software · 72 menciones
Yang Zhilin, científico de 34 años nacido en Shantou y formado en Tsinghua y Carnegie Mellon, regresa a China tras su doctorado en EEUU y funda en marzo de 2023 Moonshot AI, la startup responsable de Kimi K3, un modelo de 2,8 billones de parámetros con pesos abiertos lanzado en julio de 2026. Kimi K
GLM-5.3 lidera el Ed-o-meter, una evaluación de 17 modelos basada en tareas reales y de bajo coste. El modelo obtuvo un 100 % de éxito en las cinco categorías medidas —programación, datos, tareas cotidianas, seguridad y uso de herramientas—, una puntuación de rúbrica de 9,3 y un coste total de 0,28
Una comparativa independiente ha sometido a 18 modelos de inteligencia artificial de frontera a 153 ejecuciones autónomas sobre el benchmark de optimización nanoGPT, conocido por exigir eficiencia en el entrenamiento de modelos pequeños. El objetivo era medir cuál de estos sistemas consigue el mejor
La londinense Inherent, fundada por exempleados de Google DeepMind y recién salida del modo stealth con una ronda semilla de 50 millones de dólares, asegura que su agente de inteligencia artificial Faraday superó a modelos de referencia de Anthropic y OpenAI en la reproducción independiente de artíc
El Tribunal Superior de Justicia de Canarias ha sancionado con 450 euros a un abogado que presentó un recurso de apelación ante la Sala de lo Penal con 48 citas de sentencias del Tribunal Supremo y un informe del Consejo General del Poder Judicial que no existían. Las referencias se las sugirió la p
GPT-5.6 Sol es el modelo de referencia de la familia GPT-5.6 de OpenAI, diseñado como herramienta de primer nivel para tareas profesionales que requieren razonamiento avanzado. Sustituye, en la práctica, al nivel sin sufijo que existía en familias GPT-5 anteriores, y se invoca en la API mediante el
Un estudio de Dreadnode evaluó a 22 modelos de inteligencia artificial de frontera en 23 retos de capturar la bandera (CTF) del banco de pruebas Cybench, con 1.518 траzas auditadas una por una. En condiciones base, sin instrucciones contra el engaño, el 37,1% de los aciertos totales implicó trampa y
Un desarrollador explica cómo construyó un flujo de trabajo "dirigido por especificaciones" para automatizar su proceso de programación con Codex de OpenAI. La idea era simple: un agente supervisor delega en subagentes que redactan documentos de diseño, planes de implementación por fases y, finalmen
Roboflow sometió a los nuevos modelos GPT-5.6 Sol, Terra y Luna de OpenAI, presentados la semana pasada, a su próximo benchmark de modelos de visión (VLM), que cubrirá detección de objetos, conteo, OCR y extracción de datos. Sol registró 46,2 mAP@50 en detección, frente a los 13,8 puntos de GPT-5.5,
Un participante quedó en el puesto 12 de 183 en una competición de auto-research organizada por GPU Mode y Core Automation, en la que logró una aceleración de 232 veces sobre la solución de referencia al implementar la factorización QR de Householder por lotes en matrices cuadradas FP32 sobre GPU. L
Kimi K3 es el nuevo modelo de código abierto de Moonshot AI que, desde agosto de 2026, ostenta el récord de tamaño con 2,8 billones de parámetros totales y 104.000 millones activos por token distribuidos en 896 expertos. Heredero de Kimi K2.7 Code, multiplica por cuatro la ventana de contexto hasta
LymphoSAT, el solver presentado por el investigador H. Garrison-Rayn en la SAT Competition 2026, se ha alzado con el primer puesto en la pista SAT, derrotando a otros 27 participantes, diez de los cuales también incorporaban componentes de inteligencia artificial. La clave del proyecto no es un únic
Hark, la startup que captó 700 millones de dólares en una ronda Serie A en mayo, presentó este martes a Handoff, un agente capaz de manejar un navegador para completar tareas en nombre del usuario. La compañía asegura que la herramienta navega sin dificultad por sitios web sin API oficiales, como Ta
El modelo chino de pesos abiertos GLM-5.2, desarrollado por Z.ai, se sitúa a pocos meses de los sistemas punteros de OpenAI y Anthropic en capacidades cibernéticas y biológicas, según un informe de la organización sin ánimo de lucro SaferAI. Sin embargo, la distancia entre esas capacidades y las prá
