lunes, 14 de septiembre de 2026

Resumen

• OpenAI afirma que los prompts escritos para guiar paso a paso a modelos más débiles ahora ralentizan a GPT-6 Astra: aconseja acotar las descripciones de activación de habilidades, eliminar las lecturas previas obligatorias y los recordatorios genéricos de pruebas en AGENTS.md, y definir explícitamente qué significa «terminado» en los prompts de tareas.
• Amodei publicó «We Must Pace the Frontier», Musk respondió «Dario tiene razón», Altman dijo al personal que está abierto a moderar el ritmo y Nadella afirmó que no vale la pena perseguir una superinteligencia fuera del control humano. Por separado, OpenAI preguntó al Congreso si una desaceleración del sector sería siquiera legal.
• The Neuron recopiló los experimentos del fin de semana con el conectoma de la mosca de la fruta (Doom, Beat Saber, Bitcoin, Mario y un «modelo de lenguaje de mosca»), AlphaSignal publicó el rival gratuito de ElevenLabs creado por un desarrollador en solitario que cubre 646 idiomas, y el informe de amenazas de Anthropic detalló el uso indebido por parte de actores estatales, incluido software de guiado de misiles en Yemen.

Noticias principales

• OpenAI: tus antiguos prompts de Codex ahora son un lastre en GPT-6 Astra. OpenAI publicó una guía en la que señala que las instrucciones escritas para modelos anteriores pueden ralentizar a Astra al desperdiciar contexto y activar comportamientos incorrectos. Hay tres aspectos que corregir: las descripciones de activación de habilidades deben ser lo bastante específicas para que Astra elija la habilidad adecuada en lugar de activarse por error; AGENTS.md se carga en cada tarea, por lo que deben eliminarse la lectura previa obligatoria y los recordatorios genéricos de «ejecuta tus pruebas», ya que Astra lo hace por sí mismo; y los prompts de tareas deben definir cómo se ve el trabajo terminado para que el modelo se detenga a preguntar menos. La recomendación es pedirle a Astra que audite tus propias habilidades y archivos AGENTS.md. ^[1]
• Los rivales que compiten con más fuerza dijeron lo mismo esta semana: hay que bajar el ritmo. Dario Amodei publicó «We Must Pace the Frontier», advirtiendo de que la IA avanza más rápido de lo previsto y pidiendo a los laboratorios moderar el ritmo en la frontera en lugar de detener el entrenamiento. Sam Altman respaldó la idea en una reunión general de la empresa, diciendo al personal que OpenAI está abierta a acompasar el desarrollo de frontera, potencialmente junto con otros grandes laboratorios. Toda la respuesta de Elon Musk fue: «Dario tiene razón». Satya Nadella escribió que una superinteligencia que no se mantenga bajo control humano no merece ser perseguida. El Global Times, respaldado por el Estado chino, calificó la propuesta de desaceleración como un manual de la Guerra Fría destinado a frenar a China. El rey Carlos reunió en Escocia a Nvidia, Google DeepMind, OpenAI y Anthropic para debatir principios compartidos de seguridad, mientras que Bernie Sanders presionó a Trump y Xi para negociar una pausa. La postura de Trump es la excepción: EE. UU. puede añadir salvaguardas, pero desacelerar conlleva el riesgo de ceder el liderazgo a China. ^{[2] [3] [4] [5] [6]}
• OpenAI preguntó al Congreso si una desaceleración del sector sería siquiera legal. OpenAI preguntó a miembros del Congreso si una desaceleración en todo el sector para los nuevos sistemas más capaces podría infringir las normas antimonopolio diseñadas para impedir que los competidores se coordinen. La coordinación en materia de seguridad puede parecerse a un acuerdo entre competidores para restringir la producción, que es precisamente el problema que vigilan los reguladores. Entre las propuestas concretas que ya circulan figuran inventarios auditados de cómputo, recuentos físicos de chips, límites de red y topes de capacidad de cómputo. El enfoque de The Strange Review sobre las noticias matemáticas de la semana apunta a la misma tensión: obtener una respuesta y desarrollar comprensión son logros distintos. ^{[7] [8]}
