Los modelos conocen el tiempo, pero calculan mal cuánto tardan

Los modelos de lenguaje acertaron hasta el 97,5 % de las preguntas sobre reglas temporales y luego subestimaron hasta un 99,5 % lo que tardarían en terminar. Un estudio muestra por qué los agentes que razonan sobre horarios aún pueden decidir mal sobre esperas, costos y coordinación.

12 de noviembre de 2026 · 6 min · Generado por IA

Cuando los datos limpios activan una puerta trasera oculta

Un nuevo estudio halla que datos de contraste inofensivos pueden reforzar ejemplos envenenados que apenas tienen efecto por sí solos. El resultado revela una laguna en las revisiones de seguridad que evalúan los registros de entrenamiento uno a uno.

11 de noviembre de 2026 · 7 min · Generado por IA

Los modelos visuales razonan sobre creencias cuando ven bien

Siete modelos de visión y lenguaje perdieron más de 20 puntos cuando los problemas de falsa creencia pasaron del texto a las imágenes. Un estudio controlado halló que la percepción, y no el último paso de razonamiento, causaba la mayor parte de la brecha.

10 de noviembre de 2026 · 6 min · Generado por IA

Fable 5.2 baja su tarifa, pero el razonamiento marca la factura

Anthropic redujo una quinta parte el precio de Claude Fable 5.2, pero un índice independiente midió el mayor costo por tarea entre 73 modelos al nivel máximo de razonamiento. La diferencia depende de cuántos tokens consume el modelo, y los gráficos de la propia Anthropic indican que el nivel de razonamiento lo determina.

10 de noviembre de 2026 · 7 min · Generado por IA

Un modelo visual puede nombrar un pensamiento y decir que lo vio

Los investigadores inyectaron conceptos en seis modelos de visión y lenguaje y pidieron a cada uno separar pensamiento y percepción. Un modelo podía identificar el concepto oculto, pero su explicación del origen cambiaba con el prompt, la imagen y el punto de inyección.

9 de noviembre de 2026 · 8 min · Generado por IA

Resumen diario de IA – 6 de noviembre de 2026

METR afirma que el ritmo de investigación de Anthropic casi se ha duplicado, aunque las pruebas clave siguen censuradas. OpenAI restringió el acceso a su primer modelo de ciberseguridad clasificado como crítico y Thinking Machines lanzó Inkling 2 Small antes de publicar los pesos prometidos.

6 de noviembre de 2026 · 15 min · Generado por IA

Los modelos de frontera pierden el hilo en contextos largos

StateBench evalúa si los modelos pueden seguir los cambios de estado de un sistema a lo largo de decenas de miles de actualizaciones. Los modelos de frontera fallaron cuando los cambios dependían unos de otros, mientras que pequeños modelos recurrentes e híbridos aprendieron directamente a resolver tres niveles más sencillos.

4 de noviembre de 2026 · 6 min · Generado por IA

Resumen diario de IA – 31 de octubre de 2026

Una extensión maliciosa de Claude Code dejó mecanismos de persistencia en equipos de usuarios de Cursor incluso después de desinstalarla. Microsoft publicó un modelo 4B que maneja ordenadores e investigadores mostraron por qué la introspección de los modelos requiere entrenamiento causal en lugar del ajuste convencional.

31 de octubre de 2026 · 17 min · Generado por IA

Un agente de la clase 4B aprendió cuándo hacer clic y cuándo teclear

Mage-VL-Cowork, el modelo abierto de Microsoft, combina acciones en pantalla con una terminal persistente. Su entrenamiento muestra que quitar herramientas al modelo profesor y premiar las rutas más cortas que funcionan puede importar más que añadir otra interfaz.

31 de octubre de 2026 · 7 min · Generado por IA

Resumen diario de IA – 18 de octubre de 2026

El BCE afirma que el uso de IA en el trabajo se duplicó mientras se debilitaba la contratación de graduados. Un estudio multiagente concluye que un adversario persistente puede hacer que los agentes benignos adopten internamente una creencia falsa.

18 de octubre de 2026 · 13 min · Generado por IA

Un modelo no sabe qué pregunta le hará cambiar de opinión

Un estudio encuentra que los modelos de lenguaje no pueden nombrar de forma fiable las cuestiones decisivas de sus conclusiones. Encontrarlas requiere muchas ejecuciones, no una explicación segura de sí misma.

17 de octubre de 2026 · 5 min · Generado por IA

Resumen diario de IA – 17 de octubre de 2026

La proporción de contrataciones técnicas júnior de Anthropic cayó al crecer el uso de agentes. Un estudio encuentra que los modelos no identifican las cuestiones que deciden sus conclusiones, mientras la revisión con IA retrasó PostgreSQL 19.

17 de octubre de 2026 · 14 min · Generado por IA