Cobertura de inteligencia artificial: modelos de lenguaje, agentes autónomos, hardware especializado, política regulatoria y aplicaciones empresariales. Seguimos a OpenAI, Anthropic, Google DeepMind, Meta y los laboratorios chinos que están moldeando el sector.
La oferta gratuita para docentes verificados de escuelas K-12 en Estados Unidos incluye Claude, Claude Code y el agente Cowork, con la promesa de no entrenar modelos con datos de estudiantes.
Un estudio de Anthropic sobre 309.815 conversaciones muestra que los valores que expresa Claude cambian de forma sistemática según el modelo y el idioma en que se le habla.
El agente de programación de OpenAI sumó cerca de un millón de usuarios en un día, mientras Anthropic dejó de publicar cifras comparables de Claude Code.
Un emulador climático de difusión, guiado hacia ciclones tropicales, estima la probabilidad de eventos raros y reduce el error un 25% frente a Monte Carlo.
La nueva guía apunta a usuarios comunes, no a desarrolladores: cuatro bloques opcionales y la idea de decir qué se quiere en vez de detallar cada instrucción.
Peter Gostev construyó con GPT-5.6 Sol un Doom en el que SQL controla el movimiento, las colisiones y cada píxel de la pantalla.
El ganador del Premio Turing 2024 y padre del aprendizaje por refuerzo moderno dice que el deep learning actual es "débil e ineficiente" y arranca su propia startup en Toronto.
El modelo fundacional de Google Research se entrenó con un billón de minutos de datos de cinco millones de usuarios de Fitbit y Pixel Watch, y gana en 34 de 35 tareas de salud.
Un consorcio alemán libera un modelo híbrido Mamba-Transformer entrenado en la nube de Deutsche Telekom, con foco deliberado en datos en alemán y solo 3,2B parámetros activos por token.
Un ingeniero de OpenAI explica qué nivel conviene para cada tipo de tarea y recomienda empezar bajo y subir solo cuando el problema lo pide, para no gastar tokens de más.
La compañía mantiene el acceso a Claude Fable 5 en sus planes de suscripción hasta el 19 de julio, en vez de pasarlo hoy a pago por uso, en plena guerra de precios de los modelos de IA.
Un análisis de Anthropic sobre 1,2 millones de sesiones muestra que la mitad del uso va a procesos de negocio y creación de contenido, y que programar es minoría.
La plataforma de NVIDIA Research busca resolver uno de los problemas sin resolver de la robótica: cómo medir de verdad si una política de control funcionará fuera del laboratorio.
El proyecto AgenticSTS reemplaza el registro de chat que crece sin fin por cinco capas de memoria ordenada, y en el proceso recorta el gasto de tokens hasta 90 veces.
El modelo de 8B guía robots por entornos desconocidos usando una sola cámara RGB y, según la empresa, supera a los sistemas con sensores de profundidad o varias cámaras.
El modelo empata en el Intelligence Index de Artificial Analysis, gana el duelo de programación y llega con un costo por tarea más bajo que sus rivales directos.
Investigadores de Zhejiang y Alibaba demostraron que prompts lógicamente inconsistentes pueden inflar las respuestas de los modelos de razonamiento hasta 26 veces: un vector de denegación de servicio.
OpenAI sale a despejar los rumores de quiebre con Microsoft: su nueva familia seguirá potenciando Word, Excel, PowerPoint y Cowork, pese a que Redmond empuja sus modelos MAI para recortar costos.
NVIDIA reemplazó la comunicación por MPI orquestada desde la CPU con acceso directo entre GPUs vía NVSHMEM, y logró hasta el doble de rendimiento en los clústeres Eos y GB200 NVL72.
Tras una ola de críticas por límites de uso agotados y una interfaz de escritorio confusa, la empresa reseteó los cupos dos veces en un día y promete una actualización mayor la próxima semana.
Un pipeline iterativo con NeMo Data Designer, NeMo Curator y modelos Nemotron produjo 502.536 titulares únicos en 82 rondas sobre un solo nodo B200, para entrenar modelos de IA financiera.
El modelo de OpenAI generó una prueba de la conjetura del doble recubrimiento por ciclos en menos de una hora con 64 subagentes. Un matemático la valida, pero critica la falta de citas.
La Academia de IA de Pekín entrenó Orca con 125.000 horas de video sin una sola etiqueta de acción y aun así iguala al sistema especializado π0.5 en cinco tareas de robótica.
El modelo de xAI queda detrás de Fable 5 y GPT-5.5 en varios benchmarks de programación, pero cuesta 2 dólares por millón de tokens de entrada y usa 4,2 veces menos tokens que Opus 4.8.
