Lanzamientos de modelos y productos
Qwen-Image-2.1 con pesos abiertos. Alibaba lanzó Qwen-Image-2.1, un modelo de generación y edición de imágenes de 7B con pesos abiertos que afirma superar a los modelos cerrados en su propio benchmark. Admite de forma nativa imágenes RGBA transparentes y hasta 10 imágenes de referencia para edición, aunque su licencia de investigación prohíbe el uso comercial sin aprobación.
Modelo Gander de Tencent. Tencent presentó Gander, un modelo de investigación que combina conversación en tiempo real con tareas de agente en segundo plano mediante un “cerebelo” para el habla y un “cerebro” intercambiable para trabajo complejo. Admite interrupciones y procesamiento simultáneo de voz, imagen y texto, aunque quedó por detrás en precisión de tareas en las pruebas.
Vídeo en tiempo real de Runway. Runway mostró un avance de su investigación en generación de vídeo en tiempo real, en la que los usuarios transmiten y controlan el vídeo mientras escriben el prompt, sobre la base de su modelo del mundo GWM-1. El objetivo es recortar el tiempo de espera y los costes de GPU generando fotogramas de forma interactiva en lugar de en un solo lote.
Herramientas y frameworks
ADK de Google para Kotlin. Google lanzó ADK para Kotlin 1.0, que lleva su Agent Development Kit a la paridad de funciones con Python y Java y añade soporte de IA en el dispositivo e híbrida para Android. El framework incluye orquestación jerárquica de varios agentes, compactación de contexto y gestión de sesiones.
OpenCodeReview de Alibaba. Alibaba publicó como open source OpenCodeReview, una CLI con licencia Apache-2.0 que combina selección determinista de archivos y coincidencia de reglas con un agente LLM para analizar código. Lo han usado internamente decenas de miles de desarrolladores y apunta a fallos como el desplazamiento de los números de línea y la inestabilidad de los prompts.
ZCode, ahora open source. ZCode, una plataforma de agentes de programación, ahora es open source tras resolver problemas de seguridad reportados. El repositorio incluye aplicación de escritorio, espacio de trabajo web, backend, Agent CLI y runtime, además de un nuevo proceso de reporte de vulnerabilidades con recompensas.
Modelos System 1 y de decisión
Modelo de decisión Laya. Laya es un modelo “System 1” no autorregresivo y de pesos abiertos de Convai Innovations que responde preguntas de decisión tipadas en una sola pasada forward, con checkpoints en variantes en inglés, multilingüe y de decisiones tipadas. Una implementación en C++, laya.cpp, alcanza hasta 810 preguntas por segundo en una RTX PRO 6000.
Alternativas DIY a Jev. Varios proyectos replican la puntuación de decisiones al estilo Jev usando LLM comunes de pesos abiertos: uno afinó Qwen3.5 4B con LoRA hasta 0,709 en decisiones tipadas, mientras que otros verifican candidatos por lotes con llama.cpp o usan n_predict=1 con logprobs. Estos enfoques buscan igualar a Jev sin cabezas clasificadoras separadas.
Agentes locales y hardware
Bucle de agente con Qwen 3.8 27B. Un bucle de agente local basado en Qwen 3.8 27B funcionó en gran medida sin supervisión durante unas tres semanas en una sola RTX 3090 y construyó un motor de inferencia CUDA con solo 12 mensajes humanos. La compactación consumió 83 horas, pero la ejecución demostró que el trabajo de agentes locales de horizonte largo es viable, aunque todavía no sea una victoria en rendimiento.
Aprendizaje continuo de mini-AGI. mini-AGI es un modelo de aprendizaje continuo de 530 millones de parámetros entrenado desde cero en un portátil con 8 GB de VRAM mediante un enfoque dinámico de mixture-of-experts y un único flujo de datos continuo. Demuestra que se puede entrenar a escala de consumidor con control total sobre los datos.
Kimi K3 en clúster GB10. Un clúster de 16 nodos GB10 ejecutó Kimi K3, el modelo de 2,8T parámetros de Moonshot AI, con parches personalizados de runtime, y mantuvo un rendimiento de codificación de unos 30 tokens por segundo y un pico de concurrencia de 136 tokens por segundo. La configuración requirió una topología NCCL modificada y red con doble switch.
Destacados de investigación
Razonamiento social de Fuse. Fuse es un framework de simulación multiagente para evaluar cómo los asistentes LLM infieren motivos sociales a partir de narrativas de usuarios, y ofrece ground truth verificable mediante agentes objetivo ocultos. Las pruebas con 12 LLM muestran que la mediación del usuario multiplica la dificultad y que los modelos son sensibles a encuadres sesgados.
StudentSim para tutores de IA. Investigadores de Microsoft y UIUC crearon StudentSim, que genera réplicas digitales de estudiantes que cometen errores realistas para acelerar la mejora de tutores de IA sin necesidad de costosas pruebas con estudiantes reales. El enfoque crea réplicas separadas a partir de datos limitados y busca acelerar el desarrollo de tutores.
Industria y políticas
Debate sobre seguridad de la IA. Dario Amodei, de Anthropic, propuso un plan para “marcar el ritmo de la frontera”, mientras que Jensen Huang, de Nvidia, dijo que los temores sobre la IA están exagerados y que hay un “0 % de probabilidades” de que la IA acabe con el mundo. La división pone de relieve el desacuerdo entre líderes del sector mientras los responsables políticos sopesan la regulación.
AI Force de Trump. El presidente Trump anunció planes para una “AI Force” y un zar de la IA, y prometió no frenar el crecimiento de la IA y afirmó que los centros de datos benefician a las comunidades. Sus publicaciones se producen después de las advertencias de líderes de la IA sobre el riesgo existencial y reflejan la postura desreguladora de su administración.
Demanda por ralentización de la IA. Una demanda alega que Anthropic, OpenAI, SpaceXAI y Google llegaron a un acuerdo ilegal para ralentizar la IA. Los detalles son limitados, pero añade presión legal al debate sobre el ritmo de desarrollo de la IA de frontera.
Retraso de la IPO de Anthropic. Según los informes, Anthropic pospone su IPO de octubre a noviembre de 2026, y sus asesores citan la necesidad de presentar sólidos resultados del tercer trimestre. Los inversores esperan una valoración cercana a 2 billones de dólares y una captación de hasta 100.000 millones de dólares.
Eso es todo por este día – unos 5 minutos de lectura.