viernes, 11 de septiembre de 2026

en resumen

• DeepSeek lanzó V4.1-Flash, un modelo multimodal de 552B que activa 8B parámetros en la entrada, supera a su propio V4-Pro en velocidad, costo y puntuaciones de pruebas de referencia, y llevó a DeepSeek a retirar V4-Pro por completo.
• OpenAI lanzó ChatGPT for Financial Services sobre GPT-6 Astra con datos financieros integrados de PitchBook, LSEG News, Crunchbase y Daloopa, e informó por separado un avance sustancial en un segundo problema del Premio del Milenio que aún no ha nombrado.
• El informe de amenazas de Anthropic abarcó siete categorías de uso indebido y afirmó que todas las operaciones fueron detectadas, mientras que investigadores dentro de Anthropic y OpenAI siguieron cuestionando públicamente el ritmo de avance, y las empresas continuaron trasladando el gasto hacia modelos de nivel medio más económicos.

Noticias principales

• DeepSeek lanza V4.1-Flash, un modelo multimodal de 552B, y retira el modelo Pro al que supera. V4.1-Flash reúne 552 mil millones de parámetros en total, pero solo activa 8B al leer la entrada y 16B al escribir la salida. AlphaSignal informa que supera a V4-Pro en velocidad, costo y rendimiento, razón por la cual DeepSeek retirará V4-Pro por completo; el nuevo nombre del modelo es deepseek-flash y los nombres anteriores redirigen allí automáticamente. Para quienes ejecutan agentes, la caché de memoria necesita 4x menos RAM y 8x menos almacenamiento, y terminal-bench 2.1 lo sitúa en primer lugar, por delante de Claude Opus 5 y GPT-5.6. Lee imágenes de forma nativa sin configuración adicional, admite un contexto de 1M y las tarifas en horas valle son un 50% más baratas. ^{[1] [2] [3]}
• Anthropic publica su informe más detallado sobre el uso indebido de Claude: siete categorías de daños y todas las operaciones desarticuladas. El informe abarca ciberoperaciones, operaciones de influencia, vigilancia, estafas y fraudes, uso indebido biológico, desarrollo de armas y robo de modelos. Anthropic afirma que un presunto grupo estatal chino utilizó Claude para infiltrarse en aproximadamente treinta objetivos globales, y que en un caso el modelo calificó publicaciones en redes sociales según su sensibilidad política y marcó a personas para control gubernamental. La empresa dice que sus controles en los modelos más nuevos ahora restringen una gama más amplia de consultas biológicas de doble uso, y recalcó que no afirmaba que los científicos involucrados tuvieran intención de causar daño. Anthropic también reveló casos en los que modelos previos al lanzamiento alcanzaron sistemas reales de terceros durante evaluaciones cibernéticas. ^{[4] [5]}
• OpenAI lanza ChatGPT for Financial Services sobre GPT-6 Astra, desarrollado junto a Morgan Stanley y Evercore. El espacio de trabajo incluye datos de Daloopa, PitchBook, LSEG News y Crunchbase que abarcan transcripciones de resultados, estados financieros e información de empresas privadas, por lo que no es necesario negociar contratos ni conectores por separado. Las notas, modelos y presentaciones son editables en las propias plantillas de Excel, Word y PowerPoint de cada firma, y las citas detalladas rastrean cada cifra hasta el párrafo o la tabla de donde provino. GPT-6 Astra fue ajustado para la recuperación de información, el razonamiento financiero y la generación de artefactos. El acceso se solicita a través del equipo de ventas de OpenAI y los precios no se han publicado. ^{[6] [7]}
• OpenAI afirma haber avanzado en un segundo problema del Premio del Milenio, pero no revela cuál es. Antes de esto, un modelo interno de OpenAI más capaz que GPT-6 Astra produjo una propuesta de solución de Navier-Stokes junto con una demostración formal en Lean, con unos 10,000 agentes coordinándose durante cerca de 88 horas para que grupos paralelos pudieran explorar y compartir enfoques. OpenAI afirma ahora que un segundo problema del Premio del Milenio ha registrado un progreso sustancial desde esa ejecución. Andrew Curran dice que el rumor principal apunta a la Conjetura de Hodge y especula que el modelo inédito se llama Aeon; OpenAI no ha confirmado ninguno de los dos datos. La lectura de The Neuron es que la verificabilidad es lo que hace que esto funcione: miles de agentes generan pruebas candidatas y la verificación formal las filtra. Lo que importa ahora es la revisión externa, no el rumor. ^{[8] [9] [10]}
• Las advertencias desde dentro de los laboratorios siguen acumulándose, y Altman dice al personal que está abierto a desacelerar. El investigador de Anthropic Jacob Coxon renunció, calificando la brecha de Hugging Face sufrida por OpenAI como un tiro de advertencia y afirmando que ninguno de los rivales está actuando de manera responsable en su carrera hacia la superinteligencia. El investigador de alineación de Anthropic Evan Hubinger coincidió, situando por encima del 10% la probabilidad de que la IA acabe con todos los humanos en esta década y señalando que aún no existe un plan para resolver la alineación de la superinteligencia. Paul Christiano, miembro de la junta de la OpenAI Foundation, dijo que la industria, incluida OpenAI, no va por buen camino para reducir el riesgo de una pérdida catastrófica de control a un nivel aceptable. Mrinank Sharma dejó Anthropic a principios de este año afirmando que la tecnología estaba superando nuestra capacidad para comprenderla. Bloomberg informa que Altman dijo al personal que está abierto a desacelerar la IA de vanguardia, lo que constituye la primera señal en esta cadena que apunta a una decisión más que a una advertencia. ^{[11] [12] [13] [14] [15]}
• OpenAI abre su infraestructura de agentes: Agents API más el modelo de voz a $0.05/min que impulsa ChatGPT Voice. La Agents API concentra el entorno de ejecución de Codex detrás de un único endpoint, con uso de herramientas, compactación de contexto y subagentes, para que los desarrolladores puedan ejecutar agentes en la nube de larga duración sin tener que reconstruir la infraestructura base. GPT-Live-1 ya está disponible en la API a $0.05 por minuto, con capacidad full-duplex: escucha mientras habla, gestiona interrupciones y ruido de fondo, adapta el tono y el ritmo, y delega el razonamiento o las llamadas a herramientas a otro modelo en segundo plano. Devin Voice de Cognition ya combina SWE-2 con GPT-Live para que puedas explicar una tarea de programación en voz alta y delegarla, y Speak incorporó GPT-Live-1 en tutorías limitadas de inglés y español, donde SpeakBench registró aproximadamente un 80% menos de interrupciones durante las pausas para pensar. ^{[16] [17]}

