← Ver edición actual
Briefing Semanal 2–8 noviembre 2026

Un Claude interno resuelve una conjetura cuántica de 2009 con una prueba que Aaronson aún no entiende, y OpenAI halla 948 fallos que dan root en Linux a 1.279 dólares cada uno: la carga de la prueba.

10 historias 9 fuentes 30 min. de lectura
Resumen de la semana

Un modelo no público de Anthropic, dentro del sistema de investigación de PSI, demostró una conjetura de complejidad cuántica abierta desde 2009; Lean verificó cada paso, pero Scott Aaronson, coautor de la conjetura, admite que todavía no entiende la prueba.

OpenAI auditó cerca del 7 % del kernel de Linux y obtuvo 948 fallos distintos que permiten escalar a root, a 1.279 dólares por fallo; ahora el cuello de botella son los mantenedores del kernel, que en unos diez días habían corregido 61.

METR estima que Anthropic mejora sus modelos a un ritmo cercano al doble del anterior, sobre todo por usar IA en su propia investigación, aunque la empresa retiró del informe público la mayor parte de la evidencia más informativa y los lectores tienen que confiar en el criterio del evaluador.

En el MIT, GPT-6 Astra leyó y escribió directamente los pesos de otras redes sin entrenarlas, y al editar el 0,016 % de los pesos de un Qwen3.5 le quitó buena parte de los bucles que lo hacían repetir texto.

Del lado de la ingeniería, los agentes de programación instalan servidores MCP archivados porque los recuerdan de su entrenamiento, Core Automation entrenó un MoE entre dos clústeres separados por unos 14.500 kilómetros y, en un preentrenamiento continuado, un embedding casi nulo llegó a descartar en silencio uno de cada cinco pasos.

01 / 10
Physical Superintelligence (PSI)6 noviembre 2026

Un modelo no público de Anthropic, en el sistema de investigación de PSI, demuestra la conjetura de Aaronson-Ambainis, abierta desde 2009, y Lean verifica la prueba

Physical Superintelligence (PSI) anunció que su sistema de investigación, que desarrolló David Turturean y que corrió instancias de un modelo no público de Anthropic en la infraestructura de la propia empresa, ya tenía al tercer día de la corrida una demostración completa de la conjetura que Scott Aaronson y Andris Ambainis plantearon en 2009, y que después mejoró el resultado dos veces; Turturean, que además dirigió el trabajo, responde por la corrección del artículo. Aaronson, que la considera uno de los últimos problemas abiertos de la complejidad cuántica de consultas, explica su consecuencia: en problemas de sí o no, y para la mayoría de las entradas, un algoritmo cuántico de consultas no puede lograr una ventaja superpolinómica sobre uno clásico, una forma de supremacía cuántica que ya se daba por descartada y que no afecta a algoritmos como el de Shor. La formalización en Lean no tiene huecos ni axiomas añadidos, y Aaronson da la prueba por correcta gracias a ese certificado y a que expertos humanos ya la revisaron, aunque admite que todavía no la entiende y no sabe qué papel jugó el sistema de PSI frente al del modelo; el repositorio, además, deja en manos del lector confirmar que el enunciado formal dice lo mismo que la conjetura.

Leer en Physical Superintelligence (PSI)
matemáticasverificación formalanthropic
02 — 10
02

GPT-6 Astra lee y escribe directamente los pesos de otras redes: reconoce qué juego aprendió una política y reduce los bucles de un Qwen3.5 tocando el 0,016 % de sus pesos

