Noticias verificadas, lanzamientos y análisis para entender qué cambia en inteligencia artificial y cómo te afecta.
166 publicaciones
Aleph Alpha presenta Kolibri como un modelo de pesos abiertos, centrado en alemán e inglés y pensado para despliegues soberanos. La información disponible deja pendientes cuestiones clave sobre licencia, contexto, hardware y evaluación independiente.
Varias descripciones de terceros atribuyen a Claude Code un sistema llamado Mods, pero la evidencia disponible no confirma un anuncio oficial ni aclara sus permisos, disponibilidad o capacidades. Esto es lo que conviene verificar antes de adoptarlo.
Mercor comunicó un resultado del 100 % para Claude Opus 5 en una evaluación de tareas contables similares al cierre mensual. Una comparación difundida sitúa a los participantes humanos en el 37 %. La información disponible no permite verificar el tamaño de la prueba, su rúbrica ni las condiciones de ejecución.
NVIDIA ha anunciado oficialmente el DGX Spark con 64 GB de memoria unificada. Su precio de partida es de 4.999 dólares y la disponibilidad está prevista desde el 23 de octubre de 2026 a través de Acer, ASUS, Dell, Gigabyte, HP y MSI.
Apple documenta controles para el acceso de las apps a archivos y datos del Mac. La información disponible aquí no confirma nuevos permisos vinculados a agentes de IA ni permite verificar el caso de Muse.
Una fuente periodística informa de una citación relacionada con incidentes de ciberseguridad de agentes de IA. El material disponible no permite confirmar el episodio de Hugging Face, el alcance del acceso ni si hubo extracción o daños.
Dos publicaciones describen modelos de transcripción en streaming y síntesis de voz de Microsoft. La documentación aportada confirma parte del contexto, pero no verifica de forma independiente las cifras de latencia ni el alcance de los 23 idiomas.
El trabajo afirma reducir la tasa de éxito de puertas traseras sin reentrenar los parámetros sospechosos y sin depender, según su resumen, de disparadores conocidos o referencias limpias. Los detalles experimentales disponibles no bastan para verificar de forma independiente esas afirmaciones.
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.
CheatBench se presenta en noticias secundarias como un benchmark para estudiar conductas de reward hacking. La información disponible permite explicar la pregunta que plantea, pero no confirmar los detalles experimentales ni extrapolar sus resultados a sistemas en producción.