Resumen

Computer History, de OpenAI, registra clics, pulsaciones y cambios de aplicación en Mac y los convierte en una línea temporal consultable para ChatGPT y Codex. Los datos se guardan localmente como archivos Markdown sin cifrar. OpenAI afirma que los datos no se usan para entrenar; las memorias que entran en los chats sí pueden acabar como datos de entrenamiento.

El consejero delegado de Anthropic, Dario Amodei, expuso su visión sobre la regulación de la IA: los pesos abiertos no bastan por sí solos y hay una crisis de confianza en el sector. Defiende la necesidad de someter los modelos a pruebas y señala una "crisis de confianza" en el sector. La discusión gira sobre si la regulación concentra el poder en unas pocas empresas o lo distribuye. Las declaraciones se produjeron en un intercambio en redes sociales, no en un documento formal de política.

El V4 Flash de DeepSeek, líder de las clasificaciones, completó solo el 53,8% de las tareas complejas de agente. Treinta tareas difíciles se ejecutaron en ocho andamiajes distintos. Composio ejecutó el modelo en ocho andamiajes de agente, entre ellos Claude Code y Codex, sobre 30 tareas difíciles con herramientas reales como Gmail y GitHub. De 240 ejecuciones totales, 129 pasaron; solo seis de los 30 flujos se completaron en todos los andamiajes. La diferencia muestra que el resultado depende menos del modelo que del andamiaje que lo rodea.

El matemático y medalla Fields Timothy Gowers afirma que casi todos los problemas matemáticos famosos resueltos por modelos de lenguaje se resolvieron con contraejemplos, no con demostraciones. Hallar un contraejemplo es producir un único caso que muestra que una afirmación es falsa; una demostración muestra que se cumple siempre. Son tareas cognitivamente distintas: una es búsqueda, la otra es construcción. La distinción muestra dónde están contribuyendo realmente los modelos en matemáticas.

Una encuesta representativa de Epoch AI halla que el 20% de los estadounidenses empleados delega en la IA al menos una tarea que antes hacía una persona, casi sin editar el resultado. Se trata de tareas que antes realizaba una persona, por lo que es una sustitución y no un añadido. Los encuestados aceptan por lo general el resultado de la IA con poca o ninguna edición. El hallazgo plantea menos una pregunta sobre productividad que sobre adónde fue el paso de revisión.

Anthropic comunicó a sus inversores unos ingresos superiores a 11.500 millones de dólares en el segundo trimestre y proyecta entre 190.000 y 200.000 millones para 2028. En el mismo trimestre del año anterior los ingresos fueron de 787 millones: un aumento de unas 14 veces.

El informe de seguridad de Anthropic indica que su sistema interno de filtrado de riesgos de armas biológicas y químicas estuvo inactivo casi un año, dejando pasar 133 millones de interacciones. En ese periodo unos 50.000 contratistas externos de retroalimentación realizaron cerca de 133 millones de interacciones sin filtrar. La información procede del propio informe de seguridad de la empresa, no de una filtración ni de una auditoría externa. El caso muestra la diferencia entre que exista una salvaguarda y que se vigile su funcionamiento.

OpenAI cerró su equipo Preparedness, que evaluaba si sus propios modelos podían suponer riesgos catastróficos. El trabajo se repartió y varios responsables de seguridad se fueron. Una fuente describe un "creciente sentimiento de responsabilidad y temor" dentro de la compañía. La discusión es si el trabajo de seguridad debe estar en un equipo aparte o dentro de los grupos de producto.

Apple habría desarrollado junto a Alibaba un modelo de lenguaje específico para el mercado chino, y ha registrado el servicio ante el regulador del país. La información se apoya en tres fuentes anónimas cercanas al asunto, según Reuters. Apple usaba antes en China modelos de empresas locales; desarrollar el suyo marca un cambio de estrategia. La compañía registró el servicio ante el regulador del ciberespacio chino; su aprobación la convertiría en la primera empresa estadounidense con ese permiso.

El editor y pionero de internet Tim O'Reilly sostiene que los grandes laboratorios de IA construyen una arquitectura que ata al usuario y que la innovación real vendrá del código abierto. Tim O'Reilly afirma que los grandes laboratorios de IA intentan atar al usuario como hizo Microsoft en los años noventa. Para él, la IA de código abierto es más que publicar los pesos: exige una separación nítida entre modelo, andamiaje y aplicación. Señala que los mayores incidentes de ciberseguridad han venido de los modelos frontera.

