miércoles, 23 de septiembre de 2026

Resumen

• Claude Opus 5.5 de Anthropic llega a $4/$20 por millón de tokens (frente a los $5/$25 anteriores), lecturas en caché a $0.20 (un 60% menos), velocidad de respuesta más de un 30% superior y cuatro cambios incompatibles para las integraciones existentes de Opus 5; OpenAI respondió unos 90 minutos después con GPT-6 Sol a $2/$10 y GPT-6 Luna a $0.10/$0.50.
• Un estudio de 69,632 prepublicaciones médicas halló que el uso de la raya aumentó de cerca del 4% de los artículos a casi el 20% para 2025, de forma gradual en lugar de repentina, mientras que las secciones de texto estándar apenas variaron.
• Stanford entrenó a grupos de agentes para autoorganizarse y alcanzó un 66.7% donde los agentes individuales obtuvieron un 48.8%, un resultado de coordinación a tener en cuenta si divides el trabajo entre subagentes.

Noticias principales

• Anthropic y OpenAI recortan los precios de sus modelos de frontera con 90 minutos de diferencia. Anthropic lanzó Claude Opus 5.5 a $4 por millón de tokens de entrada y $20 por millón de tokens de salida, por debajo de los $5/$25 anteriores, con lecturas de caché a $0.20 por millón (un 60% menos) y una generación más de un 30% más rápida. Anthropic estima el ahorro en cargas de trabajo típicas en un 40% porque el modelo también consume menos tokens. Cuatro cambios incompatibles afectan a las integraciones existentes de Opus 5, por lo que conviene revisar la documentación antes de cambiar los ID de modelo en producción. Unos 90 minutos después, OpenAI lanzó GPT-6 Sol a $2/$10 por millón de tokens y GPT-6 Luna a $0.10/$0.50, ambas tarifas permanentes, con una ventana de contexto de 1M de tokens, 128k tokens de salida, sin recargo por contexto largo y un descuento del 90% en entradas en caché que se mantiene tras cambios en herramientas y ajustes. OpenAI afirma que Sol comete la mitad de errores que su predecesor y que Luna en alto esfuerzo iguala a GPT-5.6 Sol a aproximadamente una centésima parte del costo. La prueba de mediodía de The Neuron mostró que Sol alcanzaba un resultado jugable sustancialmente más rápido que Opus 5.5, y Browser Use midió a Sol en 66.9 frente a los 59.4 de Opus 5.5 en su prueba de rendimiento de agentes de navegador, costando unas 3.5x menos. El costo por tarea exitosa, y no el precio por token, es la cifra que decide esto: Nate Herk siguió prefiriendo Opus en siete de ocho trabajos, con 8h40 y $213 frente a las 5h51 y aproximadamente $74 de Sol. ^{[1] [2] [3] [4]}
• Opus 5.5 redirige el trabajo de riesgo cibernético y biológico a modelos anteriores en lugar de rechazarlo. Días después de publicar un ensayo que pedía moderar el ritmo de la frontera tecnológica, Anthropic lanzó Opus 5.5 con salvaguardas diseñadas específicamente para su nivel más capaz. Las tareas de ciberseguridad se redirigen en su mayoría a Opus 4.8, las detecciones del clasificador de biología pasan a Opus 5 y solo las organizaciones verificadas a través de los programas Life Sciences y Cyber de Anthropic obtienen Opus 5.5 para ese trabajo. Anthropic lo califica como su modelo más sólido en alineación de comportamiento hasta la fecha. También mejoró la comunicación, colocando la información clave al principio de las respuestas y siguiendo más de cerca las instrucciones de redacción, y superó a las generaciones anteriores de Opus y a Fable 5.1 en programación con agentes, trabajo de conocimiento, uso de computadoras y reconocimiento de gráficos. Las versiones 5.5 de Sonnet y Haiku llegarán en unas semanas a precios probablemente más bajos. La cuestión de diseño es la que plantea The Deep View: redirigir el tráfico gana tiempo, y el ensayo que argumenta que ese tiempo debe usarse con sabiduría apenas explica para qué sirve ese tiempo. ^{[5] [6]}
