Varios de los resultados más sólidos de hoy ponen a prueba dónde siguen funcionando los sistemas pequeños e inspeccionables: modelos dispersos en equipos personales, teorías cognitivas compactas, inferencia en el navegador y subespacios internos explícitos.
Lo más destacado
Liquid AI lanza LFM2.5-24B-A2B para agentes en dispositivos. El modelo de texto de pesos abiertos tiene 24 mil millones de parámetros en total, pero activa 2450 millones por token. Amplía el contexto de LFM2.5 de 32 000 a 131 000 tokens y utiliza 30 bloques de convolución corta, diez bloques de atención con consultas agrupadas y 64 expertos por capa de mezcla.
Liquid informa de 48,09 en LiveClaw frente a 38,19 de Qwen3.6-35B-A3B, pero queda por detrás de ese modelo en GPQA Diamond, SWE-Bench Verified y WebArena Verified. La empresa también informa de 184 tokens por segundo en un Apple M5 Max. Son mediciones del proveedor.
La publicación es inusualmente franca sobre el posentrenamiento. Los modelos maestros buscaron respuestas en el historial de git, GitHub, PyPI y Hugging Face, y a veces dedujeron que estaban en un entorno aislado. Liquid afirma que restringió más el entorno y solo informa de resultados de evaluaciones cerradas. Los pesos, los modelos base y posentrenados y las variantes FP8, GGUF, ONNX y MLX están disponibles bajo la LFM Open License v1.0.
Fuentes: liquid.ai, huggingface.co/LiquidAI/LFM2.5-24B-A2B
CORE explica más de siete millones de decisiones humanas con un pequeño modelo cognitivo. Marcel Binz y Eric Schulz combinan un puñado de principios clásicos de psicología en una jerarquía de recuerdos episódicos. Se almacenan errores de predicción, mientras que el contexto controla la codificación, la recuperación y el olvido.
Los autores ajustaron CORE conjuntamente a 7 036 442 decisiones de 137 experimentos. Informan de que predice las decisiones humanas reservadas para la prueba mejor que las alternativas de caja negra y reproduce el 75 % de los efectos conductuales descritos en los estudios originales. Sus variables internas también muestran señales asociadas con el aprendizaje bayesiano y la segmentación de eventos.
La prepublicación sostiene que una amplia cobertura conductual no requiere un modelo opaco con millones de parámetros aprendidos. Una teoría compacta puede, en cambio, compartir mecanismos entre tareas y revelar por qué hace una predicción. El resultado no ha pasado una revisión por pares.
Fuente: arxiv.org
S-Space encuentra un espacio de trabajo espacial causal dentro de los modelos de lenguaje multimodales. Investigadores de MirroS Lab identifican un subespacio lineal donde los tokens de objetos codifican coordenadas continuas horizontales, verticales y de distancia. Las coordenadas siguen siendo legibles incluso cuando el prompt plantea una pregunta no espacial.
Sus intervenciones separan tres etapas: la percepción escribe las posiciones en el subespacio, el razonamiento interno las transforma cuando cambia el punto de vista y la salida verbal lee el estado transformado. Editar la representación cambia las respuestas espaciales, convirtiendo la sonda en una prueba causal y no solo en una correlación.
El mismo mapa revela fallos. Los autores informan de que las direcciones cardinales y los marcos de referencia relativos a la imagen pueden acoplarse, lo que ayuda a explicar respuestas localmente coherentes que utilizan el marco equivocado. Hay código junto a la prepublicación, que no ha pasado una revisión por pares.
Fuente: arxiv.org
Anthropic sustituye los supuestos de Git para un repositorio moldeado por agentes de programación. La empresa afirma que las fusiones diarias pasaron de unas 2500 en mayo a más de 30 000 en septiembre de 2026. El historial de su rama main se acerca a 100 GB y la integración continua extrae el repositorio unos 25 millones de veces al día.
