Claude Sonnet 5 disponible en todos los planes, Claude Science en beta, Amp lanza los Orbs

El 30 de junio de 2026 marca una jornada intensa para el ecosistema de IA: Anthropic lanza simultáneamente Claude Sonnet 5 —su modelo Sonnet más agentivo hasta la fecha, ahora predeterminado en los planes Free y Pro con una ventana nativa de 1 millón de tokens— y Claude Science, un entorno de trabajo especializado para investigadores científicos que integra el BioNeMo Agent Toolkit de NVIDIA. En cuanto a herramientas de desarrollo, Amp despliega los Orbs, máquinas en la nube dedicadas a la ejecución de agentes no supervisados, mientras que Google pone a disposición de los desarrolladores Nano Banana 2 Lite y Gemini Omni Flash. OpenAI publica por su parte GeneBench-Pro, un benchmark de nivel de investigación en biología computacional.

Claude Sonnet 5 — modelo predeterminado Free y Pro, contexto de 1 millón de tokens

30 de junio — Anthropic lanza Claude Sonnet 5, su nuevo modelo de la familia Sonnet diseñado como el más agentivo hasta la fecha. Sonnet 5 reduce la brecha con Opus 4.8 en los benchmarks agentivos (BrowseComp, OSWorld-Verified) manteniendo tarifas inferiores, y se convierte en el modelo predeterminado para los planes Free y Pro desde el mismo día del lanzamiento.

Característica	Valor
Identificador API	`claude-sonnet-5`
Ventana de contexto	1 millón de tokens (nativa)
Precio input (promo)	$2 por millón de tokens
Precio output (promo)	$10 por millón de tokens
Planes por defecto	Free, Pro
Disponibilidad	API, todos los planes Claude

Entre las capacidades destacadas: planificación autónoma, uso de herramientas en varios pasos, ejecución de tareas complejas sobre código heredado (brownfield code), y mejor adherencia a las convenciones de código. En materia de seguridad, Sonnet 5 presenta una tasa de comportamientos indeseables globalmente inferior a Sonnet 4.6, pero muestra capacidades ligeramente superiores en algunas tareas de ciberseguridad sin entrenamiento específico; por ello se lanza con protecciones en tiempo real mediante el Cyber Verification Program. La System Card completa está disponible en anthropic.com.

Disponibilidad ampliada: Sonnet 5 también está disponible en disponibilidad general en GitHub Copilot (planes Pro, Pro+, Max, Business y Enterprise, con cero retención de datos para Business y Enterprise, seleccionable en VS Code, JetBrains, Xcode, CLI, github.com, iOS y Android) y en Microsoft Foundry sobre GPU NVIDIA GB300 NVL72.

🔗 Anuncio de Anthropic — Claude Sonnet 5

Claude Code v2.1.197 — Sonnet 5 como modelo predeterminado

30 de junio — La versión 2.1.197 de Claude Code acompaña el lanzamiento de Sonnet 5 convirtiéndolo en el modelo predeterminado de la herramienta CLI. La ventana de contexto nativa de 1 millón de tokens está directamente accesible en las sesiones de Claude Code. La tarifa promocional de $2/$10 por millón de tokens es válida hasta el 31 de agosto de 2026. Se requiere una actualización a la versión 2.1.197 para beneficiarse de este modelo predeterminado.

🔗 Release v2.1.197 — Claude Code

Claude Science — workbench científico en beta con NVIDIA BioNeMo

30 de junio — Anthropic anuncia la disponibilidad en beta de Claude Science, un entorno de trabajo de IA especialmente diseñado para investigadores científicos. La aplicación reúne en un único espacio las herramientas habitualmente fragmentadas: bases de datos especializadas, Jupyter, R, terminales de clúster HPC, ejecución GPU bajo demanda.

Funcionalidad	Descripción
Agente coordinador	+60 skills y conectores preconfigurados (genómica, célula única, proteómica, biología estructural, quimioinformática)
Artefactos reproducibles	Figuras y manuscritos con código exacto, entorno e historial completo
Gestión del cómputo	Laptop, clúster HPC vía SSH, o GPU bajo demanda (Modal) — de 1 a cientos de GPU
Agente revisor	Verifica las citas, valida los cálculos, corrige los errores en tiempo real
Fork de sesión	Compara dos enfoques sin perder el hilo original
Renderizado científico nativo	Estructuras 3D de proteínas, tracks genómicos, estructuras químicas

Disponibilidad: beta abierta para los planes Pro, Max, Team y Enterprise en macOS y Linux (https://claude.com/science). Se prevé un plan Team con tarifa reducida para laboratorios académicos y organizaciones sin ánimo de lucro.

