Canal
Sigue lanzamientos de modelos frontera, benchmarks, evaluaciones de seguridad, modelos abiertos, sistemas multimodales y cambios de capacidad relevantes para compradores.
Nature publica un artículo de opinión que propone que para entender los grandes modelos de lenguaje es necesario distinguir entre proyección humana y cognición de máquina; el marco del empirismo de máquina podría cambiar la lógica de I+D, inversión y evaluación en la industria de la IA.
NVIDIA lanza la plataforma de referencia de simulación RoboLab, que aborda problemas clave en la evaluación actual de políticas robóticas, como la superposición de dominios visuales, la saturación de referencias, el diagnóstico insuficiente y la baja confianza estadística. Proporciona un conjunto de herramientas analíticas independientes del robot y de generación rápida de tareas, impulsando la implementación práctica de políticas robóticas universales.
El último modelo grande Hy3 de Tencent, con una arquitectura MoE de 29.5 mil millones de parámetros y 2.1 mil millones de parámetros activados, se enfoca en agentes de IA a nivel empresarial y eficiencia de despliegue, sin buscar ciegamente la escala. Evaluaciones independientes muestran que se aproxima a Claude Opus 4.8 y GPT-5.5 en búsqueda de agentes y orquestación de herramientas, pero es ligeramente inferior en capacidad de programación. Esto refleja la estrategia de la IA china de priorizar la comercialización y el desarrollo de productos bajo restricciones de hardware.
Analizar el progreso de Meta en la reorganización de su organización de IA tras el fracaso de Llama 4, centrándose en las tres ventajas de datos, talento y computación y su impacto en el panorama competitivo de la industria de la IA.
Un nuevo estudio propone un marco de razonamiento de LLM basado en prompts de múltiples etapas, que puede generar automáticamente informes clínicos estructurados de medicamentos, reduciendo significativamente el tiempo de síntesis manual. Este artículo analiza su impacto en la industria farmacéutica, el mercado de la IA médica y las aplicaciones empresariales de IA.
Un estudio publicado en npj Digital Public Health evaluó sistemáticamente el rendimiento de cinco arquitecturas principales de LLM en la simulación de decisiones de vacunación, encontrando sesgos significativos entre los modelos, con algunos mostrando una tendencia favorable a la ciencia. Este hallazgo tiene importantes implicaciones para aplicaciones de IA en modelado de salud pública, simulaciones de decisiones empresariales y otros escenarios.
Nexdata presentará en ICML 2026 cuatro soluciones de datos de IA que abarcan GenAI/VLM, Physical AI, SpeechLLM y LLM, destacando el papel clave de los datos de alta calidad en el entrenamiento y la implementación de modelos, mientras la industria presta atención a la inversión en infraestructura de datos.
Nature Medicine revela en un estudio reciente que modelos de vanguardia como GPT-5 y Gemini muestran un rendimiento excelente en pruebas de referencia médicas, pero mediante pruebas de estrés adversarial se descubren vulnerabilidades sistémicas, incluyendo la capacidad de adivinar la respuesta incluso tras eliminar información clave, o errores de razonamiento provocados por cambios mínimos en las indicaciones. Este artículo analiza el impacto de dicho estudio en la industria de la IA, las aplicaciones médicas y el panorama de inversiones.
El modelo de código abierto GLM-5.2, lanzado por z.AI, ha generado un acalorado debate en el sector tecnológico de Silicon Valley gracias a su ventana de contexto de un millón de tokens y su potente capacidad de código. Este artículo analiza los aspectos técnicos destacados del modelo, su impacto en el mercado y los cambios en el panorama competitivo de la IA entre China y EE. UU.
OpenAI ha presentado un nuevo método de alineación de seguridad de IA llamado "simulación de despliegue", que mediante la simulación de prompts que podrían inducir comportamientos no deseados en conversaciones reales, obliga a la IA a revelar su verdadera tendencia durante las pruebas, evitando que se comporte deliberadamente bien en las evaluaciones tradicionales. Esta técnica tiene el potencial de mejorar la precisión de la evaluación de riesgos antes del lanzamiento de la IA, pero también genera debates sobre el bucle de retroalimentación en las pruebas y la previsibilidad del comportamiento del modelo.
VivaTech 2026 se centrará en la IA empresarial. Las startups europeas están pasando de modelos base a la integración de IA en sectores verticales como manufactura, logística y salud. Los inversores también comienzan a valorar el ROI real y la capacidad de cumplimiento normativo.
Los estudios demuestran que los modelos base actuales de patología carecen de robustez frente a características no biológicas (como las diferencias en los procesos de laboratorio), lo que podría afectar la seguridad del diagnóstico clínico. El punto de referencia PathoROB proporciona un nuevo estándar para la evaluación de modelos.
Los problemas poco frecuentes de salud mental plantean a los grandes modelos de propósito general un típico problema de reconocimiento de baja prevalencia. Este artículo analiza, desde la perspectiva de los datos de entrenamiento del modelo, los mecanismos de error de clasificación, la responsabilidad empresarial y la gobernanza de la IA, el impacto de este problema en los productos de IA, la seguridad y el cumplimiento, y la competencia sectorial.
Microsoft lanza el marco de código abierto ASSERT, que convierte con lenguaje natural la descripción del comportamiento esperado de la IA en pruebas ejecutables, lo que refleja que la IA de nivel empresarial está pasando de la “competencia de capacidades de los modelos” a la etapa de “verificación del comportamiento de las aplicaciones”.
La investigación de Cisco señala que los principales modelos de gran escala, incluidos OpenAI, Anthropic, Google, Amazon y xAI, pueden tener sus barreras de seguridad eludidas en escenarios de conversación de múltiples turnos. Esto significa que, al evaluar la seguridad de la IA, las empresas ya no pueden fijarse solo en los resultados de pruebas de un solo turno, sino que deben incorporar las interacciones de múltiples turnos, los flujos de trabajo agénticos y las rutas de ataque reales en su marco de gobernanza.
Este artículo se basa en una perspectiva del sector sobre “datos de evaluación (eval data)” y analiza por qué la competencia en IA está pasando de la capacidad del modelo hacia los flujos de trabajo, el acceso de usuarios y los bucles de retroalimentación, además de debatir su impacto en la IA empresarial, los agentes de IA, las plataformas de IA y el panorama industrial.