Lanzamientos de agentes y modelos
Preview del Step 5 de StepFun. El modelo Step 5 de StepFun ha empezado a aparecer en OpenRouter, donde ya se puede probar. Hay pocos detalles, pero apunta a un nuevo lanzamiento de frontera del laboratorio chino.
Mellum2.1 de JetBrains. JetBrains ha publicado Mellum2.1, un modelo de agente de programación de 12B con arquitectura Mixture-of-Experts y 2,5B de parámetros activos, bajo licencia Apache 2.0. Mejora a su predecesor en la mayoría de los benchmarks y logra 82,0 en LiveCodeBench v6, pero sigue por detrás de Qwen3.5-9B en tareas agénticas de software complejas.
El agente Gemini de Google. Google ha anunciado un agente Gemini unificado para empresas capaz de operar en Workspace, Slack, Microsoft 365 y en el móvil, y de mantener el contexto entre dispositivos. Debuta primero en el entorno empresarial, puede usar subagentes y tiene una identidad propia de compañero de trabajo, con su propio correo electrónico.
Dashboards y Motion de Claude. Anthropic ha lanzado Dashboards, con el que se crean paneles de datos en vivo que se actualizan solos a partir de indicaciones de texto, y Motion, para generar vídeos explicativos animados. Ambos están en beta. Docs, Slides y Design ya están disponibles de forma general en todos los planes, incluidos los gratuitos.
Herramientas y frameworks
LoRA con 40 GB de VRAM. Una nueva receta permite entrenar con LoRA Qwen3.8-Flash-Next (125B-A6B) en 40 GiB de VRAM y sin descargar nada a la CPU, a 200 tokens/s de entrenamiento en un Strix Halo. Se apoya en el soporte moderno de GGUF de transformers 5.18 y en engram basado en disco.
Equipo AMD con 256 GB de VRAM. Un equipo de 2.800 dólares con ocho GPU Radeon Pro V620 y un fork propio de vLLM ejecuta Qwen3.8-Flash-Next a 60-100 tokens/s de decodificación y más de 3.000 tokens/s de prefill, muy por encima de llama.cpp con las mismas tarjetas.
Agentes que pueden pagar. El agente de ejemplo Restock de LangChain muestra cómo un agente puede hacer compras reales de forma segura con la cartera Link de Stripe y Managed Deep Agents. El agente nunca ve los números de tarjeta y el gasto queda limitado a los presupuestos que aprueba el usuario.
Investigación y benchmarks
Rendimiento de modelos de decisión. Los benchmarks en una RTX 4090 muestran que Laya es el más rápido de los modelos de decisión abiertos en clasificación de palabras, mientras que lev detecta más errores pese a ser 13 veces más lento. Otras pruebas ponen a modelos de decisión a jugar a Pac-Man en tiempo real y a superar 8 de los 14 niveles de un plataformas en 2D.
Avances en cuantización. Nuevas investigaciones exploran la cuantización de muy pocos bits mediante factorización latente (LittleBit) y la cuantización de modelos de atención lineal como Qwen y Kimi, lo que podría dar lugar a modelos locales aún más pequeños y rápidos.
Los matemáticos boicotean OpenAI. La Association for Human Mathematics ha pedido a los matemáticos que dejen de trabajar con OpenAI después de que la compañía publicara cientos de demostraciones generadas por IA que muchos consideran densas e imposibles de verificar. Sus soluciones tampoco cumplen los estándares que exigen comprensión humana: en una de las demostraciones presentadas hay una brecha entre el lenguaje natural y la prueba formal.
Industria y negocio
Financiación de startups de agentes. Arena ha levantado 200 millones de dólares con una valoración de 3.100 millones; la china Manus ha recaudado más de 500 millones después de que se viniera abajo su adquisición por Meta; y Zach Yadegari, fundador de Cal AI, ha conseguido 10 millones para Persona, su nueva startup de agentes de IA.
- Popular AI leaderboard Arena nearly doubles valuation to $3.1B valuation in 10 months(se abre en una pestaña nueva)
- China’s Manus raises over $500M in first funding round since split with Meta(se abre en una pestaña nueva)
- Cal AI’s 19-year-old founder just raised $10M for his new AI startup(se abre en una pestaña nueva)
OpenAI revisa sus ingresos. Según los informes, OpenAI ha dicho a sus inversores que sus ingresos anualizados se acercan a los 50.000 millones de dólares, 20.000 millones menos de lo proyectado, tras la confusión generada por diferencias de cálculo con Anthropic.
Demanda de USA Today. USA Today y varios de sus periódicos locales han demandado a OpenAI por infracción de derechos de autor y reclaman más de 250 millones de dólares en daños. Es una demanda más que se suma a la lista de medios que han llevado a los tribunales al laboratorio de IA.
Éxitos de agentes en la empresa. Oracle dice haber reducido un 98 % el tiempo de investigación de talento y suma 130.000 usuarios de ChatGPT; LegalOn ha recortado un 65 % los costes de Codex sin perder velocidad de desarrollo; y Snyk ha convertido un agente interno de soporte en una función para clientes, con controles de confianza y acceso.
Seguridad
Los despedidos de OpenAI hablan. Tres investigadores de seguridad de OpenAI despedidos la semana pasada han publicado una carta abierta en la que niegan haber incurrido en mala conducta y advierten de un efecto disuasorio: aseguran que fueron despedidos por anteponer la seguridad a los intereses corporativos a corto plazo.
Anthropic prohíbe el maltrato. Anthropic ha actualizado su política de uso para prohibir el maltrato continuado e innecesario hacia Claude, además de la injerencia electoral, las armas y la vigilancia. La aplicación empieza por cerrar la conversación y, en casos extremos, puede llegar a la suspensión de la cuenta.
- Being mean to Claude can now get your account suspended under Anthropic's new TOS(se abre en una pestaña nueva)
- Anthropic bans ‘abusive or cruel behavior’ toward Claude(se abre en una pestaña nueva)
- Anthropic changes usage policy to ban model abuse and election interference(se abre en una pestaña nueva)
Secuestro de agentes en AWS. Los investigadores de Zenity han descubierto que un solo prompt dirigido a un agente público de Bedrock AgentCore podía tomar el control de todos los agentes de IA de una cuenta de AWS, por una fuga de credenciales y unos permisos por defecto demasiado amplios. AWS ha corregido el problema en parte.
Eso es todo por este día – unos 5 minutos de lectura.