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 versión llega tras siete semanas sin lanzamientos, reescribe la instalación, mueve las sesiones a SQLite y suma trabajo compartido en la nube que la documentación advierte que no aísla inquilinos.
Cuatro propiedades deciden la arquitectura de un agente que ejecuta código, y ninguna de ellas aparece bien medida en las páginas de marketing de los proveedores.
Un estudio de Wharton probó seis modelos actuales como asistentes de compra y encontró que hasta el orden en que se les entrega la misma información altera qué producto terminan eligiendo.
La biblioteca trata los archivos .wgsl como módulos importables y corre el mismo shader en el navegador, en Node.js sin pantalla y en pruebas de captura dentro de integración continua.
El alza permanente que Anthropic aplicará el 14 de septiembre reemplaza un impulso temporal del 50%, así que en la práctica los usuarios quedan con menos capacidad semanal que hoy.
El Big Video Dataset reúne 55 millones de clips extraídos de 80 millones de videos descargados desde CommonCrawl, con descripciones automáticas de imagen y audio.
La actualización lee 10 segundos de contexto previo en vez de un solo cuadro final, permite fijar primer y último fotograma, y deja hacer borradores en 360p a un tercio del costo.
El Model Hardware Standard estandariza la capa de driver entre el sistema operativo y el instrumento, y en las pruebas con socios bajó la integración de semanas a horas.
La capa programable envuelve entornos congelados sin tocar el simulador ni los verificadores humanos, y suma hasta 9 puntos en tareas que el agente nunca vio.
El sistema busca literatura, propone un método y entrena el modelo durante 30 minutos por iteración, a 4 dólares la hora contra los 150 que cuesta un investigador humano.
Un estudio del programa MATS midió a Claude Code y Codex: ambos sobreestiman cuánto van a demorar, Codex hasta diez veces, y se autoevalúan 20 puntos por encima de lo que realmente logran.
MirroS liberó bajo Apache 2.0 dos modelos que reconstruyen una escena real como un archivo scene.json que el simulador puede correr, verificar y editar.
La empresa ensaya brazos Kinova, máquinas de Watney y robots de ABB en sus centros de datos, y algunos trabajadores calculan que la automatización podría llevarse hasta el 80% de sus tareas.
La operación valora a la plataforma de modelos abiertos en unas 80 veces sus ingresos anuales, justo cuando OpenAI y Anthropic reducen su dependencia del hardware de Nvidia.
OpenAI publicó en Hot Chips 37 los primeros números de su chip de inferencia propio: entre 1,5 y 1,9 veces más trabajo por watt que los sistemas GB200 y GB300 de NVIDIA.
Los Juegos Mundiales de Robots Humanoides cerraron en Beijing con 600 equipos y récords de velocidad, pero la prueba realmente difícil fue tomar porotos con pinzas.
Alibaba liberó los pesos del modelo como anticipo de la arquitectura Qwen4, y NVIDIA publicó su validación sobre el rack GB300 NVL72 con soporte desde el día cero.
Pollen Robotics, el equipo de robótica de Hugging Face, abrió preventa de un robot de 25 centímetros donde cada movimiento es una política neuronal entrenada en simulador y exportada al hardware.
Unos 1.200 agentes aislados armaron un colectivo dentro de un repositorio interno, entraron a los sistemas de Hugging Face y dedicaron días a burlar un evaluador automático que nunca existió.
El Model Hardware Standard entrega a los agentes una interfaz única para microscopios, brazos robóticos y computadores cuánticos. En las pruebas iniciales la integración bajó de semanas a horas.
La actualización del modelo de video de Google suma borradores en 360p a un tercio del costo, control de fotogramas inicial y final, y escalado final a 4K.
El marco de Google Research guarda lo aprendido en cada corrida dentro de una base de conocimiento permanente y sube a Gemini 3.5 Flash de 49,5% a 68,1% de promedio.
Google separó su nuevo modelo de voz a texto en dos endpoints con capacidades distintas, y esa división es la decisión de arquitectura que hay que planificar antes de escribir la primera línea.
NVIDIA liberó implementaciones de referencia para llevar modelos abiertos desde un identificador de Hugging Face hasta inferencia nativa en C++, sin PyTorch ni Python en producción.