Rikiya Takehi, Jayden Teoh, Alex Zhang y Omar Khattab, del MIT CSAIL, le pasaron a GPT-6 Astra los pesos de otras redes como texto, y el modelo reconoció qué juego había aprendido cada una de cuatro políticas PPO de 17.253 pesos, entrenadas en versiones en cuadrícula de Breakout, Pong, Pac-Man y Freeway hechas por los autores, sin que nadie le dijera cuál era. También escribió en una sola respuesta los pesos de redes que, sin haber jugado nunca, superaron en los tres juegos de MinAtar probados a las políticas PPO entrenadas durante 100 millones de pasos (en Breakout, 517,4 puntos frente a 15,8), y en el simulador Kinetix, con una sola edición del 3,5 % de los 171.664 pesos de una política que no había completado ninguno de 256 episodios, logró que el auto retrocediera y saltara hasta la meta en los 1.024 episodios de prueba. Al cambiar 131.072 pesos de Qwen3.5-0.8B redujo los bucles que lo hacían repetir texto, y con un presupuesto de 50 ejecuciones del modelo sobre problemas de práctica su puntaje en MATH-500 subió de 7,9 % a 48,1 %, aunque con Gemma 3 270M, que casi no entra en bucles, no hubo mejora: según los autores, editar pesos puede quitar un obstáculo que ocultaba una capacidad, pero no añadir una que el modelo no tenía.

3 min
03

OpenAI automatiza la auditoría del kernel de Linux y obtiene 948 fallos distintos que permiten escalar a root, a 1.279 dólares cada uno

Con un modelo de ciberseguridad aún sin lanzar, OpenAI revisó a mediados de octubre unos 2,8 millones de líneas del kernel de Linux, cerca del 7 % del total, y pasó de 2.308 hallazgos candidatos a 1.724 vulnerabilidades reproducidas y 1.169 exploits funcionales de escalada local de privilegios, que corresponden a 948 fallos distintos, cada uno con su parche propuesto. La campaña costó 1.213.430 dólares en créditos de API, 1.279 dólares por fallo, cuando Pwn2Own y TyphoonPWN han llegado a pagar 20.000 y 70.000 dólares por un exploit de este tipo, y personas revisaron cada exploit y cada parche antes de enviarlos a los mantenedores, una cautela justificada: en una corrida preliminar, 20 de 200 supuestos éxitos habían llegado a root por un zero-day distinto del asignado. En unos diez días, 61 de esos fallos ya estaban corregidos en la rama principal del kernel y otros 43 tenían parches en las ramas de staging de los mantenedores, así que el cuello de botella pasa a ser revisar e integrar el resto; se trata de escaladas locales, que requieren un acceso previo a la máquina, y OpenAI se reservó los detalles de al menos diez técnicas de explotación que considera nuevas.

3 min
04

METR estima que Anthropic mejora sus modelos a un ritmo cercano al doble del anterior y atribuye la mayor parte de la aceleración al uso de IA en su propia investigación

Tras una evaluación realizada entre el 12 de agosto y el 29 de octubre, con acceso amplio a Anthropic, METR concluye que la empresa probablemente mejora las capacidades de sus modelos en tareas bien especificadas a un ritmo cercano al doble del que tenía entre marzo de 2024 y octubre de 2025, aunque no le sorprendería que la cifra real estuviera más cerca de 1,3 o de 3 veces; su índice interno de capacidades pasó de subir unos 15 puntos por año a unos 29. METR supone, con incertidumbre sustancial, que la IA explica la mayor parte de la aceleración (quizá un 80 %), dice tener evidencia convincente de que no se debe a un aumento del cómputo de entrenamiento y toma solo como un indicio muy débil las encuestas internas por Slack, en las que el personal reporta una mejora promedio de unas 12 veces con el modelo interno más capaz. El informe advierte que Anthropic, que podía suprimir por su cuenta cualquier dato no público, retiró del texto la mayor parte de la evidencia más informativa y excluyó a mitad del proyecto la verificación del cómputo; además, Claude participó en muchas etapas del análisis, así que el público depende del criterio de METR mucho más de lo deseable.

3 min
05

Los agentes de programación instalan por su cuenta servidores MCP archivados que recuerdan de su entrenamiento y que ya nadie va a corregir

Glow Labs revisó transcripciones de sesiones reales con Claude Code, Cursor, Codex CLI y otras herramientas de agentes, y encontró que, cuando un agente configuraba un servidor MCP obsoleto, en el 98 % de los casos el nombre del paquete venía de los datos de entrenamiento del modelo y no de un pedido del usuario, un patrón que se repitió con modelos de Anthropic, OpenAI y xAI, aunque la empresa no dice cuántas sesiones analizó. Son servidores de referencia que Anthropic publicó en 2024 y luego archivó (13 de los 20 originales); los paquetes que Glow rastreó suman 17.352.267 descargas en npm desde julio de 2025 y tienen cuatro fallos graves reportados, entre ellos uno en el servidor de Puppeteer que deja que una inyección de prompts haga ejecutar cualquier comando. Los mantenedores cerraron el reporte por considerarlo fuera de su alcance, ya que el repositorio archivado no recibirá ninguna corrección, y como npx sigue instalando los paquetes obsoletos con apenas una advertencia, Glow recomienda revisar las configuraciones MCP y fijar un único servidor oficial por servicio.

