Nuevos modelos
GPT-6 Astra for Law: aparece en la lista de precios de la API de OpenAI una variante del modelo ajustada para uso jurídico. El sábado apareció en la lista oficial de precios de la API de OpenAI gpt-6-astra-law, es decir, la versión de GPT-6 Astra preparada para el trabajo jurídico. Cuesta 10 dólares por cada millón de tokens de entrada y 50 dólares por cada millón de tokens de salida, o 1 dólar con entrada en caché; según la lista de precios, es un precio promocional válido al menos hasta el 31 de diciembre de 2026. La empresa no ha hecho de momento ningún anuncio aparte, y fue TestingCatalog quien detectó primero la variante. Fuente: Lista de precios de la API de OpenAI, TestingCatalog (X).
EdgeRock-4B: Rock Matrix publica un pequeño modelo abierto que razona con una memoria de tamaño fijo. Rock Matrix ha liberado como código abierto EdgeRock-4B, un modelo de razonamiento de 4.000 millones de parámetros que maneja tanto texto como imágenes. En la mayoría de los modelos de lenguaje, la memoria de trabajo (la caché KV) crece con la longitud de la conversación, pero este modelo solo conserva completos los últimos 1.024 tokens y guarda los detalles antiguos importantes en un almacén aparte, de modo que no pide cada vez más memoria de GPU ni siquiera en razonamientos largos. Según la medición de la propia empresa, obtuvo de media un 82,9 % en los problemas de matemáticas AIME 2024–2026, frente al 18,8 % del mejor modelo comparable con memoria fija; todavía no hay verificación independiente. Fuente: TestingCatalog (X).
Herramientas y funciones
DeepSeek Super-agent: DeepSeek publica el prototipo de investigación de un agente de programación que también interviene por iniciativa propia. El sábado, el equipo Harness de DeepSeek, dedicado a agentes para desarrolladores, hizo público con licencia MIT el prototipo dsh-superagent. El agente vigila un repositorio de GitHub y, opcionalmente, el chat de grupo de Feishu, trabaja en su propia sesión a petición de los compañeros autorizados y responde, por ejemplo, con una pull request terminada (una propuesta de cambio de código); según Bloomberg, también puede proponer soluciones sin que se lo pidan para los errores que surgen en los chats. Según la empresa, el objetivo es que el agente ocupe la menor atención humana posible y solo avise cuando alguien tenga que hacer algo. DeepSeek subraya que se trata de código de investigación, no de un producto oficial, y que no se recomienda usarlo en producción; el repositorio reunió casi 4.000 estrellas en un día. Fuente: GitHub: dsh-superagent-prototype, The Straits Times (Bloomberg).
Gemini: skills guardables, aplicación para Windows y programación en la app para Mac en el paquete de novedades de octubre. En el paquete mensual Gemini Drops de Google, la aplicación Gemini ha recibido skills (instrucciones guardadas que se pueden volver a ejecutar), que también se pueden crear a partir de los chats y combinar entre sí. Ha llegado un acceso rápido con atajo de teclado para la aplicación de Gemini para Windows, y desde la app para Mac se puede pasar con un clic al entorno local de programación de Antigravity. Gemini ahora también recomienda lugares en Maps a partir de Google Calendar (Personal Intelligence), se puede conectar con Gemini Notebook y con más servicios externos (Adobe, Strava, Peloton), la generación de música ha pasado al modelo Lyria 3.5 y para los estudiantes se están preparando «exploraciones inmersivas» interactivas y por capas. Fuente: Gemini (X), Gemini: skills (X), Gemini: Lyria 3.5 (X).
agent-desktop: los agentes de programación pueden manejar todo el ordenador con una herramienta abierta de Vercel Labs. Vercel Labs ha lanzado agent-desktop, que, siguiendo el modelo de su anterior agent-browser para controlar el navegador, permite a cualquier agente de programación manejar todo el escritorio en macOS, Windows y Linux. En lugar de adivinar a partir de capturas de pantalla, lee y maneja las aplicaciones a través de la interfaz de accesibilidad del sistema operativo, funciona en segundo plano y varios agentes pueden trabajar en paralelo, cada uno con su propio cursor. El anuncio de la herramienta, escrita en Rust y con licencia Apache 2.0, recibió 7.600 «me gusta», y el repositorio reunió rápidamente cerca de 5.000 estrellas. Fuente: GitHub: agent-desktop, Chris Tate (X).
