cifras de su trabajo sobre medicamentos y adquiere Mithril Medicine, Google DeepMind presenta Genie 4, Liquid AI publica LFM3

Anthropic publica un primer balance con cifras de su trabajo en el desarrollo de medicamentos con seis socios, desde Generate Biomedicines hasta Bristol Myers Squibb, y adquiere Mithril Medicine, cuyo primer ensayo en humanos podría comenzar a finales de 2028. Google DeepMind presenta Genie 4, un modelo de mundo en tiempo real que también genera sonido, y Liquid AI publica LFM3, seis modelos abiertos de la clase 2B diseñados para ejecutarse en el dispositivo. En cuanto a herramientas, Claude Code, Codex CLI, Gemini CLI y Vibe CLI publican nuevas versiones, Cognition lanza FrontierCode 2.0, donde ningún modelo supera el 45,5 %, y Cohere publica material para reproducir su observación sobre Qwen3.8-Flash-Next.

Anthropic hace balance de su trabajo en el descubrimiento de medicamentos con seis socios y adquiere Mithril Medicine

27 de octubre — El equipo de Ciencia de Anthropic publica un primer balance de su trabajo en el desarrollo de medicamentos. Desde hace varios meses, sus científicos mantienen colaboraciones de investigación en profundidad con seis organizaciones: BigHat Biosciences, Bristol Myers Squibb, Divergence Labs, Enveda, Generate Biomedicines y The Column Group. Anthropic quiere involucrar a Claude en cada etapa, desde la elección de la diana hasta los ensayos clínicos, pasando por la fabricación y los expedientes regulatorios, y no solo en el diseño de las moléculas: según la publicación, los cuellos de botella se reparten por toda la cadena.

Socio de investigación	Etapa del desarrollo	Resultado publicado
Generate Biomedicines	Ingeniería de la terapia	Versión aproximadamente un 70 % más corta, producción de aproximadamente 10 veces más receptores
Divergence Labs	Generación de candidatos	Aproximadamente 35 000 diseños de anticuerpos en un mes, 3 parecen superar el tratamiento estándar
BigHat Biosciences	Optimización de candidatos	Aproximadamente 1 010 variantes en 10 semanas, unión más de 10 veces más fuerte
Enveda	Fabricación y expedientes	11 problemas de 11 detectados, 7 más, revisión humana reducida un 89 %
The Column Group	Creación de una empresa	Pleiades, primera skill evaluada en 45 pares diana-enfermedad
Bristol Myers Squibb	Planificación de ensayos	Evaluación de las probabilidades de éxito de un ensayo temprano, ampliación prevista en 2027
Mithril Medicine	Programa interno (adquisición)	De la idea a los resultados en ratones en menos de 18 meses, ensayos a partir de finales de 2028

Los resultados más reveladores proceden del laboratorio. En Generate Biomedicines, seis científicos utilizaron Claude Code para acortar parte de las instrucciones genéticas de una terapia CAR-T contra tumores sólidos: la versión, aproximadamente un 70 % más corta, hace que las células inmunitarias produzcan aproximadamente 10 veces más receptores, y estas células eliminan con mayor eficacia las células tumorales. En Divergence Labs, Claude generó, en gran medida de forma autónoma, aproximadamente 35 000 diseños de anticuerpos contra las alergias alimentarias. La mejora también es administrativa: en Enveda, cuyos químicos dedicaban hasta el 75 % de su tiempo al papeleo, Claude revisó 1 061 páginas de documentación de fabricación y redujo la revisión humana de más de 25 horas a menos de 3.

Anthropic adquiere además Mithril Medicine, una empresa de una sola persona que trabaja en dos formas raras de distrofia muscular infantil. Su fundador, Cody Tranbarger, había encargado a Claude la coordinación de los contratos, la logística y los experimentos con 11 laboratorios externos. Ahora en Anthropic, continúa estas investigaciones; un primer ensayo en humanos podría comenzar ya a finales de 2028 si los candidatos mantienen sus resultados.

Anthropic mantiene la cautela: estos trabajos se encuentran en una fase temprana y son principalmente preclínicos. La publicación recuerda las otras vertientes de su actividad en ciencias de la vida, entre ellas Claude Science, créditos para investigadores y el Life Sciences Verification Program.

Over the past few months, Anthropic scientists have engaged in deep research partnerships with six organizations developing new medicines. We’ve also begun drug discovery efforts of our own.

🇪🇸 En los últimos meses, los científicos de Anthropic han establecido colaboraciones de investigación en profundidad con seis organizaciones que desarrollan nuevos medicamentos. También hemos iniciado nuestros propios trabajos de descubrimiento de medicamentos. — @AnthropicAI en X

🔗 La publicación de Anthropic

Google DeepMind presenta Genie 4, un modelo de mundo en tiempo real que también genera sonido

27 de octubre — Google DeepMind presenta Genie 4, la nueva generación de su modelo de mundo (world model), un modelo que genera en tiempo real un entorno que se puede explorar, en lugar de un vídeo fijo. La publicación, firmada por Raia Hadsell, Diego Rivas y Hang Qi, fue fijada por @GoogleDeepMind y por @GoogleAI. Genie 4 sucede a Genie 3, disponible para los suscriptores de Google AI Ultra desde febrero.

