34 noticias
Multi-Agent Self-Supervision (MASS) es un marco de trabajo que permite a los modelos de inteligencia artificial optimizar y evaluar sus propios flujos de trabajo mediante la auto-supervisión. Este sistema, desarrollado durante una pasantía en Sakana AI, aborda el desafío de la mejora recursiva auto-
Trail of Bits ha publicado un análisis que cuestiona la validez del informe de 1Password, publicado el 6 de agosto de 2026, que afirmaba que los modelos de IA generan parches limpios solo el 26% de las veces. Los investigadores de Trail of Bits identificaron cuatro factores que distorsionan esta cif
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
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
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
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
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
El AI Safety Institute (AISI) del Reino Unido publicó su primer análisis público sobre la distancia en capacidades cibernéticas entre los principales modelos de IA de pesos abiertos y los modelos cerrados de frontera. La evaluación, realizada sobre GLM-5.2 y DeepSeek V4-Pro, concluye que los modelos
OpenAI ha presentado GPT-Live, una nueva generación de su función de voz en ChatGPT que, por primera vez, permite al modelo escuchar y hablar al mismo tiempo gracias a una arquitectura full-duplex. Hasta ahora, el asistente alternaba entre escuchar y responder; con GPT-Live procesa el audio de forma
xAI lanzó esta semana Grok 4.5, presentado como su modelo más avanzado, entrenado junto a Cursor para tareas de programación y agentic. La plataforma TryAI sometió a Grok 4.5, GPT-5.5, Claude Opus 4.8 y Claude Fable 5 a tres pruebas idénticas de generación one-shot de aplicaciones interactivas en un
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
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
El Gobierno de Estados Unidos ordenó este viernes a Anthropic desactivar de forma inmediata el acceso a dos de sus modelos de inteligencia artificial más avanzados, Claude Fable 5 y Claude Mythos 5, alegando motivos de seguridad nacional. La compañía confirmó en su cuenta de X que acató la orden, re
Anthropic desactivó el viernes por la noche el acceso a sus modelos más recientes, Fable 5 y Mythos 5, apenas unos días después de su lanzamiento. La medida se produjo tras recibir una directiva del Departamento de Comercio de Estados Unidos que somete ambos modelos a controles de exportación, restr
Z.ai, la división de modelos de inteligencia artificial de la china Zhipu, lanzará la próxima semana GLM-5.2, su nuevo modelo de código abierto que se posiciona como el líder entre los modelos de pesos abiertos en el Artificial Analysis Intelligence Index v4.1. El anuncio llega en un contexto de cre
El frontend generado por inteligencia artificial suele adolecer de un aspecto descuidado y poco profesional, un fenómeno que algunos denominan 'slop'. Un desarrollador ha encontrado una solución sencilla y efectiva: pedir al agente de IA que diseñe la interfaz imitando el estilo visual de Qt, el con
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)
OpenAI está evaluando recortes significativos en los precios de sus productos de inteligencia artificial con el objetivo de captar usuarios de su rival Anthropic, según informó el Wall Street Journal citando fuentes conocedoras de las conversaciones. La compañía sopesa reducir el coste de los tokens
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
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
Un investigador de seguridad informática creó una aplicación de reseñas de libros deliberadamente vulnerable y gastó 1.500 dólares para comprobar si los modelos de lenguaje grandes (LLM) podían explotarla. La aplicación, construida con React Native (Expo) y un backend en Python (FastAPI), almacenaba
Las grandes empresas de inteligencia artificial (Frontier labs) han incrementado drásticamente los costos de inferencia en los últimos meses. Modelos como GPT-5.5 de OpenAI y Gemini 3.5 de Google han duplicado y triplicado sus tarifas de API, respectivamente, mientras que Anthropic ha aumentado el 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
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
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
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
Un equipo de ingenieros, liderado por Antirez, ha lanzado DeepSeek v4 Flash, un nuevo motor de inferencia optimizado para el modelo de lenguaje DeepSeek V4 Flash. Este motor, denominado 'ds4.c', está diseñado específicamente para este modelo y no es un framework genérico. La principal ventaja radica
OpenAI ha anunciado un programa de recompensas por errores (Bug Bounty) centrado en la seguridad biológica para su próximo modelo de lenguaje, GPT-5.5. El programa, que se abrirá a aplicaciones el 23 de abril de 2026, invita a investigadores con experiencia en red teaming de IA, seguridad y biosegur
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
OpenAI ha anunciado el lanzamiento de GPT-5.5, su modelo de inteligencia artificial más avanzado hasta la fecha. GPT-5.5 destaca por su mayor capacidad para comprender tareas complejas y ejecutarlas de manera más autónoma, incluyendo la escritura y depuración de código, investigación en línea, análi
