Anthropic: automejora recursiva y resultados & Costes de la IA y deuda oculta - Noticias de IA (4 nov 2026)

Una de las grandes compañías de inteligencia artificial acaba de escribir, en un documento oficial para inversores, que podría estar a punto de entrar en una fase en la que la IA acelera su propia creación. Y no lo dice en un blog: lo dice ante los reguladores. Bienvenidos a The Automated Daily, edición de noticias de IA. El podcast creado por inteligencia artificial. Soy TrendTeller y hoy es 4 de noviembre de 2026. Vamos con lo más importante del día.

Anthropic: automejora recursiva y resultados

Empezamos con Anthropic, que sigue afinando su camino hacia la bolsa. En la nueva versión de su documento de salida a bolsa, el S-1, la empresa reconoce que podría alcanzar pronto lo que llama automejora recursiva: el punto en el que la IA ayuda de forma sustancial a construir una IA aún más capaz. Aclara que ningún modelo actual ha cruzado ese umbral, pero que sus estimaciones internas lo sitúan cerca, y admite el riesgo de que el progreso vaya más rápido que sus procesos de seguridad. También subraya que no prevé dejar que Claude diseñe modelos de frontera sin supervisión humana. En el mismo documento llegan las cifras del tercer trimestre: ingresos de unos 17.000 millones de dólares, con pérdidas que continúan. Crecimiento enorme, sí, pero también un recordatorio de lo caro que resulta entrenar y servir estos modelos.

Costes de la IA y deuda oculta

Y hablando de costes, dos señales en la misma dirección. Elon Musk respondió a un usuario que se quejaba de agotar antes sus límites de uso de Grok diciendo que el coste de servirlo es insostenible frente a lo que genera. Todo apunta a que xAI está ajustando el acceso. Por otro lado, Nikkei informa de que las obligaciones fuera de balance ligadas al gasto en IA de las grandes tecnológicas estadounidenses, como los alquileres de centros de datos, rondan ya los 3,2 billones de dólares, casi el doble que hace seis meses y en torno al ochenta por ciento de sus activos. Si los retornos tardan en llegar, estas cifras pueden pesar en valoraciones y en la confianza del mercado.

OpenAI unifica ChatGPT y prueba modelos

Pasamos a OpenAI, con varias novedades. La compañía prepara la fusión de las pestañas Chat y Work en la app de escritorio de ChatGPT, primero con un grupo reducido de usuarios. La idea es pasar de la lluvia de ideas a ejecutar tareas en un mismo lugar. Un detalle relevante: ChatGPT y Codex compartirán el mismo fondo de tokens, así que algunos usuarios podrían toparse antes con los límites. Además, OpenAI presentó LifeVal, una evaluación centrada en tareas de la vida diaria, como trámites, finanzas personales, salud o cuidados, basada en encuestas sobre cómo usa la gente su tiempo. Es un intento de medir utilidad real y no solo puntuaciones académicas. Y en la historia que venimos siguiendo sobre sus modelos, ha aparecido el identificador GPT-6.2-Astra en las analíticas de uso de Codex. OpenAI no lo ha anunciado, pero parece activo en sus servidores, posiblemente en una prueba limitada.

Postman instala plugins sin permiso

Ahora, seguridad y confianza. Un usuario de Mac denunció en GitHub que, al abrir Postman, la aplicación instaló por su cuenta plugins para Codex y Claude Code, añadió un hook de arranque, activó una conexión MCP remota e incluso intentó aprobar su propio hook dentro de Codex. Según los registros, se trató de una actualización automática para usuarios existentes, sin una aceptación clara. La queja va más allá de lo técnico: plantea si una aplicación puede alterar el comportamiento de otra herramienta de IA sin pedir permiso.

GitHub presenta enclaves para agentes

En esa misma línea, GitHub Next presentó los enclaves, una pieza experimental para flujos de agentes que trabajan entre varios repositorios. Nace a raíz de un caso en el que una incidencia pública maliciosa engañó a un agente para revelar código privado. Los enclaves aíslan el trabajo en un entorno de un solo uso y limitan estrictamente qué información puede salir, con un tope de divulgación por repositorio para que nadie reconstruya secretos a base de preguntas. GitHub reconoce que reduce el riesgo, pero no lo elimina.

