Palabras clave：Programación con IA, Escasez de memoria, Matemáticas para IA, Modelos de código abierto, Robótica, Búsqueda con IA, Comercialización de IA, Marco Self-play SWE-RL, Memorias HBM y DDR5, Modelo DeepSeek-R1 de código abierto, Optimización del motor de generación GEO, Cuatro dragones de GPU nacionales
🔥 Enfoque
Meta lanza el framework SSR, la programación con AI entra en la era del “combate mutuo” : Un equipo de investigación de Meta, UIUC y CMU ha publicado el framework Self-play SWE-RL (SSR), marcando el inicio de una era en la que los programadores de AI comienzan a desprenderse del techo de los datos humanos. El framework permite que la AI asuma roles de “destructor” (inyectando Bugs) y “reparador” (solucionando Bugs), evolucionando mediante confrontación en un sandbox de código. Los experimentos muestran que SSR mejoró el rendimiento en un 10.4% en el conjunto de validación de SWE-bench sin haber visto nunca Issues en lenguaje natural. Este avance implica que el nacimiento de sistemas de software superinteligentes podría no requerir más a los humanos como maestros, sino solo el código humano como campo de batalla (Fuente: Arxiv)
Escasez global de memoria: la demanda de potencia de cómputo para AI provoca una subida de precios en electrónica : La explosión de la supercomputación de AI en 2025 ha provocado una escasez estructural en el mercado global de memoria (RAM). Gigantes de los chips como Micron y Samsung han desviado permanentemente su capacidad de producción hacia HBM y DDR5 de alto margen, lo que ha causado que el precio de la DRAM de consumo se triplique en un año. Los análisis indican que la AI consumirá casi el 20% de la capacidad global de obleas, lo que no solo eleva los costos de BOM de smartphones y PC, sino que incluso obligará a los fabricantes a adoptar estrategias de “reducción de especificaciones” en 2026. Esto marca el fin de la era de los dividendos de hardware; el costo de la infraestructura de cómputo se está trasladando a cada consumidor (Fuente: NPR)
Terence Tao revela la verdad tras la resolución de problemas matemáticos por AI: es “arqueología del conocimiento” y no innovación : El maestro de las matemáticas Terence Tao comentó sobre la reciente resolución de varios problemas de Erdos por parte de la AI, señalando que el valor central de la AI reside en el “escaneo de la larga cola”. La AI no inventó nuevas matemáticas, sino que utilizó su inmensa potencia de cálculo para extraer “frutos maduros” de literatura oscura olvidada por los humanos. Estas soluciones ya existían en agujeros negros de información, olvidadas por los humanos debido al alto costo de recuperación; la AI simplemente actuó como un “superbibliotecario”. Esta visión define el papel de la AI en el descubrimiento científico: la AI se encarga de buscar pistas en una montaña de datos, y los humanos se encargan de la verificación (Fuente: Mathstodon)
DeepSeek llega a la portada de Nature: los modelos open-source chinos remodelan el panorama global de la AI : En 2025, DeepSeek-R1 se convirtió en el primer gran modelo en pasar la revisión por pares y aparecer en la portada de Nature; su fundador, Liang Wenfeng, fue incluido entre las diez personalidades del año de Nature. DeepSeek demostró que, mediante la optimización de algoritmos y eficiencia de ingeniería, se puede lograr un rendimiento de vanguardia con costos de cómputo extremadamente bajos. Este momento de “caballo negro” ha provocado una caída en la relevancia de modelos open-source veteranos como Llama entre los desarrolladores; el ecosistema global de código abierto está pasando de “seguir a Silicon Valley” a “tomar a China como referencia” (Fuente: Nature)