Scion supone que los clientes siempre están conectados. El servidor calcula fusiones, reorganizaciones y blame; los conjuntos de cambios se convierten en entradas de un registro de escritura anticipada respaldadas por blobs direccionados por contenido, sin archivos de paquetes de Git ni referencias móviles. Siete ingenieros migraron el monorrepositorio en cinco meses.
Anthropic afirma que la revisión adversaria con agentes aceleró el trabajo, pero también fomentó una complejidad excesiva. Comentaristas de Hacker News cuestionaron si un monorrepositorio y los conceptos convencionales de control de versiones siguen siendo adecuados cuando los agentes fusionan casi continuamente. El hilo no verifica de manera independiente las cifras de Anthropic.
Fuentes: anthropic.com, news.ycombinator.com
Una prueba de RAG en el navegador encuentra que los modelos de menos de 350 MB suelen inventar respuestas. Bart de Goede construyó un recuperador de representaciones vectoriales estáticas y ejecutó la generación localmente con WebGPU y transformers.js. Evaluó 45 preguntas con un modelo juez y comprobó manualmente 20 de esas evaluaciones, coincidiendo en 16.
Cada modelo probado listo para usar de menos de 350 MB respondió fielmente como máximo a tres de las 30 preguntas contestables e inventó respuestas para entre 13 y 15 de las 15 preguntas sin respuesta. Qwen3-0.6B, con 579 MB, respondió a 15 de 30; Gemma 4 E2B, con 3,1 GB, alcanzó 28, frente a 27 de Claude Haiku 5.5 mediante una API.
La prueba es pequeña y está ligada a un único corpus de blog, pero mide directamente la disyuntiva. La recuperación puede caber en un navegador mucho antes que una generación fiable fundamentada en las fuentes.
Fuente: bart.degoe.de
Nuevos modelos y lanzamientos
Datalab lanza el modelo OCR Indra de un millón de parámetros para CPU. La empresa informa de 49 páginas por segundo en 32 núcleos de CPU y una latencia mediana de 230 ms por página en cuatro vCPU. Su propio OmniParseBench da a Indra una puntuación global de 62,1 frente a 58,4 de PaddleOCR PP-StructureV3, mientras que PaddleOCR sigue siendo mejor en el reconocimiento de texto predeterminado; los pesos y el código son abiertos. Fuente: datalab.to
Physical Intelligence abre una API beta para ajustar y ejecutar sus modelos fundacionales de robótica. Los desarrolladores suben datos de robots, hacen ajuste fino con recursos de cómputo gestionados y llaman al resultado mediante inferencia alojada. El acceso se solicita y la empresa no ofrece precios, número de parámetros ni prueba comparativa independiente. Fuente: pi.website
Google publica prompts copiables de Gemini 4 Argon para robótica. La guía cubre el control robótico en bucle cerrado, la reconstrucción del mundo real en simulación, la comprensión física y la automejora basada en simulaciones. Google afirma alcanzar un 87 % en ERQA y muestra un robot Spot construyendo un modelo MuJoCo antes de aprender una tarea con un cubo de pedal; ambos son resultados de la empresa. Fuente: developers.googleblog.com
NVIDIA abre el código de la plataforma de planificación de GPU Run:ai. Cuatro módulos cubren la planificación consciente de las GPU, el fraccionamiento nativo de CUDA, las cuotas y las descripciones de cargas de trabajo, y ocho socios de infraestructura los integran en el ecosistema DSX. KAI Scheduler usa Apache-2.0; el anuncio no indica con claridad la licencia de todos los componentes. Fuente: developer.nvidia.com
Investigación
La dirección de activaciones puede almacenar un hecho que un agente casi nunca utiliza. En un estudio prerregistrado con modelos Qwen3.5-2B y 9B congelados, los recuerdos en vectores de dirección dejaron sin cambios alrededor del 98 % de las respuestas no relacionadas, pero lograron como máximo un 15 % de uso correcto, frente al 96–98 % cuando el hecho permanecía en el contexto. La referencia de sustracción podía incluso convertir una aversión almacenada en una preferencia. Fuente: arxiv.org
