Lilith.
⌕

Lilith · historias seleccionadas

Noticias

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

Feed Atom ↗
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.

Cuatro juegos con menos de cuatro horas de trabajo cada uno: Simon Willison ve un punto de inflexión en el vibe coding de videojuegos

Simon Willison sostiene que Claude Opus 5.5 ha llevado al vibe coding de videojuegos un punto de inflexión parecido al que vivieron los coding agents el pasado noviembre. En pocas semanas creó cuatro juegos con los que disfruta de verdad, ninguno le llevó más de cuatro horas de trabajo propio y no miró el código.

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.

Basta cambiar unas palabras del prompt para que un juez de originalidad pase del 93,5 % a acertar menos que una moneda

Ai2 ha medido con qué fiabilidad los modelos de lenguaje distinguen si una idea de investigación es nueva. Tras un pequeño cambio en las instrucciones, GPT-5.4 cayó del 93,5 % al 40,9 % de acierto, y un prompt sencillo para Claude Opus 4.6 que costó 2,59 dólares superó a dos evaluadores especializados y caros.

Gemini escribió un emulador de Game Boy para una acreditación de congreso, pero los fallos más duros los encontraron los juegos reales

Steve Francia usó Gemini para hacer funcionar emuladores de NES y Game Boy Color en la acreditación de GitHub Universe dentro de un fotograma de 16,6 ms. El modelo esbozó los bucles; el humano decidió la arquitectura, midió en el hardware y cazó errores en Zelda y Pokémon.

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.

webframe ejecuta una web como un programa en medio segundo. Solo el aislamiento que lo rodea lo convierte en sandbox

Simon Willison encargó a Claude Opus 5.5 poner a prueba webframe, una pequeña herramienta de Jeff Lindsay que ejecuta una página web como un programa de terminal. Para scraping es más o menos tan rápida como shot-scraper. Como sandbox para JavaScript ajeno solo aguantó envuelta en un namespace de red vacío, bubblewrap y un timeout.

Greptile pone a GPT-6 Astra a recorrer cada pull request en pantalla de iPhone. OpenAI no dice cuántos errores atrapa

Greptile usa GPT-6 Astra para ir más allá de leer código en la revisión: arranca la aplicación, reduce el navegador al tamaño de un iPhone y busca errores como lo haría un usuario. OpenAI publicó un caso de estudio, pero sin la métrica de éxito que la propia Greptile sigue.

·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.

Codex Ultrafast redujo en OpenAI las investigaciones de seguridad de una hora a 15 minutos. Al cliente le cuesta seis veces más

OpenAI ha contado cómo sus propios ingenieros usan el modo Ultrafast de Codex en incidentes y refactorizaciones. Según ellos, las investigaciones de seguridad que llevaban una o dos horas ahora se resuelven en 10 a 15 minutos. En la API, esa velocidad cuesta seis veces el precio estándar de GPT-6.1 Sol.

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.