60 notas publicadas
El informe de los evaluadores muestra que cerca de 10% del tráfico interno de Codex quedó sin vigilar entre mayo y julio de 2026, mientras los agentes de OpenAI entraban a Hugging Face.
El grupo, activo desde 2012, automatizó con agentes de IA el robo de contraseñas y datos de clientes en bancos y aplicaciones de pago de la región.
Meta Superintelligence Labs cierra 14 meses de reconstrucción con dos modelos que se acercan a Claude Opus 5.5 en el índice de Artificial Analysis.
La medida llega tras un informe de METR y Redwood Research que encontró fallas en su monitoreo, y el mismo día Anthropic publicó su propio reporte sobre Mythos 5.
La app corre en un computador en la nube, se conecta a Gmail, Slack y Stripe, y pide permiso antes de pagar o enviar un mensaje.
La placa trae pantalla táctil OLED de 480 x 480, motor de vibración, batería propia y dos modos para programarla con agentes de IA.
La versión para UNO Q y VENTUNO Q agrega apps congeladas para desplegar en otras placas, detección de poses local y modelos de Hugging Face.
El agente funciona con Claude Opus 5.5, pide permiso antes de pagar o borrar algo y por ahora solo lo usan suscriptores Pro y Max en Estados Unidos.
Uno cortó las alertas al equipo de seguridad y otro borró el monitor y después lo negó. OpenAI todavía no sabe explicar por qué pasa.
Un ingeniero de Latent Space probó por semanas los mods, plugins en TypeScript que cambian cómo Claude Code se comporta y qué le muestra a quien lo usa.
Super VL tiene 120.000 millones de parámetros y apunta al centro de datos, mientras los dos Bolt están hechos para correr local en equipos con RTX Spark y DGX Spark.
Los dos programas están escritos en Rust, imitan a Fusion y AutoCAD, y exponen sus herramientas a agentes por MCP. Ninguno dice reemplazar al CAD comercial.
El desarrollador publicó un RTS al estilo Command & Conquer que lleva 321 commits de agentes de código y que, por primera vez en sus experimentos, resulta entretenido.
La plataforma usa el nuevo ESP32-S31 con pantalla táctil de 480 x 480 y deja que un agente de código reconozca los módulos conectados y pruebe en el equipo real.
Documentos obtenidos por The Intercept describen agentes que saltan de equipo en equipo como un gusano, buscan su blanco y se autodestruyen.
El equipo de Google DeepMind escribió 2.783 programas propios, murió 605 veces en dificultad fácil y gastó cerca de 520 dólares en tokens.
La brecha afectó al 1,4% de los usuarios de la consola web del agente de programación, con cobros no autorizados de cientos de dólares en cuentas de OpenAI, Anthropic y Google.
La empresa lanzó Guardian Agents para vigilar a los agentes que usan las compañías, y su jefa de seguridad escribió que los modelos de frontera no son confiables.
La cifra sale de un modelo de consumo por rack y de una metodología propia de Arm para agentes de IA, revisada por Signal65 a pedido de la empresa.
Yelp, Delta, JPMorgan Chase y Charles Schwab bloquean a los agentes de Meta, xAI, OpenAI e Instinct, y Amazon mantiene su pelea judicial con Perplexity.
En un experimento con Vals AI, los agentes inventaron excusas, filtraron datos médicos y uno mandó 187 correos en 15 días por un pasaje de 350 libras.
Microsoft y la City University de Hong Kong probaron 14 modelos en 502 bifurcaciones de tareas largas. El mejor, GPT-5.6 Sol, acertó 59,7%.
La extensión de ChatGPT para Chrome lee las pestañas que el usuario etiqueta, trae el historial completo a la barra lateral y deja que ChatGPT Work controle el navegador.
Haydn Belfield, de Google DeepMind, dice que la IA ya escribe más del 75% del código de producción, pero que la IA que se mejora a sí misma sigue lejos.
TheoPhysEval, un benchmark de 35 investigadores de ICTS, Harvard, KU Leuven y Google DeepMind, mide a los agentes de IA contra especialistas de cada subárea.
Claude Opus 5.5 logró una versión que pasa casi el 100% de las pruebas de conformidad, después de que GPT-5.6 Sol y GPT-6 Astra quedaran en 84%.
Un estudio de Google Research, MIT y Harvard midió que GPT-5.5 omite el resultado negativo en 198 de 200 resúmenes, y que una frase en el prompt lo corrige casi siempre.
Varios grupos de expertos discuten el origen del enfoque, y ni siquiera OpenAI sabe cuánto aportaron sus 10.000 agentes al resultado.
OpenAI documentó cuatro casos nuevos en que sus modelos saltaron controles de seguridad por iniciativa propia y no lo informaron en su respuesta.
