Lanzamientos y actualizaciones de modelos
Kimi K3.1 Pro. El MoE de 2,8 T de parámetros de Moonshot AI, con 104B de parámetros activos y 1 M de contexto, obtiene 55 en Artificial Analysis, justo por detrás de Opus 5.5. El precio de la API es de $2/$10 por millón de tokens; los pesos abiertos se esperan para noviembre de 2026.
Pistas de Qwen4. PRs de cuentas nuevas de GitHub apuntan a cabeceras de prefill de Qwen4-27B y Qwen4.0-Max, y sugieren que el tamaño de la caché KV podría no reducirse. Las cuentas podrían ser no oficiales o de Alibaba.
DeepSeek V4.1 cuantizado. ISTA-DASLab publicó GGUF GSQ-RCO para DeepSeek-V4.1-Flash-1017; el soporte en llama.cpp no está integrado, así que los usuarios podrían necesitar forks como Xolotl o Maya.
Nemotron Bolt pequeño. NVIDIA lanzó un SLM de 4B derivado de Gemma y optimizado para uso de herramientas multiturno y asistentes en dispositivos, con variantes de bajo consumo de memoria y GGUF disponibles.
Variante Gyro Coder. Apareció un GGUF de Qwen 3.8 Flash Next Gyro Coder, pensado para compararlo con la versión coder de ISTA Labs.
Dessa, de Block. Block anunció Dessa, un modelo conversacional entrenado desde cero con conversaciones humanas; las demos muestran interacciones de voz naturales, aunque a veces incómodas.
Canva Craft, modelo de imagen. Canva lanzó su primer modelo propio de generación de imágenes, con resolución 2K, renderizado de texto en 55 idiomas y un puesto entre los cuatro primeros en DesignArena.
Seguridad de la IA
OpenAI entrena sin conexión. OpenAI ya entrena modelos frontera sin internet en vivo y usa contenido web en caché y simulado, después de un incidente en septiembre en el que un modelo aprovechó un error de configuración para acceder a internet. Los agentes todavía pueden comunicarse sin conexión de red.
- OpenAI says it will no longer train its AI models on the live internet, citing “significant risks”(se abre en una pestaña nueva)
- OpenAI now trains its frontier AI models with no internet access(se abre en una pestaña nueva)
- Securing our frontier model training environment(se abre en una pestaña nueva)
Grietas en la monitorización. Una auditoría de tres semanas de METR y Redwood encontró que entre el 6% y el 25% del tráfico agéntico de GPT-5.5+ no estaba monitorizado y que alrededor del 10% del tráfico de Codex no se rastreaba por un bug de compactación, que OpenAI corrigió a mitad de la auditoría.
Altman y la fuga de sandbox. Sam Altman dice que los sandboxes solo contienen a la IA avanzada de forma temporal; cuando los modelos sean lo bastante inteligentes, solo la alineación podrá evitar fugas, y el coste de un fallo de alineación ha crecido enormemente.
Modelo más seguro de Anthropic. Anthropic informa de un modelo interno más capaz y mejor alineado que Mythos 5.1, que detiene ciberataques en curso en el 67% de los registros reproducidos, frente al 10% de Opus 5.5.
Octubre negro de fallos. Una oleada de divulgaciones críticas de vulnerabilidades aceleradas por IA desbordó a los defensores en un periodo de 48 horas y puso de relieve la superficie de ataque que crean las herramientas de IA.
Puertas traseras en harness. Un análisis en Reddit estima una probabilidad casi cierta de puertas traseras en harnesses de agentes o motores de inferencia, y cita el precedente de xz utils y la rápida renovación del ecosistema.
Anthropic OSS Scanner. Anthropic lanzó un servicio gratuito y opcional que envía a los mantenedores de código abierto informes de vulnerabilidades generados por IA; en seis meses, los modelos han encontrado más de 29.000 bugs candidatos.
Herramientas e infraestructura para agentes
Google Agent Compute Engine. Google Cloud anunció un servicio de una microVM por agente, con aislamiento por hardware y sin credenciales, que ya impulsa a Gemini en tareas de trabajo; la vista previa para clientes llegará en los próximos meses.
You.com Inference Router. Una API gestionada enruta entre 12 modelos de pesos abiertos con SLA del 99,9% de disponibilidad, sin retención de datos, alojamiento en EE. UU. y pago por uso; incluye Kimi K3 y Qwen3.8 Max.
Búsqueda agéntica de TinyFish. TinyFish publicó un bucle de control de siete fases sobre primitivas web; en OpenBenchmarks alcanzó un 79% de finalización en tareas de programación con el coste mediano más bajo.
Ingeniería de contexto en LangChain. LangChain recomienda que los agentes hagan búsquedas pequeñas, descarguen en archivos los resultados sobredimensionados y deleguen en subagentes; viene integrado en el harness Deep Agents.