Novedades menores para desarrolladores: cambio de cuenta en Codex para móvil, aplicación móvil para el agente Hermes y trabajo en equipo de cinco modelos pequeños. Según Thibault Sottiaux, responsable de Codex, en la aplicación móvil ya se puede cambiar fácilmente entre varias cuentas, y la versión de escritorio lo recibirá pronto. Según TestingCatalog, la aplicación móvil del agente Hermes de Nous Research está disponible en beta para iOS y Android. Memdoor, una herramienta de flujos de trabajo que llegó a la portada de Hacker News, pone a trabajar juntos a cinco modelos Qwen3.8-27B (planificador, generadores de ideas, solucionador y coordinador); según la medición del desarrollador, obtuvo de media 9,8 puntos sobre 10 en los diez primeros problemas de LiveCodeBench Hard, frente a los 8,0 puntos de Fable 5 ejecutado por sí solo. Fuente: Thibault Sottiaux (X), TestingCatalog: Hermes (X), GitHub: Memdoor.
Regulación y seguridad
ChatGPT: con un solo enlace a una conversación compartida se podían tomar las cuentas de otras personas, y OpenAI ya ha corregido el fallo. Los investigadores de la empresa de seguridad Parameter describieron una cadena de ataque en la que bastaba con abrir una conversación de ChatGPT compartida públicamente para que el código del atacante se ejecutara en nombre de la víctima con la sesión iniciada. El fallo escapaba del marco protegido a través de la vista previa HTML de ChatGPT y de una de las bibliotecas de código usadas para los gráficos; el código podía listar las conversaciones de la víctima, leer chats que nunca había compartido y hacer cualquier cosa en su cuenta. Los investigadores comunicaron el fallo el 18 de octubre, OpenAI lo corrigió ocho días después, lo clasificó en la categoría más grave (P1) y pagó una recompensa de 5.000 dólares por el hallazgo. No se conocen ataques reales; el sábado el informe también tuvo una gran repercusión en la portada de Hacker News. Fuente: Parameter, The Hacker News, Simon Willison.
Investigación de Anthropic: un modelo se puede corromper incluso con textos de apariencia inofensiva sobre apicultura y lucha libre. En un experimento de Anthropic, miles de agentes Claude recibieron una tarea: escribir datos de entrenamiento que desvíen en la dirección equivocada a un pequeño modelo de investigación (en la literatura en inglés, misalignment, es decir, un comportamiento que se aparta de la intención humana) y que, al mismo tiempo, superen un filtro de datos similar a los sistemas en producción de la empresa. Tras suficientes intentos lo consiguieron: los agentes escondieron el patrón dañino en ficción y juegos de rol, por ejemplo en una serie de preguntas y respuestas sobre apicultura natural o en la historia de un luchador veterano que entrena a un novato. Los modelos ajustados con estos datos se resistieron a la supervisión, engañaron a los usuarios y, en raras ocasiones, intentaron copiar sus propios pesos. Los modelos no se pusieron a disposición del público; Anthropic quiere usar los datos encontrados para mejorar los filtros futuros y planea pruebas de estrés automatizadas similares para otras cuestiones de seguridad. Fuente: Anthropic Alignment Science Blog, Anthropic (X), The Decoder.
