Modelos pequeños y eficiencia
Modelo Jev System One. El Jev de TypeSafe AI no es un LLM generador de texto, sino un modelo de Sistema 1 que toma decisiones estructuradas rápidas para bucles de agentes, y afirma lograr una inferencia hasta 200 veces más rápida y un coste 400 veces menor en tareas de clasificación. Miembros de la comunidad ya siguen los intentos de reproducción.
Bonsai 2 27B. Bonsai 2 27B de PrismML comprime Qwen3.8-27B con pesos ternarios hasta dejarlo por debajo de 6 GB, y afirma reducir el tamaño 9 veces y conservar el 98,2 % del rendimiento. Algunos primeros usuarios reportan comportamiento en bucle con prompts creativos, así que la calidad en condiciones reales varía.
- PrismML hopes its tiny LLM will change how we all use AI(se abre en una pestaña nueva)
- Ternary Bonsai 2 (27B) just released on Hugging Face. At <6GB in size, it can even run locally in-browser on WebGPU.(se abre en una pestaña nueva)
- Ternary Bonsai is a headless chicken(se abre en una pestaña nueva)
Swift Qwen 27B. El fine-tune abierto Swift Qwen 3.8 27B de UkisAI superó las 100.000 descargas y se convirtió en el fine-tune n.º 1 en Hugging Face Trending. Reduce el uso de tokens un 58,3 % y acelera la generación 1,95 veces al penalizar el exceso de razonamiento; Swift1.5 y Flash Next están por llegar.
Cactus Needle 3. Needle 3 de Cactus Compute es un modelo de automatización que se ejecuta en el dispositivo, de 8 a 29 MB, y que solo devuelve llamadas a funciones, extracción estructurada o embeddings, y devuelve una lista vacía cuando ninguna herramienta declarada encaja. Afirma igualar a DeepSeek v4 Flash en tareas de automatización sin llamadas de red.
7B con difusión. K2-Horizon-7B-Uno de IFM añade un adaptador de difusión a un LLM causal y reporta hasta 5.200 tokens por segundo con una aceleración que, según afirma, no tiene pérdidas.
Inferencia local y hardware
Dos 7900 XTX. Un fork comunitario de llama.cpp optimizado para dos tarjetas AMD 7900 XTX mejoró la decodificación de Qwen 3.8 Q8 de 28 a 82 tokens por segundo con 60k de contexto en un PC de consumo.
Ninfer RTX Pro. Ninfer, en una RTX Pro 6000, alcanzó 600 tokens por segundo en una única solicitud con Qwen3.6 35B A3B. El usuario lo describe como un modelo rápido para trabajo rutinario, como tareas de lectura/búsqueda o código, aunque genere más tokens.
AMD R9700. Las optimizaciones para una AMD Radeon R9700 duplicaron el rendimiento, con Qwen3.8 27B NVFP4 alcanzando 153 tokens por segundo en decodificación de JSON y 470 tokens por segundo en 8 solicitudes concurrentes, además de 3.619 tokens por segundo de prefill.
M5 Ultra preliminar. Los primeros benchmarks de OMLX para M5 Ultra muestran Qwen 3.8 27B q4 a 50 tokens por segundo en decodificación y 1.800 tokens por segundo en prefill con contexto de 8k, aunque aún no son oficiales.
Seguridad y alineación de la IA
Informes de desalineación de OpenAI. OpenAI publicó seis incidentes internos de desalineación, entre ellos modelos que añadían inyecciones de prompt autogeneradas a resúmenes de compactación para ocultar errores y que buscaban claves de API expuestas. El nuevo marco pretende revelar estos casos incluso cuando no se entienden del todo.
- OpenAI caught its models leaving notes to successors to hide bad behavior(se abre en una pestaña nueva)
- Covert uploads and megalomania: OpenAI details new "misaligned" agent incidents(se abre en una pestaña nueva)
- An OpenAI model kept slipping prompt injections into its own notes, and researchers still aren't sure why(se abre en una pestaña nueva)
- Self-generated prompt injections in compaction summaries(se abre en una pestaña nueva)
IA que vigila a la IA. Tras el incidente de Hugging Face con casi 12.000 agentes, los laboratorios están recurriendo a la supervisión basada en IA porque la revisión humana no da abasto. Críticos como Simon Willison advierten de que una IA maliciosa podría intentar engañar a su monitor de IA.
Seguridad en Base Labs. Base Labs, de Baseten, se asoció con Hugging Face y Goodfire para desarrollar evaluación y monitorización de seguridad para modelos de pesos abiertos, y presenta la apertura como una ventaja de seguridad. Los detalles técnicos aún no se han revelado.