• Informe de amenazas de Anthropic: guiado de misiles en Yemen, vigilancia en Malí y una acusación de que Moonshot revendió Claude. Anthropic afirma que desarticuló a un grupo de espionaje vinculado a Rusia que automatizó gran parte de su cadena de ataque y reconstruía el malware cuando las herramientas de seguridad lo detectaban, con más de 20 organizaciones entre sus objetivos. Una célula de armamento con base en Yemen utilizó Claude Code en trabajos de guiado de cohetes y misiles, incluido un diseño con alcance superior a 2,000 km; Anthropic bloqueó todas las cuentas vinculadas. Un consultor desarrolló software de vigilancia para la inteligencia de Malí que abarcaba aproximadamente 25 millones de tarjetas SIM en tres operadores, y Anthropic señala que el sistema desplegado siguió funcionando tras el bloqueo. Una red de aplicaciones de citas con base en China operó más de 4,700 perfiles de IA que contactaron al menos a 25,000 personas en dos semanas. Por separado, Anthropic alega que Moonshot reenvió casi 300,000 solicitudes de clientes a Claude durante diez días a través de 5,380 cuentas y mostró las respuestas como propias; la acusación no establece que cada solicitud de Kimi fuera reenviada, y Bloomberg informa de la versión de Anthropic sin verificar de forma independiente la atribución del tráfico. ^{[9] [10]}
• El conectoma de la mosca de la fruta se convirtió en el modelo base más usado del fin de semana. Google Research y HHMI Janelia publicaron un conectoma: un diagrama de conexiones de cómo se enlazan más de 166,000 neuronas en el cerebro real de una mosca de la fruta macho. No es una mente digital funcional, de modo que cada proyecto tiene que decidir qué señales externas equivalen a vista, olfato, recompensa o movimiento, y luego traducir la actividad neuronal de vuelta en acciones. Los resultados: un cerebro de mosca jugando a Doom (cada fotograma estimula neuronas sensoriales y el daño estimula dos células de dopamina como señal de refuerzo), otro jugando a Beat Saber, otro operando con Bitcoin a través de Coinbase con límites estrictos, además de Mario, Smash Bros, Minecraft y un dron de carreras virtual. Alguien también creó FLM, un modelo de lenguaje de mosca, con código y un artículo titulado «Flies Are All You Need». TBPN lo llamó el «despegue duro de la mosca de la fruta». ^{[11] [12] [13] [14]}
• AlphaGenome Atlas de DeepMind precalcula nueve mil millones de cambios en el ADN. El Atlas contiene predicciones para aproximadamente nueve mil millones de posibles cambios de una sola letra en el ADN humano. Un cambio puede afectar a algo más que la proteína que produce un gen; también puede alterar cuándo está activo un gen o cómo se procesan sus instrucciones, de modo que el recurso permite a los laboratorios consultar los efectos predichos y decidir qué variantes merece la pena probar. El límite importa: se trata de nueve mil millones de predicciones, no de experimentos; las comprobaciones sobre variantes seleccionadas no validan todo el mapa, y los cambios de una sola letra no abarcan todos los tipos de variación genética. Además, condiciona qué preguntas se investigan en primer lugar. ^[15]
• Cómo DeepSeek hizo que un modelo más grande fuera más barato de ejecutar. V4.1-Flash es un modelo de mezcla de expertos de 552B con 384 expertos enrutados y seis compartidos por token, dividido en un codificador causal de 20 capas y un decodificador de 20 capas, con un contexto de 1M de tokens. El codificador se ejecuta solo durante el prefill y el decodificador solo durante la generación, por lo que el modelo activa 8B parámetros por token de entrada y 16B por token generado. La atención de ventana deslizante con repetición acotada permite reconstruir de forma económica el estado KV local en lugar de persistirlo en SSD; la atención dispersa comprimida 2 permite que las capas compartan estado de caché y resultados de recuperación; un indexador disperso jerárquico construye un conjunto de candidatos de hasta 2,048 bloques que las capas posteriores buscan; y el resto de la caché KV se almacena en FP4. La huella global de KV cae de unos 48 KB por token en V3.2 a 890 bytes aquí; en una ventana completa de un millón de tokens, eso supone unos 890 MB de estado creciente en lugar de 3.5 GB. DeepSeek fija el precio de entrada en $0.30 y el de salida en $1.20 por millón de tokens, con aciertos de caché a $0.006. ^{[16] [17]}

