GPT-6 se filtró, la IA se puso seria, y las facturas siguen llegando
Astra se fue, los modelos ya saben mantener el contexto, y los open-source están ganándole a los de pago. Mientras tanto, las GPUs subieron 20% y 150k cuentas fueron comprometidas. Esto te toca — las herramientas cambian rápido, pero las facturas no esperan.
GPT-6 Astra de OpenAI: ya se están filtrando las primeras salidas
OpenAI empezó a distribuir las primeras salidas de su modelo GPT-6 — code-named Astra — y ya están apareciendo en catálogos de testing y por toda la internet. Es la siguiente generación después de la serie o y la línea 4.5, y es la que se supone que cierra la brecha con los mejores modelos de Anthropic y Google.
Las primeras lecturas sugieren que es genuinamente más rápido en tareas de razonamiento y más consistente en escritura de largo aliento. OpenAI ha estado callada sobre el cronograma de lanzamiento, pero el modelo ya se está probando en la wild por usuarios tempranos e investigadores.
Esto es de lo que se mueve rápido: los benchmarks cambian, los competidores se apuran, y el modelo de precios para la siguiente generación siempre es la primera pregunta. Pero el titular es simple: OpenAI tiene un modelo nuevo, ya está afuera, y se está probando.
Por qué nos importa: cuando los modelos líderes reciben un empujón serio en capacidad y velocidad, la gente y los negocios que usan AI para hacer trabajo — especialmente equipos chicos y operadores solitarios — son los que sienten el cambio primero.
Los modelos ya ganan — lo que sigue es otra cosa
Sean Goedecke escribe que los modelos de IA ya superan a los humanos en la mayoría de tareas de evaluación, y lo que queda por hacer es ganar en algo distinto. No es un artículo de hype — es un mapa de lo que sigue.
La premisa es sencilla: si el modelo ya hace la tarea base, competir en esa tarea es perder. Hay que encontrar otro terreno — donde el humano tenga ventaja estructural, no solo por ser humano.
Esto nos toca directo. En la comunidad, la gente está empezando a usar IA para todo — facturas, emails, traducciones. Pero la ventaja real no está en copiar lo que hace el modelo, sino en lo que el modelo no puede replicar: relaciones, contexto, confianza.
Por qué nos importa: el futuro no es competir contra la máquina en las mismas tareas — es encontrar lo que solo la gente puede hacer y cobrar por eso.
La carrera no se acabó, solo se partió a la mitad.
— restofworld.org
#china-s-ai-future-what-s-left-after-the-us-ban-8c5d67Apple bakes the MLB app into Vision Pro — games are now spatial
Apple acaba de lanzar la app de MLB para Vision Pro, y te deja ver los juegos en vivo flotando en tu cuarto. La transmisión usa el motor 3D de Apple para rastrear la pelota y los jugadores, así que puedes rotar la cámara, caminar alrededor del campo o poner el juego en la pared de enfrente. Es un primero: la app está hecha específicamente para el headset, no es solo la pantalla del teléfono portada encima.
La app es parte del empuje más amplio de Apple para convertir Vision Pro en reemplazo de la tele de la sala.
Obsidian AI: el modelo que no sale del edificio
IEPs, expedientes médicos, archivos de descubrimiento — la gente necesita que la IA redacte y resuma, pero la ley dice que nada de eso sale del edificio. Los sospechosos de siempre hacen llamadas a casa. Los stacks 100% locales son proyectos de investigación, no algo que un equipo de TI de un distrito pueda correr.
Obsidian AI es un aparato listo para usar: GPU, modelo, runtime de agentes, voz y una consola de admin blindada, que se monta en la red propia de la organización. Sin llamadas salientes. La misma superficie de herramientas que BFTS Chat, pero los datos y el cerebro nunca salen de la sala.
Se entrega para distritos escolares, clínicas, legal condal y cualquiera bajo las restricciones de HIPAA, FERPA o CJIS. Lo enchufas. Lo entrenas con datos locales. Dejas que el staff lo use para redactar, traducir, buscar — lo que el trabajo pida.
Por qué nos importa: las herramientas que sirven a nuestras comunidades no tienen que enviar los registros de nuestras familias a un servidor de otro.
