Lanzamientos de modelos
Qwen 3.8 27B. El equipo Qwen de Alibaba lanzó Qwen3.8-27B y el más grande Qwen3.8-2.4T-A95B bajo Apache 2.0. El modelo denso de 27B comparte la misma arquitectura que Qwen3.6-27B pero mejora la codificación, las tareas de oficina y la planificación de agentes mediante cambios en el entrenamiento. Soporta un contexto nativo de 262k, extensible a 1M de tokens.
GLM-5.3 de Zhipu. Zhipu AI lanzó GLM-5.3, que utiliza el mismo modelo base que GLM-5.2 pero con posentrenamiento extendido. La compañía afirma que es el modelo de codificación de pesos abiertos más fuerte, con mejoras notables en codificación de agentes y descubrimiento de vulnerabilidades de ciberseguridad. Se espera que los pesos estén en Hugging Face en dos semanas.
Muse Glimmer de Meta. Meta publicó como código abierto Muse Glimmer, un modelo de agentes de 30B bajo Apache 2.0 orientado a flujos de trabajo locales en GPUs de consumo. Destila habilidades de razonamiento y llamada a herramientas del más grande Muse Spark y fue brevemente el modelo frontera en la clase de 30B.
Ola de modelos abiertos chinos. En menos de un mes, los laboratorios chinos han lanzado Kimi K3, Qwen3.8, DeepSeek-V4-Pro-0813 y GLM-5.3, destacando el rápido progreso de los modelos de pesos abiertos en la frontera.
Despliegue Local y Comunidad
Aceleración en Apple Silicon. Una nueva versión de mlx-dspark trae decodificación especulativa a Qwen3.8-27B en Apple Silicon, logrando una generación hasta aproximadamente 3 veces más rápida en un M4 Pro mientras produce tokens de salida idénticos.
Cuantización y pesos. Unsloth lanzó pesos cuantizados de Qwen3.8-27B, y Tim Dettmers insinuó un nuevo método de cuantización que podría ejecutar GLM-5.3 en un solo DGX Spark a 7 tokens/s.
Primeras pruebas de Qwen 3.8. Las pruebas de la comunidad muestran sólidas demostraciones de codificación de un solo intento y comportamiento de agente en Qwen3.8-27B, pero algunos usuarios reportan conocimiento general notablemente recortado y trazas de pensamiento extremadamente largas con un esfuerzo de razonamiento xhigh. Los parámetros de muestreo recomendados están disponibles en la tarjeta del modelo.
- → Qwen 3.8 - 27B is a game changer
- → A hunch: Qwen3.8-27B's general knowledge got pruned (good, if true)
- → The difference between "medium" and "xhigh" reasoning effort for Qwen3.8-27B is actually insane.
- → Qwen 3.8 27B - Aquarium Burst Sample Test
- → RetroCraft - Qwen 3.8 27B Q8, one shot with exact performance data on dual 3090s.
Variante local sin censura. Una versión 'hereje' de la comunidad de Qwen3.8-27B elimina los rechazos y las salvaguardas, con el objetivo de ofrecer una alternativa local sin censura al nivel de un modelo frontera como Opus 4.6.
Transparencia y Seguridad de la IA
Detección de marcas de agua de Anthropic. Anthropic ofrecerá una API de detección de marcas de agua para que desarrolladores de terceros puedan detectar texto probablemente generado por Claude. El método utiliza SynthID Text y es menos confiable en texto corto, con gran cantidad de hechos o muy reescrito.
Google hace opcional la marca de agua. Google está permitiendo a los usuarios desactivar las marcas de agua visibles en imágenes, videos y música generados por IA de Nano Banana, Omni y Lyria. Los metadatos invisibles de SynthID y C2PA aún se incrustarán para verificación.
Inyección de prompts en la corte. Un juez de Connecticut documentó lo que parece ser la primera presentación judicial en EE. UU. con texto oculto destinado a manipular los sistemas de IA que revisan el caso. Las instrucciones ocultas no tuvieron efecto, pero el juez calificó la táctica de peligrosa.
