Radar diario de IA
30/09/2026 · 29 de septiembre – 30 de septiembre, 09:30 CEST
8 noticias · 12 minutos de lectura
|
Tres conclusiones
|
1. GPT-6.1 Sol añade una opción nueva para tareas complejas; su valor dependerá de pruebas propias frente a Astra y al Sol anterior.
2. Kumo Tabular y Serge ofrecen piezas aplicables: predicción con tablas y reparación de software con verificación antes de la revisión humana.
3. Los resultados de Quine y la evaluación de GLM-5.3 merecen seguimiento, con límites claros entre pruebas de laboratorio, simulaciones y uso real.
|
|
Las noticias
1. OpenAI lanza GPT-6.1 Sol para programación y trabajo complejo
El nuevo modelo busca acercarse a Astra con un coste de API menor.
Resumen. OpenAI publicó el 29 de septiembre gpt-6.1-sol. Admite contexto de 1,05 millones de tokens y delegación multiagente en beta. La tarifa estándar hasta 272.000 tokens de entrada es de 2 dólares por millón de tokens de entrada y 10 por millón de salida. Para usar herramientas hay que emplear la API Responses; Chat Completions admite el modelo sin llamadas a herramientas. El cambio merece comparar calidad y coste con Sol anterior y Astra en tareas reales.
Limitaciones. Las comparaciones de rendimiento proceden de OpenAI. El precio aumenta para entradas superiores a 272.000 tokens; el modo rápido no está disponible con residencia de datos en la UE.
Ficha oficial de GPT-6.1 Sol · Registro de cambios de la API
Técnica · Evidencia media
|
|
2. La API de agentes de OpenAI incorpora navegación en un navegador alojado
Las aplicaciones pueden dar acceso a sitios web a un agente y gestionar sus aprobaciones y el inicio de sesión.
Resumen. Desde el 29 de septiembre, la Agents API permite ejecutar tareas en un navegador alojado por OpenAI. La aplicación debe autorizar cada origen solicitado, gestionar las credenciales fuera del chat y revisar el resultado y la actividad guardada. La novedad reduce el trabajo de montar un navegador propio, pero traslada al desarrollador decisiones sobre permisos, autenticación y supervisión.
Limitaciones. La documentación describe una capacidad disponible, no una evaluación de fiabilidad en procesos empresariales. El inicio de sesión no admite passkeys ni códigos QR; cada flujo requiere pruebas con los sitios concretos.
Guía oficial de uso del navegador en Agents API · Registro de cambios de la API
Técnica · Evidencia alta
|
|
3. NVIDIA publica Kumo Tabular para predicción con datos en tablas
El modelo abierto clasifica o estima valores a partir de filas etiquetadas sin entrenar un modelo nuevo por tarea.
Resumen. Publicado el 29 de septiembre, Kumo Tabular ofrece tres tamaños, de 28 a 215 millones de parámetros, con pesos y biblioteca disponibles. Recibe ejemplos etiquetados y predice clases o valores de otras filas en una pasada. NVIDIA afirma que encabeza cuatro bancos de pruebas; para empresas, el interés está en probar si reduce el trabajo de preparar y ajustar modelos para demanda, incidencias o abandono.
Limitaciones. Los resultados comparativos son del fabricante y necesitan contraste externo. Acepta de forma nativa columnas numéricas y categóricas; el rendimiento puede caer con distribuciones distintas. Debe evaluarse con datos propios reservados antes de usarlo en producción.
Presentación técnica de NVIDIA · Pesos y ficha del modelo
Técnica · Evidencia media
|
|
4. Hugging Face detalla un agente que corrige fallos reproducidos en Transformers
Serge convierte errores de pruebas de integración en propuestas de cambio verificadas y revisadas por mantenedores.
Resumen. El equipo explicó el 29 de septiembre cómo su agente nocturno reproduce fallos en GPU, descarta los intermitentes, prepara un parche y vuelve a ejecutar las pruebas antes de abrir una solicitud de cambio. Informa de 29 correcciones incorporadas en unos 80 días. El aprendizaje aplicable es filtrar los fallos antes de llamar al modelo y exigir una prueba reproducible antes y después del parche.
Limitaciones. Las cifras provienen de Hugging Face y corresponden a su repositorio y su infraestructura. Una solicitud incorporada demuestra utilidad concreta, pero no que la tasa de éxito se traslade a otros proyectos.