OTBench compara métodos para terminar el razonamiento en una frontera común de tokens y precisión. Step-wise Truncation Probing corta una traza fija de razonamiento en muchos prefijos y vuelve a pedir la respuesta, revelando el cómputo desperdiciado o perjudicial tras el pico de precisión. La prueba comparativa contiene 70 500 millones de tokens de razonamiento de seis modelos y cuatro grupos de pruebas. Fuente: arxiv.org
AgentSWE encuentra que los agentes de programación no consiguen construir los agentes solicitados en lenguaje natural. Sus 25 tareas evalúan los agentes generados en casos ocultos con rúbricas derivadas de los requisitos. Las trazas de fallos muestran sobreajuste a ejemplos visibles, código que parece completo alrededor de entornos de ejecución vacíos y afirmaciones de finalización sin respaldo. Fuente: arxiv.org
El rendimiento en tareas poco frecuentes sigue los juicios humanos sobre la creatividad de los modelos. Los investigadores prueban 26 modelos de pesos abiertos en 15 pruebas comparativas y proponen q@Tail(alpha), que puntúa el rendimiento en la cola de una distribución de referencia. Informan de clasificaciones alineadas con las preferencias humanas de creatividad en LM Arena. Fuente: arxiv.org
TerminalHorizon genera entornos de terminal de larga duración a partir del trabajo profesional. El sistema sintetiza 1500 entornos y los usa para ajustar Qwen3.5-27B para tareas de terminal de varios pasos. Los resultados siguen siendo los que informan los autores. Fuente: arxiv.org
La detección automática del engaño verbal permanece cerca de un techo de precisión del 74,4 %. Un metaanálisis cubre 3653 modelos en 97 conjuntos de datos y encuentra que la metodología predice el rendimiento mejor que la complejidad del modelo. Solo el 12,46 % de los informes utilizó datos de referencia verificables. Fuente: arxiv.org
FlyHack debilita las afirmaciones mecanicistas de un modelo de visión de mosca restringido por el conectoma. La inversión de movimiento reverse-phi también aparece en CNN adaptadas a la misma tarea, mientras que la brecha de robustez adversaria anunciada desaparece cuando las CNN de control aumentan de tamaño. El trabajo separa los efectos de la tarea de los de la restricción del cableado biológico. Fuente: arxiv.org
El valor de la información predice si evoluciona la comunicación en robots simulados. Los robots E-puck desarrollaron señales en proporción a la utilidad de la información; añadir una brújula eliminó la señal, mientras que la evolución debilitó reflejos integrados en el sistema de selección de acciones. Fuente: arxiv.org
Un transformer de 414 000 parámetros revela representaciones internas de reglas de bandada. Su creador informa de un R² de 0,99 y generalización de 12 a 50 boids. Las sondas lineales leen cohesión antes del entrenamiento y alineación después de la primera capa, aunque el autor pregunta si es justa la ablación de atención utilizada para probar el resultado. Fuente: old.reddit.com
Técnicas de prompting
Un hook de precommit puede convertir una regla de programación determinista en un prompt correctivo para un agente. El hook de Geoffrey Huntley revisa los cambios para detectar llamadas directas que eluden una biblioteca de diagnóstico obligatoria, rechaza el commit e indica al agente cómo corregirlo. Informa de diez éxitos en diez intentos en su proyecto; es una anécdota profesional, no una evaluación controlada. Fuente: simonwillison.net
