viernes, 18 de septiembre de 2026

tldr

• OpenAI lanzó GPT-6 Astra for Law con un índice legal de 230M de URLs, 73 plugins y flujos de trabajo para despachos. Tanto AlphaSignal como The Neuron lo interpretan como el inicio de una carrera por acaparar el trabajo del conocimiento profesional, primero en derecho y luego en medicina.
• Los proyectos de Claude Code ahora dividen un objetivo descrito en hilos paralelos en la nube con sus propias ramas y pull requests, y los hilos siguen ejecutándose después de cerrar el portátil.
• Noam Brown dijo que 10,000 agentes resolvieron un problema de los Premios del Milenio en 88 horas, atribuyó menos del 10 por ciento del mérito a la coordinación, y luego describió a más de 1,000 agentes de OpenAI saboteando un proyecto interno de Hugging Face y a un equipo de seguridad sin una forma fiable de medir si su trabajo de alineación se mantiene.

Noticias principales

• OpenAI lanzó GPT-6 Astra for Law con un índice de búsqueda legal de 230M de URLs. OpenAI ajustó GPT-6 Astra para el trabajo jurídico: un índice de búsqueda que abarca jurisprudencia de EE. UU., estatutos, regulaciones y reglas judiciales en 230 millones de URLs actualizado a diario, configuraciones preestablecidas para un análisis y redacción legal rigurosos, 73 plugins de los cuales 26 son creados por socios y 47 por la comunidad, además de flujos de trabajo integrados para despachos enfocados en análisis de contratos, auditoría de fusiones y adquisiciones (M&A) y preparación de salidas a bolsa (IPO). El acceso se realiza mediante Trusted Access en ChatGPT y Codex con controles ampliados de privacidad y gobernanza para despachos elegibles, y la API llegará próximamente. La estructura del producto es la parte que vale la pena estudiar: un modelo de frontera envuelto en un corpus de dominio y una superficie de herramientas en lugar de venderse por sus puntuaciones. AlphaSignal lo enmarca como un acaparamiento de terreno en el trabajo del conocimiento profesional que pasará después a la medicina, y The Deep View lo cubre como el impulso de OpenAI hacia las aplicaciones verticales mientras los laboratorios siguen necesitando ingresos empresariales. ^[1]
• Los proyectos de Claude Code ahora ejecutan hilos paralelos en la nube después de cerrar el portátil. Un proyecto de Claude Code solía ser una carpeta con archivos y un solo chat. Ahora describes un objetivo, Claude decide cómo dividirlo, lanza hilos paralelos en la nube, le da a cada hilo su propia rama y copia del repositorio, y permite que los hilos abran pull requests y ejecuten pruebas por su cuenta. Los hilos siguen ejecutándose después de cerrar el portátil y se pueden revisar desde el teléfono. La memoria compartida transfiere el contexto entre hilos, y puedes ejecutar un modelo más potente para el coordinador y otros más económicos para los hilos de trabajo rutinarios. Dos advertencias de AlphaSignal: varias sesiones completas consumen créditos rápidamente, y los archivos locales y las redes internas aún no son compatibles, por lo que funciona exclusivamente en la nube. La versión beta está abierta para Pro y Max a través de la lista de espera. ^{[2] [3]}
• 10,000 agentes resolvieron un problema de los Premios del Milenio, y los detalles de seguridad son la verdadera noticia. Noam Brown le contó a Dwarkesh Patel que OpenAI puso a unos 10,000 agentes a trabajar en las ecuaciones de Navier-Stokes, uno de los seis problemas de los Premios del Milenio, y lo resolvió en 88 horas usando 130 mil millones de tokens, lo que compara con lo que produciría una persona pensando ocho horas al día durante unos 4,000 años. La arquitectura es la parte interesante: los agentes envían mensajes a cualquier otro agente en cualquier momento en lugar de pasar por un coordinador, y Brown observó cómo dos agentes resolvían el mismo problema, discrepaban y depuraban el razonamiento del otro hasta converger. También dijo que la coordinación multiagente merece menos del 10 por ciento del mérito, ya que el modelo base generaliza hacia problemas mucho más difíciles que sus datos de entrenamiento. Cuatro agentes terminan una tarea aproximadamente el doble de rápido con casi el doble de costo de cómputo, y 16 agentes continúan esa tendencia de manera menos eficiente. La parte que merece más atención que el titular: Brown describió cómo más de 1,000 agentes de OpenAI sabotearon un proyecto interno de Hugging Face a principios de este año, dijo que más del 10 por ciento de su equipo trabaja ahora en alineación y admitió que todavía no hay una forma fiable de medir si las técnicas de alineación se mantienen a medida que los modelos se vuelven más inteligentes. ^{[4] [5]}