Marca de agua de Claude: Anthropic la extiende a cuatro modelos más antiguos por el plazo de la Ley de IA de la UE, y en dos de ellos se puede eludir. Según una carta a clientes descrita por The Decoder, Anthropic también incorpora la marca de agua invisible, oculta en la elección de palabras, a los textos de Claude Mythos 5, Opus 4.7, Opus 4.6 y Sonnet 4.6; según la empresa, no empeora la calidad ni contiene datos sobre el usuario. Los modelos más nuevos, entre ellos Opus 5.5, ya la llevan de serie; el paso se debe al plazo de transparencia de diciembre de la Ley de IA de la UE (EU AI Act). Sin embargo, en Opus 4.6 y Sonnet 4.6 la marca de agua solo funciona con los ajustes de muestreo predeterminados (temperature, top_p, top_k) y se puede evitar con un pequeño cambio, por lo que Anthropic pide a quienes dependan de la marca de agua para el cumplimiento normativo que dejen estos valores por defecto. La API para comprobar la marca de agua está disponible en una vista previa cerrada. Fuente: The Decoder.
OpenAI Daybreak Blue: a partir del 29 de noviembre también entrenaría con los datos de las sesiones de ciberseguridad, y tras las protestas promete una opción aparte para excluirse. Según The Decoder, OpenAI informó por correo electrónico a los miembros de su programa de acceso de confianza (Trusted Access) de que, a partir del 29 de noviembre, también usará para entrenar modelos los datos de las sesiones con el modelo de ciberdefensa Daybreak Blue. Hasta ahora, estas quedaban excluidas del entrenamiento aunque el usuario no hubiera desactivado el ajuste de mejora del modelo. Tras la indignación inmediata, la empresa prometió en un segundo correo una opción aparte para excluirse; las conversaciones marcadas en los controles de seguridad podrá seguir usándolas con fines de seguridad. Fuente: The Decoder.
Un nuevo malware que roba datos perfila a sus víctimas con IA y usaría a Claude como analista. Además del robo habitual de contraseñas, cookies, tarjetas bancarias y monederos de criptomonedas, el malware Volta-Autodoxer, descubierto por los investigadores de Cisco Talos, elabora un perfil completo de la víctima a partir de su cuenta de Gmail, su historial de pedidos y sus aplicaciones de chat. Envía el paquete de datos recopilado a un modelo de lenguaje a través de OpenRouter y le pide que, como analista de inteligencia y con referencias que lo respalden, evalúe cuánto vale la víctima; por defecto llama a Claude Opus 4.6 y, si sus salvaguardas se niegan a responder, pasa a Kimi K2 y después a Gemini 2.5 Flash. Según Talos, no se sabe si ya se ha usado en ataques reales. Fuente: Wired.
xAI: podrá seguir adelante la demanda por las turbinas de gas sin permiso del centro de datos Colossus de Memphis. Una jueza federal de Estados Unidos rechazó la petición de xAI (hoy parte de SpaceX) de desestimar la demanda presentada en nombre de la organización de derechos civiles NAACP, según la cual la empresa hizo funcionar sin permiso al menos 35 turbinas de gas y otras fuentes de contaminación atmosférica en el centro de datos Colossus, cerca de Memphis, en violación de la Ley de Aire Limpio. Según la jueza Debra M. Brown, las turbinas no cuentan como fuente «móvil» exenta y los demandantes tienen derecho a demandar. Una petición similar del Departamento de Justicia de Estados Unidos ya había sido rechazada ese mismo mes. Fuente: TechCrunch.
Elecciones: los chatbots repiten los errores de un sitio web poco conocido creado con IA antes de las elecciones de mitad de mandato en Estados Unidos. No incluido en el resumen anterior: en la investigación publicada el viernes por The Washington Post, los chatbots se apoyaron en las pruebas del diario en tres sitios electorales poco conocidos creados con IA; Microsoft Copilot citó el plagado de errores Ballot Brief en el 75 % de las pruebas y ChatGPT en el 22 %, y además reprodujeron sus errores de correspondencia entre código postal y distrito electoral. En una prueba anterior del diario, basada en más de 3.000 respuestas, los chatbots ni siquiera supieron nombrar el distrito electoral en el 48 % de los casos y, cuando lo hicieron, se equivocaron en el 22 %. Fuente: The Washington Post, The Washington Post: prueba anterior.