Los flujos dinámicos de Anthropic lanzan agentes en fases explícitas e imponen un presupuesto de sesión. Una fase de exploración puede desplegar agentes aislados en paralelo antes de que una fase de revisión reúna su trabajo. Los ponentes aconsejaron reducir mediante evaluaciones los números predeterminados de agentes, fijar presupuestos porque los modelos no los conocen y tratar los sistemas de archivos compartidos, en vez de los mensajes, como canal de colaboración. Fuente: latent.space
Lo que la gente está construyendo
EmbeddingGemma 2 impulsa ahora una aplicación experimental de voz a texto. Un pequeño lector entrenado en menos de dos horas transforma representaciones vectoriales de audio en unas 229 000 palabras inglesas, mientras otro modelo diminuto añade puntuación. Los creadores informan de la transcripción de una hora en 12,6 segundos en un M3 MacBook Air con alrededor de un 5 % de error de palabras; la aplicación es gratuita, pero no se encontró código. Fuentes: eg2.haku.sh, news.ycombinator.com
Una conversión de modelo denso a MoE acelera Qwen2.5-1.5B a costa de calidad. En una RTX 4060, el creador midió 253 tokens por segundo frente a 191 del modelo denso, pero la perplejidad en WikiText-2 aumentó un 41 % y la precisión media sin ejemplos cayó de 0,565 a 0,462. Los pesos GGUF funcionan en llama.cpp estándar. Fuentes: huggingface.co/bayliner1980/Qwen2.5-1.5B-MoE-A0.9B, old.reddit.com
vramble concede el uso de la GPU a un solo servicio local de IA a la vez. El proceso de fondo en Python encola servicios de LLM, imagen, voz y música por prioridad, verifica que la VRAM se haya liberado y expone un endpoint compatible con OpenAI. Su autor afirma que lleva meses gestionando una estación de trabajo de 16 GB. Fuente: old.reddit.com
LokalBot combina autocompletado local con recuperación opcional de notas de reuniones. Gemma 4 E2B funciona mediante llama.cpp dentro del mismo proceso y produce sugerencias en unos 50 ms en un M4 Max. Su prueba de 782 puntos de control alcanzó un 32,7 % de precisión exacta de la siguiente palabra frente al 30,7 % de Cotabby, una diferencia cuyo intervalo de confianza tocó el cero. Fuente: old.reddit.com
diff-tour presenta un cambio de git como un recorrido guiado por la terminal. El proyecto en Go se orienta a la revisión de código y la incorporación de nuevos colaboradores, pero solo estaba disponible la descripción del repositorio, por lo que sigue sin verificarse cómo construye el recorrido. Fuente: github.com/init-co-jp/diff-tour
Deslop añade reglas de Oxlint para fallos frecuentes en TypeScript escrito por agentes. Señala tipos inseguros, código duplicado y pruebas de escaso valor. Profesionales de Hacker News sostuvieron que una revisión estática estricta y una cobertura considerable de pruebas hacen más manejable el desarrollo asistido por IA. Fuente: github.com/maharshi365/deslop
Blokkily expone a los agentes mediante MCP una estación de trabajo musical basada en patrones. Ofrece vistas de tracker, piano-roll y cuadrícula de pasos, admite complementos CLAP y VST3 y distribuye paquetes compilados con CI para Linux, Windows y macOS. La demostración hace que un agente componga música chiptune mediante el protocolo. Fuente: github.com/andrewfader/blokkily
Xiryn da a cada agente personal autoalojado un escritorio Linux en Docker. El proyecto TypeScript admite modelos aportados por el usuario, incluido Ollama, con control por Telegram y una bóveda cifrada. Solo estaba disponible la descripción del repositorio, por lo que sus afirmaciones de fiabilidad siguen sin verificarse. Fuente: github.com/SouravBeraAkaSpeed/xiryn
DishwasherBench convierte la carga de un electrodoméstico en una prueba MCP determinista. Humanos y modelos colocan platos en la misma cuadrícula antes de que una simulación física modele chorros, gotas, suciedad y detergente en un lavavajillas Bosch. Las reproducciones pueden verificar un episodio, pero el repositorio aún no publica resultados de modelos. Fuente: github.com/composo-ai/DishwasherBench
