Radar diario de IA
Lunes, 5 de octubre de 2026 · 6 noticias · 8 minutos de lectura
Periodo: desde la edición del viernes 2 de octubre, más dos publicaciones recuperadas del 30 de septiembre y 1 de octubre.
|
Tres conclusiones
| 1. |
Para evaluar agentes que modifican datos, revisar el estado final del sistema y repetir cada tarea. Una respuesta convincente puede ocultar errores operativos. |
| 2. |
Ling 3.1 Flash y AstaBrief amplían las opciones de modelo. Sus cifras publicadas requieren pruebas con tareas, costes y criterios propios antes de adoptarlos. |
| 3. |
La nueva arquitectura de Google mejora la verificabilidad declarada del entrenamiento federado; las actuaciones de California y Washington aún no establecen nuevas obligaciones concretas. |
|
Las noticias
1. ThinkingBox comprueba el estado real que dejan los agentes en sistemas empresariales
Microsoft publica una evaluación reproducible de agentes que actúan sobre registros, pagos y solicitudes, con 20 repeticiones por tarea.
Resumen. El conjunto incluye 507 flujos con estado y califica el resultado final en el sistema, no solo la respuesta del agente. En 121.680 ejecuciones válidas de un subconjunto común, hubo 79.853 fallos; el 67,24 % de esos fallos terminó sin error final pese a haber invocado una herramienta que modificaba datos. Para procesos de negocio, conviene medir también cambios no deseados y consistencia entre ejecuciones.
Limitaciones. Las tareas son sintéticas y los resultados proceden del equipo que creó el benchmark. Sus porcentajes no predicen por sí solos el rendimiento en sistemas de una empresa.
Análisis y metodología de ThinkingBox · Artículo técnico de ThinkingBox
Técnica · Evidencia media
|
|
2. Ling 3.1 Flash: un nuevo modelo de expertos con evaluación independiente
InclusionAI pone a disposición Ling 3.1 Flash para tareas de texto, programación y agentes con herramientas.
Resumen. El modelo usa una arquitectura de expertos con 560.000 millones de parámetros totales y 25.000 millones activos por token. Vercel anunció su acceso el 30 de septiembre; la evaluación de Artificial Analysis le asigna 41 puntos en su índice compuesto. Publicación que faltó en la edición anterior: la prueba externa permite ahora situar mejor el anuncio y justifica recuperarlo con su fecha original.
Limitaciones. El índice es una evaluación independiente de tareas generales, no una validación en un proceso concreto. El límite de contexto y el rendimiento pueden variar entre proveedores; conviene probar la variante y el canal que se vaya a usar.
Disponibilidad y ficha de Ling 3.1 Flash en Vercel · Evaluación de Ling 3.1 Flash en Artificial Analysis
Técnica · Evidencia media-alta
|
|
3. Google publica una arquitectura verificable para entrenar con datos federados
El nuevo sistema combina cifrado, entornos de ejecución protegidos y un registro público de políticas de acceso.
Resumen. Los dispositivos cifran los ejemplos de entrenamiento y autorizan qué programas pueden procesarlos. La clave solo se libera a programas cuyo código coincide con la política publicada; los operadores reciben pesos y métricas con privacidad diferencial. Google afirma que Gboard ya usa esta arquitectura para predicción de palabras en inglés y japonés, y ha publicado código reproducible de parte de la infraestructura.
Limitaciones. La implantación y las mejoras de velocidad proceden de Google. La garantía depende de los entornos de ejecución y sus límites, incluidos posibles canales laterales; la publicación técnica no equivale a una auditoría independiente del despliegue completo.
Arquitectura de aprendizaje federado de Google Research · Código de Confidential Federated Compute
Técnica · Evidencia media
|
|
4. Ai2 libera AstaBrief 8B para redactar informes científicos con citas
El modelo transforma una pregunta y fragmentos de publicaciones recuperadas en un informe con referencias.
Resumen. Ai2 adaptó Qwen3-8B con ejemplos de investigación, filtrado de citas y entrenamiento por preferencias, y liberó el modelo y los datos de entrenamiento. En su plataforma Asta, el modo rápido tarda de media 51,1 segundos por informe, frente a 178,5 segundos del modo anterior; la comparación corresponde a todo el flujo de generación, no solo al modelo.
Limitaciones. La evaluación es interna y gran parte se realizó en 2025, sin repetirla frente a los modelos frontera actuales. Las citas y conclusiones requieren revisión científica antes de utilizarlas.
Detalles y evaluación de AstaBrief en Ai2 · Modelo AstaBrief 8B
Técnica · Evidencia media
|
|
5. California requiere información a OpenAI en una investigación de ciberseguridad
La Fiscalía General de California notificó una citación investigativa sobre incidentes y riesgos relacionados con modelos de OpenAI.
Resumen. La citación se notificó el 30 de septiembre y se anunció el 1 de octubre, como parte de una investigación ya abierta que incluye el incidente de Hugging Face. Publicación que faltó en la edición del viernes: el hecho nuevo es el requerimiento formal de información, no una conclusión sobre responsabilidades o causas técnicas.
Limitaciones. La Fiscalía no ha publicado aquí el texto completo de la citación ni una resolución. No hay una infracción acreditada por el mero hecho de recibir este requerimiento; tampoco constan respuestas completas de OpenAI.
Comunicado de la Fiscalía General de California · Cobertura independiente de Reuters
General · Evidencia alta
|
|
6. Estados Unidos anuncia un grupo federal para coordinar asuntos de IA
El Gobierno estadounidense ha nombrado a Jay Clayton para dirigir un grupo que reunirá a varias agencias federales.
Resumen. El anuncio del 4 de octubre sitúa en el grupo a responsables de inteligencia, la FTC, Defensa y personal federal. Según la comunicación presidencial recogida por AP, consultará a consumidores, organizaciones de interés público, operadores de infraestructuras críticas y empresas de IA. Su composición puede influir en futuras decisiones de acceso, seguridad y supervisión.
Limitaciones. Por ahora hay un anuncio organizativo: no se han publicado medidas vinculantes, competencias detalladas ni resultados. Su efecto sobre empresas y usuarios sigue sin determinarse.
Anuncio original del grupo federal · Información contrastada de Associated Press
General · Evidencia alta
|
|
|
Radar Instintia
| 1. |
En pilotos de agentes para atención al cliente u operaciones, definir comprobaciones automáticas del registro final y de los efectos secundarios. Repetir casos críticos antes de pasar a producción. |
| 2. |
Cuando se comparen modelos para un cliente, separar resultados de benchmarks externos de los obtenidos con sus datos y herramientas; fijar métricas de error, tiempo y coste por tarea. |
| 3. |
Para proyectos con datos sensibles, pedir un mapa de acceso a los datos, políticas verificables y límites del hardware protegido antes de prometer privacidad o cumplimiento. |
|
|
Selección editorial de Instintia. Las fechas de las recuperaciones aparecen en sus noticias; los resultados de fabricantes y evaluadores se atribuyen a sus fuentes.
Instintia · AI has your sixth sense
|
|