Integración de NVIDIA BioNeMo Agent Toolkit: Claude Science es el primer entorno en integrar BioNeMo Agent Toolkit en producción, permitiendo a los investigadores acceder a las herramientas aceleradas por GPU de NVIDIA mediante lenguaje natural:

Herramienta BioNeMo	Rendimiento
NVIDIA Parabricks	Análisis genómico: horas → minutos
RAPIDS-singlecell	1,3 millones de células preprocesadas en 25 segundos (frente a 52 min sin GPU)
nvMolKit	Quimioinformática 3 000× más rápida (similitud, conformeros)
BioNeMo open models	Evo 2, Boltz-2, OpenFold3
BioNeMo NIM	Microservicios de inferencia listos para producción

Retornos en beta: el Allen Institute (Jérôme Lecoq) redacta revisiones científicas de más de 100 páginas con agentes actor-crítico, reduciendo el plazo de 2 años a unas pocas semanas. El UCSF Brain Tumor Center (Stephen Francis) confirma una aceleración ×10 en análisis epidemiológicos de gliomas.

Programa de grants AI for Science: hasta 50 proyectos seleccionados recibirán cada uno hasta $30 000 en créditos Claude, además de hasta $2 000 de compute Modal para algunos proyectos. Candidaturas hasta el 15 de julio de 2026, notificación de los ganadores antes del 31 de julio.

🔗 Anuncio de Anthropic — Claude Science

Amp : Agents in Orbs — máquinas en la nube para la ejecución de agentes no supervisados

30 de junio — Amp lanza los Orbs, máquinas en la nube dedicadas diseñadas para ejecutar agentes de coding sin supervisión, incluso cuando la máquina local está apagada.

Característica	Valor
RAM	32 Go por orb
CPU	16 núcleos por orb
Tarificación	$1,66/h facturado por minuto
Inicio	Rápido con suspensión automática

Un orb se inicia con un solo comando desde el terminal o el TUI de Amp: amp -ox "<prompt>". El control sigue siendo idéntico al de una ejecución local: revisión de código, navegación por archivos, terminal integrado. Los cambios se sincronizan con la máquina local con amp sync <thread-id>. Es posible ejecutar varios agentes en paralelo sin conflicto de recursos locales, y acceder al estado de cada agente desde la web, el CLI o el móvil.

El modelo de facturación por minuto —con suspensión automática entre las operaciones activas— está diseñado para minimizar los costes cuando el agente espera entradas o realiza operaciones de entrada/salida. Esta propuesta sitúa a Amp en el mismo terreno que Claude Code Remote de Anthropic, con una diferencia notable: una máquina dedicada completa por agente (32 Go, 16 núcleos) en lugar de un contenedor compartido.

Desde el punto de vista del workflow, los Orbs permiten lanzar un agente en segundo plano al final del día y encontrar pull requests listas para revisar a la mañana siguiente, desde cualquier dispositivo.

🔗 Anuncio de Amp — Agents in Orbs

Nano Banana 2 Lite y Gemini Omni Flash disponibles en API

30 de junio — Google DeepMind lanza simultáneamente dos nuevos modelos para desarrolladores: Nano Banana 2 Lite para la generación de imágenes de alta velocidad y Gemini Omni Flash para el vídeo conversacional.

Nano Banana 2 Lite (gemini-3.1-flash-lite-image)

Dimensión	Valor
Latencia	4 segundos por imagen
Coste	$0,034 por 1 000 imágenes
Disponibilidad	Gemini API, Google AI Studio, Gemini Enterprise Agent Platform

Modelo legacy recomendado para reemplazar gemini-2.5-flash-image: mejor calidad, mayor velocidad, menor coste. El modelo mantiene la fidelidad a los prompts, la coherencia de personajes y el renderizado de texto en la imagen a pesar de la prioridad otorgada a la velocidad. También se despliega en las superficies de consumo: AI Mode en Search, app Gemini, NotebookLM, Google Photos, Google Flow y Google Ads.