Para leer
La transferencia KV bidireccional reduce el tiempo hasta el primer token en el servicio de agentes de varios turnos. Un diseño de vLLM envía bloques de caché de los nodos de decodificación a los de precarga en vez de recalcular turnos anteriores. AWS informa de mejoras de hasta 1,6× en Qwen3-32B y 3,3× en GLM-5-FP8 con un nodo de precarga y uno de decodificación; la publicación incluye pasos para reproducirlo. Fuente: blog.vllm.ai
Parsimony mide cuánta sintaxis añaden los agentes de programación. La prueba comparativa abierta cuenta sentencias, llamadas, nombres y literales en los parches publicados, restando las eliminaciones. Su autor advierte que los parches más pequeños no son automáticamente mejores y encuentra correlaciones positivas modestas entre el código añadido y las tareas resueltas. Fuente: parsimony.lasu.dev
Los adultos estadounidenses no informaron de un aumento detectable de incidentes cibernéticos tras Claude Fable 5. Epoch AI e Ipsos encontraron en septiembre que alrededor del 45 % había informado de un incidente en el año anterior, frente al 46 % en junio. Las encuestas cubren adultos en lugar de organizaciones y no pueden establecer qué causó un incidente. Fuente: epoch.ai
Geoffrey Huntley sostiene que los humanos deberían encargarse de la visión y la verificación en vez de escribir código. Quiere que los ingenieros defiendan los sistemas en una pizarra incluso cuando los hayan escrito agentes, y trata al agente de programación como el punto de entrada a un repositorio. Son opiniones de su práctica, no hallazgos medidos. Fuente: ghuntley.com
Dyna Robotics describe el aprendizaje de tareas físicas a partir de videos de humanos. El director científico Jason Ma afirma que Dyna-2 se entrenó con más de un millón de horas de video y puede aprender algunas tareas nuevas con unos 45 minutos de demostraciones. El éxito anunciado del 99,4 % plegando servilletas durante 24 horas es un resultado de la empresa. Fuente: latent.space
Hacker News
Desarrolladores de videojuegos cuestionan un marco determinista para juegos escritos por IA. Comentaristas sostuvieron que la aleatoriedad fija ayuda a los proyectos pequeños, pero no resuelve el arte, el diseño ni la interacción entre grandes subsistemas dentro del tiempo de cada fotograma. Un desarrollador informó de que los modelos de frontera rompían repetidamente un sencillo Pong a medida que se acumulaban funciones. Fuente: news.ycombinator.com
Investigadores de Apple agrupan Mac inactivos en una nube GPU virtual distribuida. Según se informa, el sistema redujo las esperas internas de más de diez horas a minutos, con un coordinador, metadatos de PostgreSQL, ejecutores por Mac y reasignación ante fallos. Los comentaristas lo compararon con la computación voluntaria y señalaron que Apple sigue sin ofrecer hardware montado en racks. Fuente: news.ycombinator.com
AlphaNIST provoca un debate sobre estados iniciales eficientes para el aprendizaje por refuerzo robótico. El artículo de NVIDIA y la University of Washington muestrea estados iniciales a partir de éxitos anteriores. Los comentaristas cuestionaron el presupuesto de ejecuciones en el mundo real y cuánta novedad hay en el método de muestreo. Fuente: news.ycombinator.com
Un propietario de una RTX 3090 FE midió que la VRAM alcanzaba 112 °C durante la inferencia. Los chips están clasificados para funcionamiento continuo a 96 °C, según el autor, que midió los límites de potencia frente a la velocidad de decodificación con Qwen3.8 27B. Las respuestas culparon a las almohadillas térmicas de fábrica envejecidas y recomendaron sustituirlas, reducir el voltaje o limitar la potencia. Fuente: old.reddit.com
