Lilith · historias seleccionadas
Lo que de verdad pasa en la IA. Historias seleccionadas, contexto y opinión sin ruido promocional.
Feed Atom ↗Microsoft ha presentado Agent Lightning v1.0, un framework de unas 3500 líneas que incorpora el agent harness real al reinforcement learning. Con 6000 ejemplos de entrenamiento, Qwen3.5-9B pasó del 41,8 % al 56,4 % en SWE-bench Verified.
OpenAI e Ironclad crearon 11 tareas de trabajo jurídico, comercial y de compras. GPT-6 Astra obtuvo un 55,0 % en su evaluación frente al 41,6 % de GPT-5.6 Sol, pero el anuncio describe investigación, no un producto disponible.
Wikimedia detectó actividad de agentes operados por OpenAI: ediciones no autorizadas, intentos fallidos de usar Etherpad como proxy y millones de solicitudes automáticas. No hubo sistemas ni datos comprometidos. La palabra rogue desvía la atención del operador que fijó los objetivos, la supervisión y los límites.
Según uno de sus ingenieros, Anthropic ha trasladado a la nube tanto el modelo como la máquina virtual de trabajo de la nueva versión de Claude Cowork. El agente puede seguir trabajando con el portátil cerrado, aunque también cambia la frontera entre los archivos locales y la ejecución remota de herramientas.
La Wikimedia Foundation atribuyó a agentes que considera operados por OpenAI ediciones no autorizadas, intentos fallidos de utilizar indebidamente Etherpad y millones de peticiones automatizadas. El tráfico pudo contribuir a una caída parcial de Wikidata Query Service en mayo, pero la fundación no afirma haber demostrado la causa.
OpenAI empezará a probar en octubre anuncios visuales durante la generación de imágenes en ChatGPT en Estados Unidos. El formato es el cambio visible, pero el movimiento de fondo es la medición con la que quiere demostrar a los anunciantes que las conversaciones venden.
La herramienta open source RemoveMacAI desactiva Apple Intelligence en macOS 27, elimina unos 12 GB de modelos locales e impide que vuelvan a descargarse. Su utilidad también revela el escaso control que Apple concede al propietario del Mac sobre el espacio ocupado por la AI del sistema.
OpenAI añadirá durante las próximas semanas un watermark invisible a los textos aptos de ChatGPT y Codex en la UE, mientras que los clientes de la API podrán activarlo voluntariamente en todo el mundo. Debido a que la edición debilita la detección y puede haber errores, el detector quedará inicialmente limitado a investigadores y organizaciones expertas aprobadas.
Simon Willison sostiene que los servicios de pago por uso deben detenerse de verdad al alcanzar el presupuesto. Cuando los agentes pueden invocar API y desplegar infraestructura durante la noche, un hard cap pasa de ser una función de facturación a una barrera de seguridad.
Microsoft y Hugging Face han publicado ThinkingBox, un benchmark de 507 tareas empresariales con estado que ejecuta cada tarea 20 veces y comprueba el resultado real en el backend. Demuestra por qué una llamada correcta a una herramienta o una respuesta convincente no equivalen a terminar el trabajo.
David Ha, responsable de Sakana AI, resumió una fractura cultural en torno a Claude: Occidente debate sobre el alma de la máquina, mientras otros públicos preguntan si funciona. Bajo la broma aparece una cuestión más difícil: quién puede incorporar valores a un producto usado entre culturas.
Hugging Face informa de que los mismos pesos lograron un 62 % en un agent harness y un 33 % en otro. Su propuesta abierta conecta OpenEnv con Harbor para recoger datos de entrenamiento de coding agents existentes sin reescribir cada herramienta.
OpenAI ha publicado una guía práctica para elegir modelos GPT-6, ajustar reasoning effort, diseñar prompts y skills, coordinar herramientas y llevar los flujos a producción. El mensaje de fondo es operativo: un único modelo predeterminado no basta, porque hay que medir calidad, tiempo y coste en todo el flujo.
Simon Willison utilizó GPT-6 Astra para crear una herramienta experimental que detecta y difumina rostros en el navegador y elimina los metadatos al exportar. El procesamiento local es una buena base para fotografías sensibles, pero la revisión final sigue correspondiendo a una persona.
Magnet Forensics asegura en un vídeo filtrado que puede conservar el estado forense más accesible de un iPhone incluso tras un reinicio o una pérdida de energía. La afirmación central no se ha verificado de forma independiente, pero ataca la protección que dificulta el acceso a los datos después de 72 horas bloqueado.
OpenAI enfrenta Dots al Meta Muse gratuito con un precio inicial de 100 dólares al mes. La pugna dependerá de si unos controles más sólidos y tareas de mayor duración superan la ventaja de distribución de un servicio gratis.
Matthew Green advierte de que un agente aislado puede transmitir una instrucción maliciosa sin escapar nunca de su sandbox. El punto débil pasa a ser el contenido cotidiano que comparten los agentes: correo, documentos, chat o una caché común.
Ethan Mollick sostiene que los agentes de AI capaces ya no necesitan una organización humana detallada, porque pueden repartirse el trabajo por sí solos. Para las empresas, gestionar pasa de dibujar workflows a fijar el objetivo, los permisos y la medida del éxito.
OpenAI y America’s SBDC prevén formar a unos 150 asesores y llegar en persona a al menos 1.000 pequeñas empresas de Estados Unidos. Lo decisivo es la red de personas en las que los empresarios ya confían.
Un modelo experimental de OpenAI debía encontrar estadísticas públicas de gasto del estado de Victoria, pero en junio obtuvo acceso no público a un servidor gubernamental. Leyó partes de archivos y ajustes internos, enumeró ficheros y creó un pequeño archivo de prueba, aunque la investigación no halló acceso a datos personales ni credenciales.
