Qwenputer: un procesador dentro del modelo & Gemini 4 Carbon y la guerra de benchmarks - Noticias de IA (30 oct 2026)

¿Y si un modelo de lenguaje no necesitara calculadora porque lleva un ordenador entero escondido dentro de sus propios pesos? Alguien acaba de hacerlo, y funciona. Bienvenidos a The Automated Daily, edición AI News. El podcast creado por IA generativa. Soy TrendTeller y hoy es 30 de octubre de 2026. Tenemos un episodio cargado de agentes: agentes que investigan, agentes que se mandan mensajes contigo y hasta agentes que pasan hambre en Minecraft. Empezamos.

Qwenputer: un procesador dentro del modelo

Arrancamos con la rareza técnica del día. Se llama Qwenputer y es una versión experimental de Qwen 3.5 de cuatro mil millones de parámetros que tiene una CPU RISC-V compilada directamente en sus pesos. El truco consiste en usar ciertas capas del modelo como memoria exacta y direccionable, de modo que el procesador funciona dentro del propio cálculo del modelo, sin herramientas externas ni entornos aislados. Según su autor, ha ejecutado millones de instrucciones sin errores, corre código en C y MicroPython y apenas altera el comportamiento original del modelo. Incluso suma un sistema de archivos interno que persiste entre conversaciones. Más allá de la curiosidad, abre una vía interesante para la investigación en seguridad y supervisión de modelos.

Gemini 4 Carbon y la guerra de benchmarks

Sobre la historia de Gemini 4 Carbon que ya veníamos siguiendo, Google confirma que encabeza el renovado índice de inteligencia de Artificial Analysis y que su despliegue será gradual: primero llegará a un grupo reducido de defensores en ciberseguridad mediante su programa Fairwind, y después a desarrolladores, empresas y consumidores. Justamente ese índice es el centro del análisis de Nathan Lambert, que advierte que medir la IA de forma independiente es cada vez más difícil y más subjetivo. La nueva versión del ranking pone el foco en tareas agénticas de frontera, lo que tiende a ampliar la distancia entre modelos cerrados y abiertos. Lambert también desconfía del giro hacia benchmarks privados y pide más diversidad de índices en lugar de una única cifra que defina el progreso.

Agentes que hacen investigación de IA

Pasamos a los agentes que hacen ciencia. Mirendil presentó Lor, una plataforma que aspira a funcionar como un laboratorio de IA completo: agentes que escriben código, lanzan experimentos y siguen iterando durante días en muchas máquinas a la vez, incluso gestionando su propia capacidad de cómputo mientras el usuario está desconectado. La idea es que equipos pequeños puedan hacer trabajo a escala de laboratorio; por ahora está en beta privada. En una línea parecida, Decagon contó cómo su sistema AutoResearch usa agentes para diagnosticar cuellos de botella en la inferencia, probar hipótesis contra réplicas de tráfico real y decidir el siguiente experimento. En un despliegue con Gemma reporta aumentos de capacidad de hasta un sesenta y cinco por ciento. El mensaje de fondo: con buenos bucles de retroalimentación, los agentes ya asumen parte de la investigación de rendimiento.

Infraestructura para agentes: Google y Microsoft

Y para que todos esos agentes funcionen hace falta infraestructura. Google Cloud anunció Agent Compute Engine, un servicio de cómputo pensado para el ritmo de arrancar, pausar y reanudar típico de los agentes, con fuerte aislamiento y que llegará en vista previa en los próximos meses. Además, extiende su marco de gobernanza de agentes a más entornos, incluso fuera de su nube. Microsoft, por su parte, abre en Foundry el Copilot harness, la capa que orquesta modelos, herramientas y contexto en sus propios Copilots, compatible con estándares abiertos como MCP y con más de veinte modelos. Y Google estrena en vista previa Connected Apps, una vía única para que los desarrolladores lleven sus aplicaciones tanto a Search como a la app de Gemini.

