Resumen. Investigadores de Anthropic pidieron a Fable 5.1, dentro del entorno Claude Science, calcular una amplitud de seis partículas a nueve bucles en la teoría planar N=4 super-Yang-Mills. El agente aplicó dos métodos conocidos, incluido un bootstrap con Python y SymPy, y trabajó con instrucciones periódicas para continuar. El físico de SLAC Lance Dixon validó el resultado mediante una relación con un cálculo asociado. Cada enfoque habría costado al usuario entre 1.000 y 2.000 dólares; la parte de cómputo del bootstrap usó 96 CPU durante una semana y unos 100 dólares. Otro grupo obtuvo en paralelo una parte del mismo resultado con ayuda de GPT-6. El avance muestra que un agente puede ejecutar una investigación larga y frágil cuando dispone de un objetivo preciso y una ruta de comprobación.

Limitaciones. La teoría estudiada es un modelo simplificado sin aplicación directa a predicciones experimentales. Claude usó técnicas publicadas y más cómputo, sin descubrir un método físico nuevo. El artículo aparece en la web de Anthropic; su autor fue compensado por la empresa y el validador recibió créditos de uso. El trabajo todavía no constituye una publicación revisada por pares.

Resumen. Surge AI ha publicado 130 encargos diseñados por profesionales para evaluar agentes en sanidad y finanzas. Los prompts tienen 49 y 81 palabras de media, frente a 337 en GDPval, y cada tarea incluye unos 20 o 26 archivos. Un profesional necesitaría cerca de 20 horas por encargo. El mejor modelo completó correctamente el 24,7% de las tareas de salud y el 23,9% de las financieras. En un caso, solo 2 de 66 ejecuciones detectaron un error de unidad que inflaba una posición en 25,7 millones de dólares. La suite aporta una prueba útil para separar la ejecución de instrucciones del criterio necesario para entender qué trabajo debe hacerse.

Limitaciones. Los resultados y la auditoría de GDPval proceden del creador del nuevo benchmark. Solo se publican muestras; el acceso completo se solicita a Surge AI. Las puntuaciones dependen de rúbricas propias y de entornos simulados, por lo que no equivalen a rendimiento autónomo en organizaciones reales.

Resumen. Tras la visita de Estado de Xi Jinping a Estados Unidos, ambos gobiernos anunciaron la creación del Diálogo China-Estados Unidos sobre IA y de un canal de comunicación para incidentes. El Ministerio de Exteriores chino sitúa la siguiente conversación en noviembre de 2026. Axios, citando la comunicación estadounidense, confirma el canal y señala que se concibe para reducir el riesgo de escalada ante incidentes graves. El acuerdo convierte una propuesta previa en un compromiso bilateral, pero todavía no establece obligaciones públicas de notificación, verificación o respuesta.

Limitaciones. No se han publicado los contactos operativos, los plazos de activación ni qué sucesos alcanzarán el umbral de «incidente». Tampoco hay un tratado, reglas técnicas comunes o un sistema de inspección. El valor del canal dependerá de su puesta en marcha y de la información que cada parte decida compartir.