La firma de análisis energético Noreva prevé que el precio del gas natural podría triplicarse en zonas de EE. UU. Cuatro grandes empresas planean plantas de gas a escala de gigavatios. Amazon, Google, Meta y Microsoft planean plantas de gas a escala de gigavatios para sus centros de datos de IA. Los precios, hoy entre 2 y 4,50 dólares, podrían superar los 10 dólares en algunas regiones según la previsión. Como el combustible supone cerca de la mitad del coste eléctrico de una gran planta, una subida repercutiría directamente en el precio por token.

Un demandante sin abogado en Connecticut ocultó instrucciones invisibles de IA en sus escritos, en texto blanco de 3 puntos sobre fondo blanco. El juez lo notó por los espacios. El texto oculto ordenaba a cualquier sistema de revisión con IA producir un resultado favorable a su escrito. El juez Walter Spader Jr. detectó la manipulación por unos espacios en blanco inusuales y le retiró el derecho a presentar escritos electrónicos. Los tribunales de Connecticut no usan IA para revisar escritos, así que las instrucciones no tuvieron efecto alguno.

Un banco de pruebas reveló un patrón que la revisión cualitativa no veía: los modelos muestran su mayor confianza precisamente cuando sus respuestas son erróneas. El mismo patrón pasaba desapercibido en la revisión cualitativa: las respuestas erróneas fluidas y coherentes se leen como correctas. La mayoría de equipos se salta el paso de verificación: es tedioso, lento y no produce nada visible para el usuario final. La distancia entre "suena bien" y "es verificablemente correcto" es donde las herramientas empresariales fallan en silencio.

La startup de programación con IA Cognition negocia una nueva ronda con una valoración de 40.000 millones de dólares, meses después de su ronda anterior. La compañía levantó 1.000 millones con una valoración de 26.000 millones apenas unos meses antes. Eso supone un aumento de valoración de en torno al 54% en cuestión de meses. Las herramientas de programación con IA están entre las áreas de adopción empresarial más rápidas.

Apple estaría negociando con editoriales para pagar por noticias de actualidad destinadas a Siri. Según el WSJ, la compañía ha barajado un presupuesto de nueve cifras. El movimiento continúa el giro del sector desde el uso sin permiso de los contenidos periodísticos hacia su licencia. El acuerdo busca cerrar una debilidad histórica de Siri con las preguntas que requieren información actual.

Google añade herramientas de inteligencia artificial basadas en Gemini a Ads y Analytics, con resúmenes y reportes automáticos. Buscan acelerar los insights de rendimiento y ofrecer benchmarking. Los resúmenes de IA (AI Overviews) añadidos a la página principal de Analytics muestran cambios clave de rendimiento desde el último acceso. La nueva función Dashboards en Google Ads permite crear reportes visuales mediante comandos de texto. La nueva función de benchmarking dentro de Ask Advisor compara el rendimiento del usuario con empresas similares. Todas las nuevas funciones están construidas sobre el modelo Gemini.

Una grabación filtrada de Accenture muestra que el consumo de tokens lo impulsan los no ingenieros. Uno de los mayores gastos es convertir PDF en texto. Según los datos de la propia empresa, uno de los mayores gastos es convertir PDF primero en imágenes y luego en texto. Los costes de IA pasan de ser una partida presupuestaria a un problema operativo dentro de las organizaciones. El origen del problema no son los precios de los modelos, sino los formatos documentales y los hábitos de trabajo internos.

Nvidia tiene un plan para que sus GPU no pierdan valor. El objetivo es convencer a una nueva clase de financiadores de seguir prestando para infraestructura de IA. La escala de 500.000 millones de dólares convierte esto en una cuestión financiera que excede el balance de cualquier empresa. El análisis de TechCrunch califica el plan de arriesgado pero brillante, sobre todo para el hardware que envejece.

Google lanzó Gemini 3.7 Flash apenas tres semanas después de 3.6 Flash. Según sus propias pruebas, el modelo supera a sus rivales a mitad de precio. El modelo se presenta como el más capaz de la compañía para programación y agentes de IA. El precio también es un 50% inferior al de su propio antecesor de hace tres semanas.