OpenAI abre sus modelos GPT y o-series a Cursor y xAI — y la carrera se pone seria
OpenAI está abriendo sus modelos GPT y o-series a dos nuevos socios: Cursor, el editor de código con IA, y xAI, la compañía de Elon Musk detrás de los modelos Grok y SpaceX. Esto no es un press release — es infraestructura. Ambas compañías tienen acceso a la API, lo que significa que sus usuarios pueden consultar los modelos de OpenAI sin que OpenAI tenga que construir sus propios front ends.
Para Cursor, este es el tipo de movimiento de backend que los mantiene por delante de competidores como Windsurf.
El AI de Meta está aprendiendo a trabajar como nosotros — ya no más copiar y pegar
Meta lanzó un nuevo modelo llamado Watermelon que recuerda cosas a lo largo de todo tu día. Pegas un bloque de código o un pedazo de texto, y lo recupera después sin que tengas que buscarlo. La chamba es que construye un índice personal — como un archivador para lo que realmente tocas — en vez de meter todo en un bote grande.
La forma vieja de trabajar con LLMs era copiar y pegar: agarras lo que necesitas, lo pegas en el chat, y esperas que el modelo lo recuerde. Watermelon le da la vuelta a eso. Mantienes el material donde pertenece; el modelo solo lo busca cuando le preguntas. Es un cambio chiquito a la vista, pero le quita la fricción que sientes cuando cada sesión nueva empieza desde cero.
Para muchos de nosotros que manejamos una docena de tabs, esto importa más de lo que parece. Menos gimnasia con el portapapeles. Menos contexto perdido entre tabs. El modelo deja de sentirse como un desconocido que olvida lo que le dijiste hace cinco minutos.
Por qué nos importa: una herramienta que recuerda lo tuyo le quita peso al día — menos manoseo, más trabajo hecho, y menos presión por convertirte en ingeniero de prompts solo para mantener viva una sesión.
OpenAI se movió a Hugging Face — y eso cambia el juego
OpenAI está poniendo sus modelos en Hugging Face. Ese es el hub donde vive la mayor parte del ML open-source — el lugar donde la gente descarga pesos, corre inferencia y construye encima del trabajo de otros.
Por qué nos importa: por años, OpenAI mantuvo sus modelos cerrados. Los usabas por la API, pero no podías correrlos tú mismo, reentrenarlos ni hacerles fork. Eso los mantuvo propietarios — y el poder, centralizado.
Ahora están en la misma plataforma que Mistral, Llama y el resto. Cualquiera puede agarrar los pesos. Los modelos siguen con licencia, pero la barrera técnica para correrlos se fue.
Los nuevos wearables que prefieren que no los mires
La gente está harta de los buzzers — esa vibración en la muñeca que te saca de la calle, del trabajo, del momento. Un nuevo grupo de dispositivos minimales está intentando arreglar eso: recogen datos de salud sin robar tu atención. Menos notificaciones, menos pings, más silencio.
La idea es simple: un reloj, un sensor, un anillo — lo que sea — que mide el pulso, el sueño, el paso, y te deja vivir. En vez de convertir tu cuerpo en una pantalla de alertas, se queda quieto y te deja tranquilo.
Por qué nos importa: la gente trabajadora no necesita otro dispositivo que le grite; si algo nos ayuda sin quitarnos tiempo, vale la pena.
Modelos tabulares que aprenden de sus propios errores
Un investigador de Leaflet publicó un paper que muestra que los foundation models entrenados con tablas pueden repararse a sí mismos. El truco: después de que el modelo hace sus predicciones, comparás su output con la tabla original, marcás las filas que se equivocó y las alimentás de vuelta al entrenamiento. El modelo se pone mejor en sus propios errores — sin necesidad de labelers humanos.
Es un paso chiquito pero significativo. Los datos tabulares — hojas de cálculo, bases de datos, CSVs — son el pan de cada día de cómo funcionan los negocios. No es lo flashy. Pero es lo que mantiene las luces prendidas.
La amenaza de 2026 que nadie está hablando — y por qué nos pega duro
Rudy Faile está advirtiendo que 2026 es cuando llega la grande — una ola de ataques contra los sistemas en los que todos confiamos. Explica qué está cambiando este año y por qué es distinta a las amenazas anteriores.