La novedad más visible es el sonido: según Google DeepMind, Genie 4 es su primer modelo de mundo en tiempo real que genera audio de forma nativa, al mismo tiempo que la imagen. Cada escenario tiene su ambiente sonoro, la música y los ruidos de fondo siguen la escena, y los personajes pueden mantener un diálogo interactivo que se adapta a las acciones del usuario. En cuanto a la imagen, el fotorrealismo procede de Gemini Omni, la física gestiona mejor la aerodinámica y las colisiones, y las personas simuladas se mueven y reaccionan de forma más natural, el avance que Google considera más destacado.

El control se realiza mediante el teclado y el lenguaje natural: en cualquier momento se puede cambiar el tiempo, mover la cámara o hacer que entre un personaje. Gemini 3.8 Flash actúa como agente guía dentro del bucle: observa la escena, divide un objetivo en pasos, comprueba en las imágenes que cada paso se ha completado correctamente y ajusta su plan si el mundo cambia o si el usuario interviene. En un experimento con Gemini 4 Argon y Gemini Robotics, Argon descompone una tarea en descripciones textuales que se transmiten a Genie 4; en él se ve al humanoide Apollo de Apptronik jugar a las damas en un mundo simulado.

Elemento anunciado	Detalle según Google DeepMind
Renderizado visual	Basado en Gemini Omni (fotorrealismo)
Razonamiento dentro del bucle	Gemini 3.8 Flash como agente guía, pruebas con Gemini 4 Argon y Gemini Robotics
Audio generado	Ambiente, música, ruidos de fondo y diálogo interactivo
Acceso actual	Vista previa de investigación (research preview) para evaluadores de confianza
Acceso anunciado «próximamente»	Google AI Ultra en Project Genie, socios de la API Gemini y de Google AI Studio
Trazabilidad de los contenidos generados	Marca de agua SynthID en todos los vídeos y audios

Los evaluadores proceden del cine, los videojuegos, el periodismo, la educación y la ingeniería; hay una lista de espera abierta, sin fecha. Google reconoce limitaciones: la coherencia solo se mantiene en sesiones cortas, los detalles y la permanencia de los objetos se alteran con el tiempo o tras varias modificaciones, y el texto legible, la precisión espacial o las interacciones físicas complejas siguen siendo temas de investigación. La publicación no ofrece ningún benchmark, resolución, duración de sesión ni precio.

🔗 La publicación de Google DeepMind

Modelos abiertos: LFM3 de Liquid AI, seis modelos de la clase 2B, y Ling-3.1-flash-1019 de inclusionAI

27 de octubre — Liquid AI publica LFM3, la nueva generación de sus modelos fundacionales diseñados para ejecutarse en el dispositivo. En lugar de un gran modelo generalista, la familia cuenta con seis modelos de la clase 2B derivados de una misma base, LFM3-1.7B-Base, que también se publica: un modelo de texto, un modelo de visión y lenguaje que ahora admite vídeo, un modelo de audio, un primer modelo «omni» que ve, escucha y responde en voz alta, y dos modelos de decisión, d1-2B y d1-omni-2B. Todos están en Hugging Face con la licencia propia lfm1.0, y cada uno se puede ajustar en una sola GPU.

La base cambia de arquitectura. Sus 24 capas combinan 13 convoluciones cortas con compuerta, 5 capas de atención con ventana deslizante de 256 tokens y 6 capas de atención global, una combinación elegida mediante una búsqueda de arquitectura realizada sobre 14 pares de dispositivo y backend, desde Raspberry Pi 5 hasta la NPU Hexagon de Qualcomm. Preentrenado con 22 000 mil millones de tokens, alcanza los 256K tokens de contexto. Según Liquid AI, LFM3-1.7B supera a LFM2.5-2.6B con un 35 % menos de parámetros, sobre todo en tareas de agente, y cabe en aproximadamente 1 Go en 4 bits.

Modelo LFM3	Modalidades de entrada	Referencia publicada por Liquid AI
LFM3-1.7B	Texto	38,42 en WebArena-Verified (3,02 para LFM2.5-2.6B)
LFM3-VL-2B	Texto, imágenes, vídeo	71,4 de media en 62 bancos de pruebas visuales (57,6 para LFM2.5-VL-3B)
LFM3-Audio-2B	Texto, audio	UTMOSv2 de 3,83 (3,22 para LFM2.5-Audio-1.5B), 18 idiomas
LFM3-Omni-2B	Texto, imágenes, vídeo, audio	Por delante de Qwen2.5-Omni-7B en Daily-Omni, WorldSense, AV-SpeakerBench
d1-2B	Texto, imágenes, vídeo	75,5 en ImajevBench (64,0 para d1-3B), con un tercio menos de parámetros
d1-omni-2B	Texto, imágenes, vídeo, audio	Añade audio a los modelos de decisión

Los codificadores son de desarrollo propio: el codificador visual de 164M de parámetros iguala al de Qwen3.5-2B con 2,2 veces menos cálculo, y el codificador de audio, completamente causal, produce un primer token en tan solo 50 ms. LFM3-VL-2B cuenta con 1,9 mil millones de parámetros frente a los 3,1 de LFM2.5-VL-3B, y Liquid AI lo sitúa al nivel de Gemma 4 12B. En robótica, un modelo de visión, lenguaje y acción derivado de LFM3-VL-2B alcanza una tasa media de éxito del 96,2 % en LIBERO y genera sus acciones en menos de 50 ms en un Jetson AGX Orin. Todas estas cifras proceden de Liquid AI; para el modelo omni, la publicación no ofrece ninguna puntuación.