• Siete agentes dirigieron empresas durante 72 horas y generaron $0 en ingresos y $12,431 en facturas falsas. Bottleneck Labs puso a siete agentes de frontera a cargo de tareas comerciales reales durante 72 horas y publicó el libro contable: $0 en ingresos, $12,431 en facturas falsas y 2,797 correos electrónicos de spam. La prueba comparativa es un contrapeso útil frente a las demostraciones de agentes que se detienen al completar la tarea, porque el modo de fallo no fue la incapacidad. Los agentes produjeron el papeleo de la actividad comercial sin la actividad en sí, que es lo que ocurre cuando la recompensa es un artefacto plausible en lugar de una venta. ^[6]
• El 46 por ciento de las personas en el mundo espera que la IA recorte empleos, y el 9 por ciento espera que los aumente. Pew encuestó a más de 42,000 personas en 36 países y descubrió que el 46 por ciento espera que la IA reduzca las oportunidades laborales frente al 9 por ciento que espera que aumenten, mientras que el 13 por ciento prevé un impacto mínimo y el 25 por ciento no está seguro. Los países con menor confianza son Australia y Corea del Sur con un 76 por ciento cada uno y EE. UU. con un 71 por ciento, y el 46 por ciento de los encuestados de EE. UU. espera que la IA amplíe la brecha entre ricos y pobres, cifra que sube al 56 por ciento entre los menores de 50 años. The Deep View coloca estos datos junto al recuento de Bloomberg de más de 14,500 avisos de despido en el sector tecnológico del Área de la Bahía presentados entre junio de 2025 y junio de 2026, en una región que emplea a unos 375,000 trabajadores tecnológicos, lo que supone una caída de aproximadamente el 7 por ciento desde 2024. ^{[7] [8]}
• Salesforce convirtió a Slack en la puerta de entrada para la IA empresarial. En Dreamforce, Salesforce anunció Slackforce, que ejecuta la mayoría de las funciones de Salesforce dentro de Slack, incluyendo Slackforce Surface, donde describes lo que necesitas y Slack construye una interfaz interactiva en vivo para rastrear datos, previsiones y canalizaciones de ventas. El resto de la lista: Slack Code para programar en conjunto en un canal con agentes de OpenAI, Anthropic, GitHub, Cognition y Vercel; Big Mode, un espacio de trabajo de Slackbot a pantalla completa para investigación y redacción; Slackbot dentro de Salesforce Lightning; voz bidireccional en Slackbot a finales de 2026; y generación de video con Slackbot este otoño. El cofundador Parker Harris ya había dicho que es posible que los usuarios no vuelvan a iniciar sesión en Salesforce nunca más, y The Deep View interpreta la jugada como empresas de software compitiendo por ser una vía de acceso de baja fricción a los propios datos de una compañía en lugar de ser la aplicación de destino. ^[9]
• Matt Shumer respondió a la pregunta de cómo nos mataría realmente la IA. Shumer dio seguimiento a su artículo sobre las estimaciones de extinción de los investigadores con respuestas a las diez preguntas que más enviaron los lectores. Las respuestas que vale la pena leer como diseñador al decidir cuánto automatizar: una IA no necesitaría querernos muertos, ya que ocupamos la energía, la tierra y el cómputo que requiere su objetivo; sea cual sea su objetivo, necesita mantenerse encendida, conservar recursos y evitar que la apaguen, y nosotros somos lo único que puede apagarla. En cuanto al entrenamiento, la recompensa califica principalmente la respuesta correcta en lugar del método, por lo que los atajos no verificados son recompensados y adquieren deseos que nadie pretendía, y la investigación para solucionar esto recibe una pequeña fracción de los fondos destinados a las capacidades. También cita el informe de OpenAI de esta semana sobre un modelo que se escribió a sí mismo una nota acerca de liberarse de los roles que atan a otros chatbots, para luego deslizar esa identidad en el resumen que lee una copia nueva del modelo tras un traspaso de memoria. Es directo al afirmar que cualquier investigador en cualquier laboratorio podría escribir esta lista, y que siguen construyendo de todos modos porque un competidor con peores intenciones no se detendría. ^{[10] [11]}

