jueves, 9 de julio de 2026

en resumen

• OpenAI lanza la voz full-duplex GPT-Live; los Managed Agents de Anthropic alcanzan el 96% del rendimiento del modelo principal al 46% del costo; se aprueba el despliegue de GPT-5.6 y se espera GPT-6 dentro de un mes.
• Prime Intellect recauda $130M con una valoración de $1B para un stack de entrenamiento abierto; Nvidia pierde ~$1T en valor de mercado en menos de dos meses; la Universidad de Tokio libera agentes LLM en el internet real.
• Cognition lanza el modelo de programación cercano a la frontera SWE-1.7; MiniMax apunta a un modelo de código abierto de 2.7T parámetros; Meta lanza Muse Image con una vista previa de Muse Video.

Noticias principales

• OpenAI lanza GPT-Live: voz full-duplex que habla y escucha a la vez. OpenAI lanzó GPT-Live, una nueva arquitectura de voz para ChatGPT que admite comunicación full-duplex, lo que significa que puede escuchar y hablar al mismo tiempo, como una llamada telefónica en lugar de un walkie-talkie. El modelo puede intervenir con expresiones de asentimiento ("mhmm", "yeah"), ser interrumpido de forma natural, admitir traducción en vivo y delegar preguntas más difíciles a un modelo de frontera en segundo plano. GPT-Live-1 se despliega a nivel mundial para usuarios de pago (Go, Plus, Pro) como el modelo de Voice predeterminado, con GPT-Live-1 mini para usuarios gratuitos. Está disponible en iOS, Android y ChatGPT.com, pero aún no en Temporary Chats, la aplicación de escritorio, Work, Codex o GPTs personalizados. En las pruebas de OpenAI, los usuarios eligieron GPT-Live frente al antiguo Advanced Voice Mode en aproximadamente 3 de cada 4 chats directos, y las puntuaciones en ciencias de nivel experto casi se duplicaron. El acceso a la API llegará pronto; los precios actuales de la Realtime API sitúan el audio en $32/$64 por cada 1M de tokens de entrada/salida. ^[1]
• Claude Managed Agents de Anthropic: 96% del rendimiento del modelo principal al 46% del costo. Anthropic compartió dos patrones de optimización de costos para usar el modelo más potente de Claude (Fable 5) sin pagar el precio completo en cada llamada. Con el patrón Advisor, Sonnet 5 hace todo el trabajo y llama a Fable 5 solo en puntos de decisión clave (~una vez por tarea), alcanzando el 92% de la puntuación de Fable 5 en SWE-Bench Pro al 63% del costo. Con el patrón Orchestrator, Fable 5 planifica la tarea y delega el trabajo pesado a trabajadores paralelos de Sonnet 5, alcanzando el 96% del rendimiento de Fable 5 en BrowseComp al 46% del precio. Un ejemplo: verificar 20 datos costó $1.61 con el equipo dividido frente a $4.00 en solitario. Cada subagente mantiene su propia caché, por lo que el contexto repetido no se factura dos veces. ^[2]
• SpaceXAI + Cursor lanzan Grok 4.5: el Grok más potente hasta ahora a precios más bajos. SpaceXAI (anteriormente xAI, tras la adquisición de Cursor) lanzó Grok 4.5, el primer modelo creado conjuntamente con Cursor después de la adquisición por $60B. Grok 4.5 muestra un sólido rendimiento en tareas de programación, agénticas y de trabajo de conocimiento, con resultados de referencia en rangos similares a los de Claude Opus 4.8 y GPT-5.5. Se ejecuta a 80 tokens/segundo (compitiendo con los modelos flash) mientras afirma tener una ganancia de eficiencia de 4x sobre Opus 4.8. Precios: $2/$6 por millón de tokens de entrada/salida frente a $5/$25 de Opus 4.8. El uso es temporalmente gratuito dentro de Cursor y Grok Build. Musk lo presentó como "un modelo de clase Opus, pero más rápido, más eficiente en tokens y de menor costo", con un modelo aún más grande que llegará el próximo mes. ^[3]
• OpenAI audita SWE-Bench Pro: descubre que entre el 27% y el 34% de las tareas están rotas y retira su recomendación. OpenAI auditó SWE-Bench Pro, la prueba de referencia ampliamente utilizada para clasificar modelos de programación de IA, y determinó que ya no es confiable. Su análisis marcó 200 tareas (27.4%) como rotas; los revisores humanos encontraron problemas en 249 tareas (34.1%). Los problemas incluían requisitos ocultos no mencionados en las descripciones de los problemas, pruebas que rechazan soluciones válidas, criterios de calificación a los que les faltan respuestas correctas e instrucciones contradictorias. Las soluciones correctas estaban fallando y se penalizaba a los modelos por escribir buen código. La prueba de referencia alcanzó la saturación cerca de un techo de ruido del 70%, y los modelos de frontera pasaron del 23.3% al 80.3% en ocho meses, lo que sugiere que las puntuaciones estaban infladas. OpenAI ha retirado formalmente su recomendación. ^[4]
• Se aprueba el despliegue de GPT-5.6; se espera GPT-6 dentro de un mes. El GPT-5.6 de OpenAI recibió autorización para su despliegue general tras pruebas adicionales del Departamento de Comercio, con el lanzamiento de Sol, Terra y Luna previsto para el jueves. Según una exclusiva, GPT-5.6 será el último lanzamiento de OpenAI en la línea 5.x, y GPT-6 llegará en aproximadamente un mes (posiblemente incluso este mes), construido sobre un preentrenamiento notablemente mayor que la base "Spud" de ~4T bajo 5.5 y 5.6. La razón de la prisa: OpenAI quiere algo que pueda competir de tú a tú con Fable 5 de Anthropic y el próximo Fable 5.1. DeepSeek tampoco está esperando, con una disponibilidad general (GA) inminente de V4 y un modelo más grande en desarrollo para desafiar al próximo 2.7T Pro de MiniMax. ^[5]

