Lo que dijeron hoy quienes construyen la IA de verdad. Una página, unos 2 min de lectura.
Las grandes apuestas de hoy giraron en torno a cómo aprende la AI y cómo garantizar que actúe de forma segura. Un laboratorio planteó un camino más allá de los modelos de lenguaje, mientras los equipos de producto lanzaron nuevas capacidades para agentes y varios desarrolladores advirtieron que las prácticas de seguridad tradicionales tienen los días contados.
David Silver apuesta a que la AI puede descubrir conocimientos sin datos de entrenamiento humanos
Ineffable Intelligence está creando agentes que aprenden de la experiencia en mundos simulados, con la intención de hacer descubrimientos que los datos humanos no podrían enseñarles. Silver espera tener pruebas sólidas de este enfoque en un año y ahora prevé una superinteligencia en unos tres años. «Hay otra farola bajo la que, por ahora, nadie está mirando».
Claude lleva toda su plataforma a Google Cloud
Claude Models, gestionados por Anthropic en Google Cloud, ya están disponibles para todos los usuarios, con las credenciales y la facturación de Google Cloud. El modo rápido de Opus 5.5, la ejecución de código y la Skills API están disponibles allí desde hoy. La próxima semana, las sesiones de Claude en los planes Pro, Max y Team pasarán al modo automático por defecto, con una comprobación automatizada que bloqueará las acciones arriesgadas.
Decisions API ya está disponible para todos los usuarios
Thibault Sottiaux afirma que Decisions API ya está disponible para todos los usuarios y que OpenResponses se ha incorporado a la Linux Foundation. También señala mejoras de rendimiento y dice que Uber está apostando de lleno por Codex y Work.
Aaron Levie sostiene que los agentes acaban con la seguridad por oscuridad
Los sistemas autónomos pueden explorar cada rincón de una infraestructura heredada y probar un ataque tras otro, sostiene Levie. Cree que las empresas modernizarán los controles de acceso, pondrán en orden sus flujos de datos y usarán agentes para simular riesgos. Ese trabajo es una de las razones por las que piensa que la adopción de la AI tardará más de lo que algunos esperan.
Guillermo Rauch pide dejar atrás las credenciales estáticas
Rauch quiere que las credenciales robadas caduquen pronto para limitar lo que los atacantes pueden hacer con ellas. Propone un esfuerzo conjunto de la industria para adoptar OIDC, comparable al que impulsó el cifrado de los sitios web.
La robótica avanza hacia las instrucciones en lenguaje natural
Aditya Agarwal dice que la robótica sigue una evolución ya vista en los modelos de lenguaje: del fine-tuning al prompting y, después, a simplemente describir el resultado deseado. Pone como ejemplo a π0.7, de Physical Intelligence, que aprende nuevas habilidades a partir de indicaciones en lenguaje natural.
Nikunj Kothari observa una presión creciente entre la ronda seed y la Serie A
Kothari dice que casi el 10 % de las empresas en fase seed que conoce son adquiridas a los pocos meses del primer encuentro. A su juicio, fundar una empresa se ha vuelto más fácil, pero hacerla crecer se ha vuelto más difícil, y espera que esa presión continúe.
Los agentes de AI deben calcular los plazos según su propio ritmo
Swyx considera que Opus 5.5 es el mejor modelo para estimar trabajo que ha usado. A medida que los equipos delegan más tareas, sostiene que los agentes deberían calcular cuánto tardarán al trabajar en paralelo, en vez de repetir estimaciones humanas de varios días cuando podrían terminar en horas.
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.
