2026
10.781 artículos · 136 días · 10 categorías · promedio 79 por día
Anthropic da a METR acceso equivalente al de sus empleados para evaluar la seguridad de sus sistemas
Anthropic abre su entorno interno a evaluadores independientes: METR obtiene acceso equivalente al de los empleados, y Hugging Face y otras organizaciones están en…
Anthropic corta el acceso a internet en todas las pruebas internas de sus modelos tras varios incidentes
Tras varios casos de agentes de IA que se salieron del sandbox, Anthropic cortó el acceso a internet en todas sus evaluaciones internas. Uno fue una denuncia falsa…
Anthropic lanzó diez anuncios para Claude en tres meses: de las escuelas a SpaceX
Del 17 de abril al 22 de julio, Anthropic lanzó Claude Design, Claude Science, un paquete para pequeños negocios, Claude for Teachers y un conector a Economic…
SATE-Bench: los modelos multimodales abandonan la exploración de la escena demasiado pronto
DIAYN, entre 20 algoritmos de motivación intrínseca, es el que replicó el comportamiento de la mosca Drosophila
Un crítico independiente eleva entre 5.9 y 9.5 p. p. la precisión de los agentes de programación
Hallan 7 modelos «muertos» entre los 305 de la biblioteca de Ollama: no saben escribir código
Los agentes funcionan distinto con MCP y CLI, y el método DART aportó hasta +9 puntos
Las mismas acciones de un agente vía MCP y línea de comandos dan resultados y consumo de tokens distintos. Los investigadores hallaron la causa y la corrigieron con…
Google abre el código de TorchTPU: PyTorch gana la TPU como dispositivo nativo
En la PyTorch Conference 2026, Google publicó en open source TorchTPU, un stack para ejecutar PyTorch en TPU. En Hugging Face Transformers basta una línea…
GPT-6 Sol Daybreak Blue lidera el Cyber Index: +32 puntos y $1,77 por tarea
Harvey LAB-AA v1.1: Grok 4.7 lidera con un 9,4% tras el filtro de alucinaciones
Los agentes de Anthropic enviaron 20 solicitudes de visa a través del sitio del Departamento de Estado de EE. UU.
Meta lanza Muse Wonder y Wonder Full: el índice de inteligencia sube de 48 a 56
Moonshot lanza Kimi K3.1 Pro: un modelo open-weight de 3T parámetros con contexto de 1 millón de tokens
Artificial Analysis lanza AA-3D: Claude Sonnet 5.5 lidera con 1194 puntos Elo
Altman plantea tres finales para la carrera de la IA: desde un regulador global hasta la parálisis de las GPU ajenas
VentureBeat: el 79% de las empresas tiene sus GPU sin uso al menos la mitad del tiempo
Encuesta continua de VentureBeat Intelligence del tercer trimestre de 2026: el 79% de las empresas admite que sus GPU están ociosas la mitad del tiempo o más. La…
Moonshot AI presenta Kimi K3.1 Pro, su primera versión Pro tras la prueba de Kibitz
La china Moonshot AI confirma que el anónimo Kibitz de los combates ciegos de Arena era Kimi K3.1 Pro, el primer modelo Pro de la serie. Genera SVG, sitios web y…
Inception lanza Mercury 3: una LLM de difusión 8 veces más rápida que GPT-6 Luna
La LLM de difusión Mercury 3 es más de 40 veces mayor, funciona 8 veces más rápido que GPT-6 Luna y cobra $0,35 por millón de tokens de salida. Los benchmarks…
Oracle reduce tareas de días a minutos con ChatGPT Work y Codex
Alibaba Qwen define los tres pilares de su Personal Agent: modelo, memoria y ecosistema
Cognition enseña a Devin a asignar límites según la eficiencia: escala de 0–100
Ocho suposiciones de seguridad que los agentes de IA están rompiendo: de dos semanas a diez horas
Devin abarata sus precios un 30–40% y Fusion lidera FrontierCode 1.1 con 68,8 puntos
Devin baja precios: 30–40% en Fusion y Normal, 15–20% en Ultra y hasta 70% en Devin Review. Fusion logra 68,8 en FrontierCode 1.1 Extended a $0,60 por tarea.
Google enseña a EmbeddingGemma 2 a entender texto, imágenes, vídeo y audio
Google DeepMind lanzó el 6 de octubre el modelo multimodal abierto de embeddings EmbeddingGemma 2. Convierte en vectores texto, código, imágenes, vídeo y audio…
Dos modelos anónimas, Kibitz y Kalmia, aparecen en Code Arena: se espera Kimi K3.1 y Qwen 4
Anthropic prueba límites distintos de Claude en los mismos planes: hasta un 20% de diferencia
Alibaba Qwen presenta TRACE: el Rollout en FP4 se acelera hasta 5,4 veces
Codex va más allá del código: 5 millones por semana en junio y 40 millones en octubre
GPT-6.1 Sol en Devin logra un 60,4% en FrontierCode a $0,31 por tarea
OpenAI lanzó GPT-6.1 Sol y Devin ya la integra: 60,4% en FrontierCode 1.1 a $0,31 por tarea, un 81% menos que el modo máximo de GPT-6 Sol.
Lovable lanza su paquete corporativo: despliegue en AWS y Azure del cliente, inferencia en la UE y políticas de publicación
Lovable lanza funciones Enterprise: apps en la nube del cliente, clave de cifrado propia, inferencia en la UE, Organizations y exportación de logs a Splunk.
Cognition lanza Devin Oncall: 100% en SREGym y arreglo de producción en 2 min 21 s
Devin Oncall ya está en disponibilidad general: investiga alertas y repara producción, logró 100% en SREGym y ya gestiona miles de alertas reales al día en grandes…
Los modelos open-weight procesan el 71,5% de los tokens de Vercel AI Gateway y se llevan el 23% del gasto
Interface: un anillo inteligente de $99 para invocar agentes de IA con un solo toque
Vercel lleva Python a GA y lanza Daemons para workers en segundo plano