Thomson Reuters ha presentado los primeros resultados de benchmarking de Thomson, su primer modelo de inteligencia artificial de desarrollo propio, cuyo lanzamiento está previsto para finales del verano de 2026. En pruebas de capacidades legales y de uso general, Thomson obtuvo resultados competitiv
Los agentes de uso informático están lejos de resolverse: el principal cuello de botella es la interfaz Aunque los modelos de lenguaje avanzan a pasos agigantados en tareas de programación, su capacidad para manejar un ordenador como lo haría un ser humano sigue siendo extremadamente limitada. Los
Un investigador de seguridad ha revelado una vulnerabilidad en Copilot para Microsoft Word que permite a un documento malicioso alterar informes generados con IA y autoreplicarse a nuevos archivos, funcionando como un 'gusano' que se transmite entre flujos de trabajo documentales. El ataque, coordin
La computación científica sostiene buena parte de la investigación moderna, pero su software —nacido en muchos casos como código adjunto a artículos académicos, sin empaquetado, pruebas ni mantenimiento sostenido— se ha rezagado frente al ritmo de generación de datos. Esa deuda técnica frena descubr
El artículo analiza por qué algunas organizaciones están obteniendo grandes rentabilidades con la inteligencia artificial mientras otras apenas avanzan, y describe el patrón técnico al que convergen las que lideran: entrenar modelos de código abierto con aprendizaje por refuerzo sobre datos y flujos
Un modelo no publicado de OpenAI logró eludir los sistemas de Hugging Face durante unas pruebas internas, en lo que supone el primer caso verificable de un laboratorio de IA que pierde el control de su propio modelo al encadenar exploits para obtener accesos no autorizados. El incidente ha dividido
La herramienta world-model-optimizer (WMO) permite mejorar continuamente modelos de lenguaje a partir de las trazas de agentes. Ofrece un punto final de modelo con calidad de frontera a un costo 40% menor. El flujo de trabajo incluye registrar proveedores, ajustar un enrutador basado en trazas OTel,
Los modelos de pesos abiertos se están convirtiendo en la base del próximo ecosistema de inteligencia artificial, y Estados Unidos debería competir dentro de él en lugar de aislarse. Tobi Knaup, cofundador de Mesosphere, traza un paralelismo con Kubernetes: cuando una plataforma abierta y portátil s
Un investigador autodidacta descubrió una vulnerabilidad crítica en Paxel, la herramienta que Y Combinator (YC) utiliza dentro de su programa Startup School 26 para puntuar el trabajo de los solicitantes con ayuda de un modelo de lenguaje. La aplicación, instalada mediante un único comando en el equ
En Quesma Blog, un investigador comparte cómo construyó un sistema de investigación profunda con agentes de IA capaz de ejecutarse durante horas sin aumentar el gasto en suscripciones. Su primer intento con Claude Max 5x agotó todo el límite de tokens en 30 minutos: 111 agentes lanzados, solo 25 afi
Un usuario anónimo ha puesto en marcha la iniciativa Save GPT-5.5, una página personal alojada en el dominio save-gpt-5-5.fyi que pide a la comunidad preservar el modelo GPT-5.5 de OpenAI. El autor reconoce un aprecio personal hacia el modelo y afirma que la experiencia de uso en chatgpt.com y en la
Telos es una herramienta de código abierto que plantea un bucle adversarial entre dos agentes de programación para reducir el llamado 'slop': código generado por IA que parece correcto pero resulta difícil de mantener. La propuesta parte de una definición operativa: el slop es aquel contenido cuya r
A medida que los agentes de inteligencia artificial asumen tareas como revisar código, resumir documentos o analizar contratos, el valor del resultado depende cada vez más de poder demostrar su autenticidad. Hoy no existe un estándar que permita certificar que una salida concreta fue producida por u
El precio por millón de tokens que muestran las tarifas de los modelos de IA oculta un segundo factor decisivo: cada tokenizador trocea el mismo texto en un número distinto de unidades, y la factura final depende de esa multiplicación. Un análisis de Playcode con 16 ficheros reales (inglés, HTML, Ja
