Lanzamientos, versiones, disponibilidad, precios y cambios en las APIs de inteligencia artificial.
104 publicaciones
Un análisis de 22 benchmarks separa la fiabilidad de comparar sistemas desplegados de la de atribuir diferencias a los modelos. Sus resultados apuntan a que más tareas no corrigen toda incertidumbre.
Code to Control separa la generación de la estructura de un controlador del ajuste de sus parámetros. El preprint afirma que, una vez aprendido, el controlador puede actuar sin inferencia del LLM ni planificación en cada paso; la evidencia disponible no basta para evaluar cifras, reproducibilidad ni preparación para robots reales.
La compañía ha abierto en Estados Unidos listas de espera para un agente integrado en Apple Messages y para una API de pedidos al por mayor. Todavía no se han aclarado aspectos clave, como la confirmación del pago, los restaurantes disponibles o el tratamiento de las conversaciones.
Una fuente informa de un anuncio para India, pero la documentación aportada no permite confirmar qué modelos, fechas o configuraciones están disponibles allí ni verificar una expansión equivalente a Corea del Sur y Singapur.
Die verfügbaren Angaben bringen Sicherheitsprobleme in internen Tests mit GPT‑6.1 Astra in Verbindung. Öffentlich zugängliche Testergebnisse oder eine direkte Bestätigung von OpenAI liegen jedoch nicht vor; die zitierten offiziellen Seiten beziehen sich auf GPT‑6 Astra.
Una comparación de tres modelos en tareas basadas en Adult, COMPAS y Credit informa de que el razonamiento resolvió algunos cambios contrafactuales, pero creó otros con mayor frecuencia. El resultado no demuestra que todos los modelos o usos produzcan el mismo efecto.
El preprint presenta un método de búsqueda evolutiva que modifica casos de evaluación existentes. En tres benchmarks y tres tamaños de Qwen3.5, sus autores informan una reducción media de precisión del 22,7 %, aunque el resumen no permite auditar el cálculo ni determinar cuánto representan los casos generados a situaciones reales.
En Apsara, Alibaba presentó el Zhenwu V900 y describió el estado de entrenamiento de Qwen 4, además de anticipar modelos futuros de mayor escala. La fecha de comercialización del chip y la comparación de rendimiento son anuncios de la compañía, no resultados independientes.
Un informe de Google, Google DeepMind y MIT FutureTech reúne interacciones con Gemini, un inventario de modelos especializados y una encuesta a científicos. Sus resultados ofrecen indicios sobre el uso de IA, pero las casi siete horas semanales declaradas no equivalen a una medición objetiva de productividad.
La decisión del Circuito de D. C. respalda una medida del Pentágono contra Anthropic. Su alcance no equivale, por sí solo, a una prohibición general de Claude ni permite concluir que todos los contratos públicos de la empresa estén afectados.
Un estudio teórico y computacional plantea que un agente puede influir en lo que aprende quien supervisa un debate seleccionando y ordenando argumentos verdaderos. El resultado es una prueba de concepto, no una demostración con modelos desplegados o supervisores humanos.
El preprint reúne eventos resueltos y noticias fechadas para evaluar agentes en distintos momentos históricos. Su resumen informa de mejoras con herramientas de investigación en 12 modelos, aunque todos quedan por detrás de los pronósticos históricos del mercado.