Resumen

La familia de modelos de pesos abiertos Qwen de Alibaba superó los 3.000 millones de descargas globales en seis meses, superando a Google y Meta. Según Hugging Face, Qwen es el modelo más derivado del ecosistema de código abierto. El lanzamiento de Qwen 3.5 se señala como un punto de inflexión que impulsó el interés por los modelos locales de IA. La periodista de Bloomberg Saritha Rai informó que los modelos de pesos abiertos de Alibaba alcanzaron el liderazgo global.

Meta lanzó Glimmer, su modelo de IA de pesos abiertos, mientras Mark Zuckerberg publicó un extenso manifiesto defendiendo que la IA debe ser 'para todos'. Muse Spark, un modelo más potente, sigue cerrado detrás de las API propias de Meta. El podcast Equity de TechCrunch sugirió que la visión de Zuckerberg contiene ciertas contradicciones. La noticia se enmarcó junto a otros temas de la industria de la IA, como los costos energéticos y una adquisición fallida de 250 millones de dólares.

OpenAI y Anthropic recortaron drásticamente los precios de sus modelos de gama media presionados por rivales chinos como DeepSeek y Moonshot. Expertos dicen que es la primera prueba real de su estrategia de proteger los modelos más avanzados. OpenAI redujo el precio de entrada de GPT-5.6 Luna en un 80%. Anthropic lanzó Opus 5 a mitad de precio de Fable 5. Según Silicon Data, los precios de los modelos estadounidenses cayeron cerca de una cuarta parte desde mediados de julio. Empresas como DoorDash y Airbnb empezaron a usar modelos chinos para reducir costos. Anthropic canceló el aumento de precio planeado para Sonnet 5 en septiembre.

Amazon Web Services presentó Bedrock AgentCore Browser Tool, que permite a agentes de IA gestionar aplicaciones web antiguas sin API moderna mediante sesiones de navegador seguras. La solución ejecuta una instancia gestionada de Chromium usando Playwright y el Protocolo de Chrome DevTools (CDP) basado en WebSocket. La herramienta, combinada con Strands Agents, escala desde tareas individuales hasta flujos de trabajo multiagente gracias a la orquestación centrada en el modelo. Los controles de AWS Identity and Access Management (IAM) y los registros de auditoría completos respaldan los requisitos de cumplimiento en sectores regulados. El código fuente se compartió como arquitectura de referencia en GitHub junto con su despliegue en Terraform.

El investigador Sebastian Raschka compartió un proyecto educativo que enseña a construir un sistema de detección de texto de IA desde cero, inspirado en la nueva función de Substack. Substack añadió un detector de texto de IA integrado en su interfaz de usuario. Sebastian Raschka se basó en esta novedad para preparar un tutorial de creación de un detector de IA desde cero. El proyecto busca generar una puntuación de probabilidad de IA de 0 a 100 mediante el ajuste fino del modelo DistilBERT. El mismo detector también se usará como verificador para entrenar un modelo de lenguaje pequeño que genere texto capaz de evadir la detección. Raschka subraya que los detectores de IA son un juego constante del gato y el ratón y conllevan riesgo de falsos positivos.

El desarrollador Simon Willison, usando Codex y el modelo GPT-5.6 Sol Ultra, creó la primera versión alfa de alchemy-utils, la variante independiente de base de datos de la librería sqlite-utils. El proyecto alcanzó la etapa alfa tras una única tarea de investigación asignada a Codex y GPT-5.6 Sol Ultra, seguida de unos pocos comandos adicionales. La librería está construida sobre SQLAlchemy y admite las bases de datos PostgreSQL, SQLite y DuckDB. Willison hizo que Codex optimizara una importación de CSV en DuckDB, reduciendo su duración de aproximadamente una hora a 35 segundos. alchemy-utils traslada las API principales de sqlite-utils, como insert, upsert y la introspección de tablas, a un entorno multibase de datos.