Agentes en Producción
Claude Code en tareas de mantenimiento. Anthropic dice que Claude Code ha estado realizando mantenimiento diario en sus propias aplicaciones, creando 388 solicitudes de extracción con una tasa de fusión del 46 por ciento después de la revisión humana. Las rutinas incluyen fuzzing de fallos, limpieza de abstracciones duplicadas y verificación de dependencias.
OpenAI Computer History. Computer History de OpenAI reemplaza el prototipo de capturas de pantalla Chronicle, registrando clics, pulsaciones de teclas y cambios de aplicación en macOS para construir una línea de tiempo buscable. Puede detectar flujos de trabajo recurrentes y sugerir habilidades reutilizables para ChatGPT y Codex.
Industria y Negocios
Guerra de precios entre EE. UU. y China. OpenAI y Anthropic están recortando precios mientras los modelos abiertos chinos ganan terreno; el Gemini 3.7 Flash de Google debuta con un recorte de precio introductorio del 50 por ciento dirigido a codificación y agentes. Los precios de tokens de los principales laboratorios de EE. UU. han caído casi un cuarto desde mediados de julio.
GPT-5.6 Sol Ultrafast. OpenAI lanzó una vista previa del modo Ultrafast para GPT-5.6 Sol impulsado por Cerebras, que entrega hasta 750 tokens de salida por segundo. El servicio API está inicialmente limitado a clientes selectos y dirigido al análisis en tiempo real durante incidentes o eventos de mercado.
IA de Meta para todos. Meta acompañó el lanzamiento de Glimmer con una larga carta de Zuckerberg argumentando que la IA debería estar abierta a todos, pero la cobertura en podcasts señala que la compañía mantiene su Muse Spark más potente detrás de APIs. Las mismas discusiones señalan una adquisición de 250 millones de dólares que salió mal.
Modelo chino de Apple y Alibaba. Apple supuestamente entrenó un modelo de IA personalizado para el mercado chino con la ayuda de Alibaba, antes de llevar Apple Intelligence a los dispositivos chinos. La asociación es una rara colaboración de IA entre EE. UU. y China.
Empuje de inferencia de Kog. La startup francesa Kog está utilizando optimización de software para extraer más velocidad de GPUs convencionales como AMD MI300X y Nvidia H200, apuntando a una decodificación más rápida de una sola solicitud para cargas de trabajo de ingeniería de software.
Riesgo del precio del gas natural. Un nuevo pronóstico de Noreva advierte que los precios del gas natural podrían triplicarse en partes de EE. UU. a medida que los hiperescaladores como Amazon, Google, Meta y Microsoft aseguran energía de gas para centros de datos de IA.
Destacados de Investigación
Modelo ARC de 150M. Un modelo de razonamiento latente recurrente de 150M de parámetros obtiene un 29.5% en ARC-AGI-1 a $0.0007 por tarea, fuera de la frontera de costo-precisión publicada. Se ejecuta en hardware mínimo, aunque aún se necesita escalar a miles de millones de parámetros.
Dudas sobre la investigación autónoma. Un estudio de Princeton y UK AISI que utilizó documentos NeurIPS no publicados encontró que los modelos frontera actuales manejan la ingeniería de investigación, pero fallan en las partes de la investigación que importan, contradiciendo las afirmaciones de los laboratorios sobre la investigación autónoma de IA.
Evolución de arnés de DarwinX. DarwinX evoluciona arneses de agentes mediante selección natural sobre prompts, herramientas, habilidades y flujo de control, manteniendo los pesos del modelo congelados. Agrega unos 17 puntos en promedio en cuatro puntos de referencia y se transfiere sin cambios a SWE-bench Verified.
Benchmark PlayWorld. PlayWorld evalúa modelos de mundos en video utilizando agentes jugadores multimodales que persiguen 171 objetivos a largo plazo, midiendo la consistencia geométrica, la fidelidad de interacción, la evolución fuera de la vista y la evolución de la comprensión.
Eso es todo por hoy - una lectura de unos 5 minutos.