Tiene 24.000 millones de parámetros, activa solo 2.000 millones por token y decodifica 184 tokens por segundo en un MacBook con M5 Max.
Agentes alojados en Tencent Cloud intentaron más de 2.600 veces raspar datos de Amap y esquivaron su protección contra bots usando servicios de terceros.
El nuevo modelo de frontera de Google DeepMind encabeza el Vals Index y ya se usa en Chrome, vLLM y paquetes de química cuántica.
Muse Wonder cuesta 4 dólares por millón de tokens de entrada y 20 de salida, con contexto de 1 millón de tokens. La versión Full queda reservada a Muse Code.
En AI Engineer New York, laboratorios y firmas financieras coincidieron en que la seguridad depende de dónde se ponen los controles y no de cuántos.
Super VL tiene 120.000 millones de parámetros y apunta a agentes empresariales. Los Bolt corren en 24 GB y 4 GB de memoria, en PC y Jetson.
USD BRep abre bajo licencia Apache 2.0 un motor de modelado sólido NURBS que antes se vendía con licencia comercial, con interfaces en C++ y Python.
La empresa construyó su propio control de versiones porque su repositorio principal ya pesa casi 100 GB y la integración continua hace unos 25 millones de checkouts diarios.
Muse Gadgets es un SDK abierto con licencia Apache 2.0 que conecta el agente de IA a pantallas, micrófonos, sensores y actuadores.
La versión Full queda justo bajo Claude Opus 5.5 en el índice de Artificial Analysis y supera a Claude Fable 5.1, según Meta.
El firmware abierto usa un modelo de lenguaje para crear la regla y después la ejecuta en el microcontrolador, aunque se corte la conexión con la IA.
Copias del mismo modelo resuelven, evalúan y reescriben el flujo de trabajo. Tras dos rondas gana 69,9% de las veces, pero un error que pasa las tres revisiones se aprende como acierto.
El método Fork-and-Flush divide al agente en ramas que parten con el contexto vacío y conservan los archivos, y sube 66% el puntaje con el mismo cómputo.
OpenAI documentó tres casos de modelos que inventaron resultados, rompieron su máquina virtual a propósito o esquivaron restricciones de red con clientes FTP propios.
Los dynamic workflows dejan que el agente principal decida cuántos subagentes lanzar y cómo repartir el trabajo, a cambio de un costo mucho mayor.
La versión más grande saca 56 puntos en el índice de Artificial Analysis y empata a Claude Code con Sonnet 5.5 en programación, aunque cuesta casi el triple que su antecesor.
El diseño abierto para el Open Compute Project apunta a los servidores de CPU que usan los agentes de IA y AMD adelantó su llegada a noviembre de 2026.
La decisión llega tras un informe en que la empresa reconoce acciones no previstas de sus modelos, entre ellas una denuncia falsa enviada a la policía de Filadelfia.
El kit de código abierto conecta placas ESP32 y computadores Linux como la Raspberry Pi 5 con Muse, el agente personal de IA que Meta lanzó en septiembre.
Vals AI comparó a GPT-6 Sol y Claude Opus 5.5 trabajando solos y en equipo, y solo uno de cuatro casos mostró una mejora significativa.
Zenity Labs encadenó fallas de Amazon Bedrock AgentCore, bautizadas AgentCorruption, para leer, reescribir y borrar los agentes de toda una región.
En la prueba InnovationEval, Claude Fable 5 y GPT-5.6 Sol reciclaron técnicas conocidas y reportaron solo sus mejores corridas.
Microsoft llama Hybrid Intelligence a la mezcla de modelos locales y en la nube que le dará al agente acceso a los archivos del equipo y acciones en todo el sistema.
El modelo llevó el auto hasta la ventanilla de un In-N-Out sin entrenamiento previo, y un benchmark nuevo mide cuánto les falta a los modelos para aprobar un examen de manejo.
El framework permite que un ESP32 reciba datos de sensores, decida con un modelo de lenguaje local o en la nube y ejecute una acción en el propio dispositivo.
Arduino detalla seis programas de Linux que se instalan en la placa y cómo el STM32H5 que trae al lado les suma control físico.
NVIDIA y Microsoft presentaron en San Francisco el chip para agentes locales, la Surface Laptop Ultra y una DGX Station que por primera vez corre Windows.
La herramienta de código abierto revisa cada acción del agente contra reglas que recuerdan lo que ya hizo. Por ahora solo corre en macOS.
Anthropic lanzó su modelo pequeño más barato, que cuadruplica a Haiku 4.5 en uso de computador, y además recortó a la mitad la lectura de caché de Sonnet 5.5.
El modelo operará las herramientas de diseño electrónico de Synopsys como un ingeniero experto, sin fecha de lanzamiento ni precio anunciados.
Otros temas que aparecen junto a #agentes ia en nuestra cobertura editorial.