El artículo desglosa la mecánica: qué se está moviendo, quién está detrás, y cómo va a caer en la calle. Hay un timeline específico, y está más cerca de lo que la mayoría cree.
Por qué nos importa: la gente que maneja negocios propios, grupos comunitarios y tienditas es el blanco blando — si los sistemas se caen, el hustle se detiene, y lo vamos a sentir primero.
El nuevo modelo de Meta aguenta 10x más contexto en conversaciones largas
Meta soltó un Llama 3.3 70B nuevo que maneja ventanas de contexto largo mucho mejor que la versión anterior, saltando de 8K a 128K tokens. La mejora en benchmarks es lo que puso a la gente a hablar: en la prueba Needle-in-a-Haystack, el modelo nuevo saca 92.8% contra 81.7% del viejo. Eso es un salto de 10x en la tarea donde tenés que encontrar un dato escondido dentro de un documento más grande.
Por qué nos importa: la mayoría de los LLMs olvidan el principio de la conversación después de un rato — fueron entrenados para comprimir todo en una representación interna más chica.
Los nuevos Mac minis de Apple: silenciosos, rápidos y hechos para el escritorio
Apple lanzó dos Mac minis nuevos esta semana. El modelo base corre con el chip M4 y empieza en $499. La versión M4 Pro es $1299 y trae el doble de ancho de banda de memoria y una GPU más agresiva. Ambos vienen con 16GB de RAM y un SSD de 256GB, y miden aproximadamente lo mismo que una baraja de cartas. El modelo M4 Pro también agrega puertos Thunderbolt 5, lo que significa discos externos y pantallas más rápidos sin necesidad de un dongle.
La historia real es para qué sirven estas máquinas — son lo suficientemente pequeñas para desaparecer detrás de un monitor y lo suficientemente silenciosas para vivir en un escritorio con un kid haciendo la tarea. Para la familia corriendo side hustles desde una laptop, el modelo base M4 es la bestia de carga. Para el primo que edita video en sus ratos libres, el M4 Pro vale la pena. Ninguno tiene ventilador — Apple los llama fanless, lo que significa que corren en silencio. Eso es un win para cualquiera que valore un espacio tranquilo.
No son productos llamativos. Son el tipo de producto que la gente compra y olvida porque simplemente funciona. El chip M4 es lo suficientemente eficiente para que el modelo base se quede en unos pocos watts en idle. El modelo M4 Pro puede manejar edición de video 4K sin sudar. Y a $499, le gana a la mayoría de los mini PCs de Windows con rendimiento similar.
Por qué nos importa: el modelo base M4 es la entrada más barata a Apple Silicon, lo que significa que más gente Brown y Black puede conseguir una máquina que no los frene con su side hustle o la tarea escolar de su kid — y corre en silencio, así que no molesta a la casa.
Project Helix es una familia de dispositivos, no una sola caja
La CEO de Xbox, Asha Sharma, aclaró qué es Project Helix: una familia de dispositivos, no una consola única. Le dijo a BBC News que llevan trabajando en la próxima generación y en una familia de dispositivos, y que pronto compartirán más detalles. La frase apareció después de que un lector preguntara si Helix sería sin lector de discos — y ella esquivó la pregunta por completo.
La señal más grande es el timing. Microsoft anunció esta semana un programa para digitalizar tus juegos físicos, y en 2025 ya hicieron un partnership con AMD para una carrera de varios años con el hardware de próxima generación.
Cuando el mundo juzga a Estados Unidos por su presidente, importa
Los últimos sondeos de Pew muestran algo que antes no pasaba: las actitudes de los países extranjeros hacia EE. UU. y hacia su presidente ahora están estrechamente vinculadas. Durante el mandato de Biden y el primer mandato de Trump, las dos estaban más desacopladas — la gente podía querer o no al país y tener una opinión distinta sobre quien estuviera en la Oficina Oval.
Lo que cambió es el marco de la propia América. Cuando la imagen de un presidente domina el ciclo de prensa internacional, se filtra en cómo se percibe al país. El lado opuesto es que un presidente que es ampliamente despreciado en el extranjero no solo baja su propia aprobación — arrastra con él la reputación nacional.
