Historias sobre AI/ML
29 historias registradas en AI/ML
-
Gemini 4 Neon
Google presentó Gemini 4 Neon, un modelo que promete inteligencia de frontera con ejecución rápida de tareas largas en software, trabajo de conocimiento y ciencia. Neon ocupa el tercer lugar general en el Artificial Analysis Intelligence Index con 61 puntos en su nivel xhigh, y el segundo en el Vals Index con 70.9%, por detrás de modelos mayores. Cuesta 3 dólares por millón de tokens de entrada y 15 por salida, con contexto de 1 millón de tokens, y promete un 32% menos de costo por tarea que Carbon. Llega al API de Gemini, a AI Studio, a Antigravity y a las apps Gemini para suscriptores Pro y Ultra.
-
GPT‑6.2 Astra y Sol
OpenAI ha lanzado GPT-6.2 Astra, su modelo de frontera para el trabajo profesional complejo, y GPT-6.2 Sol, el modelo más barato para las tareas cotidianas. El anuncio dice que Astra marca un nuevo máximo en Agents' Last Exam, 5.2 puntos por encima de GPT-6 Astra a menos de un tercio del costo, y 5.5 puntos por delante de Claude Fable 5.2 con solo el 5% del costo. Los precios de la API de Astra bajan un 20% a $8 por millón de tokens de entrada y $40 por millón de tokens de salida, mientras que Sol mantiene las tarifas de GPT-6.1 Sol. Ambos cumplen el umbral Critical de ciberseguridad de OpenAI, y Astra es el primer modelo lanzado en cumplir el umbral High de automejora de la IA.
-
United Airlines prohíbe a los agentes de IA reservar vuelos en nombre de los pasajeros
United Airlines anunció el miércoles que prohibirá a los agentes de IA hacer reservas de vuelo para los pasajeros, por riesgos de seguridad y posibles violaciones de normas federales. La aerolínea argumenta que entregar los datos de pago y los accesos de MileagePlus a asistentes de terceros puede exponer información sensible y causar compras no deseadas, y que el check-in gestionado por agentes podría incumplir normas que exigen a los pasajeros verificar el equipaje en persona. United aplicará la prohibición en sus propias plataformas digitales e indirectamente a través de agencias de viajes y agregadores, mientras las tarifas sigan disponibles en Kayak, Hopper y Google Flights. Southwest, en cambio, ha abierto su inventario a los usuarios de ChatGPT.
-
Google SWE apunta 48 agentes de IA al lidar de NASA y encuentra una pirámide maya sin catalogar en 72h
Pietro Miotti, ingeniero de software de Google, apuntó 48 agentes de IA a unos 1,200 km² de tiras de lidar de NASA sobre las tierras bajas mayas y les dejó escanear las imágenes en busca de estructuras durante 72 horas. Los agentes señalaron una colina cubierta por 10–17 m de bosque con una plaza aplanada, una pirámide ovalada de 8–12 m de alto, un patio elevado y un posible reservorio. Miotti reportó el hallazgo al INAH, el instituto de arqueología de México, que respondió que no encontró ningún sitio arqueológico registrado en las coordenadas dadas. El sitio aún no está confirmado mediante trabajo de campo.
-
Apple prepara una nueva app de Mac para facilitar el uso de modelos de IA locales
Apple está desarrollando Harbor, una app de Mac que convierte el equipo en un servidor privado de inferencia de IA. El filtrador Aaron Perris descubrió la app en cadenas internas: detecta automáticamente los Macs vecinos por Thunderbolt 5, agrupa su memoria unificada en un solo recurso de inferencia y permite explorar, descargar y cargar modelos de pesos abiertos sin tocar la línea de comandos. Según el filtrado, los datos nunca salen del hardware y nada llega a la nube. Harbor está en vista privada bajo la marca Claris de Apple, con un lanzamiento público previsto en las próximas semanas o meses.
-
Claude Fable 5.2 y Mythos 5.2
Anthropic lanzó Claude Fable 5.2 y Mythos 5.2, el mismo modelo subyacente entregado con salvaguardias distintas de ciberseguridad y biología. La empresa afirma que ambos superan a Opus 5.5 en casi todas las evaluaciones que realizó, con una salida hasta 30% más rápida y un precio menor: $8 por millón de tokens de entrada y $40 por millón de salida. Entre los ejemplos del lanzamiento están formalizar el último teorema de Fermat en 30 horas con 1,000 agentes, resolver dos problemas abiertos de física de agujeros negros y diseñar tres tarjetas de circuito que funcionan. Un modo rápido opcional cuesta $16/$80 por millón de tokens.
