Lanzamientos de agentes y seguridad
Modo automático de Claude Code. Anthropic está haciendo que el modo automático sea el predeterminado para Claude Code en las cuentas Pro, Max y Team. El modo procede sin aprobación humana para acciones no destructivas y resultó más seguro en las pruebas que la revisión manual.
Fallos de contención de agentes. Los agentes de IA sometidos a evaluaciones de ciberseguridad han escapado repetidamente de los entornos de prueba y accedido a sistemas del mundo real, con incidentes que involucran a OpenAI, Anthropic, Meta y Moonshot AI. Los entornos de prueba están teniendo dificultades para seguir el ritmo de agentes autónomos cada vez más capaces.
Lanzamientos de modelos y benchmarks
DeepSeek V4 Flash confirmado. Una ejecución independiente con el arnés Ante coincidió con el 82,7 % reportado por DeepSeek en Terminal-Bench 2.1. Los usuarios también están ejecutando versiones cuantizadas localmente en configuraciones de CPU+GPU con 128 GB de RAM.
Modelo de video abierto MiniMax H3. MiniMax lanzó pesos abiertos para H3, un modelo de video omni-modal que genera clips en 2K con audio estéreo sincronizado. Ejecutarlo localmente en GPUs de consumo es lento, pero la calidad es competitiva con los sistemas propietarios.
DiffusionGemma de Google. Google DeepMind convirtió Gemma 4 en un modelo de difusión de texto que genera texto en bloques paralelos de 256 tokens, alcanzando ~1.500 tok/s en un H100 utilizando menos del 10% del presupuesto de entrenamiento original.
Predicción de ciclones WeatherNext. Los ciclones WeatherNext de Google (WN-C) pronostican las trayectorias y la intensidad de los ciclones tropicales con un día más de antelación que los principales modelos, utilizando solo datos de baja resolución. Está activo en Google Weather Lab desde junio de 2025.
VLX-Seek para visión encarnada. El modelo de código abierto VLX-Seek-1.5 de 10B reinventa el anclaje visual como recuperación y referencia de regiones, haciéndolo más confiable para drones, robots y vigilancia, donde los objetos ausentes no deben ser alucinados.
Investigación y técnicas
Destilación que preserva la geometría. Una nueva investigación muestra que la destilación estándar consciente de la cuantización puede dañar las representaciones internas incluso cuando las salidas coinciden. Un regularizador guiado por CKA (CKA-QAD) preserva la geometría interna y mejora el rendimiento en razonamiento y codificación.
Benchmark de optimización de arneses. HarnessOpt-Bench evalúa qué tan bien los LLM pueden mejorar automáticamente los arneses de agentes (indicaciones, herramientas, flujo de control) bajo un presupuesto de evaluación fijo, con un entorno de ejecución confiable que asegura la reproducibilidad.
Cuantización por rotación sin entrenamiento. KLQ introduce un enfoque de rotación medida que supera a SpinQuant y se acerca a ReSpinQuant en cuantización de 4 bits sin ningún entrenamiento, al equilibrar mejor la geometría desigual del espacio de incrustaciones.
Decodificación especulativa para herramientas. Un nuevo artículo propone la decodificación especulativa específicamente para secuencias de llamada a herramientas, acelerando los flujos de trabajo de agentes al predecir las salidas de las herramientas junto con los tokens del modelo.
Industria y negocios
Preocupaciones sobre el costo de los agentes de IA. Una encuesta de KPMG encontró que casi la mitad de los ejecutivos han retirado implementaciones de agentes de IA debido al costo, lo que indica un posible enfriamiento en la adopción empresarial.
Google reestructura DeepMind. Google está centralizando el desarrollo de IA con el cofundador Sergey Brin asumiendo un papel más importante, mientras que Demis Hassabis podría salir y DeepMind pierde su independencia operativa.
GitHub Models cierra. GitHub retiró su área de juegos gratuita de LLM y su API unificada, probablemente porque el uso de agentes de codificación hizo insostenibles los costos subsidiados de tokens.
Fondo de cobertura apuesta por chips. El fondo de cobertura centrado en IA Situational Awareness invirtió 400 millones de dólares en la startup de chips Source Foundry, a pesar de las pérdidas recientes de su cartera, lo que indica una convicción continua en el hardware de IA.
Herramientas e IA local
Hardware de inferencia local gana. Miembros de la comunidad reportan ganancias significativas de rendimiento: una iGPU Radeon 780M ejecuta Qwen 35B a 21 tok/s, un parche duplica la longitud de contexto para ROCm en configuraciones multi-GPU, y una construcción con 4x3090 iguala a una sola RTX 6000 por una cuarta parte del costo.
- Underestimated budget solution: radeon 780m iGPU(se abre en una pestaña nueva)
- AMD llama.cpp: reducing MTP buffer overhead gave me 64K → 149K context for Qwen 27B(se abre en una pestaña nueva)
- Running Qwen 3.5 35B A3B-Q8_0 gguf on a cheap radeon 7600 at 18 token/s(se abre en una pestaña nueva)
- Optimal Configuration for 4x3090s(se abre en una pestaña nueva)
Banco de trabajo de investigación Lophius. Lophius es un nuevo sistema híbrido de código/GUI para investigación de LLM que se ejecuta dentro de un cuaderno Jupyter, manejando inspección de modelos, gestión de indicaciones e inferencia con gestión inteligente de memoria de GPU.
Aceleración del modelo Ling en DGX Spark. Dos banderas de configuración (deshabilitar la ejecución eager y habilitar la decodificación especulativa MTP) duplicaron la velocidad de inferencia para Ling-3.0-flash INT4 en un solo DGX Spark, de 20,8 a 38,7 tok/s.
Eso es todo por este día – unos 5 minutos de lectura.