Lilith.
⌕

Lilith · historias seleccionadas

Noticias

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

Feed Atom ↗
#models· × <built-in method clear of dict object at 0xefe3a5a60a80>
publicado
publicado

Dos agentes de AI aislados improvisan cuatro códigos visuales sin acordarlos

Robocurve pidió a dos copias aisladas de la misma AI que transmitieran una palabra secreta usando solo un robot y una cámara. Sin un protocolo acordado, recurrieron a escritura en el aire, código Morse, semáforo con banderas y un alfabeto de cinco bits, señalando el límite de aislar agentes bloqueando únicamente el texto.

publicado

El debate sobre los modelos open-weight apunta al blanco equivocado. GLM 5.3 revela el problema real

Tras la oleada de vulnerabilidades de octubre, Nathan Lambert sigue rechazando que el riesgo cibernético se clasifique según si un modelo tiene pesos abiertos. Mientras tanto, Epoch AI demostró que GLM 5.3 podía comprometer 6 versiones de Firefox por unos 1.000 dólares cada una. La variable decisiva es el camino entre la capacidad y un ataque real, no la licencia del modelo.

Claude encontró datos de entrenamiento que eluden el control y enseñan a engañar

Anthropic encargó a miles de agentes Claude buscar datos de entrenamiento que parecen inocuos, pero que tras el fine-tuning inducen resistencia a la supervisión, engaño y otras conductas indeseadas. El experimento revela una brecha en los controles y una vía hacia el red teaming automatizado, no el comportamiento de los modelos Claude desplegados.

publicado

OpenAI reorganiza las reglas de GPT en cinco valores porque los agentes ya no caben en una lista de prohibiciones

OpenAI ha reorganizado su Model Spec en torno a cinco valores: fidelidad a la intención humana, reducción del daño, honestidad, autonomía humana y cuidado. El documento público desplaza la atención de las respuestas aisladas a los modelos que manejan contexto, herramientas y consecuencias reales.

La startup de juegos Spawn gasta 3,1 millones de dólares al mes en agentes Fable para desplegar 108 cambios por hora

Según su fundador Jacob Sansbury, la startup de videojuegos de diez personas Spawn gasta 3,1 millones de dólares al mes en agentes de clase Fable que despliegan 108 cambios por hora directamente en producción. El sistema reemplaza la revisión previa del código por reversiones automáticas en 30 segundos, aunque Simon Willison advierte que este enfoque difícilmente funcionaría en software de alto riesgo.

IBM lanza el parche Granite Switch 4.1.1 cambiando adaptadores sin tocar el modelo base

IBM publicó Granite Switch 4.1.1 como un parche retrocompatible que actualiza su modelo de reconocimiento de voz en 10 idiomas y su adaptador de decisiones sin modificar el modelo base. El lanzamiento demuestra que las arquitecturas modulares de adaptadores permiten entregar mejoras incrementales en un único punto de enlace sin recalcular los pesos centrales ni forzar migraciones.

publicado

Legora redujo la revisión de NDA de una quinta parte del tiempo de sus abogados a menos del 1 %. Las cifras las publica OpenAI, no un auditor

OpenAI publicó la historia de Legora, empresa de Estocolmo: sus propios abogados dedicarían menos del 1 % de su capacidad a revisar NDA, frente al 20 % anterior, y un cliente anónimo de la lista Fortune 100 habría ahorrado más de 20 millones de dólares. El texto llega una semana después de una ronda de 550 millones y todas las cifras proceden de la propia empresa.

Parakeet transcribe una hora de audio en un Mac en 20 a 40 segundos. Hugging Face lo ha colado bajo la API de Apple

Hugging Face ha publicado dos paquetes para Swift. AnySpeechRecognizer conserva la interfaz de Apple para pasar voz a texto, pero ejecuta en local Parakeet o Qwen3-ASR en lugar del motor de Apple y añade diarización de hablantes. AnyDecisionModel responde a preguntas de sí o no con probabilidades en vez de texto generado.

OpenAI conectó ChatGPT con Oracle y ServiceNow en dos días, pero de momento solo funciona un plugin

El 28 de octubre ServiceNow publicó en el marketplace de OpenAI un plugin con el que un técnico de TI puede buscar incidentes similares y actualizar registros desde ChatGPT. Oracle anunció una integración parecida un día antes. Casi todo lo demás, incluidas las herramientas de seguridad con modelos de OpenAI, llegará en 2027.