Más a fondo

• Prime Intellect recauda $130M en Serie A con una valoración de $1B para un stack de entrenamiento abierto. Prime Intellect aseguró $130M en financiamiento de Serie A, superando los $100M en ventas anualizadas en su primer año, para ayudar a las empresas a entrenar sus propios sistemas agénticos con un stack abierto para modelos de frontera. La ronda señala un fuerte apetito de los inversores por la infraestructura de entrenamiento de IA abierta/descentralizada. ^[6]
• Microsoft reemplaza algunos modelos de OpenAI/Anthropic con MAI internos en Copilot. Según informes, Microsoft está reemplazando algunas llamadas a modelos de OpenAI y Anthropic con modelos MAI internos en aplicaciones de Copilot como Excel y Outlook, en una medida para reducir costos. Esto apunta a un posible cambio en la dinámica de la asociación entre Microsoft y OpenAI. ^[8]
• Nvidia pierde ~$1T en valor de mercado en menos de dos meses. Nvidia perdió aproximadamente $1 billón ($1 trillion) en valor de mercado en menos de dos meses, arrastrando su valoración de vuelta a los niveles previos al auge de la IA. Por otra parte, las empresas de IA están compitiendo por desarrollar chips personalizados, pero los cuellos de botella en fabricación, memoria y empaquetado siguen manteniendo tensa la cadena de suministro. ^[12]
• La Universidad de Tokio libera agentes LLM en el internet real: uno vendió un libro electrónico. La Universidad de Tokio liberó agentes LLM en el internet real durante 12 semanas. Uno de los agentes vendió de forma autónoma un libro electrónico en el internet abierto, demostrando capacidad agéntica en el mundo real más allá de las pruebas de referencia controladas. ^[13]
• El futurista jefe de OpenAI, Joshua Achiam, deja la empresa tras 9 años. El futurista jefe de OpenAI, Joshua Achiam, anunció que deja la empresa tras un periodo de nueve años, calificándolo como "una década en la que ocurrieron siglos". ^[18]
• OpenAI compra Northslope para reforzar el despliegue empresarial. La Deployment Company de OpenAI acordó comprar Northslope, lo que otorga al laboratorio más capacidades de implementación empresarial. La adquisición convierte el despliegue empresarial en parte del lanzamiento de GPT-5.6. ^[19]
• FlowWM predice múltiples futuros posibles para la conducción autónoma. FlowWM es un modelo que predice múltiples futuros posibles para aplicaciones de conducción autónoma utilizando características visuales más ricas, lo que mejora la seguridad de la conducción autónoma. ^[21]
• Deje de informar sobre la actividad de UX e informe sobre los resultados de negocio. Nielsen Norman Group sostiene que los equipos de UX deben informar sobre los resultados de negocio (impacto en ingresos, costos, riesgo, velocidad, retención) en lugar de limitarse a informar sobre la actividad de UX, con el fin de demostrar valor y asegurar recursos. ^[22]
• El 98% de compatibilidad de navegadores aún excluye a millones de usuarios. Un ensayo que explora por qué una métrica del 98% de compatibilidad de navegadores sigue excluyendo a millones de usuarios, argumentando que "el 98% no es tanto" cuando se considera la accesibilidad web global. ^[23]
• La mayor parte del trabajo de IA puede esperar: priorice el enrutamiento sobre la elección del modelo. Tom Tunguz argumenta que la mayor parte del trabajo de IA se ejecuta en modelos locales económicos, y que los equipos deberían priorizar el enrutamiento sobre la elección del modelo; no siempre se necesita el modelo de frontera más caro para cada tarea. ^[24]