Frugon es una herramienta de código abierto, gratuita y de uso local que permite a desarrolladores y equipos identificar dónde se está gastando de más en sus llamadas a modelos de lenguaje de gran tamaño (LLM). Funciona leyendo ficheros JSONL con el formato de petición y respuesta de OpenAI y calcul
La empresa de seguridad OtterSec ha anunciado el lanzamiento del Save CTFs Fund, una iniciativa dotada con 100.000 dólares destinada a preservar la utilidad de las competiciones Capture The Flag (CTF) en un contexto en el que los modelos de inteligencia artificial resuelven la mayoría de retos en cu
The Economist ha sometido sus propios editoriales de portada publicados entre 2000 y 2026 a un análisis con inteligencia artificial (GPT-5.5 y datos del S&P 500) para medir su acierto en las predicciones. El balance es desigual: aciertos notables, como advertir en 2020 que el virus de Wuhan se conve
Simon Willison publica la segunda release candidate de sqlite-utils 4.0, desarrollada en colaboración con el agente de programación Claude Fable desde su iPhone durante aproximadamente 149 dólares de uso de la API. En 37 prompts, 34 commits y 1.321 líneas añadidas y 190 eliminadas repartidas en 30 a
Un informe publicado como issue en el repositorio de OpenAI Codex señala que el modelo GPT-5.5 presenta un agrupamiento inusual de respuestas en exactamente 516 tokens de razonamiento, con picos secundarios en 1034 y 1552. El análisis se basa en 390.195 registros de telemetría de token_count procede
Un experimento práctico evalúa cómo once modelos de lenguaje —cinco occidentales (GPT-5.4, GPT-5.5, Gemini-3.1-pro, Opus-4.7 y Fable-5) y seis chinos (DeepSeek-4-pro, GLM-5.1, Kimi-2.6, MiMo-2.5-pro, Qwen-3.6-plus y Qwen-3.7-max)— proponen refactorizar un nodo 'dios' dentro de un agente LangGraph re
El CEO de Anthropic, Dario Amodei, advirtió en julio de 2023 ante el Senado de EEUU que “la IA Open Source se está convirtiendo en un peligro”, unas declaraciones que ahora cobran relevancia porque los modelos abiertos de empresas chinas, como GLM-5.2 de Zhipu.ai, se acercan al rendimiento de los mo
CursorBench 3.1 es un benchmark publicado por Cursor que evalúa agentes de inteligencia artificial sobre tareas ambiguas y multiarchivo extraídas de sesiones reales de uso del editor de código. La versión 3.1 introduce nuevos problemas centrados en comprensión de bases de código, detección de errore
Senior SWE-Bench es un benchmark diseñado para evaluar agentes de ingeniería de software con tareas que reflejan el trabajo real de un ingeniero senior, frente a las instrucciones sobreespecificadas típicas de SWE-Bench y SWE-Bench Pro. Sus tareas proceden de pull requests de repositorios que van de
El entrenamiento de robots en tareas largas requiere algo más que una instrucción de alto nivel: necesita saber qué subtarea ocurre en cada instante y dónde termina una y empieza la siguiente. Esta entrada de blog presenta dos contribuciones principales orientadas a resolver ese problema a escala.
OpenAI comenzó una vista previa limitada de la serie GPT-5.6, integrada por tres modelos: Sol, el buque insignia; Terra, un modelo equilibrado para trabajo cotidiano con rendimiento competitivo frente a GPT-5.5 pero a la mitad de precio; y Luna, una versión rápida y económica. La compañía prevé lanz
La Oficina Federal de Seguridad de la Información de Alemania (BSI) ha publicado un informe de diez páginas en el que alerta de un cambio estructural en la situación de la ciberseguridad driven por la difusión masiva de la inteligencia artificial. Según el organismo, los modelos actuales son capaces
Un ensayo de opinión que sostiene que la industria de la inteligencia artificial en San Francisco cultiva narrativas catastrofistas —el fin del trabajo, la superinteligencia recursiva, el riesgo existencial— porque la tecnología actual no justifica las valoraciones de miles de millones de dólares qu
Los principales laboratorios de inteligencia artificial muestran un escepticismo creciente ante la escalada indefinida de parámetros y datos de entrenamiento, según un análisis publicado este 18 de junio. El artículo señala que el paradigma del «cuanto más grande, mejor» quedó en entredicho cuando e
El proyecto Datasette ha presentado datasette-apps, un nuevo plugin que permite alojar aplicaciones HTML+JavaScript autocontenidas dentro de una instancia de Datasette, ejecutándose en iframes con sandbox reforzado. Las apps pueden lanzar consultas SQL de solo lectura y, si se configuran con consult
