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.
En una charla en Stanford, el CEO de OpenAI respondió a Yann LeCun y otros críticos de los LLM citando como prueba la reciente refutación de una conjetura matemática hecha por un modelo de la casa.
El Road to Autonomy Index de Autnmy AI rankea operadores autónomos cada 12 horas: Apollo Go primero, Waymo segundo, Tesla quinto. Pony.ai y WeRide refuerzan la presencia china.
Apple Cash divide cuentas desde una foto, los Passwords se renuevan solos tras una filtración y Shortcuts ahora se programa describiendo lo que se quiere lograr.
Amazon Web Services debutó dos servicios en su Summit de Nueva York: uno automatiza el ciclo de vulnerabilidades de código y otro alimenta agentes con un grafo de conocimiento corporativo.
El modelo de Zhipu se valida como el primer open-weight con sentimiento frontera real, con un benchmark de Artificial Analysis que lo ubica entre GPT-5.5 y Opus 4.8 a USD 2,40 por tarea.
El skill de Oxford y Stanford corre sobre Claude Opus 4.7, orquesta una redacción virtual de siete roles y deja trazable el 93% de las afirmaciones del artículo final.
Shortcuts Playground, el plugin que liberó MacStories, convierte a los agentes de IA en constructores de automatizaciones de macOS meses antes de la función oficial.
Adrian de Wynter usa el editor de mapas del juego de estrategia para mostrar que más de la mitad de los papers de IA recientes asumen rasgos humanos en los LLM antes incluso de empezar a medir.
El laboratorio chino Zhipu AI libera bajo licencia MIT un modelo con ventana de 1 millón de tokens que se queda a 1 punto de Anthropic en FrontierSWE.
El proyecto con Carnegie Mellon y UC Berkeley pone a Codex, Claude Code y Kimi Code a escribir el código de entrenamiento, leer papers y coordinar una flota completa por Git.
El framework abierto en C/C++ permite construir companions on-device con ASR, SLM y TTS, ya probado en PUBG: BATTLEGROUNDS y Total War: PHARAOH sobre hardware GeForce RTX.
El workflow Build Your Own Transaction Model combina cuDF, cuML y NeMo AutoModel para llegar a un Llama de 29M parámetros que mejora 50% la precisión sobre XGBoost en detección de fraude.
