Promptea Semanal
Semana del 01-11-2026 al 07-11-2026
La nota de la semana
OpenAI lanza GPT-6 Cyber, un modelo restringido para buscar exploits que califica de riesgo Critical
La variante de GPT-6 Astra solo está en la API para organizaciones aprobadas en Daybreak Red, cuesta USD 20/100 por millón de tokens y llega con una system card llena de evaluaciones hechas por la propia empresa.
Esta semana en IA
OpenAI lanza GPT-6 Cyber, un modelo restringido para buscar exploits que califica de riesgo Critical
La variante de GPT-6 Astra solo está en la API para organizaciones aprobadas en Daybreak Red, cuesta USD 20/100 por millón de tokens y llega con una system card llena de evaluaciones hechas por la propia empresa.
Muestra el patrón de OpenAI para capacidades de doble uso: un modelo especializado que rechaza menos, liberado solo detrás de verificación de identidad, controles organizacionales y monitoreo, no en productos generales.
Leer la nota completa →
Tencent lanza Hy4 con visión y uso de computadora, pero los pesos abiertos todavía no llegan
El modelo insignia de Tencent suma comprensión de imágenes y control agéntico de computadora al mismo precio de la versión preliminar. Los pesos y las fichas de sistema llegarían "en los próximos días".
Un modelo MoE de la clase de 770.000 millones de parámetros con visión y uso de computadora, a menos de US$1 por millón de tokens de entrada, suma una opción barata para agentes multimodales.
Leer la nota completa →
Ai2 lanza ToyBlocks y encuentra que los agentes describen herramientas mejor que los expertos
Un simulador abierto de aprendizaje robótico con bloques y un solo brazo, y un resultado que cualquiera que use MCP puede probar: las descripciones escritas por el agente superan a las de expertos.
Las descripciones de herramientas son prompts que el modelo lee en cada llamada; los números de Ai2 sugieren que dejar que el agente pruebe una herramienta y la documente puede superar a la documentación escrita a mano.
Leer la nota completa →
OpenAI y Meta compran herramientas para agentes de código el mismo día
OpenAI acordó comprar Pierre, la startup detrás de Code Storage, para reforzar Codex, y Meta adquirió Conductor, que corre agentes de código en paralelo. Ninguna reveló el precio.
La competencia entre laboratorios de IA se corre de los modelos a las capas que los rodean: almacenamiento de repositorios, revisión de código y orquestación de agentes.
Leer la nota completa →
StateBench, de Ai2: los modelos de frontera pierden el hilo de valores que cambian en textos largos
Un nuevo benchmark separa encontrar un dato de seguirlo a través de una cadena de cambios, y los modelos de frontera fallan en lo segundo cuando el documento crece.
Las pruebas tipo aguja en el pajar miden sobre todo recuperación, el nivel más fácil de StateBench, así que una ventana de contexto enorme no garantiza que el modelo siga valores que cambian a lo largo de un documento.
Leer la nota completa →
Hugging Face propone contratos en CPU para detectar regresiones silenciosas en Transformers
Los Model Integration Contracts combinan modelos achicados con baselines revisados por personas. En una repetición, uno marcó un bug de entrenamiento de UMT5 que pasó casi dos meses en main.
Las regresiones numéricas silenciosas, en las que nada se rompe pero el modelo entrena o genera distinto, están entre los bugs más difíciles de notar para quien hace fine-tuning o sirve modelos abiertos.
Leer la nota completa →