miércoles, 9 de septiembre de 2026

tldr

• OpenAI afirma que un modelo inédito «significativamente más capaz que GPT-6 Astra» produjo una demostración de que las ecuaciones de Navier-Stokes pueden colapsar —10,000 agentes, 88 horas, verificado en Lean— y la disputa por el mérito con Tristan Buckmaster de NYU comenzó antes de que terminara el anuncio.
• ChatGPT Images 2.5 se lanzó el mismo día: un 50% más rápido que Images 2.0, ediciones más precisas que solo cambian lo que pediste, entrada por boceto y dos modelos de API (Flare, Sunburst) con un precio de 2x la tarifa anterior.
• Meta lanzó Muse, un agente personal que se ejecuta en su propia VM en la nube y pide conectar tus cuentas de correo electrónico, calendario y pagos; el argumento de la privacidad es real, pero el historial de Meta también lo es.

Noticias principales

• OpenAI: 10,000 agentes resolvieron un problema matemático de 90 años en 88 horas. Navier-Stokes es uno de los siete Problemas del Milenio premiados con $1M: plantea si las ecuaciones de fluidos pueden «explotar» hacia una velocidad infinita a partir de condiciones iniciales suaves. La afirmación de OpenAI: un modelo interno, inédito y descrito como significativamente más capaz que GPT-6 Astra, encontró una singularidad —un vórtice que se estrecha y gira más rápido mientras la energía del fluido permanece acotada— con aproximadamente 10,000 agentes en paralelo, 2.7M de mensajes de agentes y ~130B de tokens de salida. Luego, GPT-6 Astra formalizó y verificó la demostración en Lean, el software de verificación de pruebas. Costo de cómputo: millones de dólares, según OpenAI. La lectura honesta de The Neuron: esto no fue un modelo teniendo un momento digno de Newton, sino una enorme cantidad de pensamiento paralelo comprado; hay que empezar a juzgar la IA de frontera por lo que hace un sistema con suficientes agentes, herramientas y cómputo, no por lo que responde un chatbot. ^{[1] [2]}
• La disputa por el mérito de Navier-Stokes: Buckmaster contra OpenAI. El matemático de NYU Tristan Buckmaster y Levent Alpöge de Anthropic habían pasado un año siguiendo una vía similar para Navier-Stokes, introduciendo borradores en Codex y publicando resultados parciales la noche anterior al anuncio de OpenAI. El comunicado de Buckmaster afirma que OpenAI solo empezó tras enterarse de su trabajo y nunca respondió si sus borradores en Codex entrenaron al modelo. Mark Chen, de OpenAI, negó haber visto su trabajo —«Eso sería una enorme violación de la confianza del usuario»—, aunque admitió que no se puede descartar el uso de datos de actividad. Sebastien Bubeck dijo que OpenAI actuó tras los rumores de que Anthropic estaba cerca. La disputa distrae del resultado real, pero plantea una pregunta vigente sobre la procedencia de los datos de entrenamiento que OpenAI no ha respondido con claridad. ^{[3] [4] [5]}
• ChatGPT Images 2.5: más rápido, edita solo lo que pides y admite bocetos. El nuevo modelo Flare ofrece imágenes de mayor calidad que GPT-Image-2 con un 50% menos de latencia, y la mejora en la edición es la parte que realmente importa: cambia una chaqueta sin mover al sujeto, corrige texto sin rehacer la composición. Los sujetos se mantienen más reconocibles entre ediciones. En la aplicación, escribir @ Sketch te permite dibujar lo que quieres. Dos modelos de API: Flare para generación cotidiana rápida y Sunburst para precisión en la edición, ambos con un precio de 2x la tarifa de GPT-Image-2. Images 2.0 seguía en la cima o cerca de ella en las clasificaciones de imágenes hasta hoy, por lo que el único modelo al que OpenAI tenía que superar era al suyo propio. ^[6]
• Meta lanza Muse, un agente personal que vive en su propia VM en la nube. Muse ejecuta tareas —reservas, correo electrónico, compras, programación de sus propias integraciones donde no existen API— dentro de una máquina virtual segura, con un agente «centinela» independiente para flujos de seguridad y aprobación antes de acciones sensibles como las compras. Zuckerberg dice que es gratuito hasta 100M de tokens/semana, y luego ofrece niveles mensuales de $20 o $100, por ahora solo en EE. UU. El truco: para ser útil, necesita que conectes tu calendario, correo electrónico y plataformas de pago. Meta destaca las «Confidential VMs» con claves cifradas que llegarán a finales de este año y promete no compartir datos para publicidad, pero el contrapeso de The Deep View es un acuerdo de $18B en agosto por diseñar plataformas para generar adicción en niños, además del historial de Cambridge Analytica. La investigadora de gobernanza Miranda Bogen advierte: lo que está en juego con un agente que puede actuar de forma autónoma son cuentas bancarias e historiales médicos, no anuncios inquietantes, y las garantías actuales «parecen preocupantemente inadecuadas». ^{[7] [8]}
• Mistral recauda €3B: la mayor ronda de capital en la historia tecnológica europea. Serie D de €3B (~$3.5B) con una valoración de €21B, casi el doble que hace un año. El argumento de venta es la soberanía: modelos de pesos abiertos que descargas y ejecutas tú mismo, inferencia fijada por región para que los datos permanezcan locales y 1GW de capacidad de cómputo europeo para 2030. Ya cuenta con más de 125 clientes empresariales, incluidos Airbus y HSBC. La apuesta: rendimiento de frontera sin quedar atado a una nube estadounidense. ^[9]
• DeepMind mapea el impacto previsto de los 9 mil millones de mutaciones posibles del ADN. AlphaGenome Atlas es un mapa predictivo gratuito y consultable de lo que hace a nivel molecular cada cambio posible de una sola letra en el genoma humano. El valor reside en su amplitud: en lugar de un experimento por mutación, es una tabla de consulta para todo el genoma. Como nota para diseñadores: así se ve la «IA para la ciencia» cuando se lanza como infraestructura en lugar de una demostración. ^[10]

