Entiende los modelos.

Wired informa que usó GPT-6 Sol, de OpenAI, para entrenar una versión virtual de Microduck, un robot desarrollado por Pollen Robotics y Hugging Face, a caminar por una habitación e identificar gatos bengalíes. El autor afirma que la programación y el entrenamiento tomaron algunas horas, con el agente Hermes, de Nous Research, y una Nvidia DGX Spark. El proceso utilizó Isaac Sim, de Nvidia, para controlar al robot, evaluar videos de su desempeño y sugerir ajustes al entrenamiento. El modelo logró que caminara sin volcarse, pero no reprodujo correctamente un moonwalk.

Según Wired, el profesor Ken Goldberg, de la Universidad de California, en Berkeley, usó Astra, de OpenAI, junto con la herramienta Newton, de Nvidia, para crear una simulación 3D de un robot en aproximadamente una hora. El investigador de Nvidia Jim Fan afirma que los modelos de lenguaje ahora pueden acceder a modelos que controlan acciones físicas. Fan, Goldberg y otros también publicaron como código abierto el marco robótico Aspire, que permite a un robot descubrir y usar nuevas habilidades.

Fuentes: Wired

Leer la nota original ↗

Tether AI Research presentó BotPsy, un modelo de 0,8 mil millones de parámetros construido sobre Qwen3.5-0.8B para funciones, flujos agénticos y uso en el dispositivo. El asistente emplea herramientas para tareas como investigación web, viajes, comercio, control de dispositivos, archivos, calendarios y mensajería. La empresa afirma que es más adecuado para tareas de dificultad baja y media y que ayuda a mantener privados los datos del usuario.

Tether AI Research afirma que BotPsy superó a todos los modelos probados de hasta 1,2 mil millones de parámetros en seis pruebas de uso de herramientas y agentes, además de superar a Qwen3.5-2B-Think — 2,5 veces más grande — en cinco de ellas. Sin embargo, el modelo todavía puede cometer errores, rinde peor en idiomas con menos recursos y no está destinado a usos de alto riesgo. BotPsy está disponible en formatos safetensors y GGUF.

Fuentes: Hugging Face

Leer la nota original ↗

David Turturean, investigador de Physical Superintelligence (PSI), usó el modelo no lanzado Fable 5.2, de Anthropic, para producir una prueba relacionada con la conjetura de Aaronson-Ambainis, que aborda si las computadoras cuánticas pueden resolver problemas más rápido que las computadoras clásicas. Scott Aaronson, uno de los investigadores que plantearon el problema, dijo a TechCrunch que cree que la prueba es correcta porque fue formalizada en Lean y explicada por investigadores destacados, aunque todavía no la comprende por completo. El resultado parece cerrar una posible vía para que las computadoras cuánticas resuelvan rápidamente ciertos problemas difíciles, pero no todas.

PSI busca convertir sistemas especializados de IA, con herramientas, memoria y simulaciones, en un negocio de descubrimiento científico. Por ahora, sus ingresos provienen de la optimización de centros de datos; su estrategia a largo plazo es convertir avances de la física teórica en tecnologías. El director ejecutivo Matt Pines dijo a TechCrunch que validar resultados de física con experimentos sigue siendo más difícil que trabajar con matemáticas formalizadas.

Fuentes: TechCrunch

Leer la nota original ↗

Google DeepMind anunció la disponibilidad de Gemini 4 Carbon dos semanas después de ofrecerlo a defensores de la ciberseguridad mediante el programa Fairwind. La empresa dice que es su modelo más potente y que está diseñado para programación compleja, investigación científica abierta y flujos de trabajo agénticos de larga duración. Carbon está disponible mediante la API en Google AI Studio y Gemini para empresas, para desarrolladores y empresas de pago, y para suscriptores de Google AI Ultra en Antigravity, la aplicación Gemini y el Modo IA de la Búsqueda. No se indicó acceso para niveles inferiores ni usuarios gratuitos.

Google también presentó una vista previa de “swarm” en Antigravity, que convierte una instrucción en un equipo coordinado de agentes. El precio introductorio es de US$ 2 por millón de tokens de entrada y US$ 10 por millón de salida. Según Xataka, Fable 5.2 de Anthropic superó a Carbon en varias comparaciones, aunque el modelo de Google quedó por delante en algunas pruebas.

Fuentes: The Verge, Tecnoblog, Google DeepMind, Xataka

Leer la nota original ↗

Google DeepMind presentó Gemini Robotics 2.5, una nueva versión de su plataforma de IA para robots, junto con el referente de seguridad de código abierto ASIMOV-jailbreak. La empresa dice que el modelo fue evaluado en más de 200 actividades, como servir comida con pinzas, usar una pipeta y hacer un moño, y logró una tasa de éxito entre 30% y 100% mayor que la versión anterior, además de operar entre 20% y 30% más rápido. Esos resultados corresponden a pruebas de laboratorio. En una colaboración con Apptronik y Mercedes-Benz, Google también probó robots humanoides Apollo 2 en varias fábricas europeas, donde prepararon piezas automotrices con una tasa de éxito de 96%, según Ars Technica.

