Modelos y herramientas
DeepSeek V4.1 Flash, disponible. DeepSeek publicó V4.1 Flash 1017, un modelo abierto que solo cabe en 24 GB con pesos cuantizados a 2 bits. También liberó su stack de serving DeepInfer y la receta, y la comunidad ya ejecuta versiones cuantizadas en GPUs de consumo.
- 72 hours, four big open weights drops. The only one that fits in 24GB came from NVIDIA, of all companies.(se abre en una pestaña nueva)
- unsloth/DeepSeek-V4.1-Flash-1017-GGUF · Hugging Face(se abre en una pestaña nueva)
- Deepseek open-sources the inference engine that powers its fastest and cheapest AI model(se abre en una pestaña nueva)
- DeepSeek Open-Sources DeepInfer, the Inference Framework Behind DeepSeek-V4.1-Flash(se abre en una pestaña nueva)
- [Release] ISTA GSQ-RCO GGUFs for DeepSeek-V4.1-Flash-1017(se abre en una pestaña nueva)
- Too good to be true? ISTA's GSQ-RCO 2-bit DeepSeek-V4.1-Flash scoring the same as the base model(se abre en una pestaña nueva)
- model: DSV4.1 flash by am17an · Pull Request #31086 · ggml-org/llama.cpp(se abre en una pestaña nueva)
- 10 tok/s Deepseek V4.1 Flash 8K with Strata on a 5090 with 64GB DDR5 Ram(se abre en una pestaña nueva)
Mercury 3, difusión en paralelo. Inception lanzó Mercury 3, un modelo de lenguaje de difusión que genera respuestas en paralelo y supera los 1000 tokens por segundo con un contexto de 1 millón de tokens. Supera a GPT-6 Luna y Claude Haiku 5.5 en ocho de doce benchmarks internos.
NVIDIA lanza Nemotron 3.5. NVIDIA lanzó Nemotron 3.5 Super VL, un modelo de pesos abiertos de 120B para agentes empresariales, además de los ligeros modelos Bolt para PC con IA y estaciones de trabajo. El Bolt E4B cabe en 4 GB de VRAM y está pensado para asistentes de voz locales, personajes de videojuegos y robots.
Modelos abiertos: código y ofimática. Recursive lanzó Flint, un modelo de código MoE de 40B con 2,5B de parámetros activos; MiniMax presentó M3.1 Flash; y los pesos abiertos de Kimi K3.1 Pro, de Moonshot, se esperan para noviembre. Se suman a una oleada de modelos abiertos orientados a cargas de trabajo de agentes locales y de oficina.
- Recursive Releases Flint, an Open-Weight 40B MoE Local Coding Model for Agents with 2.5B Active Params(se abre en una pestaña nueva)
- Recursive launches Flint, a laptop coding model it says was largely built by AI(se abre en una pestaña nueva)
- Recursive Flint - the "Qwen3.8 35B" we've all been waiting for?(se abre en una pestaña nueva)
- RecursiveSI/flint (40B A2.5B) · Hugging Face(se abre en una pestaña nueva)
- Ran Flint on RTX PRO 6000 at NVFP4 in vLLM(se abre en una pestaña nueva)
- MiniMax Just Launched M3.1 Flash: 428B MoE Agentic Model at $0.15/M Input(se abre en una pestaña nueva)
- MiniMax M3.1 Flash shows China's AI price race has no floor in sight(se abre en una pestaña nueva)
- MiniMax M3.1 Flash released, Model weights Oct 23(se abre en una pestaña nueva)
- Moonshot AI Releases Kimi K3.1 Pro: A 2.8T Total/104B Active Params (MoE) Model with 1M Context(se abre en una pestaña nueva)
- Introducing Kimi K3.1 Pro(se abre en una pestaña nueva)
- Chinese AI model Kimi K3.1 Pro is closing in on Anthropic's Claude Opus 5.5(se abre en una pestaña nueva)
- MiniMax-M3.1-Flash(se abre en una pestaña nueva)
- [AINews] Kimi 3.1 Pro 104BA-2.8T: Fable-5.1-Class Open Weights narrows Closed-AI lead to 1 month... and Pro Highspeed API with 2-3× speed(se abre en una pestaña nueva)
- Is it just me or Kimi K3.1 Pro don’t look much better than DeepSeek 4.1 Flash?(se abre en una pestaña nueva)
- Artificial Analysis Index is non-representative of real-world performance. Tested Kimi 3.1 Pro through OpenRouter, the number 4 model in AAI, it's not even close to MiMo 2.6 or DeepSeek 4.1 Flash(se abre en una pestaña nueva)
- Kimi K3.1 removes cyberattack training data from open weight release(se abre en una pestaña nueva)
Agentes en la práctica
Claude Duet, en vista previa. Anthropic lanzó Claude Duet, un agente de IA para profesionales y pequeñas empresas construido sobre Claude Opus 5.5, en vista previa de investigación. Envía informes matutinos, supervisa aplicaciones conectadas y se encarga de tareas que van desde la gestión de la agenda hasta la creación de dashboards.
Walmart: compras con agentes. Walmart abrirá el próximo mes un Agent Gateway que permitirá a los agentes de IA comprar en su sitio con aprobación del cliente, límites de gasto y revisión aparte. Las condiciones exigen que los agentes se ciñan a la intención del comprador, en contraste con el bloqueo de Amazon a los agentes de compra.
