Chrome descarga IA sin avisar & DeepSeek V4 y guerra de precios - Noticias de IA (5 may 2026)

Empezamos con privacidad y control del dispositivo. Un investigador reporta que versiones recientes de Google Chrome estarían descargando de forma silenciosa un archivo enorme —alrededor de 4 GB— asociado a un modelo on-device, identificado como Gemini Nano. La queja no es solo el tamaño: es la falta de un aviso claro, la dificultad para evitar la re-descarga y la sensación de “software que se instala solo”. Si esto se confirma tal cual, el debate se pone serio en Europa por consentimiento y transparencia, y también por el coste ambiental y de ancho de banda cuando lo multiplicas por millones de equipos.

En el frente de modelos, DeepSeek ha enseñado los primeros adelantos de su serie V4: V4-Pro y V4-Flash, ambos open-weights, con licencia MIT y un contexto de hasta un millón de tokens. La parte que más está levantando cejas no es solo el tamaño o el contexto, sino el precio: apuntan a ser notablemente más baratos por token que varias alternativas de primera línea. La lectura estratégica es clara: si no puedes ser el número uno absoluto en cada métrica, puedes ser “casi frontera” a un coste que cambia la economía de producto, sobre todo para apps con mucho contexto.

Relacionada con esa discusión, el CEO de Hugging Face insiste en una idea útil: comparar ‘pesos abiertos’ con una API cerrada muchas veces es comparar piezas sueltas con un sistema completo. Una API suele esconder routing, herramientas, múltiples modelos y mucha ingeniería de servicio; lo que importa al final es qué resuelve tu caso con tus restricciones de coste, privacidad y control. Su apuesta: veremos más modelos especializados y más despliegues locales, y una explosión de “AI builders” gracias a mejores herramientas y agentes que automatizan partes del ciclo de entrenamiento y despliegue.

Y hablando de competencia, se mueve el tablero de lanzamientos: Anthropic estaría haciendo red-teaming interno sobre un modelo no anunciado con el nombre en clave “Claude Jupiter V1”, justo antes de su evento para desarrolladores del 6 de mayo. Esto no confirma nada por sí solo, pero suele ser una señal de que se acerca actualización o nueva familia. Para equipos que dependen de Claude en producción, el mensaje es: mantengan ojos en cambios de capacidades y, especialmente, de comportamiento y políticas de seguridad.

También desde Google llega un rumor con sabor a pista deliberada: una captura filtrada sugiere que en la interfaz de generación de video de Gemini aparece “Powered by Omni”. Nadie sabe si es un renombre de lo que ya existe, un modelo distinto o el primer paso hacia un sistema más unificado para imagen y video. Importa porque la generación de video se está convirtiendo en un campo de batalla, y el posicionamiento de marca y modelo suele anticipar anuncios grandes —y Google I/O está a la vuelta de la esquina.

Pasamos a infraestructura, donde se decide la experiencia real. OpenAI publicó detalles sobre cómo escaló la voz de ChatGPT y su Realtime API con WebRTC: el objetivo es que hablar con un modelo se sienta conversacional, no como una llamada con retraso. El punto clave es que, a escala masiva, la latencia y el enrutado de sesiones se vuelven un problema de arquitectura, no de “un servidor más”. Su solución separa el tráfico UDP de la lógica de sesión para mantener alcance global con menos fricción operativa, y para que el audio entre a la red lo más cerca posible del usuario.

En la misma línea de rendimiento, un informe tipo “laboratorio de vida real” probó vLLM con tráfico mixto y patrón de producción, no con el típico benchmark de un número. Concluye algo incómodo: un pool único para todo —chat interactivo, RAG, prompts largos, agentes y batch— tiende a romper latencias y a desperdiciar capacidad. La recomendación práctica es separar carriles y enrutar por clase de solicitud, protegiendo lo interactivo de lo que naturalmente bloquea colas, como entradas larguísimas o clientes que streamean muy lento.