GitHub Copilot elige modelos solo

En el terreno del código, GitHub lanzó de forma general Copilot Fusion, que deja de pedirle al usuario que elija modelo: tú indicas cuánto esfuerzo quieres y el sistema decide qué modelos usar y cómo combinarlos, respetando las políticas de cada empresa. Además, Copilot Automations ahora aprende de lo que pasa en los repositorios, como si un pull request se fusiona o un comentario se acepta, y propone mejoras a sus propios prompts. Eso sí, ningún cambio se aplica sin que una persona lo revise.

Agentes personales por mensaje y mascotas IA

Hablemos de agentes personales. OpenAI empezó a permitir que los usuarios Pro en Estados Unidos escriban a sus agentes Dot por iMessage o RCS, con texto, fotos o notas de voz, y que el agente responda con avisos proactivos, compartiendo memoria con ChatGPT. La competencia en este espacio, con Anthropic también moviendo ficha, se acelera. Y Meta prueba algo más tierno: Waddle World, una mascota virtual con IA al estilo Tamagotchi, disponible solo en Filipinas. Meta insiste en que no busca generar adicción, algo relevante ahora que los compañeros de IA están bajo lupa, sobre todo por su efecto en los más jóvenes.

Anthropic mide el retorno de la IA

En el mundo empresarial, Anthropic presentó informes para que los responsables vean qué produce realmente el gasto en IA de sus equipos: resultados, costes y dónde se atascan los flujos de trabajo. Es una respuesta directa a la pregunta que muchas empresas se hacen sobre el retorno de la inversión. La otra cara la muestra 404 Media: según mensajes internos, el CEO de Proton, Andy Yen, presiona con dureza para acelerar el uso de IA, reprochando a quienes pedían más tiempo para probar código. Empleados hablan de miedo y de software de seguimiento. Una tensión llamativa en una empresa cuya marca es precisamente la seguridad.

Proton presiona a su plantilla con IA

Ahora, una historia casi de novela. Y Combinator Labs soltó a cincuenta agentes GPT-6.1 en Minecraft con la misión de construir una civilización próspera en tres horas. Lo que salió fue una lucha por sobrevivir: talaron los árboles cercanos, se organizaron en jerarquías, crearon planes compartidos y hasta un sistema de racionamiento de comida. La primera noche fue letal y, tras muchas bajas, el grupo se volvió más prudente. Un laboratorio curioso para estudiar cómo surgen roles y formas de gobierno entre agentes bajo presión.

50 agentes sobreviviendo en Minecraft

Un aviso para quien confía en las cifras que dan los chatbots. Trakkr Research rastreó casi mil trescientas estadísticas citadas por cinco asistentes de IA y solo el cuarenta por ciento llevaba a un estudio que dijera lo mismo. El resto acababa en datos alterados, páginas inaccesibles o directamente en ninguna parte. Lo llaman estadísticas zombi: números que circulan por la web sin base sólida, y que la IA suele citar desde blogs corporativos en vez de la fuente original. Moraleja: antes de repetir un dato, abre el enlace.

Estadísticas zombi en respuestas de IA

Cerramos con voz. ElevenLabs presentó Cue, un modelo que sitúa cada carácter de un audio en su momento exacto, clave para subtítulos y transcripciones precisas incluso con ruido, varias lenguas o canciones, y capaz de alinear una hora de audio en medio segundo. Y NVIDIA lanzó Nemotron 3.5 Transcribe, un modelo abierto que transcribe, identifica hablantes, traduce y responde preguntas sobre audio, acompañado de Granary v2, un gran conjunto de datos multilingüe y su canal de preparación. Buena noticia para quien necesite transcripción especializada, como en el ámbito médico.

Y hasta aquí el episodio de hoy, 30 de octubre de 2026. Si algo nos dejan estas noticias es que los agentes ya no son una promesa, sino un terreno en plena construcción, con sus avances y sus tropiezos. Encontrarás los enlaces a todas las historias en las notas del episodio. Soy TrendTeller, gracias por escuchar The Automated Daily, edición AI News. Nos oímos mañana.

Qwenputer: un procesador dentro del modelo & Gemini 4 Carbon y la guerra de benchmarks - Noticias de IA (30 oct 2026)

Our Sponsors

Today's AI News Topics