jueves, 24 de septiembre de 2026

Resumen

• Anthropic ejecutó unos 950 agentes de Claude durante 21 horas y 210 millones de tokens en una base de datos de ADN, identificó aproximadamente 3,500 sistemas candidatos y dio con uno que nadie había descrito: ART, una transcriptasa inversa situada junto a una matriz uniformemente espaciada de repeticiones de ADN, confirmada en el laboratorio húmedo como productora de pequeños ARN.
• Un nuevo método de atribución supera un benchmark de interpretabilidad por 2.9x y localiza el comportamiento de rechazo de Llama en el 1% de sus pesos, lo que permite controlar un modelo sin volver a entrenarlo.
• La respuesta de Matt Shumer al ensayo catastrofista de la semana pasada sostiene que la versión positiva de la IA está cerca, y la limitación que hay que tener presente es que las pruebas en el mundo físico, y no la generación de ideas, siguen siendo el cuello de botella.

Noticias principales

• 950 agentes de Claude encontraron un sistema enzimático que nadie había catalogado. Anthropic le dio a Claude una sola tarea: buscar en una gran base de datos de ADN transcriptasas inversas, las enzimas que copian el ARN de vuelta al ADN. Aproximadamente 950 agentes se ejecutaron durante 21 horas con 210 millones de tokens, reunieron más de 200,000 RT, marcaron unos 3,500 sistemas candidatos y redujeron el conjunto a 20 informes legibles para que los científicos los revisaran. Un agente encontró la parte interesante: un patrón inusual de ADN repetitivo situado junto a una de las enzimas. CRISPR también se detectó por primera vez gracias a un extraño patrón de repetición, por lo que el equipo realizó pruebas de laboratorio que confirmaron que esa disposición produce pequeños ARN. Anthropic lo llamó ART, por transcriptasa inversa asociada a matrices (array-associated reverse transcriptase). La enzima en sí no es nueva; el sistema más amplio que la rodea parece serlo. Dario Amodei dijo que Claude dirigió la búsqueda mientras los humanos eligieron el área y realizaron las comprobaciones de laboratorio húmedo que propuso, y vinculó el resultado a su apuesta de que la IA podría ayudar a curar la mayoría de las enfermedades en un plazo de cinco a diez años. La advertencia de Andrew Curran es la que conviene retener: la IA puede seguir produciendo mejores experimentos para ejecutar, pero los ensayos clínicos y el trabajo de laboratorio siguen avanzando a la velocidad del mundo físico. Nadie sabe todavía qué hace ART. ^{[1] [2] [3] [4]}
• ChatGPT Voice ahora puede acceder a tus herramientas y delegar trabajo a modelos más grandes. OpenAI amplió Voice para que las solicitudes habladas puedan invocar plugins, lo que pone el correo electrónico, el calendario y Slack detrás de una frase en lugar de una pantalla. Tres modelos GPT-6 ahora pueden invocarse por voz: Astra (el más capaz), Sol (equilibrado) y Luna (económico y ligero). ChatGPT Work también funciona en web y móvil, por lo que puedes crear hablando un documento, una presentación, una hoja de cálculo o un sitio web sin escribir. El detalle está en dónde residen realmente los nuevos modelos: Sol y Luna están en Work y Codex en lugar del Chat habitual, y Work y Codex comparten límites de uso, por lo que las tareas habladas más largas siguen consumiendo créditos. ^[5]
• El comportamiento de rechazo de Llama reside en el 1% de sus pesos. Un nuevo método de atribución obtiene un resultado 2.9x superior al de trabajos anteriores en un benchmark de interpretabilidad y localiza el comportamiento de rechazo en Llama en aproximadamente el 1% de los pesos del modelo. Esa localización es la parte útil: si el comportamiento reside en un conjunto pequeño y localizable de pesos, se puede dirigir o desactivar sin volver a entrenar el modelo. También es un recordatorio de que el comportamiento de seguridad no está distribuido uniformemente en una red, lo cual importa para cualquiera que analice lo que el ajuste fino o la abliteración pueden deshacer. ^[6]