En profundidad

• La herramienta de Sony AI predijo dos descubrimientos reales de genes del envejecimiento a partir de 1.5M de hipótesis. Un generador de hipótesis de código abierto cuyas predicciones fueron confirmadas posteriormente de forma experimental: el raro caso en el que a «la IA lo propuso» le sigue «y el laboratorio lo verificó». ^[11]
• Los modelos de razonamiento producen fractales, y eso explica el «sobrepensamiento». El artículo traza una estructura geométrica en cómo los modelos de razonamiento exploran el espacio de soluciones en problemas difíciles, conectándola con el comportamiento de desperdicio de cómputo que la gente llama sobrepensamiento. ^[12]
• Cognition recauda $2B con una valoración de $48B; los ingresos se duplicaron a $900M desde mayo. La valoración del creador de Devin se triplicó en menos de un año. El dinero para agentes de programación sigue fluyendo independientemente del lanzamiento de cualquier modelo individual. ^[13]
• Google Cloud + Accenture: 1,000 ingenieros de IA desplegados directamente en las instalaciones del cliente. Una nueva unidad de Gemini Enterprise coloca físicamente a ingenieros de IA dentro de las organizaciones de los clientes. El mercado de la IA empresarial se está consolidando en torno a los servicios, no solo al software. ^[14]
• Qualcomm y Amazon cierran un acuerdo de chips de IA multigeneracional para AWS. Chips personalizados de inferencia de IA más conectividad de alta velocidad para centros de datos de AWS, reportado como un acuerdo de $4B por CNBC. Más pruebas de que el hardware de inferencia es una carrera por acaparar terreno. ^[15]
• Mejores datos superan a una mejor arquitectura: mejoras de preentrenamiento de ~12x frente a ~3.7x, 2019–2025. Dwarkesh Patel y Jerry Han estiman que las mejoras en los datos de entrenamiento impulsaron ganancias de eficiencia de preentrenamiento de aproximadamente 12x desde 2019, frente a cerca de 3.7x provenientes de la arquitectura y las recetas de entrenamiento. Si esto se mantiene, las canalizaciones de datos importan aproximadamente tres veces más que el diseño del modelo. ^[16]

Herramientas y lanzamientos

• Copperhead — Cursor para placas de circuito. Describe el hardware que deseas y el agente de código abierto diseña, documenta y valida la PCB. ^[17]
• LLM Attention Visualizer — ve lo que un modelo lee realmente. Observa a qué palabras presta atención un modelo de lenguaje a medida que la información avanza por sus capas. Una rara herramienta de legibilidad para el funcionamiento interno de los transformers. ^[18]
• free-claude-code — 20,000 desarrolladores ejecutando Claude Code a través de DeepSeek. Herramienta de código abierto que cambia el modelo detrás de un flujo de trabajo estilo Claude Code por DeepSeek, gratis. El patrón «cualquier modelo, el mismo entorno» sigue acelerándose. ^[19]
• MiniCPM5-2B — un modelo de 2B de parámetros creado para IA en el dispositivo. El último modelo pequeño de OpenBMB en Hugging Face, orientado a ejecutarse localmente en lugar de en la nube. ^[20]
• Ant Group libera el código abierto de Ling-3.0-flash-Fin, un modelo financiero. Diseñado para investigación, registros regulatorios, hojas de cálculo de valoración e informes con citas, con solo 5.1B de parámetros activos por token. ^[21]
• Switch — pon a Claude Code y otros agentes en Slack, Teams, Discord y Telegram. Los agentes se unen a las conversaciones como miembros con nombre propio en distintas plataformas de chat. Publicado en Product Hunt. ^[22]
• Opensource UI — más de 200 componentes React/Next.js listos para producción, con licencia MIT. Biblioteca de copiar y pegar creada con TypeScript y Tailwind CSS v4. Gratis. ^[23]
• Atlas — el modelo de mundo omni de World Labs para inteligencia espacial. Un solo modelo que abarca la generación, reconstrucción y simulación de mundos. El equipo de Fei-Fei Li sigue ampliando la frontera adyacente al 3D. ^[24]
• «Limita el número de detalles» — Lightspark sobre la moderación en el diseño. Cada detalle pide atención; limitar cuántos añades es lo que da espacio a los restantes para que sean buenos. Breve, acertado y aplicable también a las interfaces de IA. ^[25]
• El diseñador que dibujó los iconos de Cursor: más de 600, todos a mano. Entrevista a Marek Minor sobre la creación de un conjunto completo de iconos para una de las herramientas de desarrollo más utilizadas en la era de la IA. ^[26]
• Cuatro preguntas sobre la AGI. Un ensayo sobre cuánto trabajo indefinido se le está pidiendo al término «AGI» y un intento de concretarlo. ^[27]

Prompt of the day