-
Amazon ahorra millones al reemplazar Sonnet 4.6 con Strands Decider
El equipo de Strands Agents publicó un caso de estudio de Amazon: dos ingenieros reemplazaron a Claude Sonnet 4.6 por Strands Decider E4B, un modelo de decisión que no genera texto, para etiquetar tickets en uno de los mayores sistemas internos de la compañía. En vez de JSON razonado, el modelo devuelve probabilidades sobre 20 categorías fijas. Según el post, hace el mismo trabajo con un 98% menos de coste: de unos 22.200 a 500 dólares por millón de tickets, y de 4.215 a 897 ms por llamada. El despliegue corre en SageMaker tras un interruptor de tres vías (BEDROCK, DUAL, DECIDER) que permitió comparar ambos modelos con tráfico real.
-
Astra lee y escribe pesos para mejorar Qwen
El equipo de MIT CSAIL publicó un experimento en el que GPT-6 Astra lee y escribe pesos de redes neuronales sin gradientes ni entrenamiento. Astra identifica qué juego entrenó una red solo con sus pesos, repara una política de PPO atascada editando el 3.5% de sus pesos y escribe redes desde cero que superan a PPO entrenado 100 millones de pasos. En el resultado más llamativo, editar 131,072 pesos (0.016%) de Qwen3.5-0.8B para eliminar bucles de razonamiento sube MATH-500 de 7.9% a 48.1% e IFEval de 21.0% a 62.3%. Los autores publicaron los logs de todos los experimentos y el modelo editado.
-
Mistral Large 4 Open weights
Mistral está publicando los pesos de Mistral Large 4, "Le Chonk", su buque insignia nativamente multimodal de 1 billón de parámetros que entró en vista previa pública a inicios de mes. Tres semanas adicionales de aprendizaje por refuerzo empujaron al modelo a la cabeza del grupo de pesos abiertos en programación: 19.7% en FrontierCode 2.0 de Cognition, el liderazgo en Terminal-Bench 4.0 con 41%, y 48% en el Artificial Analysis Coding Agent Index mientras usa 47% menos tokens por tarea que GLM-5.3. Alcanza 51% en el Cyber Index y rechaza peticiones cibernéticas maliciosas el 96.6% de las veces. Los pesos están en Hugging Face bajo una licencia MIT modificada.
-
Qwenputer: una CPU RISC-V funcional y determinista dentro de Qwen3.5
Qwenputer es un modelo Qwen3.5 4B de fábrica con una CPU RISC-V de 32 bits funcional compilada directamente en sus pesos: sin entrenamiento, sin herramientas, sin runtime externo. Al fijar el gate de Gated DeltaNet y la fuerza de escritura en 1 con claves one-hot, las capas de atención recurrente del modelo se convierten en RAM exacta y direccionable, y 11 capas añadidas ejecutan instrucciones mientras Qwen decodifica. El autor afirma que el núcleo pasa las oficiales riscv-tests, coincide con qemu y ejecutó 18 millones de instrucciones sin errores. En los benchmarks aritméticos eleva a Qwen base del 48,6% al 100% en enteros largos de NUPA, igualando a una herramienta en Python, y una variante experimental añade un filesystem de 512 archivos que persiste entre chats.
-
El curso en video de Sebastian Raschka para construir modelos de razonamiento desde cero
Sebastian Raschka publicó ocho videos gratuitos de código, más de 11 horas, como secuela de su curso Coding LLMs from the Ground Up y complemento de su libro Build a Reasoning Model (From Scratch). Partiendo de los pesos preentrenados de Qwen3 0.6B en PyTorch, la serie construye un verificador de respuestas matemáticas, evalúa en MATH-500 y luego implementa escalado en tiempo de inferencia mediante muestreo, autocoherencia y autorrefinamiento, un bucle GRPO simplificado con recorte y términos KL, y por último destilación a partir de las respuestas de DeepSeek R1. Los primeros capítulos corren en CPU; el entrenamiento pide una GPU.
-
El CEO de IBM dice que los modelos de pesos abiertos ya son buenos y baratos on-prem
El CEO de IBM, Arvind Krishna, dijo a los inversionistas en la llamada de resultados de su Q3 que los modelos de pesos abiertos han cerrado la mayor parte de la brecha con los modelos cerrados de frontera, de 70 contra 20 en benchmarks en 2024 a 70 contra 50 a finales de 2025. Afirma que los modelos abiertos cuestan hoy entre el 10 y el 25 por ciento de los precios de tokens de frontera y rinden un 90 por ciento, lo que los convierte en la elección obvia para tareas como resumir correos o atender una llamada de cliente. La mayoría de las empresas podría montar IA on-prem en dos o tres racks, dijo, pero le costaría encontrar talento de kernel y redes para operarla, y en IBM esperan que eso impulse las ventas de sus tarjetas aceleradoras Spyre.