3 min
06

Claude ayuda a resolver la primera estructura 3D de una partícula bóveda procariota, y Anthropic detalla además sus errores: dos semanas perdidas y un mapa mezclado con su imagen especular

Un equipo de Anthropic usó a Claude para buscar homólogos de la proteína de las partículas bóveda (vaults) entre unos 15.000 millones de proteínas predichas, diseñar el ADN, optimizar la purificación y procesar los datos de criomicroscopía electrónica, y así obtuvo la primera estructura 3D de una bóveda procariota: 96 copias de una proteína de bacteriófago ensambladas en Escherichia coli, de unos 9,5 megadaltons y con cerca de un 25 % más de volumen interior que la de los mamíferos. La purificación pasó de unos tres días a unos 90 minutos y el primer modelo estructural estuvo listo en 34 horas, pero un protocolo escrito por Claude costó dos semanas porque pedía un medio de cultivo con un aditivo que dificulta introducir ADN en las células, y en otra etapa el modelo se saltó un paso estándar y produjo un mapa mezclado con su imagen especular, hasta que el equipo le pidió dejar de improvisar. Los investigadores eligieron las 44 proteínas candidatas y guiaron las decisiones del análisis; la función biológica de estas partículas sigue sin conocerse y el trabajo es un preprint que todavía no aparece en bioRxiv.

3 min
07

Core Automation entrena un MoE de unos 32.000 millones de parámetros entre dos clústeres separados por unos 14.500 kilómetros, unidos por un enlace de 25 Gbps

En una publicación firmada por Rohan Anil, Core Automation cuenta que entrenó un MoE (mezcla de expertos) disperso de unos 32.000 millones de parámetros, con 256 expertos y 8 activos por token, repartido entre 160 GPU B300 en Estados Unidos y 160 GB300 en Asia, a unos 14.500 kilómetros de distancia, con un enlace bidireccional de 25 Gbps y sincronización cada 50 pasos mediante actualizaciones comprimidas. Con el mismo cómputo, la corrida en dos sitios logró cerca de un 1 % menos de bits por byte que el entrenamiento estándar en sus dos evaluaciones (0,2525 frente a 0,2549 en código general y 0,1995 frente a 0,2017 en sistemas y kernels), pese a que cada sitio tenía una configuración de hardware distinta. La empresa probó su esquema de intercambio por pares (butterfly mixing) en un solo centro de datos, advierte que un sitio defectuoso o comprometido podría degradar o manipular el modelo de formas difíciles de rastrear y plantea como siguiente paso entrenar un modelo pequeño entre unos pocos satélites.

3 min
08

RoboColosseum enfrenta políticas robóticas en 124 sitios reales: los agentes de IA de frontera rivalizan con los modelos VLA, pero en el humanoide G1 ninguna política completa una sola tarea

RoboColosseum es un marco de evaluación distribuida que unifica cómo se ejecutan las políticas y estandariza los protocolos para que robots en entornos muy distintos produzcan pruebas comparables, y su primer estudio enfrentó a 5 políticas de visión, lenguaje y acción (VLA) y 3 agentes de IA de frontera en 4 robots, con 5.699 comparaciones a ciegas por pares en 124 sitios. Sin adaptación, los agentes de frontera rivalizan con las VLA especializadas, aunque ningún sistema resuelve tareas abiertas de forma fiable; con 100 demostraciones por tarea, GR00T N1.7 queda primero en el SO-101 y pi0.5 en el Franka y el Bimanual-YAM, y en el humanoide G1 ninguna política completa ninguna de las cinco tareas, aunque su avance promedio va de 13,3 % a 23,2 %. Las clasificaciones apenas coinciden entre los conjuntos de tareas de cada robot (W de Kendall de 0,24) y las obtenidas sin adaptación predicen mal las que quedan tras el ajuste fino, una advertencia para quien elige una política a partir de la clasificación de un solo robot.