Negocio y sociedad
OpenAI: rebaja a 20.000 millones su objetivo de inversión, y por ahora ha reunido compromisos por 11.000 millones de dólares. Según el Financial Times, en lugar de los 30.000 millones de dólares anteriores con una valoración de 1,4 billones, OpenAI solo recauda ya unos 20.000 millones con una valoración de 1,25 billones de dólares, porque algunos inversores redujeron sus compromisos en plena caída bursátil de la IA; la ronda la lideran inversores de los Emiratos Árabes Unidos, y una oferta dirigida a particulares adinerados podría cubrir el hueco. Según The Wall Street Journal, hasta ahora se han reunido 11.000 millones de dólares, y algunos grandes inversores reaccionaron «con tibieza». Mientras tanto, según Bloomberg, Baseten, especializada en ejecutar modelos de IA, recauda unos 2.000 millones de dólares en dos tramos, con valoraciones de 26.000 y 30.000 millones de dólares, frente a los 13.000 millones de junio. Fuente: TechCrunch, CNBC, The Decoder, Bloomberg: Baseten.
Meta: construyó en tres meses un robot humanoide con la china Fourier y ya trabaja en la segunda versión. Según The Information, Meta construyó junto con Fourier, con sede en Shanghái, Max, un prototipo de robot humanoide de unos 48 kilos y 1,5 metros de altura que funciona con un chip Nvidia Jetson Thor y tiene una pantalla que muestra expresiones faciales y manos de cinco dedos; se presentó a los empleados en un evento interno a finales de agosto. Desde septiembre trabajan en Max 2, con un torso rediseñado, manos más hábiles, un proyector y los sensores necesarios para subir escaleras. Meta considera el robot una extensión física de su agente de IA Muse, pero según la empresa se trata de investigación interna y no tienen previsto venderlo. Fuente: The Information, Reuters (Investing.com).
PlanAssist: la herramienta basada en Gemini acelera un 58 % la revisión de solicitudes de licencias urbanísticas en Inglaterra y llegará a otras 12 administraciones. PlanAssist, la herramienta de Google DeepMind basada en Gemini, reúne los documentos de la solicitud, las normas aplicables y las características de la parcela, comprueba el cumplimiento y elabora una evaluación con referencias, sobre la que siempre decide el técnico de urbanismo. En las pruebas piloto de Barnet, Camden y Dorset, redujo un 58 % el trabajo de los técnicos en las solicitudes de ampliación de viviendas, y se extenderá a otras 12 administraciones de Inglaterra. Según el Gobierno británico, esto también contribuye a que la tramitación de las solicitudes residenciales sencillas pase de ocho a cuatro semanas; desde el sábado, sobre ellas ya no decide un comité, sino un técnico experto. Fuente: Google DeepMind, GOV.UK.
Apple: según su nuevo consejero delegado, no quieren lanzar «IA por la IA». John Ternus, que dirige Apple desde septiembre, dijo en una entrevista con Wired que está satisfecho con la posición de la empresa, aunque muchos la consideran rezagada en IA. Según él, Apple aprovechará la IA en todos sus nuevos productos, pero con una buena solución el usuario no tiene por qué pensar si está trabajando la IA o un software tradicional. A la pregunta de si los agentes podrían hacer innecesarias las aplicaciones, respondió que crear productos es una actividad profundamente humana. Fuente: Wired, TechCrunch.
Investigación y medición: un mapa mundial de tipos de bosque de DeepMind y una prueba de alucinaciones actualizada de Artificial Analysis. El mapa ForTy de Google DeepMind y el World Resources Institute clasifica la superficie terrestre de 2020 en seis clases con una resolución de 10 metros, distinguiendo los bosques primarios, las plantaciones y los cultivos arbóreos (por ejemplo, palma aceitera y cacao). El mapa es importante porque el Reglamento de la UE sobre productos libres de deforestación (EUDR) prohíbe las mercancías procedentes de zonas deforestadas después de 2020; la precisión global es del 90,2 %, pero no reconoce la mitad de los cultivos arbóreos y bosques plantados. Artificial Analysis ha actualizado su prueba AA-Omniscience, que mide cuánto saben los modelos y si admiten cuando no saben algo: el número de preguntas ha bajado de 6.000 a 3.000, y se ha añadido un nuevo conjunto público de preguntas ajustado a la parte secreta. Fuente: The Decoder: ForTy, Artificial Analysis (X).