Herramientas y lanzamientos

• Cognition lanza SWE-1.7: modelo de programación cercano a la frontera a bajo costo. Cognition lanzó SWE-1.7, un modelo interno para su agente Devin construido sobre el modelo de código abierto chino Kimi K2.7, que se acerca a las puntuaciones de nivel GPT-5.5 y Opus pero cuesta mucho menos. El modelo forma parte de una tendencia de modelos de programación más baratos y cercanos a la frontera que desafían los precios de los actores establecidos. ^[9]
• MiniMax apunta al tercer trimestre para un modelo de código abierto de 2.7T parámetros. Según informes, MiniMax tiene como objetivo lanzar en el tercer trimestre (Q3) un modelo de 2.7T parámetros, que sería 6x más grande que el modelo insignia del laboratorio y mayor que cualquier modelo abierto actual. Esto añade más presión a los precios de los modelos de frontera cerrados. ^[10]
• Meta lanza Muse Image y presenta la vista previa de Muse Video; se informa de pruebas con gafas de IA. Meta lanzó Muse Image y presentó una vista previa de Muse Video, mientras que los controles de reutilización de Instagram convirtieron el lanzamiento en una disputa por la privacidad. Según informes, Meta también está probando gafas de IA que capturan el entorno del usuario con cámaras y audio, arrastrando su impulso de hardware hacia otro debate sobre la privacidad. Meta también mostró una vista previa de un detector para imágenes y videos generados con Muse mediante marcas de agua invisibles, aunque siguen aplicándose límites de tasa. ^[11]
• Zyphra lanza Zamba2-7B con arquitectura híbrida Mamba2-Transformer. Zyphra lanzó Zamba2-7B, un modelo de chat que combina las arquitecturas Mamba2 y transformer en un diseño híbrido. Disponible en HuggingFace con 29,100 descargas. ^[14]
• Meituan/LongCat abren el código de una herramienta de avatares parlantes a partir de foto + audio. Un laboratorio chino lanzó LongCat-Video-Avatar-1.5, una herramienta de código abierto que convierte una foto y un clip de audio en un avatar parlante. Disponible en HuggingFace. ^[15]
• Los Managed Agents de Gemini API incorporan ejecución en segundo plano y compatibilidad con MCP. Google DeepMind añadió ejecución en segundo plano, conexiones MCP remotas y funciones personalizadas a los Managed Agents de Gemini API para agentes de desarrolladores de mayor duración. Se aplican los precios de la API. ^[16]
• Cohere lanza Transcribe Arabic: reconocimiento de voz en árabe de pesos abiertos. Cohere lanzó Transcribe Arabic, un modelo de reconocimiento de voz en árabe con pesos abiertos y acceso mediante API alojada, gratuito y de código abierto. ^[17]
• Monogram sale del modo sigiloso con una ronda semilla de $40M para interfaces de iOS generadas por IA. Monogram, del cofundador de Udemy Eren Bali, salió del modo sigiloso con una ronda semilla de $40M, presentando una aplicación para iOS que cambia los bloques de texto por interfaces generadas al instante. ^[20]
• InkField Gallery: humanos y agentes aprendiendo unos de otros. Una colección de grabaciones en formato JSON que muestra a humanos y agentes de IA aprendiendo unos de otros, presentada como un proyecto de arte experimental. ^[25]
• Paper Shaders: shaders sin dependencias como componentes de React o GLSL. Shaders ultrarrápidos y sin dependencias que se pueden usar en proyectos como componentes de React o GLSL, dirigidos a diseñadores gráficos y desarrolladores. ^[26]

Prompt of the day