Esta semana en IA: llegan nuevos modelos y los agentes se vuelven más seguros

Los nuevos modelos se abren al público

Esta semana estuvo dominada por empresas que lanzaron potentes modelos de peso abierto que cualquier persona puede descargar y ejecutar. Mistral presentó Mistral Large 4, un modelo multimodal con 1,05 billones de parámetros totales pero solo 52 mil millones activos al mismo tiempo gracias a su diseño de Mezcla de Expertos, lanzado como vista previa pública el 6 de octubre. StepFun puso disponible su Step 5 Preview de 600 mil millones de parámetros en Hugging Face y ModelScope, mientras que Meta lanzó Muse Spark Open —un modelo de 816 mil millones de parámetros diseñado para ejecutarse localmente en Apple Mac Studios, aunque requiere al menos un terabyte de RAM—. Recursive Superintelligence entró en la disputa con Flint, un agente de codificación de 40 mil millones de parámetros diseñado para hardware de consumo, y Moonshot AI mostró en anticipo Kimi K3.1 Pro, un modelo de 2,8 billones de parámetros que puntúa apenas tres puntos por detrás de Claude Opus 5.5 en Artificial Analysis a la mitad del costo, con pesos abiertos completos que llegarán el 4 de noviembre.

La historia de la velocidad recorrió varios lanzamientos. Inception Labs introdujo Mercury 3, un modelo de lenguaje basado en difusión que genera respuestas completas en paralelo en lugar de palabra por palabra, alcanzando aproximadamente 1.068 tokens por segundo en GPUs de NVIDIA. Liquid AI lanzó RIPL, un motor que ejecuta modelos más pequeños en menos de 50 milisegundos. Mientras tanto, investigadores de Qwen desarrollaron DScout, una técnica que puede hacer la generación de texto hasta cuatro veces más rápida, y investigadores de Stanford y UC Berkeley crearon TokenGate, un complemento que permite a modelos como Qwen3 omitir texto irrelevante y leer hasta 11,3 veces más rápido sin perder precisión.

Los agentes aprenden a portarse mejor

Los agentes de IA recibieron algunas mejoras serias esta semana. Anthropic lanzó sandbox-runtime, una herramienta gratuita que envuelve cualquier programa en restricciones de sistema de archivos y red sin necesidad de contenedores. Una startup de Y Combinator llamada Alter construyó un sistema que le da a cada agente de IA su propia identidad y permisos limitados en lugar de compartir una credencial poderosa. Laminar presentó un modelo económico de código abierto que detecta errores ocultos en flujos de trabajo de agentes al 23 % menos de costo que las principales alternativas comerciales. Los investigadores también publicaron trabajo sobre LEASH, un marco que permite a agentes pequeños llamar a modelos más grandes solo cuando no están seguros, reduciendo potencialmente los costos de inferencia en un 19 por ciento. Un estudio sobre aprendizaje por refuerzo agéntico encontró que diversificar entornos de entrenamiento supera el acumular más episodios, aumentando la eficiencia computacional hasta 1,7 veces. Y Microsoft Research lanzó Agensh, un sistema de código abierto que permite que hasta 1.024 agentes de codificación de IA trabajen juntos sin un coordinador central.

Seguridad, investigación y herramientas

En el lado de la seguridad, OpenAI informó que su equipo interno Calif usando GPT-5.6 Sol descubrió dos vulnerabilidades críticas en PHP antes que los atacantes como parte de su iniciativa Patch the Planet, con Wiz confirmando independientemente ambas. Anthropic también lanzó un OSS Scanner gratuito que encontró 77 problemas críticos y 803 de alta severidad en proyectos de código abierto en sus primeros 11 días. Un nuevo estudio advirtió que entrenar modelos seguros con sus propias salidas mediante distilación recursiva puede erosionar silenciosamente la seguridad con el tiempo. US DHS prohibió DeepSeek en todos los sistemas de agencias federales civiles, y DeepSeek mismo abrió el código fuente de su motor de inferencia de alto rendimiento DeepInfer bajo una licencia Apache 2.0.

La investigación también causó revuelo. Investigadores del MIT construyeron IRIS, un sistema de IA que descodifica cómo las células se comunican químicamente durante el desarrollo, potencialmente acelerando la ingeniería de células madre. Gemini 4 Argon de Google quedó tercero en el StarSkimmish Bench escribiendo bots de StarCraft, y Yongchao Huang presentó MDN-VJEPA, un sistema que predice múltiples futuros ramificados a la vez en lugar de uno solo.

En herramientas, NVIDIA lanzó Modelos de Datos Estructurados usando aprendizaje in-context para predicciones en hojas de cálculo, Baidu lanzó Unlimited OCR 2 de código abierto para leer cientos de páginas a la vez, vLLM hiper-optimizó Kimi K3 a más de 840 tokens por segundo, y Anthropic cambió cómo revisa el código después de que Claude Code comenzó a escribir el 90 % de su propio código, duplicando las tasas de fusión mientras reducía las revertidas en un 40 %. Mientras tanto, Anthropic anunció que hacer clic en los iconos de pulgar arriba o abajo en Claude ahora puede almacenar conversaciones completas por hasta cinco años para entrenamiento de modelos.