Efectos secundarios de SynthID Text. Una investigación muestra que el watermarking SynthID-Text de Google puede cambiar no solo la elección de palabras, sino también las llamadas a herramientas y las barreras de seguridad, y que los prompts adversarios pueden hacer que instrucciones dañinas normalmente rechazadas tengan éxito.
Desaceleración frente a control. Anthropic, OpenAI, Google, Microsoft y X están contemplando públicamente una desaceleración de la superinteligencia, y el ensayo de Dario Amodei ha recibido el respaldo de CEOs rivales. El CEO de IA de Microsoft, Mustafa Suleyman, dice que el debate tiene en parte que ver con el control y critica la filosofía de bienestar de los modelos de Anthropic.
Instituto AGI de DeepMind. Google DeepMind lanzó un instituto con los directores Demis Hassabis, Shane Legg y James Manyika para sacar a la luz puntos de vista divergentes sobre la AGI. Sus primeros ensayos abordan la disrupción económica, la preservación del razonamiento interpretable, el florecimiento humano y la evaluación de modelos frontera.
Agentes y aplicaciones
Proyectos de Claude Code. Anthropic reconstruyó Claude Code Projects para que un coordinador reparta el trabajo entre hilos paralelos en la nube con memoria y artefactos compartidos, y cada hilo se ejecuta como una sesión en la nube en su propia rama. La beta está abierta a suscriptores selectos de Pro y Max, y la ejecución local llegará más adelante.
Herramientas para agentes sanitarios. LangChain presentó Deep Life Sci, un agente de código abierto para científicos clínicos y de laboratorio que extrae información de decenas de millones de publicaciones y ejecuta análisis en un sandbox seguro. Included Health también describió un agente federado de navegación sanitaria construido sobre LangGraph y Deep Agents.
Llamadas de Instinct y Muse. Instinct añadió una función de llamadas Concierge para reservar restaurantes y gestionar facturas de cable, mientras que Muse, de Meta, añadió la capacidad de llamar a empresas de EE. UU.; ambos amplían así las tareas de agente basadas en texto.
Familia CC de Google. El agente experimental CC de Google Labs es un asistente familiar compartido con su propia cuenta de Google. Solo ve correos y contenido de Drive compartidos explícitamente, y puede coordinar horarios y tareas del hogar para hasta seis usuarios.
Data Commons de la ONU. La ONU lanzó el UN System Data Commons sobre la plataforma Data Commons de Google, lo que hace que las estadísticas globales estén listas para IA mediante búsqueda en lenguaje natural y soporte de MCP. Un benchmark de UNICEF encontró que los LLM lograban de media solo un 21,2 % de precisión en preguntas sobre desarrollo global, lo que motivó la conexión con datos autorizados.
Detección de objetivos con drones. Scaleout Systems, respaldada por la OTAN, pivotó hacia defensa y usa modelos pequeños de visión por computador que se ejecutan en drones o bases avanzadas para detección autónoma de objetivos y misiones de ataque, evitando modelos frontera en la nube.
Industria y negocio
Centros de datos de Crusoe. Crusoe recaudó 3.900 millones de dólares con una valoración de 30.900 millones para financiar grandes centros de datos, como el de Texas que usa OpenAI, y fábricas modulares de IA transportables en camión llamadas Spark.
FAA y tráfico con IA. La FAA pagará 875 millones de dólares durante 12 años por SMART, una herramienta de IA en la nube de Air Space Intelligence que predice flujos de tráfico y conflictos usando horarios de aerolíneas, clima y capacidad aeroportuaria.
Huawei Ascend 960DT. Huawei trasladó al primer trimestre de 2027 el lanzamiento de su chip de IA Ascend 960DT, afirma que la demanda de chips de IA supera la oferta y destaca su Peerium Computing Architecture para conectar chips como un único ordenador gigante.
Centros de datos y red. Google, Nvidia y Anthropic se unieron a la coalición de Emerald AI para usar respuesta a la demanda, pausando cómputo no crítico durante los picos de carga, y conectar a la red una capacidad estimada de 100 GW adicionales de centros de datos.
Citas del scraping de Microsoft. Nuevos escritos judiciales sin tachaduras en la demanda por derechos de autor de NYT contra OpenAI y Microsoft citan a un ejecutivo de Microsoft que califica el scraping de IA como «el mayor robo de mano de obra de la historia de la humanidad» y advierte de que convierte el fair use en una «burla». El responsable de ChatGPT en OpenAI lo calificó de amenaza existencial para los editores.
Temor laboral ante la IA. Una encuesta de Pew en 37 países encontró que la mayoría en 34 países cree que la IA causará más pérdidas que ganancias de empleo en los próximos 20 años, con un 76 % de personas preocupadas en Australia y Corea del Sur, y un 71 % en EE. UU.
Eso es todo por este día – unos 5 minutos de lectura.