Y para ponerle lenguaje simple a por qué todo esto ocurre, circula un buen recordatorio: servir un LLM tiene dos fases muy distintas. Primero ‘prefill’, que influye mucho en el tiempo hasta el primer token; luego ‘decode’, que es el goteo token a token donde manda la memoria y el cache. La moraleja para producto y plataforma es que el coste del contexto largo no es solo “más cómputo”: muchas veces es memoria ocupada y ancho de banda interno, y por eso aparecen técnicas como caches más compactas, paging y cuantización.

A propósito de cuantización, Intel publicó AutoRound, un toolkit open-source pensado para bajar modelos a precisiones muy bajas —algo así como 2 a 4 bits— intentando mantener buena calidad. ¿Por qué importa? Porque si puedes recortar memoria y coste de inferencia sin degradar demasiado, modelos que antes eran “solo de data center” se vuelven viables en más hardware, y se abren despliegues más baratos, más rápidos o incluso más locales. Además, el enfoque de compatibilidad con formatos y runtimes apunta a un dolor real: no basta con cuantizar, hay que poder servirlo sin una odisea de conversiones.

Ahora, una historia que me gusta porque habla de madurez: un ingeniero de WorkOS explica cómo construyó sistemas de evaluación después de darse cuenta de que dos herramientas de IA para desarrolladores estaban funcionando… pero sin evidencia de que mejoraran resultados. En lugar de tests frágiles que comparan archivos exactos, montaron un harness con proyectos reales, miraron diffs, builds e integración “de verdad”, y sumaron una rúbrica de calidad con un LLM para juzgar estilo, minimalismo y manejo de errores. Y un hallazgo clave: a veces el problema no es el agente, sino el evaluador; tuvieron que corregir supuestos del scorer y calibrar con humanos. En un mundo no determinista, la confianza viene de tendencias medibles, trazas guardadas y puertas anti-regresión que impiden enviar algo peor.

Esa idea encaja con otro diagnóstico que se repite en empresas: el “messy middle” de adopción de IA. Mucha gente tiene Copilot o chat corporativo, pero el aprendizaje se queda en islas: unos apenas autocompletan, otros ya hacen flujos agentic que recortan semanas. El argumento aquí es dejar de medir tokens y empezar a medir decisiones mejores, ciclos más cortos y patrones reutilizables, sin convertirlo en vigilancia. Si la organización no convierte trucos individuales en capacidades compartidas, la ventaja competitiva se evapora.

En investigación de agentes, un paper propone “Synthetic Computers at Scale”: generar miles de entornos de trabajo plausibles —carpetas, documentos, hojas de cálculo, presentaciones— y simular objetivos largos de oficina. La gracia no es que el agente resuelva un prompt, sino que navegue un mundo persistente con contexto, entregables y pasos intermedios. Si esto escala, puede convertirse en una fábrica de experiencia para entrenar agentes en tareas largas sin depender siempre de datos humanos caros o de benchmarks demasiado artificiales.

Y cerramos el bloque técnico con visión: un trabajo en arXiv intenta llevar RLHF a la edición de imágenes de forma más fiable, cambiando el “recompensador” por un verificador que razona si la imagen editada cumple la instrucción. La promesa es menos resultados que “parecen” seguir el prompt pero fallan en detalles, y más consistencia cuando la instrucción tiene varios requisitos. Si este enfoque se consolida, podríamos ver editores que obedecen mejor, con menos sorpresas y menos necesidad de reintentos.

Dos apuntes rápidos de industria y política. Primero, el aumento de límites y precios por uso en herramientas de coding en la nube está empujando a parte de la comunidad a mirar modelos locales para tareas prácticas de programación: menos dependencia de APIs medidas y más control de datos, aunque con más responsabilidad en seguridad y supervisión. Y segundo, en EE. UU. un proyecto bipartidista, el LIFT AI Act, propone ayudas para alfabetización en IA en escuelas K–12, con apoyo de grandes empresas. Puede estandarizar currículos y formación docente, pero llega en un contexto de presupuesto discutido y cierta fatiga en el aula por cómo se está introduciendo la IA.