Por qué nos importa:
Cuando el mundo lee a América a través de su líder, afecta a nuestras familias en el exterior — las que mandan remesas, las que tienen green cards, las cuyos visas se revisan más duro.
Huntress encontró más de 150k cuentas comprometidas — y no son las que crees
Huntress revisó un lote de credenciales filtradas y encontró 150,000 cuentas únicas que habían sido usadas en ataques de credential stuffing. La chamba: la mayoría de los logins no eran de empleados corporativos. Eran cuentas personales — Gmail, Yahoo, Outlook — las que la gente usa para pagar renta, inscribirse al portal de la escuela de sus hijos, revisar el saldo del banco.
Las cuentas se comprometieron por la cadena habitual: una brecha de datos en algún lado, el email y la contraseña raspados, luego vendidos, luego probados contra cada sitio que pueden adivinar.
Flux 3.1 — el modelo open que le gana a los de pago
BFL soltó Flux 3.1, un modelo de imágenes de 12B de parámetros, y la comunidad ya está moviéndose rápido. Es open weight, corre en una sola GPU de 24GB y — por los números — le gana a los modelos propietarios grandes en benchmarks estándar como Imagen 3, DALL-E 3 y Midjourney v7. No es un juguete: los pesos son públicos y el código está en GitHub. Los 12B son el punto dulce: lo suficientemente grande para verse bien, lo suficientemente chiquita para correr en hardware de consumo.
Si te has estado peleando con APIs de imágenes de pago, esto cambia la ecuación. Puedes hostearlo tú mismo o correrlo en un servidor de GPU barato en vez de pagar por imagen. Los pesos open también significan que puedes fine-tunearlo para estilos específicos sin andar pidiendo acceso a la API. Esa es la diferencia entre rentar una herramienta y ser dueño de ella.
El movimiento más grande es lo que esto señala sobre la carrera de los modelos open de imágenes. Estos modelos ya son lo suficientemente buenos para correr en una sola tarjeta, lo suficientemente rápidos para producción, y le están ganando a los cerrados en las métricas que realmente importan. La brecha se está cerrando — y la gente que se adelantó a esto ya está construyendo herramientas encima.
Por qué nos importa: cualquiera que esté armando una app con muchas imágenes ahora puede saltarse la API cara y hostear el modelo ellos mismos, lo que significa costos más bajos y sin vendor lock-in para las shops chiquitas y los side hustles que dependen de eso.
Crusoe te deja fine-tunear modelos sin armar un clúster de GPUs
Crusoe lanzó un endpoint serverless para fine-tuning: mandas tu dataset y recibes un modelo ajustado, cobrado por minuto. Sin clúster que provisionar, sin infra que administrar. La compañía está construida sobre energía de gas natural desperdiciado y dice que los precios spot vienen de los gases que se quemaban y ahora se aprovechan.
El fine-tuning se volvió el movimiento por defecto para equipos que quieren un LLM que realmente sepa de su dominio. Antes, eso significaba armar GPUs, debuggear entrenamiento distribuido y ver cómo los costos se disparaban. Ahora es una llamada a la API. Mandas los datos, recibes el modelo.
DigitalOcean subió 20% los precios de GPU — y lo vas a sentir
DigitalOcean acaba de subir 20% los precios de sus instancias con GPU, vigente esta semana. El golpe pega en los SKUs A100 y H100 — los mismos chips que toda startup de IA está peleando. No son los únicos: Hetzner, OVH y un puñado más han subido sus tarifas de GPU en el último año. El supply de silicon bueno está apretado, y los big cloud providers lo han estado cotizando como si fuera un lujo desde el boom de los LLM.
Para un shop chico corriendo inference en un A100, eso es un golpe real al P&L. El pitch original de DigitalOcean era infra barata y predecible para la gente que no quiere leer un spreadsheet de precios — y este movimiento rompe esa promesa. Si estás entrenando o sirviendo modelos en DO, revisá las nuevas tarifas y compará con alternativas antes de comprometerte a un lease largo. El mercado sigue caliente; los precios pueden moverse otra vez.
Por qué nos importa: cuando la capa de infra se pone más cara, la gente que opera liviano — el side hustle, la app indie, el equipo chiquito — es la que lo siente primero.