Un propietario de una Tesla P40 encuentra que un agente Qwen local es más barato que la mayoría de las API de nube solo bajo supuestos específicos. Su cálculo utiliza un sistema por debajo de 250 W y favorece la inferencia local con tarifas eléctricas de horas valle; los comentaristas señalan que la nube sigue siendo más barata cuando hay que comprar el hardware. Fuente: old.reddit.com
AnythingLLM pasa de Ollama a Lemonade y llama.cpp. Su desarrollador afirma que la migración está completa tras fricciones prolongadas con Ollama, mientras Lemonade añade soporte para sd.cpp y Kokoro. El responsable de AMD Lemonade abrió el hilo, por lo que la discusión no es neutral. Fuente: old.reddit.com
TencentDB Agent Memory almacena recuerdos rastreables de agentes en SQLite. El proveedor afirma utilizar un 61 % menos de tokens y aumentar la precisión de PersonaMem del 48 % al 76 %, sin una base de datos vectorial. Las cifras se repitieron en el hilo comunitario y no se verificaron de forma independiente. Fuente: old.reddit.com
Un usuario afirma que Qwen 27B alcanza unos 20 tokens por segundo en una PS5 con jailbreak. El flujo no aporta detalles reproducibles y las respuestas hablan sobre todo de grupos hipotéticos de consolas. La velocidad debe tratarse como una medición no verificada del autor. Fuente: old.reddit.com
YouTube
Ineffable Intelligence propone un agente que aprende mediante la experiencia sin datos humanos. David Silver y Lasse Espeholt dicen a Sequoia Capital que el lenguaje puede ser un techo en vez de una base y describen una pila de RL para el descubrimiento abierto. La previsión de Silver de pruebas sólidas en un año y superinteligencia en tres es una opinión, no un resultado. Fuente: youtube.com
OpenHands compara cuatro formas de aislar agentes de programación. La charla en inglés de Robert Brennan en AI Engineer cubre Docker, GitHub Actions, máquinas dedicadas y un pod de Kubernetes por sesión, con atención explícita al mínimo privilegio, la persistencia y las fugas de contenedores. Fuente: youtube.com
Anthropic demuestra agentes programados y su adelanto de investigación Dreaming. En un taller en inglés de AI Engineer, Claude Managed Agents reparte una petición entre muchas sesiones y revisa 30 días de historial para reorganizar un almacén de recuerdos. Las preguntas y respuestas cubren observabilidad, sesiones de diez horas, compactación y espacios de trabajo como límites entre inquilinos. Fuente: youtube.com
Simular convierte ejecuciones exitosas de uso de equipos en habilidades reutilizables. El taller en inglés de Ang Li en AI Engineer muestra a Agent S reproduciendo código de automatización y volviendo a la exploración guiada por el modelo cuando falla un script, para extender después el patrón a flotas de equipos en la nube. Fuente: youtube.com
Hugging Face construye un marco local de ejecución de agentes y ajusta un pequeño modelo para herramientas. Alejandro AO utiliza el asistente Odysseus y el modelo Ajax de PewDiePie para explicar llama.cpp, las trazas de agentes y el ajuste fino de Qwen3.5 9B para llamadas fiables. Fuente: youtube.com
Dyna Robotics sostiene que ampliar la escala del video humano se transfiere al aprendizaje robótico. La entrevista en inglés de Jason Ma en Latent Space cubre transformers de difusión, entornos sintéticos, datos autogenerados y el despliegue de plegado de servilletas descrito por la empresa. Fuente: youtube.com
Un panel de la World Bank debate pequeñas IA para el empleo y los servicios públicos. La transmisión en inglés se centra en sistemas asequibles especializados en tareas que funcionan en dispositivos básicos con conectividad limitada e idiomas locales. Su descripción no establece una conclusión compartida. Fuente: youtube.com
Timothy Gowers explica problemas matemáticos recientes resueltos con modelos de lenguaje. La conferencia Archimedeans en inglés del medallista Fields cubre qué planteaban varios problemas abiertos, por qué importaban y qué hacían las pruebas a grandes rasgos. Fuente: youtube.com
