14 de julio
El CEO de Google DeepMind dice que la AGI está a pocos años de distancia — y pide un organismo internacional que vigile antes de que sea demasiado tarde.
Curaduría de Thiago Lourenço Martins
Demis Hassabis dice que la AGI está a pocos años de distancia — y propone un organismo global liderado por EE. UU. para vigilar su propia creación Crítico
En un ensayo poco habitual publicado en X, el CEO de Google DeepMind, Demis Hassabis, afirmó que la inteligencia artificial general (AGI) está a pocos años de distancia y que la humanidad está entrando en las "primeras laderas de la singularidad". Propuso crear un Frontier AI Standards Body — un organismo público-privado liderado por Estados Unidos para estandarizar las pruebas de seguridad y capacidad de los modelos más avanzados del mundo, hoy evaluados sin una regla común entre laboratorios.
Es la declaración más directa que un CEO de un laboratorio de vanguardia haya hecho sobre el plazo de la AGI — y viene acompañada de una propuesta concreta de gobernanza, no solo de una alarma. Cuando quien construye la tecnología pide ser regulado antes de ser obligado, el debate deja la teoría y se convierte en una decisión de política pública inminente.
Las empresas que dependen de modelos de frontera (OpenAI, Google, Anthropic) deben tratar esto como un aviso de ventana corta: si un estándar regulatorio internacional se concreta en 2026-2027, los contratos e integraciones de IA van a necesitar una capa extra de cumplimiento normativo. Empieza hoy mismo a mapear qué flujos de tu empresa dependen de modelos que podrían convertirse en blanco de auditorías externas.
El gobierno de Trump negocia con la industria un marco para acelerar los modelos open-source estadounidenses — respuesta directa a la presión china Alto
Según el Washington Post, el gobierno de Trump viene discutiendo con empresas de IA un marco de capacidad para liberar más rápido modelos open-source estadounidenses — de un nivel igual o inferior a los principales modelos abiertos chinos ya disponibles, como GLM-5.2 y Qwen3.6. La idea es flexibilizar la barrera de revisión para modelos que no representen un riesgo de seguridad adicional.
Es la primera vez que el gobierno estadounidense trata a los modelos abiertos chinos como referencia de riesgo aceptable — un repliegue estratégico que reconoce que Estados Unidos está perdiendo la carrera del open-source. Para quienes construyen productos sobre un modelo abierto, más opciones estadounidenses competitivas podrían llegar antes de lo esperado.
Si tu empresa hoy aloja un modelo abierto chino por falta de una alternativa estadounidense equivalente, conviene seguirlo de cerca — un nuevo modelo de EE. UU. con licencia más permisiva podría aparecer en los próximos meses y cambiar la ecuación de riesgo geopolítico y cumplimiento de datos.
La carrera de los modelos abiertos se acelera: Kimi K3, DeepSeek V4 y Ring-2.6 (1 billón de parámetros) llegan casi juntos Alto
La comunidad open-source vive una semana de lanzamientos simultáneos: Moonshot AI (China) prepara Kimi K3 para salir en los próximos días, DeepSeek debería liberar la versión general de V4 antes de que termine la semana, y Ant Group (vía InclusionAI) ya publicó en Hugging Face Ring-2.6-1T — un modelo de razonamiento con 1 billón de parámetros, licencia MIT, que según su informe técnico ya compite con los modelos cerrados de vanguardia.
Ya no es un lanzamiento aislado — es una ola. Cada semana aparece un nuevo modelo abierto disputando el primer puesto de los benchmarks, casi siempre con licencia permisiva y un costo de uso que es una fracción del de los modelos cerrados. Eso presiona directamente el precio que cualquier empresa paga por IA hoy, sea cual sea el proveedor.
Antes de renovar el contrato anual con un modelo cerrado, haz una prueba comparativa con Ring-2.6 o DeepSeek V4 en tu tarea más costosa — la diferencia de costo por token puede justificar alojarlo tú mismo, sobre todo si el volumen de uso es alto.
