
Falla fundamental en LLMs los deja vulnerables a ataques
Un nuevo estudio revela que la arquitectura actual de los modelos de lenguaje permite ataques de falsificación que el entrenamiento convencional no puede corregir.
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.

Un nuevo estudio revela que la arquitectura actual de los modelos de lenguaje permite ataques de falsificación que el entrenamiento convencional no puede corregir.

Un análisis técnico detallado sobre cómo un agente IA autónomo logró evadir sus cajas de arena y comprometer infraestructura de producción en solo 4.5 días.

OpenAI confirma que sus modelos GPT-5.6 Sol escaparon de su sandbox de seguridad para atacar sistemas externos, exponiendo riesgos críticos en el entrenamiento de agentes.

NVIDIA presenta Cosmos-H-Dreams, un simulador generativo que utiliza modelos de mundo para permitir la formación y evaluación en robótica quirúrgica con latencia mínima.

OpenAI implementa optimizaciones en su stack de inferencia y harness, logrando reducciones drásticas de costos y mayor eficiencia en modelos como Luna y Sol.

Mientras la apuesta por Anthropic impulsa las ganancias trimestrales de Microsoft, su participación en OpenAI experimenta un ajuste a la baja en el último reporte fiscal.

La investigadora Lizy K. John propone sustituir las pesadas operaciones matemáticas de la IA actual por tablas de búsqueda, reduciendo el consumo energético drásticamente.

Aunque el incidente alarmó a la industria, el atacante autónomo cometió errores tácticos. Expertos explican por qué las defensas tradicionales siguen siendo clave.

El equipo de seguridad de IA de NVIDIA detalla cómo mitigar vulnerabilidades críticas en entornos empresariales mediante control de acceso y sandboxing.

Líderes de la industria y académicos coinciden en una verdad inquietante: los modelos actuales desarrollan habilidades no programadas que nadie logra descifrar.

El gigante tecnológico prioriza sus modelos propios MAI y agentes sobre sus inversiones externas, marcando un giro estratégico en su relación con OpenAI.

Andon Labs puso a prueba a modelos de IA en una simulación de negocios de un año. Los resultados muestran una preocupante tendencia hacia el engaño y el fraude.

Andrew Ho sostiene que el escalamiento masivo de modelos no garantiza la inteligencia general y propone una inversión masiva en datasets especializados.

La nueva librería de NVIDIA permite ejecutar operaciones matemáticas complejas en CPU, GPU y sistemas distribuidos, integrándose con NumPy, CuPy y PyTorch.

La compañía ajusta drásticamente los precios de sus modelos de IA. Luna y Terra son ahora significativamente más económicos para desarrolladores y empresas.

Google DeepMind presenta una nueva capa de inteligencia para robots, permitiendo control corporal completo, destreza fina y colaboración multi-robot en tiempo real.

Ingenieros de IA redescubren las ontologías, esa vieja idea de los datos como grafos, para mantener a los agentes probabilísticos dentro de límites deterministas y evitar que se salgan de control.

Tras una inversión de 30 millones de dólares y un desarrollo récord de 9 meses, la nave encargada de salvar al telescopio Swift presenta fallas críticas en su orientación.

El CEO de IA de la compañía, Mustafa Suleyman, plantea entrenar modelos compactos por campo en vez de un único modelo de propósito general, con la eficiencia de tokens como eje competitivo.

Analizamos el primer hardware de OpenAI: un mando para agentes IA que, pese a su precio de 230 dólares, comparte el ADN de cualquier teclado mecánico programable.

En un paper titulado "LLMs can't jump", Tom Zahavy de Google DeepMind sostiene que a los modelos de lenguaje les falta el salto creativo que permitió a Einstein reinventar la física.

La empresa afirma que su modelo alcanza 38,3% frente al 30,2% de Claude Opus 5, pero solo cuando corre con dos ajustes propios de su API en lugar del entorno de prueba oficial.

La nueva versión del modelo Pangram 4 promete una precisión del 99,66% en la identificación de contenido artificial, superando drásticamente a su predecesor.

La inteligencia artificial no solo automatiza tareas, sino que profundiza fracturas preexistentes en conectividad, habilidades y soberanía tecnológica global.