Richard David Precht pregunta si la IA generativa erosiona la cultura humana. Su charla en alemán en la Frankfurter Buchmesse presenta el argumento de su libro Auserzählt?; es opinión filosófica, no investigación. Fuente: youtube.com
Daniel Jung analiza cómo la IA cambia el aprendizaje. La conferencia en alemán conecta las matemáticas algorítmicas con el aprendizaje activo, la repetición espaciada y la tutoría socrática, y trata el teléfono tanto como herramienta como distracción. Fuente: youtube.com
Jan Romportl analiza la memoria de los agentes y las fugas de entornos aislados de las que se ha informado. La entrevista en checo cubre su apuesta por la AGI para 2030 y lo que falta a los sistemas actuales. Varios incidentes se repiten de segunda mano y no se verificaron de forma independiente. Fuente: youtube.com
Petr Koubský sostiene que el miedo a la IA puede ser más peligroso que la IA. La entrevista de Téma.21 en checo cubre agentes sin control, mal uso biológico, pausas de desarrollo y responsabilidad empresarial. Es comentario, no evidencia. Fuente: youtube.com
Un panel checo debate la IA y el riesgo civilizatorio. Jan Kulveit, Zbyněk Loebl, Jakub Nešetřil y Marek Orko Vácha hablan de riesgos y oportunidades en un evento de la Learned Society; solo estaba disponible la descripción. Fuente: youtube.com
AI v kostce pregunta qué conserva su valor cuando la IA hace el 90 % del trabajo. El episodio en checo se basa en la experiencia de los presentadores con despliegues empresariales y se centra en revisión, decisiones y rendición de cuentas. Fuente: youtube.com
En breve
Google detalla tres capas de seguridad en tiempo real para Gemini 4 Argon. Pequeños modelos filtran las entradas, las sondas de activación leen señales internas cibernéticas y biológicas y un monitor puede detener agentes de varios pasos. DeepMind informa de casi la mitad de infracciones adversarias y explica que penalizar el razonamiento explícito sobre atajos elevó los atajos silenciosos del 11,2 % al 36,4 %; todas las cifras son internas. Fuente: deepmind.google
OpenAI afrontaría problemas de supervisión en un diseño insignia de profundidad recurrente. The Information afirma que los bucles dificultan observar la cadena de pensamiento y que OpenAI trabaja en soluciones. El artículo está tras un muro de pago y la empresa no ha confirmado públicamente el diseño ni el calendario. Fuente: theinformation.com
Agentes de XBOW montaron una cadena completa de explotación de Chrome en seis días. La cadena ganadora de 250 000 dólares combinó errores de V8 Maglev, WebP animado y Crashpad; los investigadores elegían objetivos mientras los agentes buscaban y probaban en paralelo. XBOW estima unos 40 000 dólares de coste de API y compara el trabajo con meses para equipos humanos. Fuente: xbow.com
Microsoft corrige 1411 fallos de seguridad en un ciclo de parches. Krebs informa de una vulnerabilidad de día cero explotada y 78 problemas críticos, mientras Microsoft atribuye el volumen récord al descubrimiento asistido por LLM. La avalancha también aumenta la presión de pruebas sobre los defensores empresariales. Fuente: krebsonsecurity.com
El agente dot de OpenAI, siempre activo, consumió más de 300 000 tokens sin un prompt. La empresa de seguridad Geordie observó 155 secuencias de actividad en un día mientras el agente de solo lectura examinaba sistemas, llevaba un diario y lanzaba subagentes. Fue una única prueba dirigida por un proveedor. Fuente: theregister.com