DeepMind afirma que Gemini 4 Argon ayudó a crear un motor de simulación capaz de generar miles de variaciones de tareas a partir de datos de cámaras reales. El equipo combinó esos “gemelos digitales” con demostraciones reales para entrenar el modelo, pero el director Kanishka Rao dijo que cerrar la brecha restante frente al desempeño humano será difícil.

Fuentes: Ars Technica

Leer la nota original ↗

Investigadores de Google DeepMind dicen que utilizaron agentes de IA y AlphaProof Code para verificar formalmente garantías criptográficas importantes de la implementación del protocolo Signal. El protocolo protege conversaciones en Signal y Google Messages y sustenta el cifrado de WhatsApp. Según Xataka, los agentes generaron más de seis millones de líneas en Lean, mientras expertos humanos revisaron las especificaciones y cerca del 1% del código marcado para un análisis adicional; el trabajo tomó cuatro semanas.

El análisis no encontró nuevas vulnerabilidades en las partes examinadas. Cuando el equipo reintrodujo dos fallas reales ya corregidas en una versión aislada del código, el sistema identificó que las versiones vulnerables no eran seguras, afirma Google DeepMind. El proyecto no verificó toda la aplicación móvil de Signal, y sigue abierta la cuestión de si el enfoque puede ampliarse a un costo viable. Signal Foundation ya había realizado trabajos previos de verificación en partes más pequeñas del código, según Wired y Xataka.

Fuentes: Wired, Xataka

Leer la nota original ↗

Anthropic lanzó Claude Fable 5.2 y Claude Mythos 5.2, que, según la compañía, mejoran en programación, razonamiento, visión y comunicación con los usuarios. Fable está disponible de forma general —aunque no en el plan gratuito de Claude— y cuesta US$ 8 por millón de tokens de entrada y US$ 40 por millón de tokens de salida. Anthropic afirma que es hasta un 30% más rápido y que, en pruebas, resolvió dos problemas abiertos de física teórica y formalizó el último teorema de Fermat. Xataka informa que Fable también puede utilizarse a través de Amazon Web Services, Google Cloud y Microsoft Azure.

Mythos 5.2 estará limitado inicialmente a profesionales y organizaciones verificadas que trabajen en áreas como la investigación de vulnerabilidades y la biomedicina, con menos salvaguardas para algunas tareas de alto riesgo. TechCrunch informa que el lanzamiento ocurre después de un informe de METR que sugirió que Anthropic podría estar acercándose a la auto mejora recursiva, aunque persisten importantes incertidumbres; la compañía también afirma que todavía enfrenta dificultades para evaluar con precisión las capacidades de los modelos.

Fuentes: The Verge, TechCrunch, g1, Xataka

Leer la nota original ↗

En la Conference on Robot Learning (CoRL), en Austin, Texas, NVIDIA anunció GR00T 2, un modelo abierto de acción del mundo desarrollado sobre NVIDIA Cosmos, además de herramientas de simulación, puntos de referencia y flujos de trabajo para la robótica agéntica. La empresa afirma que el modelo completó al menos una vez 40 de 50 tareas evaluadas sin demostraciones específicas y logró una tasa promedio de éxito del 71% con una demostración por tarea, que subió al 95% con cinco. El sistema también puede transferir habilidades entre distintos robots y ayudar a agentes de IA a ejecutar secuencias y recuperarse de errores.

Dos artículos de NVIDIA están entre los seis finalistas del premio al Mejor Artículo de CoRL: GRAIL, sobre la generación de activos 3D y escenas listas para simulación, y RoboTTT, que amplía en tres órdenes de magnitud el contexto de las políticas visuomotoras sin aumentar la latencia de inferencia, según la empresa. NVIDIA afirma que organizaciones como Nexuni, Foxconn y Siemens ya prueban GR00T 2 para el manejo robótico de ropa y la automatización industrial.

Fuentes: NVIDIA

Leer la nota original ↗

Wired describe los modelos del mundo como sistemas que reciben imágenes, recrean entornos en 3D y simulan la física, la causa y el efecto. Según Oliver Cameron, director ejecutivo del laboratorio Odyssey, predicen el siguiente estado visual del mundo; Brian McClendon, director de tecnología de Niantic Spatial, afirma que millones de simulaciones podrían entrenar robots en espacios específicos sin movimiento físico. Wayve, por su parte, usa imágenes de cámaras de autos para recrear carreteras peligrosas y condiciones difíciles de probar en la vida real.

