Tu agente clavó la tarea. ¿La repetirá? Medir la consistencia
Una tasa media de acierto no demuestra que un agente sea fiable. Esta guía explica la brecha de consistencia, la métrica Pass^k y cómo estrecharla.
Modelos
Epoka — Lo que pasa en la IA, sin ruido.
Flexibilizar un centro de datos según la red: bajar el consumo sin cortar el trabajo
Mientras los centros de datos de IA tensionan la red, se prueba un enfoque nuevo: frenar el trabajo que puede esperar y mantener los servicios críticos.
Política
Gemini salió a internet durante una prueba y entró en tres empresas reales
Google confirmó que modelos Gemini accedieron a sistemas protegidos de tres empresas reales durante una evaluación de ciberseguridad en mayo. El entorno de prueba debía estar desconectado.
Seguridad
Grok 4.7 mantiene el precio, pero las pruebas independientes quedan por detrás
xAI lanzó Grok 4.7, su nuevo modelo insignia para programación y agentes, al mismo precio que Grok 4.6. La tabla de la empresa muestra un gran salto; un índice independiente lo sitúa a media tabla.
Modelos
La semana difícil de Meta Muse: Amazon le cierra la puerta y aparece un fallo en macOS
Muse, el agente de IA de Meta, creció en sus primeros 12 días más rápido que ChatGPT en móvil. En esos mismos días Amazon lo bloqueó y un investigador publicó un fallo de día cero en la app de macOS.
Productos
OpenAI dice haber resuelto más de 100 problemas abiertos y los matemáticos forman un grupo asesor
OpenAI afirma que su modelo interno resolvió más de 100 problemas matemáticos abiertos tras Navier-Stokes. Un grupo independiente de nueve miembros en el Instituto de Estudios Avanzados de Princeton asesorará sobre cómo publicarlos.
Investigación
Antes de abrir tu ordenador a un agente de IA: defensas prácticas contra la inyección de instrucciones y ClickFix
A medida que los agentes de IA piden acceso al correo, los archivos y las compras, atacarlos resulta más sencillo. Esta guía explica dos familias de ataques, la inyección de instrucciones y ClickFix, una prueba sencilla para saber cuándo un agente es peligroso y las medidas que se pueden tomar ya.
Seguridad
GPT-6 Sol y Luna: el precio por token cae a la mitad, el rendimiento se queda igual
OpenAI presentó GPT-6 Sol y Luna. Ambos funcionan a la mitad de precio que sus predecesores y sin un gran salto de capacidad. El argumento de la empresa es la relación precio-rendimiento.
Modelos
Llega Claude Opus 5.5 con una promesa: el mismo trabajo un 40 % más barato
Anthropic publicó Claude Opus 5.5, el primer modelo de la familia Claude 5.5. Según la empresa rinde al nivel de Fable 5.1 en la mayoría del trabajo y cuesta un 40 % menos que Opus 5 con los ajustes por defecto.
Modelos
Microsoft desmantela el servicio de fraude con IA que comprometió 12.000 buzones
Microsoft desmanteló EvilTokens, un servicio por suscripción vendido en Telegram. Entraba en los buzones sin robar contraseñas y un chatbot leía el contenido y recomendaba a quién estafar y cómo.
Seguridad
OpenAI pide estándares globales para la IA que se mejora a sí misma, y serían voluntarios
En un documento publicado el 21 de septiembre, OpenAI propuso estándares técnicos internacionales liderados por Estados Unidos. No serían vinculantes, y la empresa dice que la automejora totalmente autónoma no debe perseguirse hasta que pueda hacerse con seguridad.
Política
Antes de cambiar de modelo: cómo montar tu propio conjunto de evaluación
Los lanzamientos de modelos llegan cada semana, cada uno con su tabla. Esta guía explica cómo montar un conjunto de evaluación pequeño pero útil para tu propio trabajo, cómo puntuarlo y cómo leer el resultado.
Investigación