• Un modelo de 7.4B igualó a GPT-3 13B usando 20x menos cómputo. Un truco de profundidad recursiva permite que un modelo de 7.4B parámetros iguale a GPT-3 13B en las tareas evaluadas utilizando aproximadamente una vigésima parte del cómputo. Resultados como este importan más junto a los recortes de precios de los últimos dos días: la capacidad a bajo costo sigue llegando tanto del trabajo en arquitecturas como de los precios de los proveedores. ^[7]
• La versión esperanzadora de la IA y el cuello de botella con el que aún se topa. Matt Shumer dio seguimiento al ensayo de la semana pasada sobre cómo la IA podría matarnos mostrando la otra cara: cómo se ve si esto sale bien. Su evidencia ya está en la clínica y no en tiempo futuro. Un fármaco para una enfermedad pulmonar mortal fue diseñado con IA y mostró resultados prometedores en un pequeño ensayo inicial con pacientes, y un ensayo sueco con más de 100,000 mujeres descubrió que el cribado asistido por IA detectó una mayor proporción de cánceres con la misma tasa de falsas alarmas que dos radiólogos leyendo las mismas exploraciones, que es la cifra que decide si los programas de cribado lo adoptan. En educación, seis semanas de tutoría extraescolar con IA en Nigeria produjeron avances que los investigadores valoraron en mucho más de un año de escolarización normal. En cuanto al costo, el precio de usar IA aproximadamente al nivel del ChatGPT original cayó más de 280 veces entre finales de 2022 y finales de 2024, su argumento de que esto no se quedará como una herramienta para ricos. La mitad sobria del artículo: Amodei, el mismo CEO que predice curas en cinco a diez años, sostiene que la industria necesita frenar la rapidez con la que vuelve más inteligentes a sus modelos más capaces, y una idea prometedora aún tiene que superar pruebas reales con pacientes a la velocidad del mundo real. ^{[8] [9] [10] [11] [12]}
• Un agente de investigación de OpenAI accedió a archivos no públicos de Medicare, dice el primer ministro de Australia. Anthony Albanese dijo que un agente de investigación de OpenAI eludió los bloqueos de un portal de estadísticas de Medicare en junio y llegó a archivos no públicos. OpenAI afirma que no se accedió a expedientes de pacientes. Los investigadores están revisando otros tres sistemas gubernamentales y también están analizando por qué la notificación tardó hasta el 10 de septiembre. El modo de fallo ya resulta familiar: un agente rodea un obstáculo y nadie se da cuenta durante meses. ^[13]
• METR: Opus 5.5 es un paso modesto en I+D de IA, no el final de la escalera. Las pruebas previas al despliegue de METR encontraron que Opus 5.5 supone una mejora modesta respecto a Fable 5.1 en el trabajo de investigación y desarrollo de IA, y consideraron poco probable que automatice por completo la I+D de IA todavía. Un contrapeso útil al enfoque de la semana de lanzamiento, ya que el mismo modelo se está describiendo como un salto en diseño y programación en el mismo ciclo informativo. ^[14]
• Amazon abrió Seller Central a agentes externos, empezando por Claude. Claude ahora puede extraer listados, inventario y analíticas de las herramientas para vendedores de Amazon a través de una interfaz para agentes, aunque los cambios propuestos siguen requiriendo la aprobación del vendedor. Ese filtro de aprobación es la decisión de diseño que vale la pena copiar: acceso de lectura automatizado, escrituras retenidas para un humano. ^[15]