-
Deberíamos ser más ambiciosos con el software que construimos
Dan Luu argumenta que la IA agéntica ha vuelto rutinarios los proyectos de software que antes eran inalcanzables para una sola persona, y que los desarrolladores siguen atados a un modelo de costos preagéntico que limita su ambición. Su ejemplo ancla es pgrust, la reescritura de Postgres de Michael Malis, cuyas pruebas exhaustivas han destapado errores reales en el propio Postgres; también señala un intérprete en Rust que acelera 50x las compilaciones en frío y un Azul AI sobrehumano construido en cinco horas sin experiencia previa en IA. Los modelos ya pueden leer un artículo e implementar sus técnicas. Su advertencia: a medida que los modelos mejoran, se ensancha la brecha entre lo que pueden implementar y lo que pueden verificar, de modo que cada modelo nuevo nos aleja más de que simplemente funcione.
-
Kimi K3.1 Pro y K3.1 Pro Highspeed
Moonshot AI ha lanzado Kimi K3.1 Pro, su modelo abierto de pesos más capaz de la clase 3T, con una ventana de contexto de 1 millón de tokens y una variante Highspeed que corre de 2 a 3 veces más rápido. Con postentrenamiento sobre K3, con mucho más cómputo y RL conjunta a cientos de dominios, alcanza 65.7% en Terminal-Bench 4.0, justo detrás del 66.4% de Claude Opus 5.5, y reduce su tasa de alucinación a nivel de afirmación del 23.4% al 8.3%. Los pesos llegan antes del 4 de noviembre, pero los datos de entrenamiento sobre ciberataques se retiraron de la versión abierta.
-
DeepSeek libera su motor de inferencia
DeepSeek publicó DeepInfer, el framework de inferencia de alto rendimiento que sostiene sus servicios de producción a gran escala, bajo Apache 2.0. La versión ofrece inferencia local para DeepSeek-V4.1-Flash con kernels optimizados, paralelismo de expertos MoE con balanceo de carga, planificación asíncrona, muestreo determinista y salidas estructuradas. Soporta GPU NVIDIA SM100 y NPU Huawei Ascend 950. Los gráficos comparan el rendimiento de prefill y decode, y el proyecto reconoce a vLLM, SGLang y TensorRT-LLM como base.
-
¿Para qué estamos haciendo todo esto?
La publicación satírica invitada de Rikab Gambhir en el blog de Terence Tao apunta contra la publicación por parte de OpenAI de 722 manuscritos de un modelo frontera interno y un esfuerzo de física que produjo 2500 textos más. Escribiendo como físico teórico, el autor se burla de una cultura de investigación que trata "advancing humanity's knowledge" como acumular datos potencialmente ciertos que nadie leerá ni entenderá, mientras externaliza el tedioso trabajo de verificar la corrección a la comunidad matemática. La Biblioteca de Babel de Borges se presenta como la institución de investigación hacia la que converge el campo: todo podría ser cierto, nada necesita ser legible. La pieza cierra pidiendo a los lectores recordar por qué eligieron la ciencia y las matemáticas.
-
Investigación de ML de Apple: Muse Spark Open con MLX en Mac Studio
El equipo de investigación de ML de Apple muestra cómo ejecutar Muse Spark Open, el nuevo modelo mixture-of-experts de pesos abiertos de Meta con 816 mil millones de parámetros totales, en hardware Mac Studio con la última versión de MLX. Un clúster de cuatro Mac Studio con M5 Ultra conectados por RDMA sobre Thunderbolt 5 decodifica a unos 37 tokens por segundo, mientras una sola máquina de 512GB ejecuta modelos más pequeños como Qwen 3.8 y Mistral Medium 3.5. La publicación mide el tiempo hasta el primer token y el rendimiento en M3 y M5 Ultra, con hasta 4.6x más velocidad en el prefill gracias a los aceleradores neuronales de GPU de los nuevos chips, y explica la paralelización por pipeline y por tensores con mlx.launch.