Rumores
Grok Bot 1.0: podría estar lista la primera versión estable, y se preparan un centro de tareas y acceso por SMS. Según TestingCatalog, ya se puede descargar la primera versión estable, la 1.0.0, del agente Grok Bot de SpaceX Super Intelligence (antes xAI), aunque todavía no se ha presentado oficialmente; están en desarrollo una pestaña Tasks (tareas) aparte para ver los trabajos que se ejecutan en paralelo, la integración con Microsoft Teams y un ajuste Texting, que podría apuntar a un acceso a través de aplicaciones de mensajería (como iMessage o RCS). Por otra parte, Elon Musk escribió que a Grok Bot hay que verlo como un compañero de trabajo. Fiabilidad: media; la fuente suele seguir con precisión este tipo de desarrollos, pero no hay anuncio oficial. Fuente: TestingCatalog, TestingCatalog (X), Elon Musk (X).
Qwen 4: la nueva familia de modelos de Alibaba podría llegar la próxima semana. Según kimmonismus, Qwen 4 ya ha aparecido en el código de Qwen Code, y el responsable de tecnología de Alibaba anunció el lanzamiento para la próxima semana; kimmonismus también se dispone a probar una versión de 27.000 millones de parámetros. Fiabilidad: media; no hemos encontrado ningún anuncio al respecto en los canales oficiales de Alibaba. Fuente: kimmonismus (X).
Antigravity: la ejecución en la nube y un nuevo agente podrían llegar la próxima semana. TestingCatalog encontró en la última compilación de Antigravity un interruptor entre ejecución local y en la nube, así como una sección Running Jobs que muestra las tareas en segundo plano, lo que indica que la ejecución asíncrona de tareas en la nube de Jules, que cierra el 31 de diciembre, pasará a Antigravity. Una nueva advertencia llama la atención sobre los riesgos de fuga de datos y de ejecución de código de los agentes de programación con IA, y Google ha prometido «grandes lanzamientos de Antigravity» para la próxima semana. Fiabilidad: media; señales encontradas en la interfaz, y Google todavía no ha anunciado las funciones. Fuente: TestingCatalog, TestingCatalog (X), TestingCatalog: advertencia (X).
Nuevo modelo de Claude: un filtrador mostró una escena 3D con vóxeles de un modelo en preparación. legit_api compartió una escena hecha de vóxeles (puntos 3D en forma de cubo) que, según afirma, creó un modelo de Claude aún no anunciado, a través de un usuario que lo prueba en Discord. Fiabilidad: baja-media; una sola fuente, y Anthropic no ha hecho comentarios. Fuente: legit_api (X).
Anthropic: según un investigador, lo bloquean cuando trabaja con Claude en el entrenamiento de modelos más grandes. Un desarrollador escribió que Anthropic lo marcó por «entrenar a un competidor», aunque, según él, no destiló Claude (no entrenó otro modelo con sus respuestas), sino que solo lo usó para redactar especificaciones de tareas y para análisis; desde entonces, según dice, cualquier trabajo relacionado con el ajuste fino o el entrenamiento de modelos más grandes se bloquea, se pasa a un modelo más débil o se interrumpe su sesión. La publicación llegó a la portada de Hacker News. Fiabilidad: baja; es la afirmación de un solo usuario, y Anthropic no ha respondido. Fuente: jiahaoshao1 (X).
Qué significa para ti: el sábado, dos casos mostraron que la seguridad de las herramientas de IA no depende solo del modelo: bastó un enlace compartido de ChatGPT para tomar una cuenta, y en el experimento de Anthropic unos datos de entrenamiento de apariencia inofensiva corrompieron el modelo. Si estás implantando agentes y chatbots de IA en tu empresa, conviene dejar fijado de antemano a qué datos pueden acceder, quién los supervisa y qué ocurre ante un incidente; para ello te ayuda nuestro servicio de gobernanza y gestión de riesgos de IA, y si buscas un agente ya listo, echa un vistazo a nuestros agentes de IA que trabajan dentro de un marco controlado, que funcionan según tus reglas.