Gemini Omni Flash (gemini-omni-flash-preview)

Dimensión	Valor
Coste	$0,10 por segundo de vídeo
Duración máxima	10 segundos (duraciones más largas anunciadas)
Disponibilidad	Gemini API, Google AI Studio, Gemini Enterprise Agent Platform

El modelo apunta a la edición de vídeo conversacional mediante lenguaje natural, con referencia multimodal (imágenes + texto + vídeo como entrada), sincronización de texto/gráficos y watermarking SynthID integrado. Limitaciones actuales: duración limitada a 10 segundos, referencias de audio y extensión de escena no soportadas vía la API, coherencia de personajes entre cambios de escena todavía mejorable.

Cadena imagen → vídeo: la Interactions API gestiona el historial de sesión para ediciones secuenciales de hasta 3 consecutivas, permitiendo generar rápidamente una imagen con Nano Banana 2 Lite y luego animarla con Gemini Omni Flash. Google demuestra esta cadena en tres aplicaciones: Anywhere (transporte en lugares icónicos), Space Lift (diseño de interiores) y Omni Product Studio (e-commerce imagen→vídeo).

🔗 Anuncio de Google DeepMind — Nano Banana 2 Lite y Gemini Omni Flash

GeneBench-Pro — un benchmark de biología computacional a nivel de investigación

30 de junio — OpenAI publica GeneBench-Pro, un benchmark de nivel de investigación que mide la capacidad de los agentes IA para razonar en biología computacional. El concepto central es el research taste — la secuencia de juicios que orienta un análisis: qué preguntas permiten explorar los datos, cuándo debe revisarse un plan inicial, cómo los diagnósticos tempranos deben modificar el enfoque.

Cobertura: 129 preguntas repartidas en 10 dominios — genética estadística, genómica de poblaciones, genética cuantitativa, genómica regulatoria, genómica funcional, proteómica, genómica clínica, genómica del cáncer, genómica microbiana y genética forense.

Resultados:

Modelo	Puntuación (nivel máximo de razonamiento)	Puntuación (modo Pro)
GPT-5.6 Sol	28,7 %	31,5 %
GPT-5 (baseline en la construcción)	< 5 %	—

GPT-5.6 Sol resuelve casi 6 veces más preguntas que GPT-5.2 utilizando aproximadamente dos tercios de los tokens. A este ritmo de progreso, el benchmark podría saturarse a finales de 2026. Un experto humano estimaría que un problema de GeneBench-Pro toma de 20 a 40 horas de trabajo, es decir, miles de dólares; la inferencia IA cuesta unos pocos dólares por problema.

Método: los problemas se construyen sintéticamente (estructura causal conocida, datos simulados) para evitar sesgos de evaluación (ground-truth leakage). Open source: 10 preguntas representativas se publican en Hugging Face; se proporcionará un subconjunto de 50 preguntas a Artificial Analysis para un benchmark de terceros independiente.

🔗 Anuncio de OpenAI — GeneBench-Pro

Together AI en ICML 2026: 8 artículos de investigación abierta

30 de junio — Together AI publica el resumen de sus 8 artículos aceptados en ICML 2026 (Seoul, 6–11 de julio). La investigación cubre toda la pila (full stack): agentes, entrenamiento, optimización algorítmica, sistemas y kernels GPU.

Artículo	Capa	Resultado clave
ThunderAgent	Agentes	Hasta 3,6× de throughput de agente
TTT-Discover	Agentes	Supera a los mejores humanos (modelo open 120B, ~$500)
Aurora	Algoritmos	1,25× de speedup adicional en producción (MiniMax M2.1 229B)
Untied Ulysses	Sistemas	5M tokens en un único nodo 8×H100 (−87,5 % de memoria de atención)
OEA	Sistemas	Hasta 39 % más rápido en decodificación MoE

TTT-Discover aplica RL en test-time: cada intento se convierte en datos de entrenamiento para el siguiente, y supera al best-of-N en 4 dominios (matemáticas, kernels GPU, algoritmo competitivo, biología celular) con un modelo abierto 120B por ~$500 de simulación. Untied Ulysses alcanza 5M tokens en un único nodo 8×H100 (−87,5 % de memoria de atención). Códigos y kernels publicados en open source.

🔗 Blog de Together AI — ICML 2026

ADK Go 2.0 — motor de flujo de trabajo multiagente con human-in-the-loop

30 de junio — Google publica la versión 2.0 del Agent Development Kit (ADK) para Go, el framework oficial para construir agentes Gemini. Esta versión introduce un motor de flujo de trabajo basado en grafos como primitiva de primer orden.