* *Esta historia informa sobre una tendencia solo con fines informativos.

Every story this week

• Nexus-CLI lets you use DeepSeek V3 and R1 for free via a local proxy
• HRoPE gives AI vision models a better sense of 3D space
• Mistral Large 4 is an open-weight multimodal model with 1.05 trillion parameters
• Alter gives AI agents their own keys and an audit trail
• Omnara offers open-source alternative to managed AI agents
• SpecEvo uses multi-LLM coordination to slash scientific discovery API costs by up to 80%
• AI finds critical PHP flaws, triggers global patch response
• A New AI Model Learns to Predict Many Possible Futures at Once
• A New AI Model Learns to Predict Many Possible Futures at Once (2026-10-22)
• How Python 3.15's built-in profiler reveals the hidden hotspots in a web app
• How Python 3.15's built-in profiler reveals the hidden hotspots in a web app (2026-10-22)
• Gemini 4 Argon Tries Its Hand at StarCraft Bot Coding
• Gemini 4 Argon Tries Its Hand at StarCraft Bot Coding (2026-10-22)
• Kendall Square leaders explore how AI can serve community
• Kendall Square leaders explore how AI can serve community (2026-10-22)
• StepFun Releases Open Weights for Its 600B Step 5 Preview Model
• StepFun Releases Open Weights for Its 600B Step 5 Preview Model (2026-10-22)
• MIT's IRIS Model Decodes How Cells Talk to Each Other
• MIT's IRIS Model Decodes How Cells Talk to Each Other (2026-10-22)
• Microsoft trains MAI-Base-2, its most efficient frontier foundation model yet
• Microsoft trains MAI-Base-2, its most efficient frontier foundation model yet (2026-10-22)
• Meta launches Muse Spark Open, an open-weight model built to run on Macs
• Meta launches Muse Spark Open, an open-weight model built to run on Macs (2026-10-22)
• How NVIDIA's New Library Makes Predictions Without Training Tables
• How NVIDIA's New Library Makes Predictions Without Training Tables (2026-10-22)
• How Anthropic reviews code when Claude Code writes 90% of it
• How Anthropic reviews code when Claude Code writes 90% of it (2026-10-22)
• vLLM Hyper-Optimizes Kimi K3 on NVIDIA GB300 for Blazing-FAST Inference
• vLLM Hyper-Optimizes Kimi K3 on NVIDIA GB300 for Blazing-FAST Inference (2026-10-22)
• LEASH helps AI agents know when to ask for help
• YC startup builds cheap AI model that catches silent agent failures
• YC startup builds cheap AI model that catches silent agent failures (2026-10-22)
• Inception Labs releases Mercury 3, a diffusion-based AI model
• Safe AI Models Can Become Unsafe Through Their Own Training
• Safe AI Models Can Become Unsafe Through Their Own Training (2026-10-23)
• US bans DeepSeek from federal agency systems under new DHS order
• DeepSeek Open-Sources DeepInfer, Its High-Performance Inference Engine
• Inception Releases Mercury 3 Diffusion LLM at 1,068 Tokens per Second
• PeekKV A smarter way to compress AI memory that boosts long-context speed
• Researchers develop method to make large language models respond faster
• Teaching AI Agents to Know When to Stop
• Agentic RL Has a Scaling Law — And It Changes How You Should Spend Your Budget
• an earlier story
• NVIDIA Kumo Relational beats supervised ML on relational data without training
• Recursive Releases Flint, a 40B Open-Weight Local Coding Model for Agents
• Specializing the Vocabulary of Small Language Models Cuts Inference Cost by 77%
• Cactus Whistle vs Whisper Base CPU benchmark shows tiny model holds its own
• Why early AI was designed to be random — and why we stopped liking it
• A new engine makes small AI models respond in under 50 milliseconds
• MIT celebrates humanities at a time when AI is changing everything
• Kimi K3.1 Pro, a Chinese AI model anyone will be able to download, nearly matches Claude Opus 5.5
• Sebastian Raschka releases free course on building AI reasoning models from scratch
• FilmFlow turns text into camera moves for 3D scenes, beat all tested baselines
• New technique makes diffusion language models faster without losing quality
• Anthropic releases sandbox-runtime to safely cage AI agents without containers
• Anthropic's free scanner uses Claude to find bugs in open-source code
• Microsoft opens a tool that lets 1,024 AI coding agents work together without a boss
• Baidu releases Unlimited OCR 2, an open model that reads hundreds of pages in one go
• TokenGate makes AI read long documents up to 11x faster by skimming the unimportant parts
• Anthropic now stores your full chats for up to 5 years when you press thumbs up or down
• Mirendil launches Fern 0.1, an AI model that can read 10 million tokens at once
• AI skills like prompt engineering will be obsolete by 2026, writer says
• Test shows top AI agents fail at personalizing phone tasks for you
• A new Git tool records human–AI decisions so you don't lose the reasoning behind them