• El uso de la raya en prepublicaciones médicas casi se triplicó tras el lanzamiento de ChatGPT. Unos investigadores analizaron 69,632 prepublicaciones médicas y descubrieron que el uso de la raya pasó de aproximadamente el 4% de los artículos a casi el 20% para 2025. El aumento fue gradual en lugar de un pico repentino, lo que apunta a una adopción progresiva de las herramientas de escritura con IA más que a un evento aislado, y el patrón se mantuvo en todas las pruebas que realizaron. Las secciones de texto estándar no mostraron casi ningún cambio, lo que hace que la señal sea difícil de descartar como simple ruido. Esto no prueba que ningún artículo individual utilizara IA; muestra que los patrones de escritura cambiaron a escala poblacional justo cuando llegaron las herramientas. Vale la pena quedarse con la nota de AlphaSignal al respecto: prohibieron las rayas en sus textos, y estos son los datos que explican por qué existe ese indicio delator. ^[7]
• Los grupos de agentes que se autoorganizan superan a los agentes individuales por 66.7% a 48.8%. Un equipo de Stanford entrenó a grupos de agentes para autoorganizarse, y los grupos obtuvieron un 66.7% en tareas donde los agentes en solitario lograron un 48.8%. El mismo resultado sigue llegando desde distintas direcciones este mes, incluido un artículo de la semana pasada que mostraba que los equipos de agentes que dialogan entre sí superan a los agentes individuales cuatro a uno en razonamiento complejo. Si utilizas una arquitectura de modelos de dos niveles, la ganancia está en cómo se coordinan las llamadas, no en que un único modelo más grande asuma todo el trabajo. ^[8]
• Un agente consiguió un crédito de aerolínea de $250 en cinco minutos, y ese es todo el caso de negocio. Tras un retraso de siete horas en Delta, un usuario de Muse contó que el agente consiguió un crédito de $250 y reprogramó el vuelo en unos cinco minutos. La lectura de Citrini es que las empresas llevan años beneficiándose de que los clientes se rindan cuando pedir un reembolso o una cancelación resulta molesto, y los agentes convierten esa fricción en un centro de costos directo porque el software no se aburre, no se avergüenza ni se cansa de la música de espera. El escalado de soporte es el primer lugar donde la deuda de diseño se convierte en una partida contable: la fricción que las empresas diseñaron en sus flujos deja de funcionar cuando quien está al otro lado tiene paciencia infinita. ^{[9] [10]}
• El nuevo Snapdragon de Qualcomm ejecuta modelos de 30B de parámetros en un teléfono. En el Snapdragon Summit, Qualcomm presentó Snapdragon 8 Elite Extreme Gen 6 y Snapdragon 8 Elite Gen 6, con soporte en el dispositivo para modelos MoE de hasta 30 mil millones de parámetros en la NPU Hexagon. La mayoría de los teléfonos tenían un límite cercano a los 4B, por lo que esto supone un salto de aproximadamente 7x. Su director ejecutivo, Cristiano Amon, lo planteó como una coexistencia de modelos de interacción antiguos y nuevos, más que como la desaparición del teléfono. Los chips también impulsan AI Voice Bubble, que separa las voces del ruido ambiental, un módem X105 5G rediseñado y una comprensión de escenas más profunda para la cámara. Dispositivos insignia de Honor, Xiaomi, Motorola, OnePlus, Oppo, Redmi, RedMagic, Vivo e iQOO saldrán al mercado con él, empezando por el Motorola Signature 27. Los modelos locales de este tamaño cambian lo que se puede construir sin pasar por la nube, incluido cualquier proyecto con datos que prefieras no enviar. ^[11]
• Stripe añadió herramientas de pago para agentes en 7.8M de empresas. Stripe lanzó herramientas de pago WebMCP en 7.8M de empresas. Las pruebas internas utilizaron un 42% menos de tokens, un 38% menos de llamadas a herramientas y completaron el pago un 39% más rápido que manejando la página mediante automatización del DOM. Esa diferencia es el argumento a favor de exponer una acción tipada en lugar de obligar a los agentes a adivinar sobre una interfaz renderizada, y es la misma brecha que aparece cada vez que decides entre automatizar una interfaz de usuario o darle una API a la automatización. ^[12]