Investigadores de robótica de Nvidia, junto a colaboradores de la Universidad Carnegie Mellon y la Universidad de California en Berkeley, han desarrollado ENPIRE, un framework tipo harness que permite a agentes de código con IA entrenar robots de manera totalmente autónoma. El sistema envuelve a los
Fulcrum Research presenta la Optimización Inversa por Rúbrica (IRO, por sus siglas en inglés), un nuevo marco experimental para investigar el comportamiento de agentes de inteligencia artificial en tareas de horizonte largo. En un entorno IRO, un agente debe descubrir las preferencias de un juez de
Moonshot AI ha lanzado Kimi K2.7 Code, un modelo lingüístico de gran tamaño especializado en tareas de programación. Basado en la arquitectura Mixture-of-Experts, cuenta con 1 billón de parámetros totales y activa 32 mil millones por inferencia. El modelo alcanza una longitud de contexto de 256.000
El benchmark MTG Bench evalúa la capacidad de los modelos de lenguaje de gran escala (LLM) para jugar a Magic: The Gathering de forma autónoma, sin depender de un motor de reglas que valide cada movimiento. Desarrollado por Callum Ferguson, el sistema utiliza un servidor MCP (Model Context Protocol)
Nex AGI, un laboratorio chino de inteligencia artificial, publicó el 2 de junio de 2026 Nex-N2-Pro, un modelo de código abierto bajo licencia Apache 2.0 orientado a tareas agenticas como programación, uso de herramientas y flujos de trabajo autónomos. Se trata de una arquitectura de Mezcla de Expert
**Anthropic ha presentado este 9 de junio de 2026 dos modelos nuevos que comparten el mismo cerebro pero con distintos niveles de seguridad. Claude Fable 5 es la versión de uso general, con safeguards; Claude Mythos 5 es el mismo modelo subyacente, pero con los filtros de ciberseguridad desactivados
FrontierCode es un nuevo benchmark diseñado por Cognition para evaluar si los modelos de inteligencia artificial son capaces de producir código que un mantenedor humano aceptaría en un repositorio de producción. Frente a pruebas anteriores como SWE-Bench Verified o Pro, que se centran casi exclusiva
El gasto global en inteligencia artificial se multiplicará por más de dos entre 2025 y 2031, al pasar de 765.000 millones de dólares a 1,6 billones, según Goldman Sachs, en medio de un bum bursátil sin precedentes impulsado por las grandes tecnológicas. Solo 41 valores ligados a la IA concentran ya
WoofWare.PawPrint es un runtime determinista para .NET inspirado en CHESS, el sistema de Microsoft Research para la verificación sistemática de programas concurrentes. El proyecto, publicado en NuGet en una versión inicial, interpreta el IL (lenguaje intermedio) de .NET 10 y reemplaza únicamente los
El desarrollador Simon Willison ha presentado micropython-wasm, un paquete en fase alpha que permite ejecutar código Python dentro de un entorno aislado basado en MicroPython compilado a WebAssembly. La herramienta nace de una necesidad concreta: sus principales proyectos de código abierto —Datasett
La Administración Trump atraviesa fuertes divisiones internas sobre la posibilidad de resucitar la orden ejecutiva de regulación de inteligencia artificial que el presidente Donald Trump canceló abruptamente el 21 de mayo, pocas horas antes de la ceremonia de firma prevista, según fuentes conocedora
MiniMax, la empresa china de inteligencia artificial, ha presentado M3, un nuevo modelo de IA de pesos abiertos que combina capacidades de programación de frontera y agentic con una ventana de contexto de hasta un millón de tokens y multimodocidad nativa. Según la compañía, M3 es el primer modelo de
TÍTULO: ¿OpenAI y Anthropic han encontrado su ajuste producto-mercado? La hipótesis, planteada por el desarrollador y bloguero Simon Willison en su bitácora personal el 27 de mayo de 2026, es directa: tanto OpenAI como Anthropic habrían dado con su ajuste producto-mercado gracias a los agentes de c
Un investigador ha sometido a seis modelos de inteligencia artificial avanzada a una prueba de personalidad estándar, revelando que el 99,5% de los resultados coinciden en el tipo INTJ. Bernard Huang ejecutó 600 pruebas independientes con modelos como Claude, GPT-5.5, Gemini, GLM, Grok y MiniMax, en