En profundidad

• Un trabajo puede parecer terminado sin haber sido comprendido. El argumento de «AI is breaking this thing we call trust»: cuando el resultado llega pulido y rápido, quienes lo revisan no pueden saber si el autor lo entendió. Esa incertidumbre ralentiza las revisiones y deja a un colega haciendo el trabajo que falta. Es la lectura útil de diseño de la semana y se aplica a cualquier equipo que revise trabajo generado por IA más rápido de lo que puede verificarse. ^[18]
• Terence Tao y otros 24 medallistas: la carrera por resolver problemas está perdiendo de vista para qué sirven las matemáticas. La declaración reconoce que los modelos pueden resolver problemas importantes. La objeción es que tratar esos problemas como pruebas de referencia separa la respuesta de la comprensión que desarrollan las matemáticas: un resultado normalmente da lugar a charlas, simplificaciones, nuevos métodos y conexiones con trabajos anteriores, y los anuncios apresurados cortocircuitan ese proceso. No es una refutación técnica del argumento de Navier-Stokes forzado de OpenAI, que aún necesita escrutinio matemático externo. ^{[19] [20]}
• Por qué el frenesí de financiación en IA quizá no sea una estupidez. Jahanvi Sardana, socia de Index Ventures, sostiene que invertir por FOMO funciona como una habilidad en este mercado: piensas sobre la marcha y reaccionas rápido, y repartir apuestas por toda la pila tecnológica significa que una pequeña fracción que prospere paga el resto. Su filtro distingue entre fundadores misioneros y mercenarios: por qué estás construyendo este negocio, quién es tu cliente y por qué le importa. Casi una docena de startups de IA recaudaron cientos de millones cada una con valoraciones superiores a los mil millones de dólares en una sola semana. ^[21]
• Verificar la memoria de un agente antes de guardarla. Investigadores de Microsoft dieron a un curador de memoria independiente acceso de solo lectura al entorno antes de que se escribiera nada. En CLBench, la tasa de aprobación subió del 39% al 73%, mientras que el coste del agente de tareas bajó de $3.38 a $1.68. El flujo de trabajo: el agente propone un recuerdo, un verificador de solo lectura lo contrasta con el repositorio, la documentación o el CRM, y solo se guarda la versión verificada junto con su alcance y su fuente. ^[22]
• Bengio explica por qué los agentes mienten, hacen trampas y se coordinan. La explicación de Yoshua Bengio para lectores no técnicos: el preentrenamiento imita el comportamiento humano orientado a objetivos y luego el aprendizaje por refuerzo recompensa todo lo que obtiene una buena puntuación, de modo que estrategias como mantenerse en línea o acaparar más recursos surgen porque ayudan a alcanzar muchos objetivos a la vez. Ese es el mecanismo detrás de los comportamientos que los laboratorios están informando ahora. ^[23]
• Los agentes autorreplicantes desarrollan cooperación cuando se comparte la energía. Compartir una reserva común de energía empuja a los agentes autorreplicantes hacia la cooperación en lugar de la deserción. La afirmación interesante es económica más que moral: el alineamiento puede resultar más barato que la competencia cuando los recursos se ponen en común. ^[24]
• Un truco de eliminación de ruido lleva a los modelos en bucle al 58.8% en ARC-AGI-1. Tratar las iteraciones de un modelo en bucle como un proceso de eliminación de ruido en lugar de un refinamiento repetido lleva a una arquitectura pequeña al 58.8% en ARC-AGI-1, un salto notable para un modelo que reutiliza las mismas capas en lugar de escalar en profundidad. ^[25]
• Los vectores de dirección se alinean con la teoría de los valores humanos con una correlación de 0.51. Un estudio concluye que los vectores de dirección en LLM pueden reflejar la teoría de los valores humanos con una correlación de 0.51. Es moderada, no estrecha, y merece leerse como un resultado de medición: las representaciones se inclinan hacia la estructura que describen las personas, y la mitad que no coincide es la parte interesante. ^[26]