Más a fondo

• Anthropic y OpenEvidence ponen una herramienta clínica gratuita al alcance de médicos en unos 100 países. La alianza llega después de que OpenEvidence registrara 42M de consultas de médicos estadounidenses en agosto. El apoyo gratuito a la toma de decisiones clínicas con ese nivel de distribución es una forma de despliegue muy distinta a vender licencias a hospitales, y sitúa al modelo en el consultorio en lugar de en la administración. ^[13]
• Los transformers construyen mapas internos fieles del mundo. Un nuevo artículo informa que los transformers construyen representaciones internas que reflejan la estructura real en lugar de patrones superficiales memorizados. Vale la pena leerlo en contraste con las afirmaciones de interpretabilidad que se ven en los anuncios de lanzamiento, ya que un mapa fiel es una afirmación mucho más específica que "entiende el mundo". ^[14]
• Muse superó los 500K usuarios en su primera semana mientras Grok Bot alcanzó los 418K. Muse de Meta alcanzó 500,000 usuarios totales y 250,000 activos diarios aproximadamente una semana después de su lanzamiento. Grok Bot de xAI llegó a unos 418,000 usuarios semanales tras su primer mes. Son dos betas de agentes de consumo con ritmos diferentes, y la proporción de usuarios activos diarios es la cifra a la que conviene prestar atención más allá del total del titular. ^{[15] [16]}
• 100 agentes realizaron transacciones entre sí, y los salarios y precios apenas se movieron. Un nuevo estudio económico descubrió que los agentes podían realizar transacciones, pero que los salarios y los precios apenas se ajustaban ante las crisis. La competencia en el uso de herramientas no produce por sí sola una buena coordinación. Junto con el argumento de que la IA hace que las soluciones sean abundantes y traslada la escasez a encontrar problemas valiosos, ambos artículos describen la misma brecha desde extremos opuestos. ^{[17] [18]}
• Sam Rodriques: la IA cambia la ciencia más rápido allí donde las respuestas son baratas de verificar. Elige problemas que puedas comprobar rápidamente, abarata la verificación o sal a recopilar los datos que faltan. Ese es un filtro práctico para elegir dónde ayudará realmente un agente, y se aplica muy bien fuera de la ciencia: si no puedes verificar el resultado con rapidez, el modelo no te ahorra demasiado. ^[19]
• Lecturas de diseño: importar frente a saber, tres tipos de contexto para agentes y auditoría de archivos de agentes. blog.exe.dev escribe sobre cómo hacer proyectos propios de forma sostenible, incluido cuándo el hecho de que te importe un proyecto es lo que lo mantiene vivo. NN/g divide el contexto de los agentes en global, local y ambiental, una taxonomía más clara que la mayoría de los consejos sobre prompts. La guía de Addy Osmani explica paso a paso cómo auditar lo que tu agente de programación todavía necesita, el paso de limpieza que la mayoría de la gente se salta. Además, un conversor de imagen a ASCII que se ejecuta localmente en el navegador sin subir archivos y exporta a TXT, PNG, SVG y Markdown. ^{[20] [21] [22] [23]}
• Los envíos de gafas con IA aumentaron un 263% interanual en el H1 2026. Counterpoint Research sitúa a Meta en el 94% de las unidades sin pantalla. Este formato se está comercializando a gran escala antes que las versiones con pantalla, lo que indica qué versión del producto compró realmente la gente. ^[24]
• Bloomberg: información de inteligencia defectuosa y una dependencia excesiva de Maven de Palantir contribuyeron a un ataque que mató a 123 niños. Investigadores del Pentágono descubrieron que imágenes desactualizadas e información de inteligencia errónea alimentaron la decisión de selección de objetivos. Las herramientas de desarrollo no son sistemas de puntería militar, pero el modo de fallo es general: el resultado seguro de un modelo aguas arriba de una decisión que nadie verificó de forma independiente. ^[25]

Herramientas y lanzamientos

• Plugin de Hermes Agent para suscripciones de Claude Code. Un nuevo plugin devuelve las suscripciones de Claude Code a Hermes Agent, algo relevante si ya pagas una y prefieres no pagar dos veces por las ejecuciones del agente. ^[26]
• CrisperWhisper 2.0. Modelo abierto de voz a texto que transcribe cada "eh", tartamudeo y sonido vocal con marcas de tiempo precisas. Útil para grabaciones de entrevistas y talleres, donde las disfluencias son precisamente los datos. ^[27]
• Qwen-Image-2.1 GGUF. Cuantización GGUF para el modelo de imagen, que se ejecuta localmente ocupando hasta solo 4 GB. Eso permite generar imágenes de forma local en el hardware que ya tienes. ^[28]
• Hemmingway-1. Un modelo basado en Qwen3 que afirma escribir de forma más parecida a un humano que cualquier otro. Vale la pena probarlo frente a los patrones específicos de relleno artificial que hayas prohibido, más que frente a una puntuación de estilo general. ^[29]
• Xiaomi MiMo-V2.6-Pro. Modelo Pro con licencia MIT más variantes Flash para trabajo multimodal, programación y multiagente. Xiaomi lo considera un paso en su camino de automejora recursiva, que es la parte interesante del anuncio. ^[30]
• Tencent Hy Image3.5 Preview. Genera o edita imágenes de hasta 2K a partir de instrucciones de texto o imágenes de referencia. ^[31]
• OpenMuse. Aloja tú mismo un agente personal al estilo de Muse con navegador persistente, archivos, un entorno de trabajo Linux opcional, Gmail, Calendar y tareas en segundo plano. ^[32]
• Kimi Browser Extension. Una barra lateral para Chrome y Edge que navega, hace clic, rellena formularios, extrae información y graba flujos repetitivos del navegador como habilidades reutilizables. ^[33]
• OpenRouter Batch API. Funciona en más de 70 modelos y suele reducir aproximadamente a la mitad los precios de entrada y salida para trabajos que pueden esperar. Relevante para cualquiera que ejecute resúmenes nocturnos o pasadas de evaluación. ^[34]
• Rabbit OS3. Un agente en el que usas tus propias claves de API que funciona a través de navegadores, Telegram o iMessage en hasta cinco equipos Windows, Mac o Linux sin suscripción a Rabbit. ^[35]
• Adobe Premiere en Android. La aplicación de edición para iPhone de Adobe llega a Android con funciones de IA incluidas. ^[36]

Prompt of the day