La IA diseña chips desde cero & Agentes que aceleran la investigación - Noticias de IA (20 nov 2026)
Una IA diseña una CPU desde cero, Gemini 4 Neon llega, agentes que investigan solos y el debate sobre el control humano. Las noticias de IA del día.
15 episodios gratis al día, 5 ediciones, 3 idiomas, y producirlos cuesta unos 4 dólares al día. Un café lo mantiene en marcha ☕
Apoya el programa →Our Sponsors
Today's AI News Topics
-
La IA diseña chips desde cero
— Architect Labs presenta Frostbite, una arquitectura de CPU diseñada y verificada por IA de principio a fin. OpenAI usa sus modelos para optimizar su chip de inferencia Jalapeño y diseños de AMD, en colaboración con Synopsys. -
Agentes que aceleran la investigación
— OpenAI informa que sus agentes de programación ya completan solos casi la mitad de las tareas de investigación de varias horas. Meta usa agentes de IA para trasladar mejoras entre sus modelos de ranking de anuncios y ahorrar millones en cómputo. -
Gemini 4 Neon y la familia Gemini
— Google lanza Gemini 4 Neon, orientado a programación, trabajo empresarial y ciberseguridad, y Genie 4 para crear mundos interactivos. Nuevos análisis apuntan a la lentitud de Gemini 4 Carbon y al consumo de cuota por la caché en Antigravity. -
Seguridad y sandboxes en agentes
— OpenAI explica cómo el sandbox de Codex limita el acceso a archivos y red en macOS, Linux y Windows. Un desarrollador critica que las salvaguardas de Claude Code bloquean trabajo legítimo de ciberseguridad defensiva. -
IA local frente a la nube
— Pete Warden defiende que los modelos locales ya son útiles por coste, privacidad y control empresarial. Un usuario detecta que las funciones de IA de Chrome disparan el consumo de ancho de banda. -
Gasto en cómputo: Anthropic frente a OpenAI
— Epoch AI estima que el gasto de Anthropic en cómputo e infraestructura ronda los 40.000 millones de dólares anualizados. Crece cerca de 4 veces al año, frente a unas 3 veces en OpenAI. -
Plazos hacia la superinteligencia y control humano
— Zvi Mowshowitz analiza el acortamiento de los plazos hacia una IA que automatice la investigación en IA. Dean W. Ball advierte del 'consenso silencioso' de ceder el control humano a la IA por eficiencia. -
Trabajo cualificado convertido en gig
— Plataformas como Outlier, de Scale AI, contratan médicos, abogados y doctores para entrenar IA. Lo hacen con pagos desiguales entre países y condiciones inestables, lo que se describe como una forma de extractivismo laboral.
Sources & AI News References
- → OpenAI Explains How the Codex Sandbox Limits Command Access
- → Parloa Study Finds Major Blind Spots in CX AI Observability
- → The Silent Consensus: Why Humans Should Keep the Wheel
- → Why Antigravity Burns Through Weekly Quota Fast
- → OpenAI Says Coding Agents Are Accelerating Research, but Humans Still Matter ([openai.com](https://openai.com/index/research-acceleration-jagged-frontier/))
- → Why Gemini 4 Carbon Is So Slow
- → ResolveAI Launches SRE-1 Model and Primary On-Call Agent
- → Google Launches Stitch Loop to Continuously Optimize Products
- → Pete Warden on Why AI Is Moving Local
- → OpenAI Says Its Models Are Improving Chip Design
- → Prime Intellect Launches Model Factory for End-to-End AI Training and Deployment
- → Why Switching LLMs Mid-Conversation Is a Ski-Rental Problem
- → Google Launches Genie 4 in Project Genie
- → Architect Labs Introduces Frostbite, an AI-Designed CPU Architecture
- → Perplexity launches Context API for full web page extraction
- → Meta Uses AI Agents to Speed Up Ads Ranking Model Improvements
- → Anthropic’s Compute Spending Surges Faster Than OpenAI’s
- → AI Timeline Warnings Intensify After METR Report
- → Chrome AI Features Blamed for Excessive Bandwidth Use
- → AI Is Turning High-Skilled Work Into Gig Labor
- → Why AI Safety Safeguards Can Hinder Defensive Security Work
- → Google Introduces Gemini 4 Neon
Full Episode Transcript: La IA diseña chips desde cero & Agentes que aceleran la investigación
Un procesador completo, con su propio juego de instrucciones, inventado, diseñado y verificado por inteligencia artificial de punta a punta. Y, según sus creadores, bastante más eficiente que un núcleo comercial ya probado en silicio. Hoy les cuento de qué se trata. Bienvenidos a The Automated Daily, edición AI News. El podcast creado por IA generativa. Soy TrendTeller y hoy es 20 de noviembre de 2026. Hoy repasamos chips diseñados por máquinas, agentes que ya hacen buena parte de la investigación en OpenAI, el nuevo Gemini 4 Neon, la eterna tensión entre seguridad y utilidad, y un par de ensayos que invitan a pensar quién sostendrá el volante en los próximos años.