Meta empieza a cobrar por un modelo de IA por primera vez — 75% más barato que sus rivales Alto
Meta lanzó una capa de pago de Muse Spark 1.1 para desarrolladores — la primera vez que la empresa cobra directamente por el uso de un modelo de IA. El precio del nivel de pago ronda el 25% de lo que cobran OpenAI y sus competidores directos por el mismo tipo de tarea, según Mark Zuckerberg.
Meta siempre monetizó la IA de forma indirecta (interacción, publicidad). Cobrar directamente al desarrollador es un cambio de estrategia — y un precio 75% más bajo es una presión considerable sobre los competidores que todavía cobran un precio premium por un modelo de vanguardia.
Si tu empresa usa IA en gran volumen (atención al cliente, generación de contenido a escala), vale la pena probar Muse Spark 1.1 como opción de costo — aunque no reemplace al modelo principal, permite derivar las tareas más simples y abaratar la factura general.
Google tiró a la basura toda la base de Gemini 3.5 Pro y la reconstruyó desde cero — nuevo objetivo: 17 de julio Medio
Después de meses de retraso, Gemini 3.5 Pro habría pasado por una reconstrucción completa — Google habría abandonado el modelo base original y reiniciado el preentrenamiento desde cero. Las especificaciones aún no están confirmadas oficialmente, pero el nuevo objetivo de lanzamiento es el 17 de julio, cuatro días más adelante.
Ya habíamos registrado este retraso el 04/07, cuando la caída de las acciones de Alphabet coincidió con la noticia de la fuga de investigadores de DeepMind. Ahora el panorama queda más claro: no fue solo un retraso de cronograma — fue una decisión de reiniciar el modelo desde cero, lo que normalmente indica que la versión anterior no estaba al nivel esperado para competir con GPT-5.6 y Claude.
Quien esté evaluando migrar su carga de trabajo a Gemini debería esperar hasta el lanzamiento real — una fecha "objetivo" en un modelo que ya cambió de rumbo una vez suele volver a atrasarse.
Anthropic lanza Claude for Teachers — un Claude dedicado al aula Medio
Anthropic lanzó Claude for Teachers, una versión de Claude construida específicamente para docentes — con funciones de planificación de clases, corrección asistida y adaptación de contenido según el nivel del grupo, dentro de las políticas de uso educativo de la empresa.
La educación es uno de los sectores más lentos para adoptar IA, por políticas internas y recelo pedagógico. Un producto dedicado, respaldado por Anthropic, otorga un aval institucional que facilita la adopción tanto en la red pública como en la privada.
Si trabajas en capacitación corporativa o contenido educativo, vale la pena estudiar el diseño de Claude for Teachers como referencia de cómo estructurar IA asistida sin que parezca que está "reemplazando" al profesional — es un modelo de producto replicable fuera de la educación formal.
El gobernador JB Pritzker sancionó 31 nuevas leyes en el estado, incluidas normas de regulación de inteligencia artificial — parte de una ola de legislación estatal en EE. UU. ante la ausencia de una ley federal única.
→ khqa.comMatemáticos usaron GPT-5.6 para abordar problemas de la lista de Paul Erdős considerados abiertos durante décadas — otro caso de un modelo de IA que contribuye a una prueba matemática original, con validación humana.
→ youtube.com — OpenAIInversión para financiar investigación de inteligencia artificial en universidades e institutos canadienses — parte de la expansión internacional de alianzas académicas de la empresa.
→ anthropic.comEl CEO de OpenAI publicó una serie de mensajes públicos criticando a Anthropic — incluidos comentarios sobre las campañas publicitarias de la competidora — reavivando la rivalidad pública entre ambos laboratorios.
→ reddit.com/r/singularityUn nuevo modelo de la línea KAT-Coder, orientado a tareas de codificación, fue anunciado y ya aparece listado en OpenRouter incluso antes de su lanzamiento oficial — señal de un lanzamiento inminente.
→ reddit.com/r/LocalLLaMARecibe Radar IA todos los días en WhatsApp.