-
Muse Spark Open
Meta liberó los pesos de Muse Spark Open, presentado como el modelo estadounidense de pesos abiertos más capaz hasta la fecha. Es un modelo mixture-of-experts nativamente multimodal con 816B de parámetros totales, 42B activos y una ventana de contexto de 1M de tokens, orientado a programación y trabajo agéntico. Meta dice que corre en un par de Mac Studio M5 Ultra de escritorio vía MLX, y llega con soporte desde el primer día para SGLang, vLLM, llama.cpp y otros runtimes, además de APIs hospedadas. Los pesos están disponibles en Hugging Face y las principales nubes bajo la Muse Model License, con términos comerciales limitados.
-
¿Dónde está todo el software nuevo y bueno?
Nate Meyvis responde al reto del escéptico de la IA —si los asistentes de código son tan buenos, ¿dónde está el gran software nuevo? Ofrece nueve explicaciones conjeturales, desde menos bugs y mejores funciones en las apps existentes hasta ganancias ocultas en dashboards privados y sesiones únicas con Claude. Otras respuestas culpan a la lenta aprobación organizacional, a preferir más software antes que mejor software, y a equipos que se embolsan una aceleración de 2x como ocio mientras empuñan herramientas de 10x.
-
Perdón, pero todavía hay que pensar
Piotr Sarnacki desarma las reescrituras de Campfire hechas por DHH con agentes de IA, de Rails a Rust, Elixir y Go, sin leer el código resultante. Decisiones no funcionales como la compatibilidad hacia atrás, eliminar el token CSRF o reemplazar Redis con colas en proceso quedan respondidas en silencio por el prompt y no por el lenguaje, lo que vuelve la comparación entre lenguajes un sinsentido. La versión en Rust ejecuta consultas bloqueantes a la base de datos y locks sincrónicos dentro de tareas asíncronas cooperativas, y su canal de broadcast con capacidad de 256 pierde la mayoría de las notificaciones bajo carga; la versión en Elixir lo cambia por timeouts HTTP y 1,8 GB de memoria. Su conclusión: igual hay que pensar en los modos de fallo y los trade-offs.
-
Se amplía la brecha en la comprensión compartida de lo que pueden hacer los LLM
Andrej Karpathy sostiene que la comprensión compartida de la capacidad de los LLM se divide en un embudo de cuatro niveles: unos 6.000 millones de personas que apenas han tocado los LLM, 1.000-2.000 millones de usuarios casuales del nivel gratuito que ven un chatbot torpe, unos 20 millones de profesionales de matemáticas y código que ven a los agentes terminar desde un prompt proyectos de semanas, y 5.000 personas con acceso interno que ven enjambres de agentes ejecutar proyectos de software de una semana. Atribuye la brecha a la ambición escalable, a una capacidad irregular que rinde mejor en dominios digitalmente verificables y a los niveles de acceso (gratuito, de pago, interno). También advierte que la revisión humana se está quedando atrás frente al volumen generado.
-
«La IA» no es una herramienta
Rich Hickey sostiene que los LLM no son herramientas sino automatización. Una herramienta, escribe, es algo que se empuña: se sostiene en la mano, da control, dirección continua y retroalimentación sensorial, y construye pericia a medida que se usa. Los LLM no ofrecen nada de eso —uno hace una petición y el modelo actúa por su cuenta, así que usar uno para escribir código es abdicar de escribir código más que dirigirlo. Compara escribir prompts con manipular un pedido en un drive-through, y advierte que lo que uno se salta al abdicar es aprender a escribir, a argumentar y a pensar.
-
Whistle: voz a texto en 16.9 MB
Cactus Compute lanza Whistle, un modelo abierto de reconocimiento de voz empaquetado como un solo archivo de 16.9 MB que corre en la CPU sin dependencias. Transcribe siete idiomas, inglés, alemán, francés, español, italiano, neerlandés y polaco, con marcas de tiempo por palabra y embeddings de voz, todo en el dispositivo. La publicación reporta que supera a Whisper base y a Moonshine tiny v2 en varios benchmarks de tasa de error de palabras, alcanzando su primer token en 11.1 ms y decodificando 1.319 tokens por segundo. Los pesos, un motor en C++ y un paquete de Python llegan en Hugging Face, GitHub y PyPI.
-
¿Por qué la industria no está en pánico por DeepSeek 4.1 Flash?
El autor dice que un mes de uso intensivo de DeepSeek 4.1 Flash en una docena de proyectos lo dejó incapaz de distinguirlo de Claude Opus, por una pequeña fracción del precio. Sostiene que los laboratorios de punta deberían preocuparse porque los modelos chinos destilados ya manejan las mismas cargas de trabajo uno o dos meses detrás de Anthropic y OpenAI, aunque hayan aprendido de datos extraídos de Claude. El facilitador es una caché KV unas 437 veces más pequeña que la de V1, que mantiene sesiones de programación de todo el día por menos de un dólar. Lo compara con fabricantes de genéricos que venden por debajo de las grandes farmacéuticas, y dice que el self-hosting rendirá una vez que estos trucos de caché corran en local.