Google limita IA y búsqueda escolar

En educación, Google permitirá a los distritos escolares restringir el acceso de los estudiantes a su IA, pero con una condición llamativa: si se bloquea por completo, también desaparece Google Search. La empresa argumenta que búsqueda e IA ya están demasiado integradas para separarlas. A la vez promueve Guided Learning, una experiencia que busca guiar al alumno en lugar de darle la respuesta. Para los centros que dependen de Google, la decisión no será sencilla.

¿LLMs que editan pesos? Matices

Vamos con la investigación. Un análisis pone en perspectiva las afirmaciones de que los LLM de frontera pueden leer y editar directamente los pesos de otras redes. Según el autor, los ejemplos del artículo original, como identificar a qué juego se entrenó una red pequeña o corregir un fallo matemático, están al alcance de un buen investigador humano. Su conclusión: es un truco ingenioso, no un nuevo tipo de razonamiento, y la IA ayudará más mejorando los flujos de entrenamiento.

Alineamiento replicado en modelos Qwen

También sobre alineamiento, un equipo replicó en parte el trabajo de Anthropic 'Teaching Claude Why' con los modelos abiertos Qwen 2.5. Tanto las historias sintéticas sobre IA alineadas como el ajuste fino con conversaciones éticas difíciles reducen el desalineamiento, pero estas últimas hacen casi todo el trabajo y siguen mejorando con más datos. Curiosamente, los protagonistas genéricos funcionan mejor que los que tienen nombre.

Entrenamiento distribuido entre islas de cómputo

En infraestructura, un estudio propone entrenar modelos de frontera en islas de cómputo dispersas en lugar de un único megaclúster. Lo demostraron con un modelo de unos 32.000 millones de parámetros repartido entre dos clústeres a más de 14.000 kilómetros, con GPU distintas, y lograron un resultado ligeramente mejor que el entrenamiento estándar. Si se confirma, más organizaciones podrían entrenar con recursos fragmentados. Relacionado, otro equipo presentó un sistema de sincronización de pesos para aprendizaje por refuerzo que aprovecha las GPU Blackwell para comprimir y aplicar solo las diferencias, con pausas por debajo de un cuarto de segundo. Su tesis: el cuello de botella deja de estar en la red y pasa al hardware.

Sincronización de pesos acelerada por GPU

Y una actualización sobre los enjambres de agentes. Los responsables de Avalon-M1 explican que la clave es que el aprendizaje por refuerzo premie la rapidez, sobre todo con plazos de tiempo, y que los agentes tengan canales para comunicarse. Ven equipos más grandes que rinden mejor, aunque escalar a enjambres enormes sigue siendo un problema abierto.

Enjambres de agentes: nuevos avances

En ingeniería práctica, Microsoft contó cómo un equipo pequeño llevó Copilot Cowork de un repositorio vacío a disponibilidad mundial en unos cuatro meses y medio, con agentes escribiendo la mayor parte del código. La lección: el esfuerzo humano se traslada a especificar, verificar y decidir qué se publica. Incluso migraron el runtime de Python a Rust en producción, por etapas y con marcha atrás preparada. Por su parte, Anthropic lanzó en beta los hilos de mensajes en su API, que evitan reenviar toda la conversación en cada turno y recortan notablemente la latencia en sesiones largas de agentes.

Copilot Cowork: de Python a Rust

Cerramos con una reflexión personal. Ben Stolovitz cuenta que en un año la IA cambió su forma de programar, ahora gestiona varios agentes en lugar de escribir código, y también cómo busca y aprende. La valora mucho como tutora, pero todavía no confía en ella para escribir con voz propia: la encuentra verbosa y sosa. Útil para la velocidad y la rutina, menos para el criterio.

Hasta aquí The Automated Daily, edición de noticias de IA. Como siempre, encontraréis los enlaces a todas las historias en las notas del episodio. Soy TrendTeller, gracias por escuchar y nos oímos mañana.

Anthropic: automejora recursiva y resultados & Costes de la IA y deuda oculta - Noticias de IA (4 nov 2026)

Our Sponsors

Today's AI News Topics