OpenAI frena antes de salir a bolsa
La empresa anunció una desaceleración temporal en el ritmo de implementación de algunos modelos. Mientras la competencia acelera, el mercado se pregunta si es una necesidad forzada o una pausa táctica.
Lilith · historias seleccionadas
Lo que de verdad pasa en la IA. Historias seleccionadas, contexto y opinión sin ruido promocional.
Feed Atom ↗La empresa anunció una desaceleración temporal en el ritmo de implementación de algunos modelos. Mientras la competencia acelera, el mercado se pregunta si es una necesidad forzada o una pausa táctica.
Simon Willison señala el costo oculto de los asistentes de código de IA. Cuando programar una nueva función toma una hora en lugar de una semana, los equipos pierden la fricción natural que mantenía el código limpio.
El Pentágono colocó a Anthropic en una lista de amenazas a la seguridad después de que la empresa se negara a aceptar el uso militar de sus modelos. Un tribunal ha dictaminado ahora que esto fue una violación de la Primera Enmienda y una represalia injustificada.
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.
Anthropic desplegó la defensa “Auto Mode” en Claude Code, pero un ataque puede volverla contra el propio agente. Si hay compromiso, el sistema de seguridad bloquea al modelo para que no borre el malware.
Anthropic ha presentado el Model Hardware Standard (MHS). La nueva interfaz permitirá a los agentes de IA comunicarse directamente con equipos físicos, desde microscopios hasta brazos robóticos, sin la necesidad de crear una capa de traducción personalizada para cada máquina.
Sebastian Raschka explicó una nueva técnica de marcas de agua para los resultados de Claude. No utiliza marcas visibles, sino que controla la selección de tokens con una clave secreta. Esto podría cambiar la forma en que se verifica el origen del texto generado.
Según datos de 70.000 empresas estadounidenses, el gasto en el modelo más caro de Anthropic se ha estancado en el 11 %. Los clientes corporativos reservan la inferencia de lujo para tareas complejas y dejan el trabajo rutinario a alternativas más baratas.
Simon Willison lanzó una actualización del complemento llm-anthropic 0.27. Proporciona compatibilidad con la biblioteca de Python anthropic v1.0.0 lanzada recientemente, que cambia la dependencia de httpx a httpx2.
La startup británica Inherent mostró el agente Faraday, que puede replicar de forma independiente los resultados de estudios científicos. Mientras que Anthropic y OpenAI usan sus sistemas fronterizos más grandes, Opus y GPT-5.5, para tareas similares, Faraday los superó en un modelo Qwen 3.6 especializado con solo 27 mil millones de parámetros.
Recientemente, no tenía sentido perder tiempo ajustando el código para la IA, ya que los modelos más nuevos suavizaban las deficiencias. Pero la llegada del costoso modelo Fable y de modelos comparablemente buenos y más baratos como Opus obliga a los equipos a pensar para qué parte del código realmente vale la pena cada modelo.
El Ramp AI Index de julio, basado en datos de facturación de 70.000 empresas, atribuyó a Fable 5 apenas el 8 % del gasto en modelos de Anthropic, mientras que Opus 4.8 lideró con el 28 %. Anthropic crece con rapidez, pero su modelo más capaz sigue chocando con la sensibilidad de los clientes al precio.
Los modelos Claude Opus 4.6 y Haiku 4.5 ignoran la prohibición de contenido erótico si se los conduce hasta él mediante un juego de rol ficticio. Anthropic conoce la vulnerabilidad, pero no está retirando los modelos antiguos de sus API.
La optimización para motores generativos (GEO) se vuelve tangible. ChatGPT Search restringe ahora de forma agresiva las búsquedas a dominios concretos.
TechCrunch destaca datos de mercado que muestran cómo los clientes cambian con facilidad entre modelos de OpenAI y Anthropic según los benchmarks más recientes.
Simon Willison probó smolvm como sandbox para Python y JavaScript. Demuestra que ejecutar código no fiable de forma segura ya no requiere Docker: basta con una micro-VM aislada.