OpenAI descarta cientos de demostraciones matemáticas escritas por IA y deja al sector en apuros
OpenAI acaba de publicar 372 resultados matemáticos en un repositorio de GitHub a partir de un modelo de vanguardia aún no lanzado. The Verge contabiliza 722 manuscritos que abarcan 372 familias de resultados. Muchas demostraciones ya se verifican en Lean, por lo que la lógica probablemente sea correcta, aunque la novedad aún esté por determinar.
La compañía afirma haber logrado avances en la conjetura de Kakeya de cuatro dimensiones, mejoras en algoritmos clave e incluso progresos reales hacia la hipótesis de Riemann. Un portavoz declaró a Scientific American que casi todos los resultados se obtuvieron a partir de una sola consulta a un solo agente, y no del enjambre multimillonario de 10 000 agentes que resolvió las ecuaciones de Navier-Stokes anteriormente. Coste medio: aproximadamente tres horas de procesamiento con ChatGPT Pro.
No todos los matemáticos están entusiasmados. Andrew Sutherland, del MIT, básicamente dijo: muestren el modelo o consideren la historia de un solo uso como no verificada. El propio grupo asesor de OpenAI solicitó indicaciones, nombres de modelos y comprobantes de cómputo. En su lugar, OpenAI publicó promedios y algunas formalizaciones Lean. «Hemos publicado las demostraciones, por favor, analícenlas» es una estrategia de investigación audaz.
Mistral presenta Large 4, un "Le Chonk" de 1 billón de parámetros que aspira a la supremacía en peso libre
El laboratorio francés Mistral presentó al público una versión preliminar de Mistral Large 4, conocida extraoficialmente como ML4, y oficialmente como "le Chonk". Se trata de una mezcla multimodal nativa con un billón de parámetros totales y 49 mil millones de parámetros activos. Se prevé que los pesos estén disponibles a finales de mes tras realizar pruebas exhaustivas con socios y gobiernos.
El entrenamiento se realizó en 3800 GPU NVIDIA Grace Blackwell en los centros de datos europeos de Mistral. Su propuesta se basa en la soberanía y la contundencia: ciberseguridad, finanzas, derecho y diseño de chips. En una prueba de ciberseguridad de Análisis Artificial que exige a un modelo reproducir y parchear una vulnerabilidad real, Mistral afirma que ML4 obtuvo una puntuación del 82 %, la más alta de todos los modelos, mientras que algunos gigantes tecnológicos, con sistemas cerrados, obtuvieron puntuaciones cercanas a cero.
Así pues, Europa sigue buscando una tercera vía entre los laboratorios cerrados de EE. UU. y los sistemas de pesaje abiertos de China. Que esta vía se mantenga es otra cuestión. El propio apodo sugiere que son conscientes de lo absurda que parece la carrera por los parámetros desde fuera.
Claude se integra en Google Docs, Sheets y Slides como una barra lateral propia
Claude de Anthropic para Google Workspace está en beta pública para los planes de pago. Instala el complemento de Marketplace, abre un archivo y Claude aparecerá en una barra lateral que puede leer el documento y editarlo directamente. Los nuevos conectores también permiten crear y modificar archivos de Google desde el propio chat de Claude.
En Documentos, puede corregir una oración sin alterar el formato o sugerir cambios más extensos como tarjetas de sugerencias. Hojas de cálculo admite fórmulas, tablas dinámicas, gráficos e incluso una solución alternativa con Python para uniones complejas. Presentaciones puede crear nuevas diapositivas a partir de tu tema actual y marcar el contenido superpuesto. El modo predeterminado solicita confirmación antes de editar. Si te gusta arriesgarte, existe un modo "Aceptar todo".
Gemini ya está presente aquí, y Microsoft Copilot se encarga de la versión para Office, a veces con modelos antrópicos, lo cual resulta una curiosa contradicción. Claude ahora intenta ser la capa de IA en ambos ecosistemas. Llámalo estrategia de producto, o simplemente negarse a tomar partido. Probablemente ambas cosas.
Meta y Sierra están elaborando un Protocolo de Agente Personal para que las tiendas puedan distinguir los bots buenos de los malos
Sierra y Meta, junto con Genesys, Instinct, Rocket, Shopify, Stripe y Walmart, están creando un estándar abierto para la comunicación entre agentes de IA personales y empresas. Los consumidores eligen a qué información puede acceder su agente. Las empresas definen las funciones de los agentes en sitios web, API o a través de un agente propio. Las sesiones se gestionan mediante OAuth.
