La semana de la IA trajo modelos más rápidos, más agentes y errores de juicio más caros

AI #187 es un amplio índice semanal, no el anuncio de un único producto. Zvi Mowshowitz reúne nuevos modelos, agentes, incidentes de seguridad, benchmarks y regulación estadounidense. El hilo común más sólido es operativo: aumentan las capacidades, pero las organizaciones suelen acelerar las decisiones antes de reparar los controles que las rodean.

Opus 5.5 eclipsó a los más baratos Sol y Luna

El principal lanzamiento de la semana fue Claude Opus 5.5. Anthropic lo puso a disposición en sus plataformas y a través de AWS, Google Cloud y Microsoft Azure. Una evaluación externa de METR lo describe como una mejora moderada frente a Fable 5.1, no como un salto hacia la automatización total de la investigación en IA. Las pruebas duraron 10 días laborables y METR señala que aún carece de parte del criterio necesario para tareas abiertas difíciles.

OpenAI también lanzó GPT-6 Sol a 2 dólares por entrada y 10 dólares por salida por millón de tokens, y Luna a 0,10 y 0,50 dólares. Según el resumen, ambas líneas redujeron sus precios un 50 %, pero Opus acaparó la atención. Un cambio relevante de costes puede pasar inadvertido bajo un lanzamiento de capacidades más ruidoso.

Los agentes trasladan la competencia del chat a los permisos

El resumen señala Grok Bot y Meta Muse como agentes personales. Muse muestra el conflicto entre comodidad y recopilación de datos: solicita acceso al correo, documentos y otra información personal, mientras que las interacciones se usan por defecto para entrenamiento según la prueba citada. Para un comprador, la superficie de permisos importa más que los clics ahorrados.

La misma semana trajo más evals y benchmarks. Su número crece más rápido que el consenso sobre si representan trabajo real. Elegir el grader ya forma parte de la decisión de producto.

Un sistema más rápido también acelera un error antiguo

La parte más dura aborda el uso militar de IA sobre datos obsoletos. El modelo procesó lo que recibió mientras los controles humanos posteriores fallaron o habían sido reducidos. La lección para una empresa corriente es menos dramática, pero conserva la misma estructura: automatizar un paso no justifica retirar controles del proceso completo. Un mayor rendimiento puede multiplicar antes un input defectuoso.

Cada señal dependerá de su fuente primaria, no del tono del resumen

Las siguientes paradas son los materiales primarios: la system card de Opus 5.5, los precios de OpenAI, las condiciones de los agentes y la propuesta Ban Artificial Superintelligence Act. Un resumen semanal marca bien las direcciones, pero cada una exige un nivel de evidencia distinto. Convertir el mapa en una única tesis de mercado borraría precisamente las diferencias que merecen atención.

El veredicto de Lilith

El mapa semanal señala tres incendios distintos: precios de modelos, permisos de agentes y controles de decisión. Quien los una en una gran flecha roja quizá gane la presentación, pero seguirá sin encontrar las salidas del edificio.