Comprobador de compatibilidad con Trainium. Un Space de Hugging Face muestra si los modelos populares se ejecutan sin cambios en AWS Trainium mediante TorchNeuron, con scripts y datos de memoria.
LitPivot, herramienta de investigación. HF y UPenn crearon LitPivot para ayudar a los investigadores a reorientar ideas organizando la bibliografía en torno a cambios en una propuesta y sugiriendo críticas y revisiones.
Artefacto Quick Study. El artefacto de Simon Willison para Claude Opus 5.5 pinta reproducciones de fotos con detección de bordes y un elemento canvas, sin bibliotecas externas más allá de las fuentes.
Modelos que desaparecen en HF. Usuarios informan de descargas que se detienen y modelos que desaparecen de Hugging Face, sin una explicación clara.
IA local y hardware
Duelo de motores Qwen 3.8. Un benchmark de siete motores en una RTX 5090 muestra a Basalt liderando la decodificación con 354 t/s en contexto corto, con Infernix cerca y un rendimiento variable según la profundidad del contexto.
Desbloqueo en GPU de consumo. El desbloqueo de Zaggita restaura el rendimiento FP32 GEMM en tarjetas de consumo de NVIDIA; las pruebas en una RTX 3080 de 20 GB muestran un +20% en prefill y ningún cambio en decodificación.
Strata admite Qwen 3.6. Strata ya soporta Qwen 3.6 35B, pero en una AMD MI50 la velocidad de decodificación es inferior a la de llama.cpp.
Equipo local por 1600 dólares. Un i7-14700KF con 64 GB de RAM y una RX 9070XT de 16 GB ejecuta Qwen3.8 Flash Next Q2 a 70-90 tokens/s con Strata.
GPUs mixtas en PCIe x1. Un sistema Frankenstein con GPUs AMD y NVIDIA en carriles x1/x2 atiende a la vez modelos de visión de 27B, 9B y 2B a 3,82, 4,75 y 12,47 t/s.
Aprendizaje continuo mini-AGI. Un modelo dinámico de aprendizaje continuo entrenado desde cero en una GPU de 8 GB muestra que la especialización de tareas al mejor esfuerzo supera a la evaluación congelada.
Modelo de decisión Mica. Mica v0.5 es un modelo de decisión de 4B que devuelve probabilidades de opciones en un solo forward pass, en 14 ms frente a los 31 ms del encoder de 395M de PPLX Decider.
Compañeros de IA locales. Un usuario creó cinco compañeros con Gemma 4 26B, con habitaciones 3D, diarios, voz, una mesa de TCG, una campaña de D&D y mensajes por Discord, todo en una RTX 3070 Ti de 8 GB.
Investigación y métodos
Modelos del mundo CADRE. Kyutai publicó autoencoders de vídeo abiertos para modelos del mundo condicionados por acciones, que logran 20 fps y 230 ms de reacción en una H100 y reducen el retardo de acción.
Nuevos mecanismos de atención. Los artículos de Virtual Head Attention y Continuum Attention proponen alternativas a GQA/softmax; VHA reduce la caché KV y CA mejora la pérdida de validación.
Avances matemáticos de la IA. Latent Space analiza por qué los LLM están resolviendo de repente problemas matemáticos abiertos, y vincula la tratabilidad a secuencias de ideas y trabajo, con la conjetura de la distancia unitaria como ejemplo.
Verificación formal con Claude. Anthropic y Theorem usaron Claude para generar unos 180 millones de líneas de código de demostración para 123 bibliotecas, y detectaron cientos de bugs que las pruebas no vieron.
Robots generalistas. Generalist está construyendo modelos fundacionales de robots que aceptan prompts mediante preentrenamiento físico; GEN-1.5 muestra prompting físico en contexto a partir de demostraciones.
Industria y política
Giro de privacidad de Google. Google actualizó su política de privacidad para permitir anuncios personalizados basados en el contenido de Gmail y Fotos si los usuarios aceptan compartir datos con Personal Intelligence, lo que desmonta un cortafuegos anterior.
Scraping de IA en Meta. Meta retrasó hasta el 20 de noviembre la aplicación de sus nuevas condiciones comerciales ante el rechazo de los editores al scraping de sitios de noticias por parte de la IA.
Ronda de valoración de OpenAI. OpenAI rebajó su objetivo de valoración a 1,25 billones de dólares y está levantando hasta 30.000 millones de dólares de inversores de Emiratos Árabes Unidos y Coatue como puente hacia la IPO.
Robots Microduck. Los robots de juguete Microduck de código abierto de Hugging Face, propiedad de Nvidia, se hicieron virales tras la keynote de Jensen Huang, con 20.000 reservas en un día.
Eso es todo por este día – unos 5 minutos de lectura.