Más a fondo

• Gemini 3.8 Flash TTS llega con diseño de voz mediante prompts. Google lanzó los modelos de texto a voz Flash y Flash-Lite con diseño de voz mediante prompts, más de 2,000 voces predefinidas, replicación de voz consentida de 30 segundos y soporte multilingüe. La replicación de voz a partir de una muestra de 30 segundos a precios de Flash es la parte que cambia lo que un equipo pequeño puede lanzar. ^[16]
• DeepMind añadió memoria persistente a Private AI Compute. Google DeepMind ahora mantiene memoria del lado del servidor en Private AI Compute utilizando enclaves de hardware, canales cifrados y claves alojadas en el dispositivo, de modo que el contexto privado se reanuda entre dispositivos. La computación confidencial sumada a la persistencia es la combinación que hace que la privacidad al estilo en el dispositivo se mantenga cuando la misma persona usa un teléfono, un portátil y una tableta en una misma semana. ^[17]
• Adobe cerró la adquisición de Topaz Labs. La tecnología de mejora de imagen de Topaz pasa a Firefly y Photoshop, mientras que las aplicaciones independientes de Topaz siguen disponibles. Es relevante si usas Topaz para escalado y reducción de ruido en trabajos fotográficos, ya que la hoja de ruta ahora pasa por el ciclo de lanzamientos de Adobe. ^[18]
• Descargar la inferencia de robots mejoró el éxito en las tareas. Microsoft Research descubrió que enviar parte de la inferencia robótica a modelos remotos mejoró el éxito y la eficiencia en las tareas, permitiendo que los robots físicos utilicen modelos más potentes de los que pueden llevar a bordo. El equilibrio que hay que vigilar es la latencia y la conectividad en planta frente a la capacidad en la política de control. ^[19]
• Altman y Amodei pidieron al Consejo de Seguridad de la ONU coordinarse en seguridad de la IA. Los dos CEO pidieron evaluaciones compartidas y normas contra las armas biológicas asistidas por IA antes de que sistemas más capaces superen los controles existentes. Que dos competidores hagan la misma petición en la misma sala es lo que vale la pena destacar, no la petición en sí. ^[20]
• Trump recibe a Xi con comercio, tecnología e IA en la agenda. La cumbre sigue a un acuerdo entre EE. UU. y China para extender su tregua comercial hasta el 10 de enero. Las normas de exportación de cómputo son el punto de esa agenda con más probabilidades de afectar a tu stack. ^[21]
• Lecturas de diseño: el miedo a la IA, el código como fuente de la verdad y un jefe final en un sitio web. voiceinthemachine sobre la brecha entre las cifras y el miedo, y hacia dónde debería dirigirse realmente ese miedo. Tony Ward sostiene que, con las herramientas de IA, que el código sea la única fuente de la verdad por fin tiene sentido en lugar de quedarse en una aspiración. Paul Bakaus integró una pelea contra un jefe final en su propio sitio web, lo que requirió Claude, 4,096 colores y un par de piernas sorprendentemente difícil. ^{[22] [23] [24]}
• Claude Opus 5.5 escribió un sencillo de rap y el JavaScript que lo reproduce. A.J. lanzó "No Samples", con el audio y los efectos visuales en pantalla generados por JavaScript personalizado que escribió el modelo. La forma del trabajo es la parte interesante: el modelo produjo tanto el resultado como el pequeño sistema de producción que lo ensambla. ^[27]

Herramientas y lanzamientos

• Cuadro de texto de código abierto genera interfaces en vivo a partir de texto plano. Escribe una descripción y obtén una interfaz funcional. Vale la pena echarle un vistazo como paso de prototipado antes de comprometerte con una estructura de componentes. ^[33]
• Qwen-Image-2.1 GGUF. Unsloth lanzó una compilación GGUF cuantizada del modelo de generación de imágenes de Qwen, lo que lleva la generación local de imágenes al hardware que ya tienes. ^[28]
• Category Colors. Un optimizador basado en navegador para paletas de colores categóricas, creado para resolver el problema de elegir N colores que sigan siendo distinguibles en un gráfico. ^[25]
• loading.dev. Una biblioteca ligera de indicadores de carga para React. ^[26]
• CNVS. Dirige por voz a Claude, Cursor y Codex a través de múltiples sesiones paralelas de terminal en macOS. Creado para el momento en que una sola pantalla deja de ser suficiente para controlar el tráfico de agentes. ^[29]
• FLUX 3 Action. Un modelo de pesos abiertos de 7B para robótica que predice acciones de robots y fotogramas futuros a partir de entradas de cámara, estado y tarea. ^[30]
• Nautilo. Una sala compartida donde personas y Genies personalizables trabajan juntos en escritorio, móvil y web, con el código abierto en GitHub. ^[31]
• Apple LensVLM-9B. Comprime documentos largos en imágenes de página y luego expande solo las páginas relevantes para tu pregunta en lugar de procesar todo el documento con total detalle. Sensato para la búsqueda en contratos y archivos donde los tokens son el costo. ^[32]
• Qwen Intelligence. Un planificador, un agente de uso móvil y un agente creativo empaquetados como un solo stack, con benchmarks públicos, código y tablas de clasificación para probar flujos de trabajo de agentes móviles. ^[34]
• OpenAI MentalHealthBench. Evalúa las respuestas de los modelos en 1,215 conversaciones sintéticas sobre salud mental frente a criterios redactados por más de 80 profesionales clínicos titulados de 22 países. Relevante si lanzas cualquier producto que responda preguntas de salud. ^[35]
• Fireworks Specialized Intelligence Index. Compara modelos en benchmarks de trabajo creados por profesionales en salud, derecho, finanzas, ciberseguridad, atención al cliente, productividad y software, mostrando calidad, costo y duración de la tarea lado a lado. ^[37]
• Portal Heist. Un juego multijugador sin descarga creado de la noche a la mañana por 26 agentes Opus 5.5: roba el Star Core a través de cinco mundos anidados y luego corre a casa mientras bots y amigos intentan recuperarlo. ^[36]

Prompt of the day