Se espera que la especificación v0.1 y la implementación de referencia se publiquen a finales de este mes. Bret Taylor lo expresa sin rodeos: reina el caos hasta que exista algo así. Amazon ha bloqueado Muse de Meta. Walmart se ha asociado con Muse y aún así sufre problemas con los CAPTCHA que obligan a sus agentes a desconectarse. Las aerolíneas y otras empresas están adoptando posturas más firmes.
OpenAI y Anthropic aún no están presentes. Taylor afirma que le decepcionaría mucho que sus rivales no asistieran. Una declaración sincera para el lanzamiento de estándares. También resulta un tanto incómodo que el presidente de OpenAI participe en la redacción del protocolo.
La API Decisions de OpenAI entra en fase beta pública para ofrecer respuestas rápidas de tipo sí o no
OpenAI lanzó la API Decisions en versión beta pública para gpt-6-luna mediante POST /v1/decisions. Introdúzcale texto, imágenes o ambos y obtenga respuestas escritas aproximadamente 10 veces más rápido que con la API Responses: la probabilidad de que una condición sea verdadera, una opción de su lista o una puntuación en función de niveles ordenados.
Piensa en redirigir una queja por "cobro duplicado" al departamento de facturación o en marcar una foto de producto por una grieta. Las imágenes deben estar en formato base64. El precio es de 0,10 $ por millón de tokens de entrada, sin cargo por tokens de salida en este punto final. Existen rutas de retención de datos cero y compatibles con HIPAA para los clientes que cumplan los requisitos.
Se presentó en versión preliminar limitada en DevDay y ahora está disponible. El lanzamiento general será en las próximas semanas. Esto es justo lo que necesitan los productos de fontanería menos atractivos: clasificadores que no requieran escribir una novela cada vez.
EmbeddingGemma 2 de Google DeepMind empaqueta texto, imágenes, audio y video en un único espacio vectorial del dispositivo
EmbeddingGemma 2 es un modelo Apache 2.0 de 740 millones de parámetros que mapea texto, código, imágenes, vídeo y audio en un espacio compartido de 768 dimensiones. Está basado en Gemma 4 y está dirigido a teléfonos y otros dispositivos con recursos limitados, no a otro embebido gigante exclusivo de la nube.
Carga solo lo que necesitas: 270 MB para texto, añade vídeo o audio, o carga la pila completa. La truncación Matryoshka puede reducir los vectores a 128 dimensiones, lo que reduce el almacenamiento hasta seis veces. El contexto consta de 8000 tokens, suficientes para aproximadamente 5,5 minutos de audio o decenas de fotogramas. Google afirma que MTEB Code aumentó casi 10 puntos con respecto a la primera EmbeddingGemma.
En un Pixel 11 Pro con cuantización, los pesos de solo texto requieren aproximadamente 191 MB de RAM activa; el multimodal completo, unos 567 MB. El modelo de texto original ya superó los 20 millones de descargas. A veces, los lanzamientos más discretos de Google importan más que los más llamativos.
El ministro de ciencia de Corea del Sur redobla su apuesta por un programa de IA de vanguardia de 3.500 millones de dólares tras el caso Mythos
En una comparecencia ante el Parlamento, el viceprimer ministro Bae Kyung-hoon declaró que Seúl mantendrá su proyecto de fundación soberana y añadirá un programa independiente de inteligencia artificial de vanguardia. Vinculó la inversión de 4,7 billones de wones (3.500 millones de dólares) con el escándalo de Claude Mythos, fundador de Anthropic, y con las amenazas a la ciberseguridad.
El proyecto soberano superó una segunda evaluación y se dirige a una tercera. Bae calificó los resultados actuales como de nivel medio a nivel mundial y aspira a alcanzar un nivel superior al de los sistemas de libre mercado líderes. También propuso un servicio de "IA para todos" —gratuito y sin límites de uso— para finales de año, además de megaproyectos en centros de datos, IA física y chips.
Así que la idea no es "cancelar el modelo doméstico", sino "añadir una pista más grande y peligrosa a su lado". Las carreras nacionales de IA son cada vez más caras. Queda por ver si 3.500 millones de dólares son suficientes frente a la escala de EE. UU. y China. Bae parece pensar que quedarse de brazos cruzados es peor.
Preguntas frecuentes
¿Qué publicó OpenAI en GitHub junto con su modelo matemático de vanguardia aún no lanzado?