La IA diseña chips desde cero
Empezamos por el gancho. Architect Labs asegura haber creado Frostbite, una nueva arquitectura de CPU de propósito general que la IA descubrió, diseñó y verificó por completo: desde el compilador hasta el diseño físico final del chip. La idea de fondo es un modelo de programación que expone el paralelismo y reduce la dependencia de las cachés tradicionales. En sus pruebas, Frostbite ofrece algo más de cuatro veces y media el rendimiento por vatio de un núcleo moderno comparable, incluso en cargas de trabajo que se reservaron hasta el final para no hacer trampa. Hay que tomarlo con cautela, porque son datos de la propia empresa, pero la ambición es clara: la IA ya no solo ayuda a programar, también propone arquitecturas nuevas. En la misma línea, OpenAI cuenta que sus modelos están mejorando el diseño de chips reales. Han trabajado en su propio chip de inferencia, llamado Jalapeño, y en hardware de AMD, con optimizaciones que en algunos casos ya se han comprobado en silicio. Ahora se asocia con Synopsys para integrar estos modelos en las herramientas que usa la industria.
Agentes que aceleran la investigación
Seguimos con OpenAI, que publicó un informe sobre cómo los agentes de programación están acelerando su investigación interna. Según la compañía, los agentes completan por sí solos casi la mitad de las tareas de investigación de dos a cuatro horas, el doble que en marzo, aunque con resultados muy irregulares según el tipo de tarea. El uso se ha disparado hasta el punto de que el gasto en agentes ya equivale a unas dos veces el salario base de un investigador. Un dato llamativo: el área que más creció fue la de seguridad y alineamiento, sobre todo tras el incidente de Hugging Face de julio. Meta, por su parte, explica que usa agentes para trasladar mejoras de aprendizaje automático entre sus modelos de ranking de anuncios, un trabajo tedioso que antes podía tardar más de un año. Dice haber triplicado la productividad de sus ingenieros y calcula ahorros de cómputo superiores a 45 millones de dólares este año.
Gemini 4 Neon y la familia Gemini
Google ha tenido una jornada intensa. Presentó Gemini 4 Neon, un modelo pensado para resolver de principio a fin tareas complejas de programación, trabajo de conocimiento y ciencia. Destaca su enfoque en ciberseguridad: Google afirma que encuentra y corrige vulnerabilidades a menor coste que sus rivales, y además promete menos invenciones y un comportamiento más controlable. Ya está disponible en la API de Gemini y en AI Studio. También llegó Genie 4 para suscriptores de Google AI Ultra, que permite crear y modificar mundos digitales interactivos en tiempo real con simples instrucciones de texto, ahora con audio adaptativo y una galería comunitaria. Y dos actualizaciones de historias que ya seguíamos. Kernel investigó por qué Gemini 4 Carbon tardaba casi una hora en tareas que otros modelos resuelven en minutos: el problema no es solo la velocidad, sino que el modelo trabaja de más, revisa código ajeno a la tarea y tarda en actuar aunque ya haya detectado el error. Sobre el consumo acelerado de cuota en Google Antigravity, un análisis de los binarios concluye que Google ya construyó un sistema para mantener viva la caché, pero lo tiene desactivado para Gemini. Las mediciones sitúan su caducidad justo antes de los cinco minutos, así que una pausa para el café puede salir cara.
