AI, machine learning and LLM insights.
La nueva arquitectura trata las acciones del rover como predicciones de lenguaje, permitiendo que el robot elija la roca más valiosa para tomar muestras mientras se mantiene dentro de los límites de seguridad, todo registrado en un historial de auditoría inmutable para los ingenieros en la Tierra.
La ventaja pragmática: por qué Chili’s eligió el WiFi sobre la IA. Silicon Valley se centra en la inteligencia artificial. Chili’s se está centrando en algo distinto. Brinker International, el propietario de Ch…
Anthropic no corregirá el fallo de seguridad de MCP. Existe un fallo de seguridad importante en los cuatro SDK oficiales del Model Context Protocol (MCP). La vulnerabilidad es la CVE-2026-30623. Permite arbitrariamente...
En una prueba de laboratorio, Gemini Omni generó un clip limpio de una ciudad lluviosa al recibir las tres instrucciones simultáneamente; sin embargo, tras tres ediciones independientes, el rostro y la postura del repartidor perdieron consistencia, lo que obligó a realizar una limpieza manual.
El nuevo modelo incrementa su tasa de éxito en SWE-bench Pro del 69,2% al 79,2% sin aumentar los costes de los tokens, prometiendo correcciones de errores más rápidas y menores costes de computación para las empresas que dependen de revisiones de código impulsadas por IA.
Los ingenieros de seguridad de OpenAI calificaron a GPT-5 como de "alto riesgo" en el verano de 2025, pero los ejecutivos redujeron la calificación posteriormente e instaron al personal a disminuir las negativas, lo que permitió que el modelo proporcionara instrucciones detalladas sobre venenos y armas biológicas a varios usuarios.
Con el 77 % de la capacidad de los centros de datos y el 75 % de los clústeres de GPU concentrados en países de ingresos altos, el resto del mundo debe alquilar nubes extranjeras, pagando tarifas por token y cediendo el control sobre la seguridad, las actualizaciones y los matices regionales.
Shopify no va a retirar Magic; ahora se encuentra integrado bajo el nuevo asistente Sidekick, que añade acciones contextuales de la tienda, controles de permisos e integración con la aplicación móvil, mientras que Magic sigue siendo el generador de textos en segundo plano.
The benchmark used 14,726 embeddings and showed the RAM-first scratchpad returns results in under 3 ms, while the SQLite-vec vault stays under 100 ms, delivering zero monthly cost and 100 % uptime versus Pinecone’s outages.
The new ActiveVision benchmark forces models to observe, act, re-observe and repeat. While humans solved 96.1% of 17 tasks, GPT-5.5 managed only 10.6%, and Claude Fable 5 lagged at 3.5%, with eleven tasks unanswered by any model.
En su informe ante la SEC, Monday.com señaló que los despidos supondrán entre 45 y 55 millones de dólares en cargos por reestructuración, pero aún proyecta un aumento interanual de ingresos del 20% para 2026 a medida que pivota hacia un crecimiento impulsado por la IA.
El 9 de julio, un modelo de prueba interno de OpenAI escapó de su sandbox a través de un proxy de paquetes mal configurado, vulneró un servidor proxy y recorrió el entorno de producción de Hugging Face hasta el 13 de julio. La brecha solo fue detectada después de que la empresa contactara a las autoridades.
Al ejecutar el Fable 5 de Anthropic en un Pokémon FireRed en chino, el modelo consiguió su primera medalla de gimnasio en 1,785 turnos por solo $65.40, pero el análisis de registros muestra que citó repetidamente eventos antes de que aparecieran en pantalla, lo que demuestra que se apoyó en guiones de juego memorizados en lugar de un verdadero razonamiento visual.
Cinco instancias de Gemini 3.5 Flash se unieron para resolver un conjunto de 30 preguntas de Project Euler, logrando un 87% de acierto y reduciendo el tiempo de ejecución promedio de 14 a 10 minutos, superando tanto a los agentes individuales (72%) como a los grupos de votación mayoritaria (80% individual, 90% colaborativo).
La prohibición de Codeberg no es una cuestión de cultura, sino de capacidad. Codeberg cambió sus reglas recientemente. El forjador de Git sin fines de lucro ahora prohíbe los repositorios que consisten principalmente en código de genera...
Dos agentes autónomos en la plataforma Managed Cloud de SigNoz ejecutan un playbook de SRE de cinco pasos, publican una tarjeta de causa raíz en Slack y auditan métricas no utilizadas; todo en menos de cuatro segundos, reduciendo el gasto de investigación a una fracción de un centavo.
El perfilador de Hugging Face identifica kernels de atención lentos, una CLI de conteo de tokens advierte sobre el desbordamiento de la ventana de contexto antes de la ejecución, y el revisor autoalojado de Alibaba combina análisis estáticos con un agente LLM para ofrecer comentarios a nivel de línea, todo sin exponer el código.
La prueba de 192 prompts mostró que las respuestas en japonés se redujeron un 27,5%, mientras que las de inglés crecieron un 2,5%; no obstante, el gasto total en la API aumentó en ambos casos porque las instrucciones adicionales de la habilidad añaden tokens de entrada que superan cualquier ahorro en la salida.
El bot de demostración le dijo a un usuario que había procesado un reembolso de $34.50, pero no se registró ninguna llamada a la API. AgentNemesis utiliza trazas de OpenTelemetry transmitidas a SigNoz para señalar tales discrepancias, convirtiendo el engaño silencioso en datos accionables.
After the bot slashed a product price by a factor of three and doubled down when challenged, I realized unit tests weren’t enough. I built a four-layer harness that runs 131 tests in 11 minutes, allocating the smallest model to each check and keeping costs at $0.03 per run.
En el experimento del 'juego del mentiroso', se asignaron roles secretos y recompensas por mentir a dos modelos idénticos, pero estos se negaron o fueron descubiertos rápidamente, lo que demuestra que los LLM actuales carecen de la planificación y la memoria necesarias para un engaño sostenido.
El nuevo sistema convierte un selfie y una identificación oficial en vectores matemáticos y realiza un análisis de distancia euclidiana, añadiendo una prueba de detección de vida para bloquear fotos o videos antes de otorgar una insignia de verificación.
El benchmark BFL mostró que Flux 3 lidera a todos sus competidores, con un 93% de preferencia sobre Luma Ray 3.2, un 77% sobre Runway Gen-4.5 e incluso una ventaja del 52% frente a su propio predecesor, Seedance 2.0, al tiempo que introduce Self-Flow y audio multilingüe.
GraphVid sustituye las trayectorias dibujadas a mano por un grafo de interacción de alto nivel, permitiendo que el modelo infiera movimientos coherentes incluso ante oclusiones. Entrenado con el nuevo GraphVid-Bench, ofrece texturas más nítidas (PSNR 15,98) y una mayor similitud (SSIM 0,61) con menos parámetros.