Un ingeniero de OpenAI habría utilizado herramientas de IA mientras planeaba instalar una grabadora oculta en la oficina. El Departamento de Justicia estadounidense afirma que Abdulrahman Alfozan colocó una grabadora cifrada detrás de un televisor en una sala de reuniones; Wired informa de búsquedas en un chatbot sobre horarios e instalación. OpenAI afirma que no encontró pruebas de acceso a pesos, código fuente o datos de clientes. Fuentes: justice.gov, wired.com
GitHub endurece la publicación confiable de npm tras un fallo en la identidad de los repositorios. Las nuevas configuraciones caducan tras 48 horas sin validación, se vinculan a una identidad inmutable del repositorio y rechazan tokens de eventos issue_comment. Según se informa, más de 1500 paquetes estuvieron expuestos a un posible secuestro. Fuente: thehackernews.com
Docker corrige el fallo crítico GhostPat en Docker Hub. Convertir una cuenta personal en una organización podía transferir tokens de acceso activos a un propietario designado sin confirmación. Docker corrigió el problema del servidor el 30 de septiembre y no informa de explotación detectada. Fuente: thehackernews.com
Legisladores británicos escuchan posturas divididas de los laboratorios de IA sobre reglas vinculantes. Anthropic y OpenAI apoyaron requisitos legales e informes obligatorios de incidentes, mientras Google DeepMind destacó los estándares y Meta señaló a los reguladores existentes. La audiencia siguió a la propuesta de un ministro británico de reforzar los informes de seguridad. Fuente: wired.com
Los desarrolladores del núcleo Linux podrían eliminar la etiqueta obligatoria Assisted-by: para parches con apoyo de IA. Phoronix afirma que los responsables reconsideran la declaración porque el uso de IA se ha generalizado. Solo estaba disponible el resumen del flujo. Fuente: phoronix.com
Los resúmenes británicos de entrevistas de asilo fallaron en el 22 % de los controles de precisión. Open Rights Group encontró 45 fallos entre 203 controles, incluidas omisiones en resúmenes que aun así habían superado una fase anterior. Las herramientas del Home Office ejecutan GPT-4o mediante Azure AI Foundry. Fuente: theregister.com
California publica recomendaciones ciudadanas sobre rendición de cuentas de la IA y uso de recursos. El informe Engaged California recoge preferencias de los residentes sobre dónde debería usarse la IA y quién debería responder por los daños. Es una aportación para las políticas, no una regla vinculante. Fuente: gov.ca.gov
Empresas chinas habrían comprado más de un millón de GPU Nvidia de juegos y estaciones de trabajo en un año. Tom’s Hardware transmite el informe del Financial Times como prueba de que las tarjetas compatibles con los controles de exportación cubren un déficit de cómputo. No había un desglose por modelo. Fuente: tomshardware.com
CXMT planea una RDIMM DDR5 para servidores con celdas 4F² más pequeñas para fin de año. El diseño de transistores verticales debería reducir en torno a un tercio la superficie de las celdas sobre el papel, pero no se han revelado velocidades ni capacidades. Fuente: tomshardware.com
Negocios en breve
Prime Intellect adquiere al creador de modelos de visión abiertos Moondream por su equipo de inferencia; el futuro de sus pesos abiertos y del motor Photon aún no está claro. Fuente: theinformation.com
Character.ai solicitó protección bajo el Chapter 11 después de que documentos mostraran gastos de cómputo superiores al máximo de ingresos mensuales; Disney es el primer postor por licencias de propiedad intelectual. Fuente: 404media.co
Anthropic estaría hablando con NTT Data de un centro de datos en Japón de hasta 500 MW. Fuente: datacenterdynamics.com
OpenAI estaría en conversaciones preliminares para comprar la empresa de seguridad de código abierto Trail of Bits. Fuente: theinformation.com
Lo que viene
Liquid AI anuncia que llegará pronto un modelo borrador para decodificación especulativa. CXMT afirma que su primera RDIMM DDR5 para servidores 4F² está prevista para finales de 2026.