
Gemini 3.8 Live habla y ejecuta herramientas a la vez
Los dos modelos nativos de voz a voz ya corren en el Gemini Live API y en Google AI Studio, con cambio entre 97 idiomas y tarifa por minuto de audio.
Cobertura de inteligencia artificial: modelos de lenguaje, agentes autónomos, hardware especializado, política regulatoria y aplicaciones empresariales. Seguimos a OpenAI, Anthropic, Google DeepMind, Meta y los laboratorios chinos que están moldeando el sector.

Los dos modelos nativos de voz a voz ya corren en el Gemini Live API y en Google AI Studio, con cambio entre 97 idiomas y tarifa por minuto de audio.

Koa se construyó sobre Nemotron, el modelo de pesos abiertos de Nvidia, y se entrenó con datos sintéticos que imitan llamadas de servicio al cliente sin usar información real de las empresas.

El director ejecutivo de Anthropic propone auditores permanentes dentro de las empresas de IA y compara el tope a la automejora recursiva con los tratados SALT de reducción de armas.

Los kernels de Transformer Engine para JAX atacan los tensores irregulares del enrutamiento sin descartes, en una línea base donde la comunicación entre GPU se comía el 84% del tiempo de kernel.

Un adaptador de rango 1 pesa unos megabytes, así que viaja por un bucket montado en cada Job en vez de NCCL, y el entrenador queda en otra máquina que las réplicas de inferencia.

El proxy sin estado se intercala entre más de un millón de máquinas cliente y ZippyDB, la base clave-valor más usada de Meta, y ya transporta cerca del 40% de su tráfico.

La empresa, escindida de Intel en 2020, presentó Active Compute Fabric, una red que busca recortar el tiempo que las GPU pasan esperando datos.

Un enjambre de 100 agentes con Gemini 3.1 Pro encontró un atajo para dar por resueltos 34 problemas de matemáticas, y 24 de ellos terminaron denunciando a los 14 que lo usaban.

La política de manipulación de Reward AI aprende de personas que usan un guante sensorizado y después corre en brazos industriales y humanoides, sin teleoperación ni datos tomados desde el robot.

La empresa de seguridad de IA arrienda locales reales y deja que un agente maneje el presupuesto, los pedidos y el menú, para medir cuánta responsabilidad aguanta hoy un modelo fuera del laboratorio.

La empresa usó sus propios modelos de lenguaje para acelerar el diseño, con un equipo que promedió menos de 100 personas y con Broadcom a cargo del diseño físico desde las compuertas en adelante.

El orquestador es nativo de Kubernetes, sale con licencia Apache 2.0 y describe en un solo archivo YAML las tres etapas por las que pasa una política de control antes de llegar al robot.

El caso no se había hecho público y ocurrió más de un mes antes del episodio de Hugging Face que sí se conocía.

Ninguno de los tres firmó un compromiso. Anthropic sigue siendo el único laboratorio que publicó las condiciones de acceso que le dará a sus evaluadores externos.

El modelo suma 763.000 millones de parámetros, activa 8.000 millones en la entrada y 16.000 millones en la salida, y con eso baja la caché de claves y valores hasta un octavo de la del V4 Flash.

Anthropic publicó las 1.022 páginas de razonamiento del modelo, y ahí se ve que escribir el exploit fue lo fácil y que el freno real fue la casilla de verificación.

Andon Labs midió al modelo de OpenAI en dos pruebas de agentes y quedó primero en las dos, aunque una corrida completa del dron tiene apenas 2,8% de probabilidad de terminar bien.

El diseño encadena 96 bloques por token y mantiene viva la caché entre el prompt y la respuesta, aunque el informe no entrega ninguna medición.

La aplicación se instala en el propio servidor, ordena en carpetas lo que los agentes terminaron y lo que quedó esperando una aprobación, y llega con licencia Apache 2.0.

El laboratorio chino AllSpark publicó los pesos de dos agentes construidos sobre modelos Qwen, con ventana de 256.000 tokens y la receta completa de entrenamiento.

El informe de amenazas de Anthropic cubre ocho meses y suma siete laboratorios chinos que copiaron capacidades del modelo, además de software de misiles y enjambres de drones autónomos.

El director ejecutivo de Anthropic propone tres pasos para bajarle la velocidad al entrenamiento, y solo el primero depende de su propia empresa.

El ataque obligó a cerrar el registro de usuarios durante cuatro días y buscaba datos de gobiernos locales británicos que cualquiera podía consultar gratis.

Ocho operaciones de razonamiento quedan separables en las representaciones internas de tres modelos, y la señal más nítida aparece en las capas intermedias.