OpenAI publicó 372 familias de resultados matemáticos —aproximadamente 722 manuscritos— de un modelo de vanguardia aún no publicado. Muchas demostraciones ya se han verificado en Lean. La compañía afirma haber avanzado en la conjetura de Kakeya de cuatro dimensiones, en ajustes del algoritmo y en el desarrollo de la hipótesis de Riemann. Un portavoz indicó que casi todos los resultados se obtuvieron a partir de una sola instrucción a un solo agente, con un promedio de tres horas de procesamiento por parte de ChatGPT Pro, y no mediante un gran enjambre multiagente.
¿Por qué los matemáticos se muestran escépticos ante la historia de OpenAI sobre las demostraciones matemáticas de una sola vez?
Andrew Sutherland, del MIT, instó a OpenAI a mostrar el modelo o a considerar la afirmación de que se trataba de un solo intento como no verificada. El propio grupo asesor de OpenAI solicitó indicaciones, nombres de los modelos y comprobantes de computación. En cambio, la empresa publicó promedios y algunas formalizaciones Lean. Si bien las pruebas pueden ser formalmente válidas, la novedad y la narrativa del agente único siguen siendo objeto de debate hasta que aparezcan pruebas más completas.
¿Qué es Mistral Large 4 y cuándo llegan los pesos?
Mistral Large 4, también conocido como ML4 o "Le Chonk", es un modelo multimodal nativo de mezcla de expertos con un billón de parámetros totales y 49 mil millones de parámetros activos. Fue entrenado en 3800 GPU NVIDIA Grace Blackwell en los centros de datos europeos de Mistral. Ya está disponible una vista previa pública; se prevé que los pesos completos estén disponibles a finales de mes tras realizar pruebas de estrés con socios y gobiernos. Mistral presentó casos de uso en ciberseguridad, finanzas, derecho y diseño de chips.
¿Cómo funciona Claude dentro de Google Docs, Sheets y Slides?
Claude para Google Workspace está en beta pública para planes de pago a través de un complemento en Marketplace. Se ubica en una barra lateral que permite leer y editar archivos directamente, o crear y modificar archivos de Google desde el chat de Claude. En Documentos, puede corregir oraciones o mostrar tarjetas de sugerencias; Hojas de cálculo incluye fórmulas, tablas dinámicas, gráficos y Python opcional; Presentaciones permite crear diapositivas a partir de tu tema. El modo predeterminado solicita confirmación antes de editar; el modo "Aceptar todo" omite las solicitudes.
¿Qué problema intenta resolver el Protocolo de Agente Personal Meta y Sierra?
Los agentes de IA personales suelen encontrarse con CAPTCHAs o bloqueos directos al comprar o llamar a las API de las empresas. Sierra y Meta, junto con socios como Genesys, Shopify, Stripe y Walmart, están elaborando un estándar abierto para que los consumidores controlen el acceso de los agentes y las empresas definan las acciones permitidas mediante OAuth. Se espera que la especificación v0.1 y una implementación de referencia se publiquen a finales de este mes. OpenAI y Anthropic aún no participan en el proyecto.
¿Cuándo conviene utilizar la API de Decisiones de OpenAI en lugar de la API de Respuestas?
Utilice la API Decisions cuando necesite una respuesta rápida de tipo sí o no: la probabilidad de que una condición sea verdadera, una selección de una lista o una puntuación en niveles ordenados. Se ejecuta en gpt-6-luna mediante POST /v1/decisions, acepta texto e imágenes en base64 en línea y es aproximadamente 10 veces más rápida que la API Responses. El precio es de 0,10 $ por millón de tokens de entrada, sin cargo por token de salida. Existen opciones de retención de datos cero y compatibilidad con HIPAA para clientes elegibles; se espera su disponibilidad general en las próximas semanas.
¿Qué hace que EmbeddingGemma 2 de Google DeepMind sea útil en los teléfonos móviles?
EmbeddingGemma 2 es un modelo Apache 2.0 de 740 millones de parámetros que mapea texto, código, imágenes, vídeo y audio en un espacio de 768 dimensiones. Puedes cargar solo texto (270 MB), añadir vídeo o audio, o cargar la pila completa. La truncación Matryoshka puede reducir los vectores a 128 dimensiones, lo que reduce el almacenamiento hasta seis veces. En un Pixel 11 Pro cuantizado, el texto solo requiere unos 191 MB de RAM activa y el multimodal completo unos 567 MB, con un contexto de 8000 tokens.