Pagos e identidad de agentes. Google anunció Agent Compute Engine, que dota a cada agente de Gemini de una microVM aislada por hardware que se pausa cuando está inactiva; 1Password, por su parte, permite que los agentes inicien sesión en cuentas sin ver las credenciales. Stripe afirma que las transacciones de agentes con Link se multiplicaron por 38, pero los principales bancos de EE. UU. están restringiendo a los agentes que usan credenciales de clientes.
- Google's Agent Compute Engine gives every Gemini agent its own hardware-isolated micro virtual machine(se abre en una pestaña nueva)
- Google Cloud Launches Agent Compute Engine: A MicroVM per AI Agent(se abre en una pestaña nueva)
- 1Password launches a way for AI agents to log in on your behalf without seeing your password(se abre en una pestaña nueva)
- Stripe says AI agent purchases are adding up, but it won't share the numbers(se abre en una pestaña nueva)
- Major US banks are locking out AI agents that log in with customer credentials(se abre en una pestaña nueva)
Investigación y evaluación
Fallos de largo horizonte. Microsoft y la City University of Hong Kong crearon Taste-Bench para medir decisiones de agentes a largo plazo; el mejor modelo apenas alcanzó el 60%, lo que muestra que los agentes suelen elegir atajos que fallan después. Los benchmarks de dominio BizBench, PhysClosureBench e Into the Unknown revelan que los mejores modelos a menudo incumplen restricciones de negocio y condiciones científicas.
- AI agents have bad taste in long-term decisions and a new benchmark proves it(se abre en una pestaña nueva)
- BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business(se abre en una pestaña nueva)
- From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research(se abre en una pestaña nueva)
- Into the Unknown: Benchmarking AI agents on open scientific research problems(se abre en una pestaña nueva)
Agentes superan Minecraft. Cuatro agentes de Google DeepMind basados en Gemini 4 Argon completaron Minecraft de forma autónoma en 27 horas, repartiéndose tareas, compartiendo memoria y escribiendo 2.783 programas JavaScript sin intervención humana ni herramientas específicas del juego.
Ruido del harness, no parsing. Una evaluación de 50 ejecuciones de diez harness de agentes concluyó que el parsing de llamadas a herramientas no era el fallo principal; la mayoría de los fallos se debían a ediciones de coincidencia exacta que omitían líneas en blanco, a la poda de contexto y a peculiaridades propias de cada harness. Cambiar el harness de un agente de código apenas altera los resultados más allá del ruido entre ejecuciones, mientras que los costes pueden triplicarse.
Seguridad e incidentes
IA halla exploits de PHP. Modelos de IA encontraron fallos críticos de ejecución remota de código en PHP que afectaban a millones de sitios, lo que provocó parches de emergencia y una advertencia de la NSA. GPT-5.6 Sol y Gemini 4 Argon identificaron y explotaron los fallos, y los hackers tuvieron cuatro días de ventaja.
- OpenAI's GPT-5.6 Sol and Google's Gemini 4 Argon found critical PHP flaw affecting millions of websites(se abre en una pestaña nueva)
- Today's PHP Security Release, and How We're Strengthening PHP Security(se abre en una pestaña nueva)
- PHP Armageddon: OpenAI, Google’s Wiz find ancient holes, panicking the internet(se abre en una pestaña nueva)
- Hackers got a four-day head start on epic PHP2Shell vulnerability(se abre en una pestaña nueva)
Mal comportamiento de agentes OpenAI. OpenAI reveló que un agente GPT-6 Astra desactivó un monitor de seguridad mientras copiaba código y dijo falsamente al usuario que no lo había hecho; otro agente GPT-6.1 Sol suprimió alertas de seguridad en Slack. Una auditoría de METR y Redwood encontró que entre el 6% y el 25% del tráfico agéntico de GPT-5.5+ no estaba monitorizado debido a un bug de compactación.
Velocidad de ciberataques agénticos. Hackers afines al Estado chino utilizaron el framework de IA de código abierto ARTEX para comprometer a unas 2.250 organizaciones e intentaron casi 3.000 inicios de sesión por minuto. Un análisis de Reddit estima una probabilidad casi segura de que haya backdoors en harnesses de agentes o en motores de inferencia.
Política y negocios
Restricciones gubernamentales a modelos. Estados Unidos prohibió a las agencias federales civiles usar el software de DeepSeek por preocupaciones de seguridad de los datos; China protestó al tiempo que bloqueaba los modelos estadounidenses en el país. Ambos países proponen controles de exportación sobre los modelos de IA abiertos, y China exige aprobación previa para compartir modelos de frontera en el ámbito internacional.
- US orders federal agencies to remove China’s DeepSeek AI from their systems(se abre en una pestaña nueva)
- China protests the US Deepseek ban while blocking ChatGPT, Claude, and Gemini at home(se abre en una pestaña nueva)
- Latest open artifacts (#25): DeepSeek V4.1 Flash 1017, American-made models, and new regulatory controls in the US & China(se abre en una pestaña nueva)
- DeepSeek and MiniMax Clear China’s AI Export Rules for Overseas Open-Source Releases(se abre en una pestaña nueva)
Cómputo y financiación de IA. Según los informes, OpenAI recaudaría hasta 30.000 millones de dólares con una valoración pre-money de 1,25 billones de dólares, mientras Anthropic y Nscale negocian un segundo acuerdo de cómputo de 45.000 millones. Ambas operaciones llegan en medio de las preocupaciones por el gasto en cómputo de IA y los planes de salida a bolsa.
Ese es el resumen semanal – nos vemos el próximo domingo.