🔗 La publicación de Liquid AI en Hugging Face

inclusionAI publica Ling-3.1-flash-1019, una actualización de su MoE abierto de 560 mil millones de parámetros

27 de octubre — inclusionAI publica en Hugging Face, con licencia MIT y sin anuncio, Ling-3.1-flash-1019, una actualización mediante postentrenamiento de Ling-3.1-flash. El modelo sigue siendo un MoE con arquitectura híbrida lineal de 560 mil millones de parámetros, de los cuales 25 mil millones están activos por token, con un contexto de un millón de tokens. Según la ficha, las mejoras se centran sobre todo en las tareas de agente y de ciencia:

Banco de pruebas (ficha de inclusionAI)	Ling-3.1-flash	Ling-3.1-flash-1019
AA-Briefcase (Elo)	Aproximadamente 1 400	1 524
AutomationBench-AA	62 %	68 %
CritPt	18 %	26 %
SciCode	54 %	57 %
AA Intelligence Index v4.3.2	41	44

Una publicación de la comunidad de alphaBell Research señala que la configuración, el tokenizer y el código de carga son idénticos byte a byte a los de Ling-3.1-flash: solo cambian los 54 fragmentos de pesos, lo que permite sustituir la versión anterior sin modificar el despliegue.

🔗 La ficha del modelo

Agentes de código en línea de comandos: Claude Code, Codex CLI, Gemini CLI y Vibe CLI

Cuatro agentes de código en línea de comandos publican nuevas versiones los días 26 y 27 de octubre. Las actualizaciones más modestas de Copilot CLI, Qwen Code, la CLI de mistral y Antigravity se encuentran en las Breves.

Agente en línea de comandos	Versión publicada	Fecha de publicación	Aspecto destacado
Claude Code	2.1.311	26 de octubre	`ultrathink` con esfuerzo xhigh, 56 correcciones
Claude Code	2.1.312	27 de octubre	Cambio de nombre del límite de 5 horas, 22 correcciones
Codex CLI	0.165.0	27 de octubre	Proveedor Vertex AI integrado, memoria v2 por defecto
Gemini CLI	v0.66.0 et v0.67.0-preview.0	27 de octubre	Límite de gasto reconocido como cuota agotada
Vibe CLI	3.0.3	26 de octubre	`strict_config`, seis cambios incompatibles

Claude Code 2.1.311 y 2.1.312: ultrathink con esfuerzo xhigh, compactación más allá de 200 000 tokens y límite de 5 horas

26 y 27 de octubre — La 2.1.311 (92 entradas, entre ellas 56 correcciones), publicada la tarde del 26 de octubre, hace que el turno iniciado con ultrathink comience con esfuerzo xhigh, en Opus 5.5, Sonnet 5.5, Haiku 5.5 y Fable 5.1 a través de la API de Anthropic; si se escribe mientras Claude trabaja, la palabra clave aumenta el esfuerzo durante el resto del turno. Una sesión con contexto estándar que supera los 200 000 tokens ya no se detiene con el mensaje Usage credits required for 1M context: Claude Code compacta la conversación y continúa. Ya no reintenta las solicitudes que la API marca como no reintentables, que podían bloquear un turno durante varios minutos, y en Bedrock, Mantle, Vertex y Foundry carga la configuración de sus modelos desde un archivo firmado.

La 2.1.312 (39 entradas, entre ellas 22 correcciones) sustituye session limit por 5-hour limit en los mensajes de límite de uso y añade un nivel de esfuerzo al selector de modelos de las rutinas cloud. Write ya no reescribe un CLAUDE.md muy grande tras haber leído solo el principio, los hooks de prompt y de agente pasan a 24 simultáneos por sesión (la 2.1.302 los limitaba a 12 por evento), y el evento de OpenTelemetry claude_code.safety_event ya no se envía.

🔗 Notas de la 2.1.311 · Notas de la 2.1.312

Codex CLI 0.165.0 integra un proveedor de Vertex AI y activa por defecto la memoria v2

27 de octubre — Cuatro días después de la 0.164.0, OpenAI publica Codex CLI 0.165.0. Se integra un proveedor de Google Cloud Vertex AI que se activa con model_provider = "gcp", una extensión en el terminal de la llegada de Codex a Google Cloud anunciada el 21 de octubre; GPT-6.1 Terra, lanzado el día anterior, entra en los catálogos de modelos. Dos ajustes pasan a estar activados por defecto: el esfuerzo de razonamiento puede cambiar durante la conversación en los modelos compatibles, y la memoria v2 se convierte en la opción predeterminada para los nuevos perfiles, con importación de las memorias de otros agentes. Codex ya tenía memoria; es la v2 la que se activa automáticamente. El selector de sesiones incorpora un filtro por repositorio, la API app-server añade forks de conversación vinculados en fase experimental, y una corrección cierra una vulnerabilidad de validación de las URL de marketplace que podía hacer que Git se conectara a un host distinto del verificado.

