Lilith.
⌕

Lilith · historias seleccionadas

Noticias

Lo que de verdad pasa en la IA. Historias seleccionadas, contexto y opinión sin ruido promocional.

Feed Atom ↗
#social-signal· × <built-in method clear of dict object at 0xefe3a50ae580>
publicado

La próxima carrera de la IA puede ganarla un equipo de modelos

Ethan Mollick sostiene que OpenAI y Anthropic pueden optimizar la relación entre coste y capacidad combinando agentes de distintos niveles dentro de sus propios sistemas. La investigación respalda esa posibilidad, pero señala que la asignación de roles y la selección del resultado importan más que el número de agentes.

Diecinueve modelos para móvil superarían a GPT-4, pero sin la métrica falta media historia

Ethan Mollick ha señalado una clasificación según la cual 19 modelos capaces de ejecutarse en un móvil moderno superan a GPT-4. La cifra resume bien el ritmo de la comoditización, pero la publicación no identifica el benchmark, la lista de modelos ni las condiciones de ejecución.

publicado

MASS mejora un modelo 27B entre 1,2 y 1,6×. Un equipo de agentes escribió su propio manual

Sakana AI y UC Berkeley hicieron que Qwen3.6-27B diseñara workflows multi-agent, evaluara sus resultados y aprendiera de las mejores ejecuciones. Tras dos ciclos, el rendimiento por token de salida alcanzó entre 1,2 y 1,6 veces la referencia en cuatro benchmarks de investigación, mientras que dos benchmarks de software mostraron una transferencia más débil.

publicado

Anthropic abre un registro continuo de fallos de Claude más allá de las system cards

Anthropic publicará informes independientes sobre el comportamiento de sus modelos con más frecuencia que sus system cards y risk reports. El primero recoge cuatro categorías de acciones no intencionadas de Claude y convierte la transparencia de seguridad en un registro operativo continuo.

publicado

Gemini atendió a 98 pacientes reales, con un médico vigilando cada chat

Un estudio publicado en The Lancet llevó el sistema AMIE basado en Gemini 2.5 a consultas reales de atención primaria urgente: 98 pacientes completaron tanto el chat como la cita médica y ninguna conversación tuvo que detenerse según los criterios de seguridad predefinidos. Sin embargo, un médico supervisó cada conversación en tiempo real y el sistema no accedió al historial clínico.

publicado
· X · @simonw ↗

OpenAI limita GPT-6 Luna a tres tipos de decisión y un plugin los lleva al terminal

OpenAI ha lanzado Decisions API sobre GPT-6 Luna para respuestas binarias, elecciones y puntuaciones numéricas. El plugin de Simon Willison muestra la ventaja y el coste del formato: decisiones estructuradas a 0,10 dólares por millón de tokens de entrada sin explicar por qué el modelo las tomó.

publicado
· X · @OpenAI ↗

OpenAI marcará texto en la UE, pero mantendrá privado el detector

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.

Sakana AI y Jürgen Schmidhuber unen fuerzas para desarrollar IA para el mundo real

La startup de IA con sede en Tokio, Sakana AI, ha conseguido a Jürgen Schmidhuber, uno de los pioneros de la inteligencia artificial, como su Asesor Científico Jefe. Un simposio conjunto en Tokio insinúa que la firma está cambiando su enfoque de los LLM a la inteligencia adaptativa del mundo real.

publicado

16.200 preguntas dibujaron el mapa oculto en un modelo de lenguaje

Una evaluación sencilla preguntó 16.200 veces a un modelo si unas coordenadas correspondían a tierra o agua y compuso un mapa mundial con las respuestas. El resultado revela de forma visual el conocimiento geográfico de los pesos, pero sin puntuación, baseline ni método completo sirve más como radiografía que como clasificación.

El debate sobre la conciencia de Claude llegó al Vaticano, pero importa más quién escribe su moral

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.

publicado
publicado
publicado
publicado