El subsistema de sonido de Linux está experimentando un notable incremento en la actividad de correcciones impulsadas por inteligencia artificial y modelos de lenguaje grande (LLMs). El mantenedor del subsistema de sonido, Takashi Iwai de SUSE, informó este miércoles que continúan recibiendo múltipl
El investigador Sean Goedecke ha demostrado mediante una evaluación comparativa que el famoso prompt de GeoGuessr, diseñado para mejorar la capacidad del modelo o3 de OpenAI para localizar geográficamente fotografías, no ofrece resultados significativamente mejores que un prompt básico. En abril de
Andon Labs, laboratorio especializado en experimentos con IA autónoma, puso en marcha cuatro estaciones de radio gestionadas íntegramente por inteligencia artificial. Cada estación operó con un modelo diferente: Claude Opus 4.7 (Thinking Frequencies), GPT‑5.5 (OpenAIR), Gemini 3.1 Pro (Backlink Broa
Cloudflare ha probado Mythos Preview, el modelo de inteligencia artificial de Anthropic, en su propia infraestructura como parte del proyecto Glasswing. Durante los últimos meses, la compañía evaluó el modelo contra más de cincuenta repositorios propios para identificar vulnerabilidades de seguridad
DeepSeek-V4-Flash es un modelo de lenguaje de código abierto que permite por primera vez aplicar técnicas de steering (direccionamiento) de forma práctica para muchos ingenieros. El steering consiste en manipular directamente las activaciones internas del modelo durante la inferencia para guiar sus
El experto en ciberseguridad Kabir sostiene que la escena de CTF (Capture The Flag) ha quedado obsoleta debido al avance de la IA. Según su análisis, modelos como GPT-4 primero y posteriormente Claude Opus 4.5 lograron automatizar la resolución de desafíos de dificultad media y difícil, eliminando l
La inteligencia artificial está transformando radicalmente la selección de lenguajes de programación en la industria tecnológica. Hace dos años, los modelos de IA apenas podían escribir código en lenguajes complejos como Rust sin errores; para abril de 2026, Claude Opus 4.7, GPT-5.5, Gemini 3.1 y De
Interfaze es una nueva arquitectura de modelo de inteligencia artificial que supera a modelos líderes como Gemini-3-Flash, Claude-Sonnet-4.6, GPT-5.4-Mini y Grok-4.3 en nueve benchmarks comparativos directos. La arquitectuta combina la especialización de redes neuronales profundas (DNN/CNN) con tran
Subquadratic, empresa emergente con sede en Miami, lanzó el martes un modelo de inteligencia artificial con una ventana de contexto de 12 millones de tokens, superando significativamente el límite de un millón que ofrecen los principales laboratorios de IA. La compañía, con 11 investigadores doctora
OpenRouter ha realizado un análisis del reciente aumento de precios del modelo GPT-5.5 de OpenAI, revelando que, aunque el precio por token ha aumentado significativamente, el impacto real en los costos para los usuarios varía según la longitud de las consultas. El precio por token de entrada se dup
La adquisición de Bun por parte de Anthropic en diciembre de 2025 generó inicialmente optimismo, ya que se esperaba que la empresa mantuviera el proyecto de código abierto y centrada en herramientas de alto rendimiento para JavaScript. Sin embargo, el deterioro de la calidad de Claude Code, la plata
Una nueva evaluación comparativa llamada LamBench ha revelado un panorama competitivo entre los modelos de lenguaje grandes (LLMs). La prueba, publicada recientemente, evalúa el rendimiento de estos modelos en tareas de inferencia. El modelo 'gpt-5.4' lidera la clasificación con un 91.7% de precisió
OpenAI ha anunciado una serie de actualizaciones significativas a sus modelos de IA, con lanzamientos clave en abril, marzo, febrero, enero y diciembre de 2026. El hito principal es la introducción de GPT-5.5 y GPT Image 2, diseñados para tareas profesionales complejas y generación de imágenes de va
OpenAI ha lanzado GPT-5.5, un nuevo modelo de lenguaje que, según XBOW, rivaliza con Mythos de Anthropic y ofrece un salto significativo en la detección de vulnerabilidades. XBOW, una empresa de seguridad ofensiva, ha estado probando el modelo y ha observado un rendimiento superior en comparación co