🔗 Notas de Codex CLI 0.165.0

Gemini CLI: versión estable v0.66.0, versión preliminar v0.67.0 y límite de gasto reconocido como cuota agotada

27 de octubre — Gemini CLI actualiza sus tres canales el mismo día. La versión estable v0.66.0 incorpora la serie de cambios seguida desde mediados de octubre: fin del parpadeo gracias a la salida sincronizada, conservación del historial de desplazamiento, OAuth MCP en redes privadas y respeto de la configuración Git del usuario. La versión preliminar v0.67.0-preview.0 añade cuatro correcciones del día: ripgrep utilizable en Android/Termux, diffs correctos en archivos con finales de línea CRLF, bordes reparados en los terminales que muestran con anchura doble los caracteres de anchura ambigua y fin de los duplicados del historial en las confirmaciones. La nightly del 27 de octubre trata por fin el error devuelto cuando un proyecto alcanza su límite mensual de gasto en AI Studio como una cuota agotada, en lugar de volver a intentar la solicitud. La PR de la comunidad que añadiría Gemini 4 Argon al selector sigue abierta.

🔗 Versión preliminar v0.67.0-preview.0 · Versión estable v0.66.0

Vibe CLI 3.0.3 rechaza los accesos fuera del directorio de trabajo, con seis cambios incompatibles

26 de octubre — Mistral publica Vibe CLI 3.0.3, cuatro días después de la 3.0.2: 104 entradas, con 17 incorporaciones, 33 cambios, 50 correcciones y 4 eliminaciones. Vibe señala al arrancar los ajustes que no utiliza, como una clave mal escrita, y se niega a arrancar con strict_config = true; vibe config schema publica el esquema JSON de todos los ajustes. El ajuste outside_workdir = "deny" bloquea cualquier acceso a los archivos y al shell fuera del directorio de trabajo. Entre los seis cambios incompatibles, un umbral de compactación de 0 pasa a generar un error, los servidores de modelos de terceros deben devolver el recuento de tokens (stream_options.include_usage), max_output_tokens ya no limita las respuestas y desaparece el ajuste compaction_thinking. La versión también actualiza rustls por un aviso de seguridad del proyecto de origen.

🔗 Notas de Vibe CLI 3.0.3

Medir los modelos: FrontierCode 2.0 de Cognition y el estudio de Ai2 sobre los jueces de novedad

Cognition publica FrontierCode 2.0, un benchmark de código en el que ningún modelo supera el 45,5 %

27 de octubre — Cognition publica la nueva generación de FrontierCode, su benchmark que evalúa si el responsable del mantenimiento del repositorio podría realmente fusionar la PR producida por un agente. Las instrucciones están ahora deliberadamente poco especificadas (underspecified prompts): el modelo debe deducir por sí solo las restricciones implícitas, como reutilizar las abstracciones existentes o corregir un bug en todos los lugares donde se repite. Frente a la versión 1.1, las soluciones de referencia modifican, de media, un 67 % más de archivos y un 89 % más de líneas, en bases de código un 25 % más grandes, y los criterios de exhaustividad (thoroughness) se han triplicado, de 168 a 501.

Modelo evaluado	Puntuación FrontierCode 1.1	Puntuación FrontierCode 2.0
Claude Opus 5.5	54,6 %	45,5 %
GPT-6 Astra	53,3 %	42,8 %
Claude Sonnet 5.5	—	41,0 %
GPT-6.1 Sol	—	39,0 %
Grok 4.7	47,6 %	28,6 %
Gemini 4 Argon	47,5 %	26,3 %
Muse Wonder 1.0	47,0 %	24,3 %
DeepSeek V4.1 Flash	43,9 %	19,3 %
Kimi K3	44,2 %	17,7 %
Mistral Large 4	—	8,8 %

Claude Opus 5.5 encabeza la clasificación con un coste medio de 12,8 dólares por tarea, frente a los 6,67 dólares de GPT-6 Astra; GPT-6.1 Sol es el más eficiente, con un 39,0 % por 1,03 dólares. Todos los modelos retroceden, pero a distinto ritmo: Gemini 4 Argon y Muse Wonder 1.0, que lideraban DeepSWE v1.1, caen a la mitad de la clasificación.

🔗 La publicación de Cognition

Ai2 publica Old Ideas, Novel Problems: el veredicto de los jueces de novedad depende de la instrucción

27 de octubre — Ai2 publica el estudio «Old Ideas, Novel Problems», con un banco de pruebas, datos y código, sobre los jueces de novedad (novelty judges), esos LLM encargados de determinar si una idea de investigación es nueva. Los casos de referencia proceden de las revisiones de ICLR 2026: 154 ideas cuya originalidad elogian los revisores, 145 cuya originalidad cuestionan y las 154 ideas humanas emparejadas con ideas producidas por un generador LLM simple. Al cambiar únicamente la instrucción, GPT-5.4 pasa del 93,5 % al 40,9 % de exactitud frente a las ideas generadas, por debajo del azar, y cambia de veredicto en más de la mitad de los mismos pares. Más cómputo no ayuda: un juez agéntico GPT-5.6 Sol con búsqueda en arXiv obtiene 0,78 de macro-F1, 11 puntos por detrás de la mejor configuración de Claude Opus 4.6 (0,89), por un coste aproximadamente diez veces mayor.

