Qué ha sucedido. Un modelo interno de investigación, supervisado por dos especialistas en modelado biomolecular sin experiencia previa en kernels, modificó más de 30 modelos en menos de cuatro semanas. Las mejoras incluyen FlashPairformer, kernels para operaciones costosas de predicción estructural, y un modo de baja memoria capaz de ejecutar sistemas de más de 10.000 tokens en un nodo NVIDIA.

Importante. Anthropic registra cerca de 4 veces más velocidad con una pérdida mínima de precisión y alrededor de 1,6 veces con resultados idénticos. En 16 objetivos de diseño de proteínas, una ejecución de 24 horas con una H200 logró puntuaciones in silico comparables al proceso anterior usando unas 100 veces menos horas de GPU.

Limitaciones. La evaluación es interna y gran parte del resultado biológico se mide por simulación. Los ensayos por encima de 31.000 tokens pudieron ejecutarse, pero las estructuras predichas no fueron correctas. La validación experimental de nuevos diseños aún está pendiente.

Qué ha sucedido. Anthropic ha publicado cinco familias de indicadores y sus primeras mediciones internas. En agosto, Claude habría dirigido el 26% del trabajo en su plataforma principal de I+D y participado al menos como colaborador en más del 90%. La empresa declara unos 30.000 agentes concurrentes, sin detectar todavía un subconjunto de trabajo completamente autónomo.

Importante. Cada acción pasa por un monitor en línea. De cerca de 1.000 millones de decisiones revisadas en agosto, el sistema bloqueó el 0,002%, unas 1 de cada 47.000. Otro monitor analiza alrededor de 100.000 transcripciones por semana y eleva unas 50 a revisión humana. La empresa estima que dedicó un 6% del cómputo de I+D a seguridad en una semana de julio.

Limitaciones. Anthropic define y calcula sus propios indicadores, que cubren principalmente una plataforma interna. Las cifras no permiten comparar laboratorios y todavía no cuentan con verificación externa. La compañía plantea auditorías de terceros como siguiente paso.

Qué ha sucedido. El motor completó 1.007 turnos de la prueba Edge Agentic en 24 minutos y 36 segundos, frente a 2 horas y 37 minutos de la implementación de referencia con llama.cpp. Usó pesos y activaciones NVFP4, caché KV en FP8, reutilización de prefijos y predicción de varios tokens mediante un árbol.

Importante. El sistema alcanzó 52,33 tokens por segundo y una mediana de 14,68 milisegundos por token de salida, con una precisión global de 87,94% en BFCL. La reutilización mantuvo cerca del 96% de los tokens de entrada en caché y la decodificación en árbol aportó alrededor de un 40% frente a la variante lineal.

Limitaciones. Es una presentación del fabricante sobre su propio hardware y software. La comparación cambia motor y cuantización respecto a la referencia; MLPerf facilita reproducibilidad, pero una carga real puede tener herramientas, contextos y patrones de concurrencia distintos.

Qué ha sucedido. Google Research ha publicado una biblioteca con más de 30 actividades STEM generadas por IA y aprobadas por docentes. El proceso define objetivos, crea niveles y ayudas, y repite la generación hasta superar controles de pedagogía, funcionamiento y diseño. Un evaluador agentivo abre Chrome, usa la simulación e intenta acciones extremas para comprobar que pueda resolverse.

Importante. Cuarenta actividades fueron evaluadas por docentes STEM en Reino Unido. En otro estudio inicial, 12 profesores de Estados Unidos solicitaron tres actividades cada uno y otorgaron una nota media de 8 sobre 10. El patrón combina generación, prueba automática y aprobación del responsable del proceso antes de publicar.

Limitaciones. La muestra es pequeña, seleccionada por Google y centrada en percepción docente. Aún no hay resultados sobre aprendizaje, participación sostenida, errores factuales en uso real ni coste de generación. El despliegue continúa en fase piloto.

Qué ha sucedido. Microsoft ha reunido resultados de su propia transformación. En una muestra de 687 vendedores entre enero y junio de 2024, quienes usaron herramientas de IA a diario en al menos la mitad de sus jornadas registraron una tasa de cierre un 20% mayor y un 9,4% más de ingresos por responsable de cuenta que el grupo de menor uso.

Importante. La cadena de suministro opera más de 111 agentes. En cinco ciclos mensuales entre abril y agosto de 2026, el tiempo medio de ciclo bajó de unos 10 días laborables a menos de 2,5. Las explicaciones de demanda validadas por personas pasaron de cinco a siete días a unas horas; algunas se completaron en menos de 20 minutos.

Limitaciones. Son cifras elegidas y publicadas por Microsoft sobre sus propios productos. El análisis de ventas es observacional y no demuestra que la IA causara toda la diferencia. Los resultados dependen de procesos, datos, incentivos y adopción propios de la empresa.