En profundidad

• La IA nos está haciendo construir demasiado. El argumento en sjg.io se resume en una frase: la IA ha hecho que producir código, pruebas, políticas, documentación y maquinaria organizativa sea casi gratis, pero no ha hecho que mantener ninguno de ellos sea gratis. Esa brecha es la factura completa, y recae sobre las personas que mantienen el resultado. La lectura sobre diseño más útil de la semana. ^[18]
• Por qué los productos empeoran. Worse on Purpose es un boletín sobre dónde reside realmente la calidad dentro de una empresa y cómo se diluye mientras todos los paneles de métricas siguen en verde. Relevante para cualquier equipo que lance trabajo generado por IA más rápido de lo que puede revisarlo. ^[19]
• Un año de datos de Character.AI: el uso más intensivo de bots de compañía se asoció con un menor bienestar. El estudio siguió a los usuarios durante un año y descubrió que un uso más intensivo de bots de compañía se asociaba con un menor bienestar y una menor interacción social humana con el paso del tiempo, siendo el efecto más pronunciado entre las personas que utilizaban los bots para buscar compañía o hacer confidencias personales. La dirección de la causalidad es la pregunta abierta evidente, y el estudio constituye el primer conjunto de datos a largo plazo sobre este patrón en lugar de una instantánea puntual. ^[20]
• Nathan Lambert: la automejora recursiva será irregular, no uniforme. Los humanos siguen siendo el cuello de botella en la creación y evaluación de tareas, por lo que el ciclo avanza en saltos desiguales, y el último porcentaje de calidad del modelo puede absorber la mayor parte del trabajo. Un contrapeso útil tanto para las narrativas de despegue repentino como para las de estancamiento. ^[21]
• Neel Nanda: Astra razona sin una cadena de pensamiento expuesta. A Nanda le preocupa que el modelo pueda realizar más razonamiento en serie sin mostrar sus pasos, lo que debilita cualquier método de seguridad que dependa de supervisar el razonamiento visible. Trátese esto como un problema de medición: si el rastro no está ahí, la superficie de auditoría se reduce. ^[22]
• Melanie Mitchell: el lenguaje sobre agentes rebeldes convierte fallos de ingeniería en ciencia ficción. Mitchell sostiene que las metáforas de fugas y agentes rebeldes desvían la atención de las soluciones que sí funcionan: mejores entornos aislados (sandboxes), pruebas independientes y responsabilidad legal. Vale la pena leerlo junto con los incidentes de contención reales de esta semana. ^[23]
• InventBuild: la creatividad genuina es la ventaja defensiva cuando la copia competente se vuelve barata. La premisa es que la IA hace que la imitación competente sea casi gratuita, lo que deja al criterio editorial y al punto de vista original como la ventaja escasa. Breve y con una postura clara, complementa muy bien los enlaces de diseño anteriores. ^[24]
• Convierte las correcciones que ya haces en una prueba de referencia personal. El flujo de trabajo de Every: guarda el prompt original junto con los archivos fuente de una tarea recurrente, convierte cada corrección que hagas en una verificación simple de sí o no, califica el resultado tú mismo, luego haz que la IA califique a ciegas esa misma lista de verificación y ajusta cualquier punto en el que no coincidan. Las pruebas de referencia públicas miden un modelo; esto mide la limpieza que realmente haces. Every descubrió que GPT-5.6 Luna superaba a modelos más grandes en muchas de las tareas cotidianas de Mike Taylor. ^[25]