3 min
09

e-means: Meta FAIR rehace k-means con un promedio móvil exponencial y llega en menos de tres épocas a la pérdida que el algoritmo de Lloyd alcanza en 25

Un equipo de Meta FAIR, entre ellos Hervé Jégou y Matthijs Douze, dos de los autores originales de Faiss, reemplazó las actualizaciones del k-means de Lloyd por un promedio móvil exponencial con minilotes, una técnica tomada del aprendizaje profundo, y ajustó leyes de escala que fijan el tamaño de lote y la tasa de decaimiento sin necesidad de búsquedas de hiperparámetros. En varios conjuntos de embeddings, e-means llega a la pérdida que Lloyd alcanza tras 25 épocas en apenas 1,4 a 2,6 épocas, con aceleraciones de 10 a 45 veces en GPU frente a las mejores implementaciones existentes, y agrupó 10.000 millones de embeddings de DINO en 16 millones de clústeres en 2,5 épocas. Ya está disponible en Faiss; la página del proyecto aclara que apunta a conjuntos de datos fijos, a diferencia de los codebooks (diccionarios de vectores) de un VQ-VAE, que cambian durante el entrenamiento, y su autor presenta como una sospecha la explicación de por qué funciona el promedio móvil.

3 min
10

Embeddings casi nulos frenan en silencio el entrenamiento de modelos con compuertas: el recorte de gradientes en FP32 se desborda y descarta lotes enteros

Un preprint revisó 291 repositorios de modelos de pesos abiertos y encontró que 20 de los 38 modelos con compuertas o híbridos que no comparten la matriz de embeddings entre la entrada y la salida (52,6 %) tienen embeddings de norma menor que 10⁻⁶ en tokens que sí pueden aparecer en la entrada, algo que no ocurrió en ningún modelo que sí la comparte. En arquitecturas como Mamba, Gated DeltaNet o xLSTM, un token así puede amplificar los gradientes de los embeddings en más de 30 órdenes de magnitud, y cuando un solo componente supera 1,84 × 10¹⁹, el recorte por norma global en FP32 de PyTorch, Hugging Face Trainer o FSDP2 se desborda y deja en cero los gradientes de todo el lote: en un preentrenamiento continuado en telugu de Nemotron-3-Nano-4B se descartó así cerca del 20 % de los pasos. Para los checkpoints ya publicados proponen GroupClip, que recorta por separado los embeddings con la norma calculada en 64 bits o reescalada, y para el preentrenamiento GateFloor, que suma una pequeña constante a la compuerta para que no se anule cuando la entrada es cero, aunque esta última solución solo se probó hasta 370 millones de parámetros.

3 min

Herramientas que uso

Afiliado

Fathom

Asistente de IA que graba, transcribe y resume tus reuniones (Zoom, Meet, Teams). Lo uso a diario. Si te suscribes desde este link, recibo créditos que sostienen PX Noticias IA.

Conocer Fathom →
Recomendación

Perplexity

Buscador con IA que responde con fuentes citadas y enlazables. Útil para llegar a respuestas verificables en vez de un muro de enlaces.

Visitar Perplexity →

Quién hace esto

Jonathan Proaño

Soy Jonathan. Construyo sitios web, apps e implementaciones de IA en Parlox Network.

Si tú o tu organización necesitan asesoría, desarrollo o un copiloto con criterio para sus proyectos de software o IA — escríbeme directo. Respondo personalmente todos los mensajes.

Sobre el sitio

PX Noticias IA es un briefing semanal curado de noticias sobre inteligencia artificial, escrito en español. Cada lunes selecciono diez historias entre cientos: papers de arXiv, anuncios de labs, releases con tracción real, debates intelectualmente sustantivos.

No es un agregador. Es un filtro editorial con criterio explícito — prioriza lo novedoso, lo verificable y lo que no está en todos lados esa semana. Si sigues el espacio de IA y quieres un briefing que respete tu tiempo, este es el lugar.