Novedades principales: composición de agentes complejos con primitivas de grafos en Go nativo (sin un DSL separado), human-in-the-loop (HITL) integrado para escenarios que requieren validación humana, orquestación dinámica con resiliencia automatizada (backoff exponencial, gestión de errores, retry), y un runtime unificado compartido entre agentes simples y grafos complejos para simplificar la telemetría y la persistencia de estado. ADK para Go complementa el SDK Python existente aportando el rendimiento y la seguridad de tipos del lenguaje a la composición de agentes de varios pasos.

🔗 Google Developers Blog — ADK Go 2.0

Copilot Agent en JetBrains AI Assistant

30 de junio — JetBrains y GitHub anuncian la integración de GitHub Copilot como agente de primer orden en el selector de agentes (agent picker) de JetBrains AI Assistant, junto con el plugin Copilot existente.

La integración se basa en el protocolo ACP (Agent Communication Protocol) y permite: elegir el modelo Copilot directamente en la interfaz, ajustar la profundidad de razonamiento y realizar tareas de programación complejas de varios pasos en las que Copilot razona dentro del proyecto, propone cambios, ejecuta comandos e itera. Próximos pasos anunciados: soporte de NES (Next Edit Suggestions), invocación de skills reutilizables para flujos de trabajo comunes y una orquestación más profunda entre herramientas en el IDE.

🔗 GitHub Changelog — Copilot Agent en JetBrains

Presupuestos de IA por usuario para los cost centers de Enterprise Copilot

30 de junio — Los administradores de Enterprise ahora pueden definir un presupuesto de IA por usuario en un centro de costos (cost center). El presupuesto se aplica automáticamente a todos los miembros del centro de costos, incluidas las incorporaciones posteriores a través de los equipos de Enterprise. Orden de precedencia: presupuesto individual > presupuesto del centro de costos > presupuesto universal. El presupuesto cubre tanto el uso del pool incluido como el uso adicional, y puede bloquear a un usuario antes de agotar el pool. Disponible desde el 30 de junio solo a través de la API REST; la interfaz de facturación llegará más adelante.

🔗 GitHub Changelog — Presupuestos de IA por usuario

Claude en NVIDIA GB300 Blackwell Ultra en Azure — disponibilidad general

29-30 de junio — Los modelos Claude de Anthropic ya están generalmente disponibles en Microsoft Foundry, alojados en Azure y acelerados por las GPU NVIDIA GB300 Blackwell Ultra (sistemas NVL72 con red Quantum-X800 InfiniBand).

La integración incluye el NVIDIA Secure Agent Workspace Reference Design, que cubre la gobernanza de identidad, la red, las credenciales y la política de ejecución a nivel de infraestructura — un marco diseñado para empresas sujetas a estrictos requisitos de cumplimiento. Los agentes Claude pueden acceder a skills verificados de NVIDIA para capacidades específicas de dominio. Esta disponibilidad general sigue a la asociación tripartita Microsoft × NVIDIA × Anthropic anunciada en noviembre de 2025.

🔗 Blog de NVIDIA — Claude en GB300 Blackwell Ultra Azure

NVIDIA Omniverse + Metropolis: agentes de visión IA para la industria

30 de junio — NVIDIA publica tres flujos de trabajo completos para construir agentes de visión IA capaces de funcionar en el edge industrial, combinando Omniverse (simulación OpenUSD), Metropolis (despliegue de vídeo IA) y Cosmos (modelos de base para el mundo físico).

1. Inspección visual (Roboflow + Corning): el skill Defect Image Generation combinado con NVIDIA Cosmos genera datos sintéticos de defectos a partir de imágenes reales. Resultado en el benchmark de Corning: 95 % de precisión media con solo 8 imágenes reales, y recall perfecto en la clase más difícil. Un proyecto que llevaba varios trimestres se reduce a unos pocos días.

2. Ciudades inteligentes (Linker Vision en Kaohsiung): −85 % de esfuerzo de desarrollo, −80 % de tiempo de respuesta ante incidentes. La cadena usa Cosmos para la ampliación de vídeo, TAO para el fine-tuning y VSS para la búsqueda, el resumen y las alertas.

3. Operaciones industriales en Foxconn (líneas GB300): a través de DeepHow — 99 % de precisión en la verificación de procedimientos estándar, +3 % de rendimiento de primer paso.