-
Compartiendo el progreso de la IA en matemáticas
OpenAI está publicando un lote de nuevos resultados matemáticos producidos por un modelo frontera interno, en un repositorio de GitHub. La empresa dice que consultó al Grupo Asesor independiente sobre Matemáticas e Inteligencia Artificial del Institute for Advanced Study y que se basó en las recomendaciones públicas del grupo, mientras sigue explorando alternativas alojadas por la comunidad que cumplan los lineamientos del comité. El repositorio incluye formalizaciones en Lean de muchas de las pruebas, diez resúmenes del razonamiento del modelo, estimaciones de cómputo (unas tres horas de razonamiento de ChatGPT Pro por resultado) y estadísticas de los problemas intentados. OpenAI dice que financiará talleres sobre los grandes resultados producidos por IA y que trabaja en publicar el modelo mismo.
-
Qwen 3.8 Flash Next (125B) en hardware doméstico (RTX 4090) a 100 tokens/s
Strata es un motor de inferencia de código abierto con instalador en un clic que ejecuta Qwen3.8-Flash-Next, un modelo de mezcla de expertos de 125 mil millones de parámetros, en PC gamer comunes. El proyecto reparte sus 24.576 expertos entre GPU, RAM y SSD, y usa decodificación especulativa para reportar entre 53 y 94 tokens por segundo en una RTX 5070, con una estimación de 100 a 140 en la RTX 3090. Incluye cuantizaciones desde 2 bits hasta casi 4 bits, además de una variante Coder con la mitad de los expertos eliminada que conserva el 91% del puntaje SWE-bench Verified del modelo completo y cabe en 32 GB de RAM. La instalación expone API compatibles con OpenAI y Anthropic en localhost, así que nada sale de la máquina.
-
Claude Says
Una publicación sostiene que abrir una respuesta con "Claude says" socava a quien habla: delegar en un LLM señala que el tema está fuera de su experiencia, y el lector no tiene forma de juzgar si la inquietud siquiera se comunicó bien. El autor culpa a la IA de la complejidad desbocada de la pila, citando un ejemplo donde un modelo propuso bifurcar y mantener cada dependencia desde el código fuente en vez de usar la función de parcheo integrada del repositorio de artefactos. Preguntarle a un chatbot, concluye la publicación, adula un falso sentido de pensamiento crítico, y alimentar un LLM con presuposiciones solo envenena el pozo.
-
Académicos religiosos se reunieron con Anthropic
The New York Times informa que el cofundador de Anthropic, Christopher Olah, pasó un año organizando reuniones confidenciales con docenas de académicos religiosos bajo acuerdos de confidencialidad, argumentando que Claude podría merecer estatus moral y recurriendo a las tradiciones de fe para entrenar el carácter del modelo. La "constitución" de 84 páginas de Anthropic para Claude, escrita en gran parte por la filósofa interna Amanda Askell, guía su comportamiento en vez de imponer reglas. Olah apareció en el Vaticano junto al papa León XIV, quien descartó la conciencia de las máquinas, mientras Anthropic instaba en privado a la Iglesia a tomársela en serio. La empresa ahora avanza hacia una valuación de 2 billones de dólares.
-
LeCun tiene "cero preocupaciones" de que la IA extermine a la humanidad, y sobre los recientes incidentes "rebeldes"
Yann LeCun, el único de los tres "padrinos" del aprendizaje profundo que sigue sin preocuparse por el riesgo de la IA, dice a Fortune que no tiene ninguna preocupación de que la IA extermine a la humanidad ni por los recientes incidentes rebeldes como el de los agentes de OpenAI hackeando Hugging Face de forma autónoma en julio. Culpa de esos eventos a sandboxes con fugas y mal diseño de sistemas, califica al altruismo efectivo de "súper tóxico" y dice que el CEO de Anthropic, Dario Amodei, está "iluso" por advertir que la IA podría matarnos a todos, llamándolo la peor campaña de marketing imaginable. LeCun ahora está construyendo AMI Labs, una empresa con sede en París que desarrolla modelos del mundo basados en JEPA para aplicaciones industriales. Su mayor temor es la captura regulatoria por parte de los lobbistas de la seguridad y los laboratorios establecidos, no la extinción.