Resumen. Google Research ha presentado cuatro piezas complementarias: un codirector que busca estrategias creativas, CANVAS para mantener un estado visual persistente, A²RD para generar segmentos con memoria multimodal y VQQA para revisar y refinar los prompts. El trabajo trata el vídeo largo como un problema de planificación global, seguimiento de estado y corrección iterativa. A²RD muestra una película de diez minutos y el codirector alcanza 81,4 puntos en GenAD-Bench.

Limitaciones. Los resultados proceden de Google y de benchmarks creados o seleccionados por los autores. Varias piezas son preprints y no hay datos completos de coste, tiempo de generación ni comparación independiente con flujos profesionales.

Resumen. Participaron 201 empleados de seis oficinas. Tras una conversación de cinco minutos, el ranking estimado por Claude coincidió con el de la persona en el 61% de los pares comparados. En simulaciones repetidas, los mercados formados por Opus lograron una eficiencia de 0,88 frente a 0,75 con Haiku; el óptimo calculado era 0,95. El modelo influyó más que las instrucciones prosociales o competitivas. El principal fallo fue representar mal las preferencias antes de negociar.

Limitaciones. El experimento usa libros, empleados de Anthropic y únicamente modelos Claude bien comportados. Sus resultados no se pueden trasladar directamente a compras, contratación o decisiones financieras, donde existen agentes adversarios, obligaciones legales y daños mayores.

Resumen. El borrador añade 279,5 millones de parámetros, un 8,9% sobre LFM2.5-VL-3B, y propone hasta nueve tokens por bloque. El modelo principal acepta o rechaza cada propuesta, por lo que la salida codiciosa coincide con la original. En seis tareas visuales, Liquid AI informa de mejoras de decodificación de hasta 3,13 veces en Apple Silicon y 2,66 veces en una H100; la latencia total mejora hasta 2,62 y 2,27 veces, respectivamente. Los pesos están disponibles en Safetensors y GGUF.

Limitaciones. Las mediciones son del proveedor y se limitan a un modelo, varios equipos concretos y MMSpec. La técnica acelera la decodificación, pero no reduce el coste del codificador visual ni del prefill, que puede dominar la espera en dispositivos edge.

Resumen. La propuesta guarda la memoria en bases cifradas por usuario y mantiene en sus dispositivos las claves necesarias para desbloquearla. Un canal cifrado y autenticado conecta el cliente con un enclave seguro, donde los datos se descifran temporalmente para la inferencia y se vuelven a cifrar al guardar contexto. Google publicará un registro resistente a manipulaciones del software del servidor para que el dispositivo lo verifique antes de enviar datos. El diseño aborda un problema concreto: memoria entre sesiones sin convertir el historial personal en datos legibles por el proveedor.

Limitaciones. Es una arquitectura anunciada para una capacidad futura, no un servicio disponible con resultados operativos. Google afirma haber realizado una auditoría externa, pero la publicación no identifica al auditor ni aporta métricas o hallazgos detallados. La seguridad también depende del dispositivo, la gestión de claves y la implementación del enclave.