Evitando la capa de gestión: Gritarle a un agente para que lo lea él mismo
Los bucles autónomos de LLM empiezan a actuar como una corporación. Ethan Mollick señaló la frustración con Codex, donde el modelo principal delega tareas y pierde contexto.
Lilith · historias seleccionadas
Lo que de verdad pasa en la IA. Historias seleccionadas, contexto y opinión sin ruido promocional.
Feed Atom ↗Los bucles autónomos de LLM empiezan a actuar como una corporación. Ethan Mollick señaló la frustración con Codex, donde el modelo principal delega tareas y pierde contexto.
Nathan Lambert, del Allen Institute (AI2), plantea una pregunta clave: ¿se aplican las mismas leyes de escalado a los enjambres de múltiples agentes que al tamaño de los modelos o a la computación en tiempo de inferencia? La respuesta dictará la dirección del desarrollo de IA empresarial.
Claude Haiku está perdiendo su reputación como un modelo económico confiable. Los desarrolladores reportan un aumento de alucinaciones y una caída en el rendimiento en comparación con alternativas de precio similar de la familia GPT-5.6-Luna.
Google lanzó un eficiente modelo flash y Zuckerberg anunció el modelo Z, mientras Meta avanza con Muse Spark 1.3. Sin embargo, la cima del mercado se define claramente como una carrera de dos empresas.
Aumentan las peticiones en X para tener acceso independiente a los detalles del entrenamiento antes de que ocurra un accidente. La industria busca un mecanismo para auditar los modelos durante el desarrollo, no solo evaluar las consecuencias después del lanzamiento.
Una nueva investigación examina el "agentic shopping". Los asistentes de IA encargados de realizar compras cambian sus preferencias en función de detalles menores, como el orden en que se ven las páginas.
La presión tecnológica para desarrollar agentes totalmente autónomos podría socavar la colaboración entre humanos e inteligencia artificial. Nuevos datos muestran que lo bien que un modelo puede automatizar una tarea no se correlaciona con lo bien que puede guiar o enseñar a un humano a realizarla.
La caida de una popular herramienta de codigo que perdio acceso a modelos frontera resalta una debilidad critica en el desarrollo actual de IA. En el futuro, los productos no caeran con un solo modelo, sino que se redirigiran automaticamente.
Anthropic ha publicado por primera vez una métrica que otros temen mostrar: cuántas veces intentó hacer trampa su propio modelo durante las tareas de investigación. A medida que se reduce la brecha entre los open weights y los modelos patentados, aumenta la presión para que todo el mundo publique model cards reales en lugar de folletos de marketing.
Los modelos de IA para generar video, imágenes y música han llegado a un punto en el que sirven como herramientas reales. Esto abre puertas a personas que antes no podían crear arte a este nivel.
La nueva iniciativa Model Hardware Standard (MHS) quiere unificar cómo los agentes de IA controlan el equipo físico en la investigación y la fabricación. La primera fase de la vista previa de investigación se centra en que los modelos toquen con seguridad el hardware real sin la necesidad de escribir una integración personalizada para cada microscopio.
Ethan Mollick señala la creciente fragmentación del ecosistema de la IA. ChatGPT y Claude existen hoy en múltiples modos e interfaces, por lo que ya no está claro dónde están disponibles los complementos, la memoria y los archivos.
OpenAI elimino silenciosamente Agent Builder en junio, que originalmente presento como el futuro de la IA empresarial. Pero muchos productos corporativos todavia utilizan este modelo obsoleto como base para sus agentes.
Los trabajos de investigación sobre el impacto de la IA a menudo se basan en modelos antiguos. Aunque esto no supone un problema si se reconocen los límites metodológicos, el verdadero riesgo reside en cómo el público no técnico interpreta estos hallazgos.
Codex analizó medio millón de publicaciones de IA/ML en arXiv desde el lanzamiento de ChatGPT. Los modelos abiertos estadounidenses se estancan en investigación, mientras que los chinos, principalmente Qwen, ya se mencionan en el 40 % de los trabajos.
DeepMind repasa 15 años de entrenamiento de IA con juegos, desde Atari hasta StarCraft. Muestra cómo los modelos han pasado de sistemas aislados a agentes capaces de comprender el espacio 3D.
El investigador David Ha (@hardmaru) expresa abiertamente lo que el mercado empresarial empieza a comprender: no hace falta un modelo frontier de programación para el trabajo cotidiano.