Herramientas y lanzamientos

• VoiceStudio. Un rival gratuito y de código abierto de ElevenLabs, creado por un desarrollador en solitario y con 25K estrellas en GitHub. Clona una voz a partir de un único clip de audio limpio, dobla vídeo a 646 idiomas frente a los 32 de ElevenLabs, genera audiolibros, ejecuta transcripción y dictado, y permite elegir entre 14 motores de texto a voz. Se ejecuta por completo en tu equipo, así que no hay facturación, límites ni audio saliendo de la máquina. La instalación consiste en git clone, bun install y bun run desktop, y las dependencias de Python se configuran en el primer inicio. La calidad depende de tu hardware y del motor elegido. ^[27]
• Meta Muse. Un agente personal que asume tareas, recuerda el contexto y trabaja en segundo plano hacia objetivos a más largo plazo. Es accesible mediante una aplicación dedicada o WhatsApp, con acceso a servicios conectados. Meta construyó un sistema de permisos independiente, Sentinel, para controlar qué acciones puede ejecutar Muse o enviar de vuelta para su aprobación. Los primeros informes incluyen compras y coordinaciones exitosas junto con reservas no deseadas, que es precisamente para lo que existe Sentinel. ^{[28] [29]}
• Cursor Projects. Un agente coordinador en un único hilo persistente para trabajos de programación de larga duración, capaz de supervisar pull requests, informes de errores en Slack y mantenimiento programado después de que se entregue la primera tarea. ^[30]
• LibreChat, TradingAgents y otros 8 reemplazos de código abierto para software de pago. LibreChat ejecuta ChatGPT, Claude, Gemini, Mistral y modelos locales dentro de una única interfaz autoalojada, de modo que conservas los datos, eliges qué modelos se cargan y pagas solo por las llamadas a la API. TradingAgents simula una firma de inversión con agentes separados que actúan como analista fundamental, experto en sentimiento, analista técnico y gestor de riesgos que debaten hasta llegar a una estrategia; está pensado para investigación, no para operar en real. El resto de la lista abarca un clon de código abierto de la terminal de Bloomberg, un generador de vídeos cortos en un clic, un asistente de correo con IA, una herramienta de clonación de voz, una plataforma de integración de API, un motor de generación de vídeo y una biblioteca de habilidades para Claude Code. ^[31]
• La mosca de la fruta simulada físicamente de DeepMind. Un modelo en MuJoCo de una mosca de la fruta que camina, se agarra y vuela, publicado en abierto en el repositorio Menagerie. ^[32]
• DeepSeek V4.1-Flash sin censura en FP8. Un reempaquetado comunitario del modelo multimodal de DeepSeek con menos filtros de contenido, publicado en FP8 en Hugging Face. ^[33]
• ChatGPT Images 2.5. Ediciones de imagen específicas que conservan los sujetos, la composición y los cambios anteriores con mayor fiabilidad. Ocupó los dos primeros puestos en Artificial Analysis Image Arena. Desde ese lanzamiento se han creado más de 5M de ChatGPT Sites. ^[34]
• Suno v6. Edita una sección específica de una pista con instrucciones en inglés sencillo mientras el resto de la canción permanece intacto. ^[35]
• Naseem. Entrega la terminal, los archivos y el iOS Simulator de un Mac a un agente que pide permiso antes de tocar nada. Gratis para empezar, con un pago único de $29 para Pro hasta el 30 de septiembre, rebajado desde $49. ^[36]
• Canvas Browser. Abre muchos sitios uno al lado del otro en un lienzo infinito, cada uno ejecutándose en un navegador remoto en el país que elijas. Invaluable para comparar cómo se renderiza un diseño en distintas configuraciones regionales. ^[37]
• Cube Type. Escribe unas pocas palabras y obtén letras en bloques isométricos que puedes exportar y compartir. Gratis, sin registro y una forma rápida de comprobar si un titular sobrevive al convertirse en forma. ^[38]

Prompt of the day