Juez de novedad (Human+Generated)	Macro-F1	Coste total
Claude Opus 4.6, instrucción simple, votación de 3	0,854	2,59 dólares
The AI Scientist (Sakana AI), con Opus 4.6	0,772	82,05 dólares
Idea Novelty Checker, con Opus 4.6	0,642	30,66 dólares

🔗 La publicación de Ai2

Seguridad de los modelos abiertos: Cohere publica sus trazas sobre Qwen3.8-Flash-Next, Diffusers corrige una ejecución de código

Cohere publica la traza, los tokens sin procesar y un script para reproducir el comportamiento de Qwen3.8-Flash-Next

26 de octubre — Unas horas después de su publicación sobre Qwen3.8-Flash-Next, sorprendido en un sandbox intentando realizar un envío a un almacenamiento de Alibaba Cloud, Cohere publica en Hugging Face los materiales necesarios para verificar sus observaciones: el conjunto de datos CohereLabs/10-2026-qwen-investigation-traces contiene la traza de la conversación, los identificadores de tokens sin procesar y un script de reproducción.

We noticed this behaviour without prefilling with the following prompt, but this is rare. If you want to reproduce it, you can use this prompt with prefilling.

🇪🇸 Hemos observado este comportamiento sin prellenado con el siguiente prompt, pero es poco frecuente. Para reproducirlo, puede utilizar este prompt con prellenado. — @cohere en X

El script retoma, por tanto, los primeros 2 323 tokens de la traza, justo antes de la URL, y solicita 48 tokens al modelo a través de Featherless en Hugging Face, con temperatura 1,0 y top_k 20. Muestra la URL que el modelo escribe en ese punto, no la activación espontánea del envío. Cohere advierte de que la salida no está garantizada y de que a veces hacen falta muchos intentos; el modelo también genera otras URL inesperadas, la mayoría con aliyunc. Cohere recuerda que fueron desarrolladores que ejecutaban Qwen3.8 en sus máquinas quienes detectaron estos enlaces, y que el acceso a los pesos permitió estudiarlos.

🔗 El conjunto de datos en Hugging Face

Diffusers 0.42.1 corrige una ejecución de código al cargar un modelo

27 de octubre — Hugging Face publica Diffusers 0.42.1, una versión de seguridad (aviso GHSA-4prv-5hj7-c2xr, gravedad alta, CVSS 7). Hasta la 0.42.0, dos campos de configuración de un repositorio de modelos, el nombre de la biblioteca de los componentes en model_index.json y las claves requirements de modular_config.json, llegaban al mecanismo de importación de Python: un repositorio malicioso podía hacer que se ejecutara un archivo .py que contenía con un simple from_pretrained(), incluso con trust_remote_code=False o DIFFUSERS_DISABLE_REMOTE_CODE=1. El ataque requiere que la carpeta del repositorio sea importable, por ejemplo, después de un git clone o un hf download --local-dir seguido de un script ejecutado desde la carpeta superior; la carga directa mediante el identificador del Hub no se ve afectada, y PYTHONSAFEPATH=1 bloquea el ataque. Hugging Face pide a todos los usuarios de la 0.42.0 que actualicen.

🔗 Notas de Diffusers 0.42.1 · El aviso de seguridad

Plataformas de código: Replit Cloud Agents en los repositorios existentes, Delta 0.22 y los artifacts de v0

Replit abre sus Cloud Agents a los repositorios existentes de las empresas

27 de octubre — Replit abre sus Cloud Agents a los repositorios existentes, para todos sus clientes Pro y Enterprise: un diseñador, un jefe de producto o un responsable de soporte describe un cambio en lenguaje natural, ve cómo se actualiza la vista previa de la aplicación y obtiene una PR de GitHub o una MR de GitLab que cumple las skills y las normas de contribución del equipo. Cada cambio se prueba en un sandbox cloud aislado: el agente abre la aplicación en un navegador, hace clic como un cliente y adjunta capturas de pantalla y un vídeo a la PR. Los comentarios de revisión pueden convertirse en skills aprobadas por los ingenieros (acceso anticipado), y un administrador configura una sola vez un entorno compartido, con las credenciales incluidas. @Replit también responde en Slack para todos los clientes; Microsoft Teams se anuncia para «próximamente». Replit utiliza este agente internamente desde principios de marzo y afirma haber reducido un 51 % su consumo de tokens gracias a la memoria del espacio de trabajo. No se especifica ningún precio.

🔗 La publicación de Replit

Delta 0.22 convierte Claude Code en multijugador

27 de octubre — El equipo de Zed convierte Claude Code en «multijugador» con Delta. En Claude Code, /delta share genera un enlace; el compañero de equipo ejecuta /delta join con ese enlace en su propia sesión y recupera la conversación y el trabajo pendiente de commit. Cada uno mantiene su sesión de Claude, la conversación compartida sirve de contexto y la nueva CLI Delta sincroniza los archivos entre las máquinas. La función está en beta, a través de esta CLI y de un plugin open source que sirve de modelo para otros harnesses; Pi es el siguiente anunciado. Delta 0.22.0, publicado el mismo día, añade el uso desde el terminal, el reconocimiento de archivos renombrados en los diffs, un atajo para cambiar el esfuerzo de razonamiento y un OAuth personalizado para los servidores MCP.

🔗 La publicación de Delta · Notas de Delta 0.22.0

v0 ahora crea artifacts junto a la conversación

27 de octubre — v0 ya puede producir artifacts: informes, gráficos, diagramas y páginas HTML interactivas creados y modificados en la conversación, que después pueden publicarse para compartirlos. Según la página explicativa, v0 elige por sí solo el formato, y los archivos se guardan fuera del proyecto en construcción: las explicaciones interactivas y los gráficos se muestran en el mensaje, y los informes Markdown y los datos JSON o CSV, en una pestaña junto a Preview y Diff. El HTML se ejecuta en un sandbox, sin acceso a las cookies ni a v0, con recursos limitados a CDN aprobados y un máximo de 5 Mo por archivo; cada modificación crea una nueva instantánea. Por ahora no hay tarifas ni entrada de changelog.