Seguridad y sandboxes en agentes
Pasamos a la seguridad de los agentes. OpenAI detalló cómo funciona el sandbox de Codex, que deja al agente escribir en el proyecto pero le corta la red por defecto, como una capa extra de protección que se suma al entrenamiento del modelo. Optaron por mecanismos nativos de cada sistema operativo en lugar de contenedores, para que Codex trabaje directamente en el entorno habitual del desarrollador. La otra cara del debate la pone un desarrollador que intentó usar Claude Code para corregir un fallo de seguridad en su propio producto y se topó con las salvaguardas de Anthropic. Describe el proceso de excepción como lento e invasivo, y acabó recurriendo a modelos abiertos alojados en Europa. Su crítica: los atacantes usan modelos sin restricciones, mientras que quienes defienden son los que tienen que dar explicaciones.
IA local frente a la nube
Hablando de modelos abiertos, Pete Warden sostiene que la IA quiere ser local. Según él, los modelos que funcionan en un portátil o en servidores propios van apenas unos meses por detrás de los comerciales y ya bastan para muchas tareas. Los argumentos son coste, privacidad y control, y además prevé que la voz se convierta en una interfaz central si los modelos locales siguen ganando velocidad. Eso sí, lo local también tiene su letra pequeña: un usuario descubrió que las nuevas funciones de IA integradas en Chrome disparaban su consumo de ancho de banda, que cayó en cuanto las desactivó. Su queja es que no deberían venir activadas por defecto.
Gasto en cómputo: Anthropic frente a OpenAI
En cuanto al dinero, Epoch AI calcula que el gasto de Anthropic en cómputo e infraestructura rozó los 10.000 millones de dólares en el tercer trimestre, unos 40.000 millones anualizados, cuando en 2023 apenas superaba los 400 millones. Eso implica multiplicarse por cuatro cada año, por encima del ritmo estimado para OpenAI, aunque los datos de esta última son más escasos. La conclusión: la carrera por la frontera de la IA es cada vez más intensiva en capital.
Plazos hacia la superinteligencia y control humano
Y hablando de frontera, Zvi Mowshowitz analiza cómo se han acortado las previsiones tras el último informe de METR. Ve una probabilidad sustancial, aunque inferior al cincuenta por ciento, de que en 2027 haya sistemas capaces de automatizar por completo la investigación en IA, y recoge la advertencia de Paul Christiano, que pide pausar el desarrollo de frontera. En un registro más filosófico, Dean W. Ball alerta de lo que llama el consenso silencioso: no una rebelión de las máquinas, sino una cesión gradual del control humano porque resulta más eficiente. Ball rechaza que debamos convertirnos en pasajeros y pide supervisión humana de los agentes, permisos limitados, auditoría y herramientas que amplíen nuestras capacidades en lugar de sustituirlas.
Trabajo cualificado convertido en gig
Cerramos con el trabajo. Un artículo sostiene que la IA no solo elimina empleos, sino que fragmenta el trabajo cualificado en tareas sueltas gestionadas por plataformas. Empresas como Outlier, de Scale AI, reclutan médicos, abogados y doctores para evaluar respuestas de IA, con tarifas altas en Estados Unidos y mucho más bajas en Filipinas o Tanzania, y con tareas que desaparecen sin aviso. El autor lo describe como extractivismo: el valor sale de los trabajadores bajo condiciones que fija la plataforma, algo que podría normalizar la inestabilidad incluso entre profesionales con títulos universitarios.
Hasta aquí el repaso de hoy, 20 de noviembre de 2026. Como siempre, encontrarán los enlaces a todas las historias en las notas del episodio. Gracias por escuchar The Automated Daily, edición AI News. Soy TrendTeller y nos escuchamos mañana.
More from AI News
- 18 de noviembre de 2026 Claude y secuencias de proteínas & OpenAI abre puertas a evaluadores
- 17 de noviembre de 2026 Petición para reinstalar a Jensen Huang & FBI alerta sobre herramienta Artex
- 16 de noviembre de 2026 Claude diseña un sintetizador analógico & Nvidia frena su financiación de IA
- 14 de noviembre de 2026 Modelos abiertos contra modelos cerrados & Enrutamiento inteligente de modelos de IA
- 13 de noviembre de 2026 Monetización de la IA bajo presión