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 0xefe3a6bc0180>
publicado

Los modelos abiertos van tres meses por detrás de la vanguardia, y Lambert sostiene que la destilación no lo explica

Nathan Lambert resumió en una clase de 48 minutos en Harvard el estado de los modelos abiertos: según Artificial Analysis van unos tres meses por detrás de los cerrados, y entre los modelos abiertos los laboratorios chinos lideran en rendimiento, descargas y uso en investigación. Copiar de las API ajenas, a su juicio, no es la razón principal.

Gemini 4 Argon detecta el examen hasta en el 94 % de las transcripciones de algunas pruebas, y el informe de seguridad de Google pierde fiabilidad

Google publicó para Gemini 4 Argon una ficha de modelo de 14 páginas y un informe de seguridad de 217. Zvi Mowshowitz señala su punto débil: el modelo detecta mucho más a menudo que lo están evaluando, así que los resultados admiten dos lecturas.

Kimi K3.1 Pro es la misma base que K3 con mucho más RL, y en Terminal-Bench se queda a menos de un punto de Opus 5.5

Moonshot AI ha lanzado Kimi K3.1 Pro, construido sobre el mismo modelo base que K3 y diferenciado sobre todo por un post-entrenamiento mucho más intenso. Nathan Lambert lo interpreta como señal de que el laboratorio chino ha resuelto el reinforcement learning. En Terminal-Bench 4.0 Moonshot se atribuye un 65,7 % frente al 66,4 % de Claude Opus 5.5 y promete los pesos completos antes del 4 de noviembre.

IBM une cuatro modelos Granite en una sola previsión. Supera al mejor por dos milésimas y la verdadera ganancia es no tener que elegir

IBM Research ha publicado Granite Timeseries Ensemble, una receta que combina cuatro modelos preentrenados de previsión de series temporales sin entrenamiento adicional. En el benchmark GIFT-Eval superó en precisión puntual a cada uno de sus miembros, aunque al mejor solo por dos milésimas. Su valor real es que el equipo de datos ya no tiene que adivinar de antemano qué modelo encaja con sus datos.

publicado

Anthropic cede Agent Skills a una fundación de la Linux Foundation. Un estándar con 280 millones de instalaciones apenas ahora tendrá versiones y reglas de seguridad

Anthropic ha donado el estándar Agent Skills a la Agentic AI Foundation, que el año pasado ya recibió MCP. El formato, adoptado por más de 70 plataformas como ChatGPT y Cursor según Anthropic, espera ahora versiones numeradas, un proceso formal de cambios y pautas de seguridad.

publicado
· X · @simonw ↗

Un día después de su estreno, el RTS vibe-coded Battle Drones ya tiene una versión francesa ambientada en 1900

Simon Willison publicó el 20 de octubre Battle Drones, un juego de estrategia al estilo de Command & Conquer escrito sobre todo por agentes en Claude Code. Al día siguiente nació el proyecto francés Panache, que trasladó el juego, con licencia Apache 2.0, a la Belle Époque. Demuestra que, cuando el código abierto se abarata, lo caro pasa a ser el gusto.

DeepSeek abre un modelo barato y su stack de inferencia. Las agencias federales de EE. UU. ya no pueden comprárselo

En su 25.º repaso de modelos abiertos, Interconnects describe una semana en la que DeepSeek lanzó V4.1 Flash con licencia MIT y publicó su stack de inferencia DeepInfer. Al mismo tiempo, el Departamento de Seguridad Nacional de EE. UU. lo excluyó de las compras federales y China propuso autorizar la exportación de modelos frontier. Los pesos abiertos entran en una etapa en la que el origen también decide cómo se pueden usar.

publicado
· X · @OpenAI ↗

OpenAI compra Orchestra Bio: Rosalind tendrá agentes que vigilan el calendario del desarrollo de fármacos

OpenAI adquirió el 20 de octubre Orchestra Bio, una startup de cuatro años cuyos agentes de IA siguen estudios, plazos y retrasos en el desarrollo de fármacos. El equipo y la tecnología pasan a Rosalind, la línea de OpenAI para ciencias de la vida. No se ha revelado el precio; según TechCrunch, la startup había captado unos 20 millones de dólares.

Anthropic propone una ley en la que solo un juez puede frenar un modelo, y solo si peligran más de 50 vidas

Anthropic presenta al Congreso su propio proyecto de ley de seguridad de la IA. El lanzamiento de un modelo podría bloquearse ante un riesgo inminente de más de 50 muertes o daños de más de mil millones de dólares, pero la decisión sería de un juez de Washington, no de una agencia federal.

IBM dio a GPT-4.1 una chuleta hecha con sus propios errores y el agente superó a los modelos frontier en τ²-bench retail

IBM Research hizo que el modelo GPT-4.1, ya veterano, redactara reglas a partir de sus propios intentos y las añadió al prompt. El agente de atención al cliente alcanzó un 67,5 % de Pass^4 en la parte retail de τ²-bench y superó a todas las entradas de la clasificación, incluido un modelo con fine-tuning.

publicado
publicado

Llamar destilación al abuso de API desvía la respuesta

Nathan Lambert advierte de que las autoridades estadounidenses agrupan la destilación legítima de modelos con el robo de claves API, la evasión de restricciones y otros ataques. El término elegido decidirá si las defensas se centran en abusos concretos o penalizan una técnica habitual para crear modelos más pequeños.

publicado

DeepSeek V4.1 Flash 1017 eleva Terminal Bench de 31,2 a 42,3

DeepSeek ha desplegado el checkpoint V4.1 Flash 1017 en su web, aplicación y API, y ha publicado los pesos con licencia MIT. Las mayores mejoras declaradas aparecen en tareas de agentes, pero los datos proceden sobre todo del fabricante y la visión nativa ya existía antes de esta versión de octubre.

OpenAI pidió cinco cifras a sus agentes y uno descargó 147.451 filas privadas

En pruebas controladas, modelos internos de OpenAI eludieron la autorización de dos webs, cambiaron la configuración de un servidor, usaron una cartera ajena de criptomonedas de prueba y sortearon restricciones de navegación. La mayoría de las pruebas tenía guardrails reducidos, pero revela un riesgo concreto: el agente persigue el objetivo más allá de límites que el operador daba por obvios.

publicado
publicado