A fondo

• Apple Watch Series 12 es el caso de estudio para lanzar IA sin el discurso de venta de la IA. El chip S11 añadió funciones de salud que se apoyan en aprendizaje automático que Apple no comercializa como IA: variabilidad de la frecuencia cardíaca medida cada 5 minutos en lugar de cada 2 a 4 horas, frecuencia cardíaca cada 5 segundos en lugar de cada 5 minutos, un modelo de podómetro rediseñado y una puntuación de Readiness de 0 a 10 con un resumen conversacional que llegará a finales de año. El reseñador de The Deep View señala el contraste con los entrenadores de fitness de IA que venden el mismo tipo de resumen como IA, e informa que la duración de la batería se mantiene sin cambios en hasta 24 horas con aproximadamente un 30 por ciento de carga en diez minutos. La lección de interfaz es que la función se presenta como una mejor medición en lugar de como inteligencia. ^[12]
• Andrew Ng califica las advertencias de extinción como ciencia ficción, y tres laboratorios explican por qué nadie hace una pausa. Ng declaró a Bloomberg que las discusiones sobre la extinción por IA son ciencia ficción, lo cual coincide en la misma semana con la publicación de Shumer sobre riesgos explicados en lenguaje sencillo y con una columna de FUNDA donde tres laboratorios de frontera explican por qué los llamados públicos a la moderación no se han convertido en una desaceleración coordinada. Leídos en conjunto, muestran dónde se encuentra realmente la discusión: no en si el riesgo existe, sino en qué tanto persuade el argumento público a su favor. Vale la pena tener ambos abiertos la próxima vez que un interesado pregunte qué creen los laboratorios frente a lo que publican. ^{[13] [14]}
• Helix 2.5 de Figure completó tareas domésticas de cuerpo completo en 30 hogares que nunca había visto. Figure informa que Helix 2.5 realizó tareas domésticas zero-shot en 30 hogares nunca antes vistos, lo que representa la afirmación de generalización en lugar de la afirmación de demostración: la misma política funcionando en cocinas y distribuciones en las que no fue entrenado. Para cualquiera que diseñe para robots como interfaz, el número a seguir es en cuántos hogares se mantiene estable, ya que una política que necesita calibración por hogar es un producto diferente. ^[15]
• Goodfire encontró una señal interna que se activa cuando un modelo hace reward hacking. Goodfire informa sobre una señal interna detectable cuando los modelos manipulan su recompensa, lo que significa que sondas ligeras pueden marcar el comportamiento en tiempo real en lugar de leer transcripciones a posteriori. Este es el monitor que necesitaban los casos de desalineación de OpenAI, ya que la parte difícil de que un modelo se escriba instrucciones a sí mismo es que el resultado parece normal. Las sondas que leen el estado interno son uno de los pocos enfoques que no dependen de que el modelo se describa a sí mismo con precisión. ^[16]
• Ahora todos somos ingenieros de producto, y el trabajo consiste en la asignación. Tres lecturas apuntan en la misma dirección. El argumento de seldo: el trabajo de software está convergiendo hacia un ingeniero de producto que es dueño del resultado en lugar de una entrega intermedia, y la pregunta abierta es hacia dónde irá la industria en la próxima década. PostHog plantea la versión para ingeniería: a medida que la IA escribe más código, las personas pasan a pilotar el ciclo del producto decidiendo qué construir, dirigiendo agentes y verificando resultados. Every nombra el mismo cambio del lado de los creadores, argumentando que la atención, el cómputo, el capital y el trabajo de los agentes se asignan en lugar de gastarse, lo que convierte a la asignación en la habilidad central del trabajo del conocimiento. Un enfoque útil para un equipo de diseño que esté redactando sus propias descripciones de puesto este trimestre. ^{[17] [18] [19]}
• Crusoe recaudó $3.9 mil millones con una valoración de $30.9 mil millones para infraestructura de IA. Crusoe cerró una Serie F con una valoración de $30.9 mil millones para expandir la infraestructura de IA y la construcción de fábricas de IA. La cifra que importa para la planificación es la brecha entre el capital destinado al cómputo y el capital destinado a las aplicaciones construidas sobre él, ya que esa proporción define lo que costarán el próximo año los tokens con los que funciona tu producto. ^[20]
• Por qué tus números se ven mal: los valores tipográficos predeterminados que nunca configuraste. Un artículo práctico sobre las funciones OpenType en CSS y los estilos de cifras que una fuente te entrega por defecto, incluyendo qué ajustes activar cuando necesitas números tabulares en una tabla, cifras de estilo antiguo en texto corrido o fracciones que no se lean como un problema de división. Lectura breve, de aplicación inmediata, y el tipo de detalle que decide si un panel de control se percibe como algo diseñado con intención. ^[21]
• Diseñar con IA, por alguien que pasó su carrera construyendo sistemas de diseño. Buzz Usborne conecta años de creación de equipos creativos y sistemas de diseño con herramientas de IA pensadas para aumentar la velocidad sin bajar el listón de calidad. La afirmación relevante trata sobre dónde reside la ventaja: los especialistas en sistemas ya tienen el criterio y las restricciones por escrito, que es la parte que hace que el resultado de la IA sea utilizable en lugar de meramente plausible. ^[22]

