Los autores presentan WebMRE, un benchmark offline de 541 tareas y 5.293 pasos derivados de trayectorias exitosas de WebArena, diseñado para proporcionar un protocolo determinista para puntuar puntos de control de agentes web sin deriva del entorno. Este marco empareja oraciones guía orientadas al humano con acciones fundamentadas para estudiar el efecto de refuerzo mutuo entre ellas.
Los investigadores presentan SkillGym, un marco que transforma las habilidades de agentes escritas por humanos en entornos de entrenamiento ejecutables y verificables para agentes de modelos de lenguaje grandes. El sistema utiliza una canalización de habilidad a tarea para instanciar tareas concretas y verificar resultados con verificadores basados en código.
Anthropic ha publicado la tarjeta del sistema para Claude Opus 5.5, describiéndola como su modelo más potente según algunas medidas y afirmando paridad o superioridad sobre Fable 5.1 mientras siendo más barata que Opus 5.
Together AI ha publicado una guía y un repositorio de código abierto para ajustar un modelo de clasificación similar a Jev, utilizando el modelo base Qwen3.5 4B.
NVIDIA ha lanzado Nemotron 3 Diarization, un modelo de diarización de hablantes con pesos abiertos disponible en Hugging Face bajo la Licencia OpenMDW 1.1. El modelo de 100M parámetros rastrea hasta 8 hablantes superpuestos en tiempo real o en modo offline utilizando un único punto de control.
El proyecto llama.cpp ha lanzado la versión 0.5.0, centrada en el rendimiento del backend, una mayor cobertura de modelos y un funcionamiento del servidor más robusto. Esta actualización introduce soporte para nuevas arquitecturas como HRM-Text (DFM Mimir 1B) y MiMo-V2.6, mientras mejora significativamente la eficiencia computacional mediante optimizaciones de CUDA y Metal.
Google ha lanzado dos nuevos modelos de texto a voz: gemini-3.8-flash-tts y gemini-3.8-flash-lite-tts, que cuentan con una biblioteca de más de 2000 voces.
El CEO de OpenAI, Sam Altman, se dirigió al Consejo de Seguridad de las Naciones Unidas, exponiendo la postura de OpenAI sobre la seguridad de la inteligencia artificial y la necesidad de marcos de gobernanza global. Enfatizó que la IA debe permanecer bajo control humano para evitar la concentración de poder y garantizar la supervisión democrática.
Airbnb ha firmado un nuevo acuerdo para proporcionar a sus equipos de ingeniería y desarrollo de productos un acceso más amplio a los modelos de vanguardia de OpenAI, incluido GPT-6 Astra. Esta expansión se basa en el uso existente de Codex y la colaboración con OpenAI, ampliando el acceso a través de las API de OpenAI y Amazon Bedrock.
OpenAI ha presentado MentalHealthBench, un benchmark abierto diseñado para evaluar cómo los sistemas de IA responden en conversaciones realistas sobre salud mental. Desarrollado con más de 80 expertos en salud mental licenciados de 22 países, el benchmark evalúa las capacidades del modelo en comportamientos clave como la seguridad, la búsqueda de contexto y la preservación de la agencia del usuario.
La aplicación de escritorio Goose ha lanzado la versión 1.52.0, introduciendo conversaciones de voz en vivo como una nueva función principal junto con el soporte para varios modelos de IA actualizados.
La versión 2.1.281 de Claude Code introduce nuevas capacidades para la puerta de enlace de las aplicaciones Claude, incluido el soporte para claves más recientes de Claude Desktop en bloques de políticas, asunción de roles IAM en upstreams de Bedrock y guardrails configurables. La actualización también mejora la CLI con elicitation en modo URL de MCP para flujos basados en navegador y comprobaciones de validación para configuraciones de plugins.
Microsoft Research desafía la suposición de que la inferencia de IA física debe ejecutarse exclusivamente en las GPUs a bordo del robot, demostrando que descargarla a infraestructura perimetral o en la nube mejora significativamente las cargas de trabajo de manipulación móvil. Su estudio sistemático de cargas de trabajo de robótica revela que depender del cálculo a bordo limita el rendimiento, la vida útil de la batería y la escalabilidad.
invideo utiliza GPT-6 Astra para mejorar sus capacidades de edición de video agéntico, logrando un aumento triple en las tasas de éxito de la corrección de color y produciendo 50 efectos personalizados en un solo día.
El proyecto llama.cpp ha lanzado la versión b11147, que introduce un nuevo kernel binario para OpenCL. Esta actualización añade específicamente soporte para la configuración A8 Q6_K non-MoE dp4a.
MuJoCo Warp (MJWarp), basado en NVIDIA Warp, permite que los modelos compatibles de MuJoCo se ejecuten a escala de GPU, posibilitando el avance de cientos o miles de mundos de simulación independientes en una sola llamada. Esta arquitectura desplaza el enfoque desde la minimización de la latencia para un solo entorno hacia la mejora del rendimiento agregado, lo cual favorece el aprendizaje por refuerzo y el muestreo a gran escala.
Apple ha lanzado LensVLM-9B, un Modelo de Lenguaje Visual de 9 mil millones de parámetros diseñado para procesar imágenes comprimidas de texto de manera más eficiente. El modelo escanea estas entradas comprimidas y utiliza herramientas aprendidas para expandir selectivamente solo las páginas relevantes a su forma sin comprimir.
Anthropic ha anunciado la creación de un nuevo grupo de investigación en ciencias de la vida dedicado a utilizar Claude para identificar familias de proteínas no caracterizadas y probar hipótesis mediante experimentos de laboratorio. En los primeros resultados, la IA descubrió de forma autónoma un nuevo sistema enzimático llamado transcriptasas inversas asociadas a matrices (ART) encontrado en bacteriófagos.
El proyecto llama.cpp lanzó la versión b11140, que incluye una optimización de CUDA que habilita sparse-fa para el prefill dsv4. Esta actualización aborda problemas de rendimiento en el proceso de escaneo de máscaras de flash attention mediante la plantilla de kernels para permitir el desenrollado de bucles en tiempo de compilación.
OpenAI presentó GPT-6 Sol y Luna como alternativas más rápidas y asequibles a GPT-6 Astra, trayendo avances en programación, precisión factual, uso de computadoras y tareas profesionales a modelos de menor costo.