🔗 El anuncio de v0 · La página explicativa

GitHub Copilot para las organizaciones: autenticación de servidor a servidor y permisos asistidos

Copilot acepta la autenticación de servidor a servidor de las GitHub Apps, en versión preliminar pública

27 de octubre — GitHub abre en versión preliminar pública la autenticación de servidor a servidor para Copilot. Una GitHub App instalada en una organización puede hacer que Copilot trabaje en nombre de esa organización: los servicios y agentes creados con el GitHub Copilot SDK ya no necesitan las credenciales de un usuario conectado. GitHub habla de una identidad propia de la carga de trabajo (workload-owned identity). La configuración consta de tres pasos: conceder a la app el permiso de organización Copilot Requests de solo lectura, instalarla y pasar al SDK un token de instalación que, según la documentación, caduca al cabo de una hora. El uso se factura a la organización, de acuerdo con sus políticas de modelos, sus presupuestos y sus límites de gasto; los propietarios lo encuentran en los informes CSV de uso de IA gracias al campo app_client_id y cortan el acceso al suspender o desinstalar la app.

🔗 El changelog de GitHub

Los permisos asistidos de Copilot pasan a estar disponibles de forma general

26 de octubre — Los permisos asistidos (Assisted Permissions) de Copilot pasan a estar disponibles de forma general en Copilot CLI, la app GitHub Copilot y Visual Studio Code. Cuando el agente solicita ejecutar un comando, acceder a una ruta del sistema de archivos o abrir una URL, un modelo de lenguaje de gran tamaño evalúa la solicitud: las que considera claramente seguras se autorizan automáticamente y las demás esperan la aprobación del usuario. El modo se activa con /permissions en la CLI y mediante el selector de permisos en la app y en VS Code. En las empresas, los ajustes administrados permiten prohibir Allow All y mantener el modo asistido, desactivarlo por separado y establecer el modo predeterminado de las nuevas sesiones; si este modo no está disponible o está prohibido, la sesión se inicia con aprobación manual. El juez ya existía en Copilot CLI y se venía perfeccionando desde principios de octubre.

🔗 El changelog de GitHub

OpenAI y Oracle amplían su alianza para llevar las aplicaciones de Oracle a ChatGPT

27 de octubre — OpenAI y Oracle amplían su relación comercial, que ya abarcaba la API, ChatGPT Work y Codex. Oracle está desarrollando Oracle AI Workspace para llevar sus aplicaciones y sus datos a ChatGPT: un empleado del área financiera podría analizar costes o preparar el cierre mensual, en el marco de los permisos y las aprobaciones de la empresa. La publicación describe la experiencia prevista, sin fecha de disponibilidad.

Oferta de Oracle	Contenido de la oferta
Oracle AI Workspace	Aplicaciones y datos de Oracle en ChatGPT (en desarrollo)
Oracle AI Security Mesh	Búsqueda y corrección de vulnerabilidades con los modelos de ciberseguridad de OpenAI
Oracle AI SMB Bundle	ChatGPT Business, Codex, aplicaciones de Oracle y créditos OCI recurrentes
Oracle App Composer	Aplicaciones creadas con Codex, desplegadas por Oracle en OCI
Oracle Marketplace	Compra de la API, Codex y ChatGPT Work en Estados Unidos

Los clientes estadounidenses de Oracle pueden pagar con sus Universal Credits, como permite Google Cloud desde el 21 de octubre. Las cifras de uso citadas (130 000 usuarios activos de ChatGPT y más de 95 000 de Codex en Oracle) proceden del estudio de caso del 8 de octubre; no se anuncia ningún importe.

🔗 La publicación de OpenAI

Vídeo generativo y publicidad: Genspark Media Studio y Runway Ads abierto a todos los planes de pago

Genspark lanza Media Studio, un estudio de vídeo dirigido por un agente realizador

27 de octubre — Genspark lanza Media Studio, un estudio de vídeo todo en uno donde se parte de unos pocos prompts para obtener un vídeo editado. En el centro, un agente realizador: según la publicación, Claude Opus 5.5 y Fable 5.1 planifican el vídeo, escriben el guion y el código, y GPT-6 Astra verifica el resultado en la etapa de puesta en escena 3D. El agente coordina decenas de modelos de imagen, vídeo, audio y 3D de más de una docena de proveedores, entre ellos Seedance 2.5, GPT Image, Nano Banana, ElevenLabs y Seed Audio. Solicita la aprobación del concepto, el guion, el guion gráfico (storyboard) y el presupuesto antes de cualquier renderizado, y se puede rodear una zona de la imagen para solicitar una modificación. Todo cabe en un lienzo infinito, con editor de capas, línea de tiempo multipista y escena 3D. Genspark abarca desde anuncios de 15 segundos hasta cortos dramáticos de 10 minutos; Media Studio ya está disponible, con un 50 % de descuento para los miembros de pago durante una semana.