🔗 Blog de NVIDIA — Omniverse + Metropolis Vision AI

Breves

Claude Code v2.1.196 — modelos predeterminados de la organización — Los administradores pueden definir el modelo predeterminado desde la consola de la organización; los usuarios verán «Org default» (o «Role default») en el comando /model si no han seleccionado un modelo personalmente. 🔗 Release v2.1.196
Hugging Face — Every Eval Ever (EEE) integrado en las Community Evals — HF hace interoperables sus Community Evals con el esquema EEE (Every Eval Ever, EvalEval Coalition, febrero de 2026): los resultados de evaluación aparecen en las páginas de modelos de HF con atribución verificada, y una herramienta community_evals_converter automatiza la conversión HF → EEE con revisión humana antes de cualquier push. 🔗 Blog de Hugging Face — EEE
OpenAI — corregido un bug de 18 años en GNU libunwind — Publicación de ingeniería de Nathan Bronson: una race condition de una sola instrucción en _Ux86_64_setcontext de GNU libunwind (que data de la primera implementación x86_64) provocaba fallos en Rockset. Las tres condiciones de activación (alta tasa de excepciones, alta tasa de señales, handler de señal que consume mucha pila) solo se daban en OpenAI. Corrección: migración a libgcc y parche upstream enviado a GNU libunwind. 🔗 OpenAI Engineering — Core dump epidemiology

Qué significa esto

La nueva generación de modelos y la economía del contexto de 1 millón de tokens. Claude Sonnet 5 a $2/$10 por millón de tokens con una ventana nativa de 1 millón de tokens replantea la economía de los agentes de larga duración: donde los precios de entrada requerían recortar el contexto, ahora es posible incluir bases de código completas o sesiones de trabajo prolongadas sin coste adicional. La migración de Claude Code a este modelo predeterminado desde el día del lanzamiento, y la disponibilidad general en GitHub Copilot y Microsoft Foundry sobre GB300, señalan una estrategia de distribución amplia y simultánea: Sonnet 5 no es un modelo de laboratorio, es una infraestructura de producción desplegada de entrada en los principales canales enterprise.

La IA como infraestructura de la investigación científica. Claude Science, GeneBench-Pro, la integración BioNeMo y los 8 papers de ICML de Together AI convergen en una misma señal: la IA empieza a insertarse en el propio proceso científico, no solo en las herramientas periféricas. Claude Science orquesta clusters HPC y genera artefactos reproducibles con historial completo. GeneBench-Pro mide el research taste — la capacidad de encadenar juicios sobre análisis de 20 a 40 horas — y ve en ello un factor de mejora de 6× entre GPT-5 y GPT-5.6 Sol. TTT-Discover de Together AI va más allá al mostrar que un modelo abierto de 120 mil millones de parámetros, aprendiendo en uso por unos $500 de simulación, puede superar a los mejores expertos humanos en 4 dominios científicos. Estos movimientos simultáneos trazan los contornos de una infraestructura científica impulsada por IA, con economías de escala que hacen accesibles análisis antes reservados a los grandes laboratorios.

Los agentes cloud como estándar de ejecución asíncrona. Amp Orbs y Copilot Agent en JetBrains AI Assistant ilustran dos variantes de un mismo movimiento: sacar a los agentes del contexto de una sesión síncrona. Amp propone máquinas dedicadas (32 GB, 16 núcleos, $1,66/h) para agentes de coding no supervisados que funcionan mientras el desarrollador duerme. Copilot en JetBrains se integra en el selector de agentes del IDE nativo para tareas multi-etapa guiadas por razonamiento. En ambos casos, el agente se convierte en un colaborador asíncrono capaz de tomar decisiones en un entorno de trabajo real, no solo en un asistente interactivo.

Los medios generativos entran en la economía de los pipelines de desarrollo. Nano Banana 2 Lite a $0,034 por 1 000 imágenes y Gemini Omni Flash a $0,10/s de vídeo con encadenamiento mediante la Interactions API cambian la ecuación para las aplicaciones de e-commerce, juegos y entretenimiento: generar 10 000 imágenes de producto cuesta 34 céntimos, y cada imagen puede animarse por 40 céntimos. La infraestructura NVIDIA GB300 y los flujos de trabajo Omniverse + Metropolis completan el panorama del lado industrial — visión IA en el edge con resultados medidos (−85 % de tiempo de desarrollo en Kaohsiung, 99 % de precisión en las líneas de Foxconn) — y muestran que la generación de medios sale del ámbito de la experimentación para convertirse en una capa operativa.