Arquitectura y resultados de Serge · Ejemplo de corrección revisada en GitHub
Técnica · Evidencia media-alta
|
|
5. Google propone una capa de control para dirigir la generación de imágenes
Diffusion Controller modifica el proceso de generación sin tener que reentrenar todo el modelo base.
Resumen. Google Research publicó el 29 de septiembre un método que añade una red ligera al proceso de difusión para ajustar la imagen al objetivo indicado. En pruebas con Stable Diffusion 1.4, compara distintas formas de entrenamiento con LoRA y otras bases; la variante con acceso completo alcanza un 90 % de preferencia frente al modelo base en su evaluación. Puede orientar la personalización de generación visual cuando importan atributos concretos.
Limitaciones. Es una publicación de investigación y los resultados se obtuvieron en modelos y conjuntos de prueba delimitados. No acredita el mismo efecto en servicios comerciales cerrados ni aporta aún una validación independiente de despliegue.
Explicación de Google Research · Artículo científico de Diffusion Controller
Técnica · Evidencia media
|
|
6. Microsoft presenta Quine y valida candidatos en ensayos de laboratorio
El sistema combina modelos biológicos, herramientas científicas y experimentos para priorizar compuestos.
Resumen. Microsoft Research presentó el 29 de septiembre Quine, un sistema multimodal que relaciona genómica, proteínas, química, estado celular e imágenes. Junto al Broad Institute, priorizó compuestos para estudiar cambios de estado en células de cáncer de páncreas; varios candidatos destacados mostraron el efecto buscado en ensayos de laboratorio. Es un ejemplo de IA que propone experimentos y recibe sus resultados para orientar la siguiente ronda.
Limitaciones. Microsoft no publica en esta nota una comparación externa completa ni evidencia clínica. Quine está limitado a investigación y a colaboradores seleccionados; los efectos observados en células no demuestran utilidad terapéutica en pacientes.
Informe de Microsoft Research sobre Quine
General · Evidencia media
|
|
7. Anthropic mide la capacidad de GLM-5.3 para desarrollar exploits
Una evaluación del modelo abierto de Z.ai encuentra éxitos en pruebas aisladas de explotación de vulnerabilidades.
Resumen. En un análisis publicado el 29 de septiembre, Anthropic informa de que GLM-5.3 completó 50 de 410 intentos en ExploitBench; Claude Mythos Preview completó 56. Las pruebas se ejecutaron sobre objetivos aislados y vulnerabilidades conocidas. El resultado apunta a que un modelo con pesos descargables puede ofrecer capacidades ofensivas relevantes, por lo que los equipos defensivos deben revisar sus supuestos de riesgo y sus controles.
Limitaciones. La evaluación la realizó un competidor de Z.ai. Un banco de pruebas controlado no permite inferir la frecuencia ni el impacto de ataques reales. Las afirmaciones sobre consecuencias futuras siguen siendo hipótesis.
Evaluación y metodología de Anthropic · Presentación original de GLM-5.3 por Z.ai
General · Evidencia media
|
|
8. Seis empresas de IA firman un acuerdo voluntario de controles y auditorías en EE. UU.
El compromiso anunciado en la Casa Blanca prevé supervisión interna, revisión externa y control de los consejos.
Resumen. El 29 de septiembre, representantes de Anthropic, Google, Meta, OpenAI, NVIDIA y xAI firmaron un acuerdo voluntario promovido por la Casa Blanca. El texto contempla controles sobre capacidades y riesgos, equipos internos responsables, auditorías externas y supervisión del consejo de cada empresa. Es relevante para quienes compran IA avanzada: pueden pedir evidencias concretas de cómo se aplicarán esos controles.
Limitaciones. El compromiso no es una ley ni fija todavía un mecanismo público de cumplimiento. Falta comprobar qué auditores se designan, qué informes se publican y si las prácticas cambian.
Crónica y contenido del acuerdo en Associated Press
General · Evidencia media
|
|
|
Radar Instintia
1. Comparar GPT-6.1 Sol, Astra y los modelos actuales en tres flujos reales: calidad, tiempo, coste por tarea y errores que requieren revisión.
2. Probar Kumo Tabular frente a una base de árboles de decisión con datos reservados; medir precisión, calibración y esfuerzo de puesta en marcha.
3. En agentes que actúan sobre sistemas, exigir permisos por destino, trazas y verificación automática antes de aceptar cambios o acciones.
|
|
|
Selección editorial independiente. La evidencia indicada describe las fuentes disponibles hoy, no una garantía de rendimiento. No se incluyen recomendaciones de inversión.
Instintia · Contacto
|
|