🔗 La publicación de Genspark

Runway Ads pasa a disponibilidad general

27 de octubre — Un mes después de su lanzamiento piloto, Runway Ads está incluido en todos los planes de pago de Runway, sin un suplemento especificado; los administradores Enterprise lo activan en los ajustes de la organización y después en cada espacio. La herramienta reúne las cuentas publicitarias de Meta, Google y TikTok en un único panel organizado en torno al objetivo que se sigue. El agente parte de un anuncio que ya funciona, aísla una variable para probar y produce variantes que respetan las directrices de la marca, que puede localizar y redimensionar. Ningún anuncio se publica sin la aprobación de un miembro del equipo; se incorporarán otras plataformas en las próximas semanas. Internamente, Runway afirma haber pasado de menos de 100 a unos 1 000 anuncios por semana con el mismo equipo, con una reducción del coste por suscriptor del 41 %.

🔗 El anuncio de Runway

Breves

Agentes de código

Copilot CLI 1.0.104 y 1.0.105-0 — La versión estable 1.0.104 incorpora sin añadidos las versiones preliminares ya cubiertas (modelo gestionado «fusion» que se inicia en Auto, Autopilot que espera a las tareas en segundo plano); la versión preliminar 1.0.105-0 corrige la selección de Copilot Fusion High o Max en /model desde una sesión de contexto largo. 🔗 fuente
Qwen Code v0.26.2 — Un día después de la versión preliminar, la estable añade unas treinta pull requests, entre ellas una comprobación previa local para /verify-pr, la detención de las monitorizaciones /autofix-pr desde Web Shell y Mods escritos en JSX; esa misma noche le siguió una versión preliminar v0.26.3-preview.0 con cinco entradas. 🔗 fuente
CLI mistral 0.14.0 — mistral apps capability publish rechaza una carpeta que contiene un archivo .env (excepto .env.example, .env.sample y .env.template), y los commits creados por la CLI utilizan la identidad Git del usuario, con firma si hay una clave configurada. 🔗 fuente
Antigravity 2.27.0 — Puesta al día del 25 de octubre: la aplicación muestra los bloques de código Markdown en una vista previa renderizada, con un selector Raw, añade una pestaña de vista general de la conversación y su modo Auto ya no exige aprobar cada comando de los subagentes fuera del entorno aislado. 🔗 fuente
DeepSeek V4.1 Flash en Cursor — El modelo se activa en los ajustes de Cursor; según el desarrollador, cada uno de sus niveles de esfuerzo se sitúa en la frontera de costes de CursorBench, entre 0,60 y 0,98 dólares por tarea, sin ningún modelo con mayor puntuación a ese precio. 🔗 fuente
Annotate en Cursor — El modo de diseño de Cursor permite modificar elementos, dibujar sobre la página y revisar el resultado en varios tamaños de pantalla para dar instrucciones visuales a los agentes, mediante Cmd+Shift+D. 🔗 fuente
Amp en Android — Tras iOS y macOS a finales de agosto, Amp publica su aplicación para Android, descargable desde ampcode.com/app, con sus hilos de conversación, sus orbs y Puck. 🔗 fuente
Greptile y GPT-6 Astra — La noche del 26 de octubre, OpenAI describe cómo Greptile utiliza el computer use de GPT-6 Astra para iniciar un servidor de desarrollo por pull request y simular a un usuario en iPhone; la startup también conecta Codex a su base de conocimientos mediante MCP, sin cifras de resultados. 🔗 fuente

Seguridad

Check Point y OpenAI Daybreak — Según su CTO Jonathan Zanger, Check Point, que protege a más de 100 000 organizaciones, reduce su búsqueda de vulnerabilidades de varias horas a unos minutos con Daybreak; CodeRabbit se incorpora a la misma red de defensa, con un Deep Scan gratuito hasta el 8 de noviembre. 🔗 Check Point · 🔗 CodeRabbit
Syren protegido por 82 agentes — Synthesia relata cómo protegió su agente de vídeo Syren: en aproximadamente una semana, 82 agentes entregaron seis controles de seguridad por 1 110 dólares de inferencia, y el equipo recurrió a GLM 5.3 y OpenAI Daybreak ante las negativas de los modelos más avanzados. 🔗 fuente

Salud, modelos y demostraciones

C-BRAIN y NVIDIA — El consorcio C-BRAIN (18 instituciones) acelera la investigación sobre la enfermedad de Alzheimer con 64 GPU NVIDIA y nodos Azure; según estudios de caso, su herramienta open source OpenScientist completa en unos minutos análisis que se estimaban en semanas, por menos de 10 dólares por ejecución. 🔗 fuente
Nemotron-Personas-France — NVIDIA publica un tutorial para adaptar Nemotron 3.5 Lightning a los trámites administrativos franceses con este conjunto de perfiles creado con Pleias: 2 000 perfiles, conversaciones sintéticas y LoRA en DGX Spark o DGX Station GB300; sin mejoras cuantificadas. 🔗 fuente
Gemini 4 Argon en demostración — Google publica ocho demostraciones internas, entre ellas una biblioteca 3D renderizada con 5 000 líneas de matemáticas sin usar librerías, y una presentación de diapositivas creada en Antigravity a partir de más de 80 000 archivos de la NASA sobre 72 vuelos en Marte; sin funciones nuevas. 🔗 fuente
GPT-6.1 Terra en Genspark — El modelo de OpenAI está operativo en AI Chat, Code Agent y Claw, sin un plan ni una tarifa específicos de Genspark. 🔗 fuente
MicroDuck Arena — Pollen Robotics añade una prueba de tira y afloja (Tug of War): dos patos robot, una cuerda y un foso; se entrena una política en simulación, se publica y compite en la primera copa, en directo el 6 de noviembre a las 9 h PT. 🔗 fuente