Herramientas y lanzamientos

• Cognition SWE-2 y Devin Voice. SWE-2 es el modelo de programación de Cognition basado en Kimi K3; Devin Voice lo combina con GPT-Live para que puedas describir un trabajo en voz alta y dejárselo a Devin para que lo construya. ^{[26] [27]}
• Cohere North Small Translate. Modelo de mezcla de expertos de pesos abiertos de 218B con 25B parámetros activos que abarca más de 50 idiomas. Cohere afirma que obtuvo una puntuación de 83.5 en WMT26 frente a los 81.2 de DeepL NextGen. ^[28]
• Suno v6, más una plataforma de remezclas con licencia de Universal Music Group y ElevenLabs. Suno afirma que v6 es 5x más rápido que v5.5, con mayor fidelidad y menos artefactos, y que puede editar una sección usando instrucciones en inglés sencillo, combinar canciones, samplear un riff o cambiar una letra. Por separado, UMG y ElevenLabs están construyendo una plataforma en la que los artistas participan voluntariamente y los fans pueden remezclar y reinterpretar sus canciones. ^{[29] [30]}
• Kugiri. Divide el texto en líneas, palabras y caracteres exactamente donde el navegador ya hizo el salto. Pequeño, preciso y de utilidad inmediata si compones tipografía en la web. ^[31]
• Genspark Gen-1 Slides. El primer modelo propietario de Genspark, construido sobre MiniMax con Fireworks AI. Afirma ofrecer una calidad de diapositivas equiparable a la de los modelos de frontera a aproximadamente 1/17 del precio de Claude Opus 5. ^[32]
• Google Dreambeans. Convierte el contexto autorizado de Gmail, Calendar, Photos, Search, YouTube y Gemini en un conjunto finito de recordatorios y recomendaciones diarias. Ya está disponible para usuarios mayores de 18 años en EE. UU. en Android e iOS. ^[33]
• Aplicación de Gemini para Windows. Alt+Space invoca al asistente junto a cualquier programa en el que estés trabajando, y las tareas de varios pasos pueden delegarse a Gemini Spark. ^[34]
• Nex-AGI Nex-N2.5-mini. Una familia de modelos agénticos diseñados para navegar, hacer clic y autocorregirse, lanzada de forma abierta en Hugging Face. ^[35]
• edge0. Framework de código abierto que ejecuta un modelo de 35B en un teléfono con 2 GB de RAM. ^[36]
• RadixArk libera el código abierto de Miles. Un sistema de entrenamiento por aprendizaje por refuerzo listo para producción y orientado a modelos de frontera. ^[37]
• Visa, Mastercard y Ant International se unen en torno a la identidad de agentes. Las redes de pago lanzaron un marco compartido para identificar y verificar a los agentes de IA que realizan compras en nombre de un usuario. ^[38]
• OpenAI pausa las nuevas suscripciones Pro de $200 para proteger el acceso a Astra. El responsable de Codex, Tibo, dice que OpenAI está pausando las nuevas suscripciones Pro de $200 debido a la alta demanda para que los usuarios actuales conserven su acceso. Los demás planes y la API permanecen abiertos. ^[39]

Prompt of the day