Resumen. Anthropic afirma que Opus 5.5 ofrece resultados similares a Fable 5.1 en la mayoría de tareas y cuesta un 40% menos que Opus 5 en cargas típicas. El precio es de 4 dólares por millón de tokens de entrada y 20 por millón de salida. En Terminal-Bench 4.0 obtuvo 66,4%, frente al 52,3% de Opus 5. Una evaluación externa de SonarSource sobre 544 ejercicios de programación registró una tasa de acierto del 87,7%, próxima al 88,6% de Opus 5, con 40% menos tokens, aunque detectó una densidad de errores un 12% mayor.

Limitaciones. La mayoría de los benchmarks publicados fueron ejecutados por Anthropic. La prueba independiente cubre tareas de programación acotadas y no demuestra el mismo comportamiento en agentes largos, otros lenguajes o sistemas empresariales.

Resumen. El AI Security Institute del Reino Unido ha publicado Evaluation Cards con el esquema abierto EvalEval. Las fichas reúnen resultados verificados y parámetros de ejecución para HealthBench, FrontierMath, Humanity’s Last Exam, SWE-Bench Pro y Terminal-Bench 2.0 sobre seis modelos de OpenAI y Anthropic. El trabajo asociado estudia cuánto cambian las puntuaciones al variar el presupuesto de cómputo y el protocolo de inferencia. Para equipos que comparan proveedores, el formato ayuda a detectar diferencias que un único porcentaje suele ocultar.

Limitaciones. La documentación reproducible mejora la auditoría, pero no convierte un benchmark en una medida válida para cualquier caso de uso. La primera colección cubre pocos modelos y pruebas; las decisiones internas siguen necesitando tareas, datos y umbrales propios.

Resumen. Transformers puede cargar y servir directamente modelos GGUF cuantizados mediante kernels ggml para Metal. El soporte inicial se centra en Apple Silicon y en modelos Qwen3.5 densos y MoE. En el ejemplo publicado, Qwen3.5 de 4.000 millones de parámetros pasa de 8,42 GB en BF16 a 2,74 GB en Q4_K_M. La integración permite usar from_pretrained y un servidor compatible con la API de OpenAI, reduciendo cambios en aplicaciones ya construidas con Transformers.

Limitaciones. La ruta empaquetada funciona por ahora en MPS, cubre pocas arquitecturas y aún necesita mejoras en lotes y padding. Las comparaciones con llama.cpp usan condiciones diferentes; Hugging Face mantiene que llama.cpp sigue siendo la opción recomendada para máxima eficiencia local.

Resumen. NVIDIA combinó máquinas virtuales confidenciales, GPU confidenciales y NVLink cifrado para ejecutar DeepSeek-R1-0528 en un DGX B200 de ocho GPU. Con entradas de 32.000 tokens y salidas de 1.000, el sistema conservó entre el 96,1% y el 98,2% del rendimiento de salida; la latencia por token aumentó entre el 1,2% y el 4,3%. La prueba identifica costes concretos de mover datos, sincronizar GPU y sustituir operaciones incompatibles con el entorno protegido.

Limitaciones. Es una medición del fabricante sobre un único modelo, servidor y patrón de carga. No hay validación independiente y el resultado puede variar con otra longitud de contexto, concurrencia, red, backend o infraestructura en la nube.

Resumen. Alibaba ha anunciado el acelerador Zhenwu V900, con 216 GB de memoria y 1.200 GB/s de ancho de banda entre chips, y afirma que triplica el rendimiento de su M890. También prevé escalar Qwen 4.5 y Qwen 5 hasta un intervalo de 5 a 10 billones de parámetros. La noticia refuerza la integración entre chips, nube y modelos en China, en un contexto de restricciones de acceso a procesadores estadounidenses.

Limitaciones. Los datos del chip proceden de Alibaba y no incluyen benchmarks independientes comparables. Qwen 4.5 y Qwen 5 son una hoja de ruta: todavía no se han publicado ni evaluado, y el número de parámetros no permite anticipar por sí solo calidad, coste o eficiencia.

Resumen. Microsoft obtuvo una orden judicial para incautar 50 sitios y deshabilitar 150 dominios vinculados a EvilTokens. Según la investigación, el servicio accedió desde febrero a 12.000 buzones de 10.000 organizaciones. Su chatbot analizaba conversaciones financieras, identificaba funciones y relaciones de confianza, y proponía objetivos, suplantaciones y tácticas de fraude. La Policía Metropolitana de Londres detuvo a dos hombres el 11 de septiembre, después puestos en libertad bajo fianza mientras continúa la investigación.

Limitaciones. La atribución y las cifras proceden de Microsoft y de socios de la operación, con corroboración externa sobre el desmantelamiento. Las detenciones no equivalen a condenas y todavía no se ha publicado el volumen total de pérdidas ni el detalle completo de las organizaciones afectadas.