MarkTechPost publicó una guía integral de ajuste fino para mejorar las capacidades de llamada a herramientas (tool-calling) usando el conjunto de datos XYZ-Aquila-SFT y el modelo Qwen3-0.6B. La guía combina las bibliotecas Hugging Face Transformers, PyTorch, PEFT y Accelerate. El proceso abarca el flujo de datos, el análisis de trazas de uso de herramientas en múltiples turnos, la conversión al formato ChatML y el ajuste fino con LoRA. Se compara el rendimiento de predicción de llamadas a herramientas antes y después del entrenamiento, exportando el conjunto de datos transformado y las estadísticas del corpus. El contenido ofrece a los desarrolladores una base de código aplicable para entrenar sus propios modelos de llamada a herramientas.

Un nuevo estudio publicado en iScience muestra que GPT-4 puede predecir, con alta correlación, las respuestas colectivas que darán los participantes a encuestas de personalidad creadas por él mismo, antes de aplicarlas. Investigadores de la Universidad Hebrea de Jerusalén y la Facultad de Medicina Hadassah pidieron a GPT-4 crear encuestas de personalidad basadas en el DSM-5 y en un libro de astrología. Las encuestas se aplicaron a 600 adultos y los resultados se compararon con el Inventario de los Cinco Grandes Rasgos de Personalidad. La correlación entre las predicciones de GPT-4 y las respuestas reales fue de 0,71 en la encuesta basada en el DSM-5 y de 0,85 en la basada en astrología. Aunque la encuesta astrológica no generó dimensiones psicológicas consistentes, algunos ítems se relacionaron con resultados como depresión y ansiedad. Los investigadores subrayan que los hallazgos no significan predecir pensamientos individuales ni sustituir la evaluación clínica.

Un análisis de 14.419 libros autopublicados en Amazon revela que los libros generados por IA inundan el mercado con volumen, reduciendo los ingresos de los autores humanos. Los investigadores analizaron 14.419 e-books autopublicados entre enero de 2023 y marzo de 2026 con la herramienta de detección Pangram v3.3. Los libros con contenido de IA representan el 20% del catálogo pero generan solo el 11,3% de los ingresos. Incluso en libros sin IA detectada, los ingresos por libro cayeron en siete de ocho géneros. La participación de libros con contenido de IA en el Top 25 pasó de casi cero al 31%. Los hallazgos aportan la evidencia de erosión del mercado que faltaba en el caso Kadrey v. Meta.

Anthropic anunció que los textos generados por los modelos Claude incluyen una marca de agua incrustada que indica la probabilidad de que el texto haya sido generado por Claude, aunque desaparece si se reescribe por completo.

En Connecticut, un demandante intentó inclinar un caso a su favor insertando en documentos judiciales comandos ocultos, invisibles al ojo humano pero legibles por sistemas de IA. El juez Walter Spader Jr. calificó el intento de 'peligroso' y le revocó el acceso a la presentación electrónica. En Connecticut, Matthew Elliott insertó textos ocultos en blanco sobre blanco y con letra diminuta en documentos judiciales. Los textos daban instrucciones a cualquier sistema de IA que leyera el documento para que generara una respuesta favorable al demandante. Elliott no recibió multa económica, pero se le prohibió presentar documentos electrónicamente en el futuro. En Brasil, dos abogados fueron multados con cerca de $16,000 por un intento similar de inyección de prompts.

Google reorganizó a fondo su unidad de inteligencia artificial DeepMind; el científico jefe Jeff Dean se marcha mientras Demis Hassabis deja su cargo operativo para centrarse en investigación a largo plazo. El cambio llega tras críticas de que Google habría perdido su posición de liderazgo en inteligencia artificial. El CEO Sundar Pichai y Hassabis afirmaron que la empresa mantiene su objetivo de liderar el sector de la IA.

Google introdujo la opción de desactivar la marca de agua visible en imágenes, videos y canciones generados con Nano Banana, Omni y Lyria. La marca invisible SynthID y los metadatos C2PA permanecerán sin cambios. La opción estará disponible en Gemini y en el editor de video Flow; el soporte para Search llegará pronto. Google también anunció Credentio, una biblioteca de verificación de código abierto para desarrolladores.

