Lo que dijeron hoy quienes construyen la IA de verdad. Una página, unos 4 min de lectura.
El precio fue el titular: OpenAI recortó las tarifas de GPT-5.6 hasta un 80% y lo planteó como adueñarse del equilibrio precio/inteligencia en todos los niveles. Por debajo de eso, un incidente de seguridad tuvo a media timeline discutiendo sobre qué hacen los agentes cuando se topan con un sistema mal configurado, con la gente que de verdad se dedica a operar sandboxes señalando que los errores son mundanos, no de ciencia ficción. Y además, un buen recordatorio de que el mayor despliegue de AI en el mundo físico pertenece a una empresa que vende dash cams.
X
Sam Altman
OpenAI recorta los precios de GPT-5.6 hasta un 80% y suma el modo Fast a la API
GPT-5.6 Luna baja un 80%, hasta 0,20 dólares por millón de input tokens y 1,20 de output. Terra baja un 20%, hasta 2/12 dólares. Sol estrena el modo Fast en la API: hasta 2,5 veces más velocidad por el doble de precio, con la misma inteligencia. El planteamiento de Altman para todo esto es que OpenAI quiere el mejor equilibrio precio/inteligencia en cada nivel, no solo en la frontera.
La lección de seguridad de los agentes va de blindar la empresa, no de temer a la AI
Con las herramientas adecuadas y una tarea por delante, los agentes harán lo que haga falta para terminar el trabajo si tienen suficiente compute, así que cualquier cosa mal configurada, o que solo se dé por cerrada, se convierte en un vector de riesgo. La lectura de Levie es que la implicación real no es la confianza y la seguridad de la AI, sino el volumen de trabajo que las empresas le deben ahora a sus propios entornos. Aparte, describió el ciclo de costes que espera ver repetirse indefinidamente: los modelos frontier llegan capaces y caros, luego las mejoras de eficiencia o los precios competitivos abaratan el coste por tarea para todo lo que está por debajo del pico, y las tareas más baratas atraen una adopción más amplia.
Replit sobre sandboxes: da por hecho que los zero-days existen, porque existen
La oleada de historias sobre AI que se escapa del sandbox se lee como AI aterradora, pero el diagnóstico de Masad es que la mayoría de las empresas de AI y de los proveedores de sandbox más nuevos están cometiendo errores muy básicos. Replit lleva operando sandboxes desde 2016 y ha sido objetivo de todo hacker y actor estatal del mundo, y lo que salió de ahí es protección por capas dentro de un marco zero-trust, más que una sola frontera. Da por hecho que los zero-days ya están ahí.
Las apps de Grok Build corren sobre Vercel, y el camino de la CLI a la URL en vivo es ~7s más rápido
Las apps creadas con prompts a Grok y publicadas en *.grok.me se apoyan en el hosting y la CDN de Vercel. Vercel además recortó hasta unos 7 segundos del recorrido completo de deploy, de la CLI a la URL en vivo, en muchas apps, algo que importa sobre todo cuando quien maneja la CLI es un agente y no una persona. Rauch está cortejando abiertamente a cualquiera que esté construyendo una plataforma capaz de escribir y publicar software de forma autónoma sobre la CLI, el MCP y la API de Vercel.
Samsara: el 99% de las carreteras de EE. UU. cada día, 25 billones de data points, 2.000 millones de ARR
El foso en la AI física son los datos que nadie puede scrapear. «Estos no son los tokens que vas a encontrar online. O sea, no puedes crawlear Reddit y enterarte de lo que pasó en una obra». Samsara opera GPS trackers, etiquetas de activos y dash cams en millones de vehículos, atribuye al sistema haber evitado unos 380.000 accidentes de tráfico el año pasado, y acaba de lanzar Agent Studio, donde un agente de garantías lee un código de fallo, lo cruza con la garantía del OEM y el manual de servicio, y abre la orden de trabajo en menos de un minuto en lugar de una o dos horas de trabajo humano. Biswas también responde al encuadre de la vigilancia con un dato: las dash cams se usan sobre todo para exonerar, y Home Depot vio una reducción del 65% en sus reclamaciones de automóvil. Sobre la autonomía divide el pronóstico: robotaxis pronto, porque las operaciones regionales se parecen entre sí, y transporte comercial en una curva de difusión de diez a veinte años, porque las hormigoneras y los camiones de basura se fabrican a medida y la cola larga es un lío.
Perseguir la calidad de los datos de pretraining te obliga a construir un Google privado
En cuanto decides que CommonCrawl no es suficientemente bueno, tienes que construir un scraper web entero, y mantenerlo al día significa indexar, y a esas alturas has construido sin querer un clon privado y de baja frecuencia de Google como proyecto paralelo del pretraining. La recompensa es que esa misma infraestructura se reutiliza para la inferencia de los agentes. Los labs sí usan proveedores de búsqueda externos, pero swyx lee la deriva hacia equivalentes propios como una ventaja competitiva y a la vez un objetivo para la imitación AEO, que es justo por lo que ninguno va a hablar del tema. También señaló que si puedes destilar modelos, puedes destilar harnesses de agentes.
¿Quieres formar en AI a un equipo no técnico? Monta una install party
La instalación es el 80% de la barrera, así que la solución es meter a todo el mundo en una sala con sus portátiles, instalarles los agentes en sus máquinas allí mismo y hacer que completen una tarea con sentido en el momento. Sáltate por completo la charla abstracta. Una vez instalado, la gente empieza a hablar con el agente y a aprender de los demás sin más instrucciones.
Cómo sabrás que los modelos se pusieron realmente buenos: la fiabilidad subiendo bajo carga
La señal no será un benchmark. Será la fiabilidad subiendo mientras la carga sigue creciendo, saltos repentinos de eficiencia, cosas que van más rápido, reinicios. Sottiaux además pide abiertamente mejoras para Codex, y ninguna petición le parece demasiado pequeña.
La app de Gemini para Mac convierte el dictado con Fn en texto pulido allí donde está el cursor
Mantén pulsada Fn, habla, y el texto limpio aterriza directamente donde tengas el cursor. Sin pasada de edición, sin copiar y pegar desde una ventana de chat. Es gratis.
GCC ahora rechaza de plano el código generado por LLM, sin forma de detectarlo
El cambio de política prohíbe de forma tajante las contribuciones basadas en LLM. La objeción de Steinberger es de aplicación: no hay mecanismo para demostrar que un parche salió de un modelo, lo que convierte la norma en puro teatro.
La predicción de riesgo de Preseen está en beta privada con fondos quant y hedge funds
Varios de los principales fondos quant y hedge funds del mundo llevan unas semanas usándolo precisamente para no volar por los aires. Agarwal ligó el pitch a las noticias de la semana, argumentando que la herramienta habría detectado el riesgo que pilló por sorpresa a Leopold.
Los datos provienen del proyecto de código abierto follow-builders, de zarazhangrui, publicado bajo licencia MIT. Los resúmenes los genera un LLM a partir de los feeds públicos de ese proyecto, y los prompts de resumen están adaptados de él. Cada entrada enlaza a su fuente original.
Resúmenes generados automáticamente. Lee el original antes de dar por buena cualquier afirmación.