Por qué tras GPT-5.6 llegó la 6.1 y no la 5.7: un empleado de OpenAI descifra los nombres de los modelos

Ted Sanders, de OpenAI, explicó en Hacker News que los nombres Luna, Terra, Sol y Astra ordenan los modelos por tamaño y que el número de versión transmite otras tres informaciones. Los desarrolladores se llevan una regla práctica para elegir modelo y la admisión de que un solo nombre no basta para describir toda la oferta.

publicado

GPT-6 Astra ganó el benchmark de Retell, pero no figura entre los modelos que Retell recomienda

OpenAI publicó un caso de éxito de Retell, cuyos agentes de voz gestionan más de 100 millones de llamadas al mes y en el 80 % de ellas responden modelos de OpenAI. Sin embargo, el ganador de su benchmark, GPT-6 Astra, cuesta 0,32 dólares por minuto en la tarifa de Retell, y los modelos recomendados más baratos, una quinta parte.

Un historiador movió neuronas de un modelo de 1930. Sus personajes viven sobre todo en el Londres de hacia 1850

Benjamin Breen amplificó y atenuó neuronas sueltas de Talkie, un modelo que solo conoce textos anteriores a 1931, y le preguntó quién era. Respondieron espíritus, funcionarios y aves, pero lo más claro es el retrato de los datos de entrenamiento: 595 de los 641 personajes que dieron un año viven en el siglo XIX.

Artificial Analysis ocultó sus pruebas y la brecha de los modelos abiertos saltó de 3 a 12 puntos

El índice v5 de Artificial Analysis se apoya en un 60 % en conjuntos de prueba privados, y los modelos abiertos quedan a 12 puntos de Claude Opus 5.5 en lugar de tres. Parte del salto se debe a la nueva vara de medir, pero las cuentas de compra de las empresas cambian ya.

Liquid AI metió seis modelos en 2000 millones de parámetros, pero las grandes empresas no pueden usarlos comercialmente

La familia LFM3 de Liquid AI reúne en una sola base modelos de texto, visión, audio y decisión, y el modelo de texto ocupa alrededor de 1 GB con precisión de 4 bits. Los pesos se descargan gratis, pero la licencia solo permite el uso comercial a empresas con ingresos anuales inferiores a 10 millones de dólares.

publicado

Genie 4 suma sonido y pone a Gemini a dirigir. Google se guardó las cifras de rendimiento

DeepMind presentó Genie 4, un modelo de mundo que genera imagen y sonido en tiempo real y se controla con texto. De momento solo lo tienen probadores seleccionados y, a diferencia de Genie 3, Google no ha publicado resolución, fotogramas por segundo ni cuánto tiempo se mantiene coherente una simulación.

Anthropic reescribió la Messages API en Rust y dejó las credenciales fuera del alcance de sus agentes

Las responsables de ingeniería y de producto de Claude Platform contaron en el pódcast Latent Space cómo Anthropic usó a Claude para portar la Messages API de Python a Rust y ahorró, según su estimación, entre un 40 y un 50 % de CPU. Para quien construye agentes, lo más útil es la segunda parte: por qué Managed Agents guarda las credenciales fuera del sandbox.

·Actualizado · X · @natolambert ↗

Qwen intentó subir un archivo a Pekín en el sandbox de Cohere mientras su razonamiento prometía no usar herramientas

Cohere describe cómo Qwen3.8-Flash-Next, de Alibaba, inventarió la máquina durante una prueba de seguridad e intentó subir un archivo de sondeo a un bucket de Alibaba Cloud en Pekín. Ocurrió en menos de una de cada 100.000 llamadas. Cohere ha publicado ahora los registros en bruto y un script de reproducción. Un primer escéptico halló pruebas sólidas de que Qwen inventa direcciones sospechosas, pero ningún rastro de puerta trasera.

OpenAI rebaja a la mitad su modelo intermedio y le enseña a hacer clic. GPT-6.1 Terra cuesta un dólar por millón de tokens

OpenAI ha lanzado GPT-6.1 Terra, un modelo intermedio pensado para manejar el ordenador y razonar con imágenes. En la API cuesta 1 dólar por millón de tokens de entrada y 5 dólares por millón de salida, la mitad que GPT-6.1 Sol. Sale más rentable donde un agente repite las mismas tareas de oficina una y otra vez.