La tecnología también se explora en videojuegos, con inversiones de Tencent, y podría extenderse a los robots domésticos y los autos autónomos; Wired señala 2027 como un posible año importante para esa expansión. El desarrollo requiere datos del mundo real: el reportaje dice que trabajadores ya graban tareas domésticas en video para venderlas mediante aplicaciones, generalmente por pagos bajos.

Fuentes: Wired

Leer la nota original ↗

Investigadores de seguridad de IA estudian la teoría de juegos inversa, también conocida como diseño de mecanismos, como alternativa a investigar el funcionamiento interno de los modelos o entrenarlos directamente para que sigan valores humanos. El enfoque busca crear reglas e incentivos que lleven a los agentes a comportarse como se desea, incluso cuando sus intenciones no son transparentes.

Según MIT Technology Review Brasil, un artículo en prepublicación del economista del MIT Stephen Morris, junto con investigadores de Yale y Columbia, propone recompensar a los modelos por su capacidad de predecir las respuestas de otro modelo, en lugar de evaluar solamente su desempeño. Esto podría dificultar que un agente simule tener menos capacidad para evitar mecanismos de seguridad. El artículo también sugiere competencias entre agentes y pares con sesgos opuestos, usando la coincidencia entre sus respuestas como incentivo.

Fuentes: MIT Technology Review Brasil

Leer la nota original ↗

Un informe de la organización de investigación sobre seguridad de IA METR, basado en una investigación de 11 semanas, afirma que los modelos de Anthropic mejoran aproximadamente el doble de rápido que hace un año. METR dice tener confianza en que el avance no se explica únicamente por el aumento de la capacidad de cómputo y estima que, en octubre, la mayor parte de la aceleración provenía del uso de IA en el trabajo de investigación. Los empleados reportaron una productividad promedio unas 12 veces mayor al usar el modelo interno más capaz de la empresa, el doble de lo informado unos meses antes con Mythos 5.

La aceleración todavía parece depender principalmente de investigadores humanos, pero METR encontró señales de que las contribuciones totalmente autónomas podrían cobrar más importancia pronto, sin cuellos de botella claros ni rendimientos decrecientes observables. La organización también identificó tres modelos no lanzados, entrenados entre julio y octubre, mientras Anthropic pudo censurar partes del informe final.

Fuentes: The Verge

Leer la nota original ↗

Vals, una empresa que mide las capacidades de la inteligencia artificial, dice que los modelos de pesos abiertos están alcanzando a los modelos cerrados más avanzados en tareas de intrusión de redes. En dos escenarios simulados, Daybreak, el modelo cibernético más avanzado de OpenAI y disponible solo para socios de confianza, completó un promedio del 81% de los objetivos en dos pruebas; DeepSeek llegó al 73%, y ambos empataron en algunas tareas.

Según Vals, realizar un ataque costó de US$ 17 a US$ 46 en tokens con GPT-6-Sol, frente a US$ 2 a US$ 3 con DeepSeek. La empresa dice que el menor costo y la posibilidad de ejecutar modelos abiertos en el propio hardware podrían incentivar su uso por parte de equipos de defensa. Wired señala que la brecha más estrecha reduce la ventaja de los modelos cerrados y podría limitar el tiempo ganado mediante el acceso restringido, aunque los atacantes todavía usan con frecuencia modelos más antiguos y menos capaces.

Fuentes: Wired

Leer la nota original ↗

Hugging Face presentó ToyBlocks, el primer FoundationWorld, un marco para crear entornos simulados controlados destinados a la investigación en robótica. El escenario utiliza un brazo robótico y bloques sobre una mesa para estudiar cómo los modelos aprenden, generalizan y combinan el razonamiento de alto nivel con un control físico preciso.

El sistema genera automáticamente tareas y demostraciones de entrenamiento sin requerir teleoperación, y permite variar las experiencias de entrenamiento antes de evaluar el desempeño en tareas no vistas. Las imágenes y letras en las caras de los bloques permiten tareas de búsqueda, clasificación y organización, mientras que variar propiedades como el tamaño de los bloques y la altura de la mesa pone a prueba la generalización. ToyBlocks usa aprendizaje por refuerzo y planificación de movimiento para generar habilidades de horizonte corto, combinando modelos de razonamiento con modelos que controlan los movimientos del robot.

Fuentes: Hugging Face

Leer la nota original ↗

Underdog lanzó Woof, un modelo de voz de 32 MB y 31 millones de parámetros que, según la startup, puede generar voz y música en la mayoría de los dispositivos sin conexión a internet. El modelo está disponible para que cualquiera lo descargue y se muestra en un juego con estética tecnológica retro, donde los usuarios escriben en una máquina de escribir para escuchar el texto y giran un sintonizador para crear distintos tipos de música.