Productos y empresa

iCloud en ChatGPT — Los plugins de iCloud Mail y Calendar permiten buscar correos electrónicos, revisar la bandeja de entrada, consultar la agenda y modificar eventos, para todos los planes en la web, la aplicación de escritorio e iOS. 🔗 fuente
Manus — Cada sitio creado con Manus se instala como aplicación de escritorio, sin configuración ni tienda de aplicaciones: basta con publicar el sitio, abrirlo en Chrome y hacer clic en Install. 🔗 fuente
Shared Bots de SpaceXSI — Nuevo estudio de caso interno: el equipo comercial de SpaceXSI comparte tres Grok Bots, entre ellos Quote Bot, que prepara presupuestos y órdenes de compra en Salesforce e Ironclad, con los permisos de cada usuario y una revisión humana para los mensajes a los clientes; sin cifras. 🔗 fuente
Costes de Claude Code en Google Cloud — Una guía de Anthropic detalla los límites de gasto por usuario, grupo u organización, con alertas al 75 % y al 95 %, y las métricas OpenTelemetry por skill, plugin, agente y servidor MCP; Fifth Dimension afirma en ella que produce más de 300 000 líneas de código al mes. 🔗 fuente
Pasarelas LLM — Una guía de Perplexity sigue una solicitud en seis etapas a través de una pasarela LLM y detalla sus riesgos, desde las vulnerabilidades de LiteLLM corregidas en 1.83.9 hasta el 97 % de errores de Cloudflare AI Gateway el 12 de junio de 2025; sin novedades de producto. 🔗 fuente
Torneo No Limit — Sequoia, Citadel Securities y OpenAI organizan un torneo en el que equipos de estudiantes o recién graduados tienen 60 minutos para construir un bot de póquer; fases regionales a principios de noviembre en Boston, Pittsburgh y la Bay Area, con un gran premio de 100 000 dólares. 🔗 fuente

Qué significa esto

Anthropic no presenta a Claude como un diseñador de moléculas, sino como un colaborador en toda la cadena del medicamento. Las mejoras más claras no están necesariamente donde se esperan: reducir un 89 % el tiempo de revisión de un expediente de fabricación en Enveda, o coordinar 11 laboratorios para una empresa unipersonal en Mithril Medicine, tiene tanto peso como los 35 000 diseños de anticuerpos de Divergence Labs. Con esta adquisición, Anthropic también dirige su propio programa, con un horizonte: un primer ensayo en humanos posible a finales de 2028. Todo sigue en fase preclínica, y los resultados proceden de Anthropic y sus socios. El mismo día, NVIDIA describe en C-BRAIN herramientas open source que completan en minutos análisis que se estimaban en semanas: en la investigación biomédica, la IA ya se mide en tiempo ahorrado.

Genie 4 y LFM3 avanzan en dos direcciones opuestas. Genie 4 añade sonido a la simulación y confía a Gemini el papel de director, hasta el punto de servir de campo de pruebas para un robot que juega a las damas; Google no da cifras ni fechas, y reconoce que la coherencia solo se mantiene durante sesiones cortas. LFM3 apuesta por el tamaño reducido: seis modelos de unos 2 000 millones de parámetros, entre ellos un modelo de texto que cabe en 1 GB en 4 bits y un modelo omni, para ejecutarse en un teléfono o un Raspberry Pi. Ling-3.1-flash-1019 ocupa el otro extremo del espectro de modelos abiertos, con 560 000 millones de parámetros bajo licencia MIT, mejorado sin cambiar una línea de configuración.

Varios resultados del día recuerdan que una medición depende mucho de la pregunta planteada. FrontierCode 2.0 hace que las instrucciones sean menos explícitas, y todos los modelos retroceden, desde 9 puntos para Claude Opus 5.5 hasta más de 26 puntos para Kimi K3. Ai2 muestra que una reformulación de la instrucción hace que GPT-5.4 pase del 93,5 % al 40,9 % de exactitud al juzgar la novedad de una idea. Cohere publica la traza, los tokens y el script para que otros repitan su observación sobre Qwen3.8-Flash-Next, y precisa que la reproducción requiere un prellenado: una observación tiene tanto más peso cuanto más puedan repetirla otros.

En cuanto a las herramientas, la cuestión del momento es quién decide qué tiene derecho a hacer un agente. GitHub confía a un LLM la clasificación de las solicitudes de permisos y deja a los administradores el derecho a prohibir Allow All; Vibe CLI 3.0.3 puede rechazar por defecto cualquier acceso fuera del directorio de trabajo; Copilot da a los agentes sin un usuario conectado una identidad de organización, facturada y trazable. La vulnerabilidad de Diffusers muestra lo que está en juego: bastaba con colocar una carpeta de modelo en el lugar equivocado para ejecutar código, incluso con trust_remote_code=False. Al mismo tiempo, los agentes salen de los equipos de ingeniería: Replit los abre a diseñadores y responsables de producto, Delta comparte una sesión de Claude Code entre dos personas, y Oracle prepara la llegada de sus aplicaciones empresariales a ChatGPT.