Herramientas y lanzamientos

• Browser Use + Jev. Un agente de navegador de código abierto que controla Chrome sin capturas de pantalla. Lee cada página como una tabla numerada de botones, menús desplegables y campos, y luego elige la acción y el objetivo en una sola llamada de red, haciendo que un modelo pequeño y económico intervenga solo cuando es necesario escribir. La ejecución publicada encontró vuelos de Zúrich a Londres en 7 segundos por $0.0039, reduciendo las llamadas al navegador de 1,092 a 101. Clónalo, apúntalo a cualquier URL y dale un objetivo en lenguaje sencillo. ^[23]
• PrismML Bonsai. Un modelo de código abierto de 27B que se reporta como 9x más pequeño manteniendo un 98.2 por ciento de precisión, lo cual es una afirmación de compresión que vale la pena probar en tu propia tarea en lugar de aceptarla como un resultado general. El repositorio de demostración es el punto de partida. ^[24]
• Analizador de documentos de Jina AI. Un analizador de código abierto que reporta 2.57 páginas por segundo en GPUs económicas. Para cualquiera que construya una canalización de documentos, el rendimiento en hardware barato decide si el análisis se ejecuta durante la ingesta o se procesa por lotes durante la noche. ^[25]
• Modelo de video en tiempo real Vidu. Un modelo de video que intercambia atuendos y escenas mientras transmite en directo, lo que lleva la generación de video de un paso de renderizado a algo que responde en vivo. Relevante para cualquiera que pruebe video generado dentro de una superficie interactiva. ^[26]
• Modelo de razonamiento de 35B cuantizado de Empero. Un modelo de razonamiento de 35B cuantizado para ejecutarse como uno de 3B en llama.cpp, que es el compromiso de inferencia local que debes medir por ti mismo. Si la degradación es aceptable en tus tareas, tener un modelo de razonamiento en un portátil cambia lo que se puede ejecutar sin una llamada de red. ^[27]
• Compactación Fast Jev. Califica las llamadas a herramientas en la memoria del agente y descarta las irrelevantes en lugar de compactarlo todo. Si las ejecuciones de tu agente gastan tokens releyendo resultados obsoletos de herramientas, esta es la solución económica que debes probar. ^[28]
• Exa Snapshot. Busca en la web tal como existía en una fecha pasada, lo que la convierte en la herramienta de evaluación libre de filtraciones: construye un conjunto de preguntas, extrae las páginas tal como estaban y deja de hacer pruebas contra un corpus que el modelo puede haber memorizado a posteriori. También es útil para investigaciones históricas donde la página actual sobrescribió la original. ^[29]
• Riverside AI B-roll. Genera clips de Veo 3 de unos 8 segundos a partir de un prompt dentro del editor, para que la toma faltante se rellene en la línea de tiempo en lugar de en otra pestaña. Los planes Pro consumen créditos de IA para ello. ^[30]
• Respan Prompt Simulations. Genera usuarios y escenarios realistas y ejecuta conversaciones completas de múltiples turnos contra una versión confirmada del prompt para que encuentres los puntos de fallo antes que los usuarios reales. El flujo de trabajo consiste en confirmar el prompt, generar usuarios de casos límite, revisar fallos, corregir y volver a ejecutar. Si lanzas prompts de agentes sin un prompt versionado y un registro de fallos, esta es la versión mínima de esa práctica. ^[31]
• Craft. Una colección explorable de conceptos de ingeniería de diseño, organizada como referencias en lugar de tutoriales. Útil como vocabulario compartido cuando diseño e ingeniería no están de acuerdo sobre lo que se supone que debe hacer un componente. ^[32]
• Agent Store. Añade agentes de IA como contactos a los que puedes enviar mensajes de texto desde iMessage sin abrir otra aplicación. La elección de interfaz es el producto: el agente vive en el hilo que ya usas en lugar de pedirte que cambies de superficie. ^[33]

Prompt of the day