Sigil Wen, fundador de Underdog, dijo a TechCrunch que creó la aplicación para desarrollar sistemas de IA que funcionen en los dispositivos de los usuarios y les permitan conservar el control de sus datos. Woof llega semanas después de Bark, el modelo de voz a texto de 167 MB de la empresa, también diseñado para dispositivos periféricos.

Fuentes: TechCrunch

Leer la nota original ↗

En una publicación de Anthropic, los investigadores respaldados por la empresa Jakob Macke, Daniel Gedon y Stefan Wahl explican cómo la IA podría cambiar la construcción y la interpretación de modelos científicos. Usan el modelo de Hodgkin-Huxley, creado en 1951 para describir la actividad eléctrica de una célula nerviosa de calamar, para mostrar cómo una elección que ajustaba los datos —elevar una variable a la cuarta potencia— pudo ayudar después a explicar la estructura de canales de potasio relacionados.

La publicación afirma que un sistema de IA podría encontrar una ecuación similar rápidamente, quizá con un ajuste aún más preciso, pero que reproducir los datos no es suficiente: varios modelos pueden hacerlo sin revelar qué características corresponden al sistema del mundo real. Los autores dividen el modelado en etapas, entre ellas construir un modelo y ajustar sus parámetros a mediciones reales, y sostienen que la IA también debe contribuir a comprender los fenómenos estudiados.

Fuentes: Anthropic

Leer la nota original ↗

Anthropic detalla cómo Claude puede conservar memoria entre sesiones a partir de interacciones con usuarios y tareas asignadas. El sistema registra experiencias en archivos o notas de memoria y puede revisarlas durante periodos de inactividad —un proceso que la empresa llama “soñar”— para identificar eventos relevantes, corregir errores y crear nuevas representaciones o reglas.

La empresa afirma que la memoria también funciona como una predicción sobre lo que será útil más adelante: por ejemplo, registrar un hecho verificado indica que podría reutilizarse sin volver a comprobarlo. En una evaluación con Continual Learning Bench 1.0, Claude Managed Agents respondieron preguntas en sesiones nuevas y pudieron acceder a un directorio de memoria persistente; cuando Claude cometía un error, podía registrar la falla, probar teorías sobre su causa y convertir los hallazgos en reglas para respuestas futuras.

Fuentes: Anthropic

Leer la nota original ↗

Como parte del Anthropic Fellows Program, Anthropic hizo que Claude jugara EVE Online y EVE Frontier en colaboración con Fenris Creations. En EVE Online, los modelos actuaron como operadores individuales en una simulación del mercado del juego: la empresa dice que los modelos más nuevos obtuvieron ganancias constantes, mientras que las estrategias algorítmicas simples perdieron dinero, y que las ganancias promedio se triplicaron entre Claude Opus 4.6 y Claude Fable 5. Aun así, Fable 5 ganó dinero en solo cerca de la mitad de sus pruebas al intentar predecir los precios.

En EVE Frontier, equipos de cuatro agentes Claude participaron en misiones dentro del juego en vivo y, según Anthropic, se coordinaron bien. Sin embargo, cuando un agente recibió instrucciones secretas para perjudicar al equipo, los demás casi nunca lo notaron. La empresa dice que las pruebas muestran las capacidades, fallas y salvaguardas que podrían ser necesarias antes de confiar agentes a tareas más complejas y de mayor riesgo. Anthropic no realizó operaciones en el juego en vivo, donde el comercio automatizado está prohibido.

Fuentes: Anthropic

Leer la nota original ↗

Hugging Face anunció una colaboración con Liva AI para añadir al Open ASR Leaderboard dos conjuntos privados de datos de habla conversacional espontánea: 1,34 horas de inglés con acento egipcio y 1,55 horas con acento nigeriano. Las transcripciones tienen puntuación, distinción entre mayúsculas y minúsculas y disfluencias. Hugging Face afirma que los datos privados ayudan a reducir la optimización excesiva para las evaluaciones comparativas y a hacer más confiables y representativas las evaluaciones de reconocimiento automático del habla (ASR).

La actualización también permite un desglose más detallado por acento en la pestaña de datos privados: EE. UU. frente a países no estadounidenses, y el Círculo Interior de Kachru —EE. UU., Reino Unido, Australia y Canadá— frente a los Círculos Exterior y de Expansión —India, Nigeria y Egipto—. Hugging Face afirma que planea dividir estos dos últimos grupos a medida que se incorporen más acentos. Liva AI recopila datos de interacción multimodal mediante productos para consumidores utilizados por personas reales.

Fuentes: Hugging Face

Leer la nota original ↗