Amazon Web Services anunció un método para enviar telemetría al panel de AgentCore Observability desde agentes de IA que se ejecutan fuera de AWS. La solución usa la auto-instrumentación de AWS Distro for OpenTelemetry (ADOT) para enviar telemetría al endpoint OTLP de Amazon CloudWatch. La autenticación se realiza con claves de acceso IAM mediante firma SigV4; para producción se recomienda usar IAM Roles Anywhere. El método abarca agentes construidos con marcos como Strands Agents, LangGraph y CrewAI, ejecutados en Amazon EKS, ECS, Lambda, servidores locales, GCP o Azure. La telemetría captura los pasos de razonamiento del agente, las llamadas a herramientas y las invocaciones de modelos según las convenciones semánticas de OpenTelemetry para IA generativa.

AWS anunció un enfoque arquitectónico que permite combinar modelos personalizados en SageMaker AI con modelos de Bedrock en arquitecturas multi-agente. La nueva estructura ofrece una arquitectura de producción unificada mediante el runtime de Bedrock AgentCore. La arquitectura combina Claude Haiku 4.5, Claude Sonnet 4.6 y el modelo Qwen 3.5 9B alojado en SageMaker. El agente orquestador dirige las solicitudes de usuario usando el patrón 'agentes como herramientas' de Strands Agents. Los endpoints de SageMaker carecen de observabilidad a nivel de token por defecto, por lo que se requieren spans personalizados de OpenTelemetry. La aplicación de ejemplo se demostró mediante un asistente de finanzas personales que distribuye tareas de planificación presupuestaria y análisis financiero entre agentes separados.

AWS publicó una guía técnica sobre el diseño de funciones de recompensa personalizadas para el ajuste fino por refuerzo multivuelta en Amazon Nova Forge. Nova Forge permite, mediante Bring Your Own Orchestration (BYOO), que la lógica de recompensa personalizada se ejecute en el entorno del cliente. El sistema usa el algoritmo Group Relative Policy Optimization (GRPO) para actualizar el modelo. Las tareas multivuelta requieren contenedores de entorno basados en Amazon ECS, ya que superan el límite de 15 minutos de AWS Lambda. Un diseño de recompensa eficaz combina recompensas por resultado, recompensas conductuales y penalizaciones.

Entrevistas de MIT Technology Review con jóvenes de 10 a 18 años revelan una amplia gama de reacciones ante la IA, desde la indiferencia hasta la preocupación ambiental. Según la encuesta de Pew Research Center de febrero de 2026, el 57 % de los jóvenes estadounidenses usó chatbots para buscar información. El 54 % de los jóvenes usó chatbots para ayuda con tareas escolares, el 47 % para entretenimiento y solo el 12 % para apoyo emocional. Algunos jóvenes rechazan usar la IA por su impacto ambiental y el consumo de agua de los centros de datos. Los jóvenes entrevistados dijeron preocuparse más por el impacto general de la IA en la sociedad que por la pérdida de empleos.

La empresa de tecnología policial Flock endurece sus reglas de búsqueda tras las críticas por el uso indebido de sus cámaras. La compañía amplía la exigencia de número de caso y su sistema de auditoría automática. Flock ahora exige que los policías ingresen un número de expediente penal en cada búsqueda de cámaras. Una investigación de Washington Post halló 46 casos en los que se acusó a agentes de usar las cámaras con fines no autorizados, como el acoso. La ACLU señala que medidas de seguridad similares ya fueron eludidas fácilmente por agentes en el pasado. Al menos 30 ciudades cancelaron su contrato con Flock en el último año.

Google presenta Sheets canvas, una función con Gemini que convierte datos de hojas de cálculo en paneles interactivos y mini apps sin necesidad de código. Los usuarios pueden escribir un prompt en lenguaje natural para que Gemini genere diseños interactivos a partir de datos de hojas de cálculo. Con canvas, los datos originales de la hoja de cálculo permanecen sincronizados en tiempo real. La función no requiere conocimientos de programación y puede compartirse como una pestaña normal. Sheets canvas está disponible globalmente en inglés para suscriptores de Google AI Pro y Ultra, y se está desplegando gradualmente en los planes Workspace Business/Enterprise Standard y Plus.