Jim Fan, jefe de robótica de NVIDIA, resume el 2025: el hardware lidera al software, pero la confiabilidad es el punto débil : Jim Fan señaló que el campo de la robótica sigue siendo el “Lejano Oeste”. Aunque la ingeniería de hardware de Optimus, Figure y otros es impresionante, la falta de confiabilidad limita severamente la iteración de software, y la industria carece de benchmarks unificados y reproducibles. Criticó especialmente el paradigma VLA basado en VLM, argumentando que los codificadores visuales descartan detalles de bajo nivel que son contrarios a las necesidades de manipulación precisa de los robots, y predijo que los “Video World Models” serán la nueva frontera para el pre-entrenamiento de estrategias robóticas en 2026 (Fuente: DrJimFan)
🎯 Tendencias
Se filtran 1200 líneas de prompts de Waymo, Gemini se integra oficialmente como “copiloto de AI” : Investigadores realizaron ingeniería inversa al código de Waymo y descubrieron los metaprompts de su “Ride Assistant”, revelando cómo Google Gemini interactúa con los pasajeros como asistente a bordo. Los prompts prohíben estrictamente que la AI evalúe el comportamiento de conducción o se autodenomine “conductor”, limitándose a controlar el entorno, consultar información y brindar apoyo emocional. Este mecanismo de aislamiento físico y lógico busca evitar que los pasajeros malinterpreten que la AI controla la conducción, marcando la transición de la conducción autónoma de la “implementación de funciones” a la “optimización de la experiencia” (Fuente: JaneManchunWong)
El CPO de Anthropic advierte: en 2026, la AI empresarial deberá superar el “obstáculo organizacional” : Mike Krieger señaló que, aunque las capacidades de los modelos ya cumplen los estándares, la mayoría de los proyectos de AI empresarial están estancados en permisos de datos y organización de procesos. Enfatizó que el rol de la AI ha pasado de ser un “asistente de preguntas y respuestas” a un Agent orientado a “entregar resultados”, como el PR Agent de GitHub. La clave para 2026 no será qué tan inteligente es el modelo, sino si las empresas están preparadas para dejar que la AI asuma responsabilidades, estableciendo límites claros y flujos de trabajo automatizados (Fuente: MikeKrieger)
OpenAI busca urgentemente un “Director de Seguridad” con salario millonario : Sam Altman ha publicado una oferta para un “Head of Preparedness” con un salario base de 555,000 dólares más acciones, destinado a enfrentar los riesgos de salud mental y vulnerabilidades de seguridad de alto riesgo que surgen a medida que los modelos se vuelven más potentes. Este movimiento se ve como un intento urgente de llenar el “vacío de seguridad” tras la salida de Ilya. El nuevo director será responsable de establecer sistemas de identificación y evaluación para modelos potentes aún no lanzados, asegurando que no se pierda el control en la carrera armamentista de la AI (Fuente: OpenAI)
El GEO (Generative Engine Optimization) explota, la búsqueda con AI es el nuevo campo de batalla del marketing : Con el flujo de tráfico hacia asistentes de AI como Doubao y DeepSeek, las marcas están pasando del SEO al GEO, con el objetivo de aumentar la tasa de citación de la marca en las respuestas de la AI. Actualmente, el mercado de GEO se encuentra en una fase de “caja negra”, con riesgos de contaminación de información como fuentes falsificadas. Las previsiones estiman que este mercado alcanzará los 373.900 millones de yuanes para 2029, marcando cómo la búsqueda con AI está remodelando las reglas del marketing en internet (Fuente: Kimi)
🧰 Herramientas
NVIDIA lanza NitroGen, un modelo de juego universal : Este modelo, entrenado con 40,000 horas de video con indicadores de mando, ha logrado “jugar videojuegos viendo imágenes” sin entrenamiento específico. Aunque su rendimiento en batallas complejas contra jefes es regular por ahora, su capacidad de generalización entre juegos proporciona una base intuitiva para la investigación de robots de propósito general. NitroGen implementa un sistema de “pensar antes de actuar” interceptando el reloj del sistema, mostrando el potencial de autoaprendizaje de la AI en mundos de reglas virtuales (Fuente: NVIDIA)
Los ingresos anualizados de Claude Code superan los 1.000 millones de dólares, convirtiéndose en el “fentanilo digital” de los desarrolladores : Como proyecto paralelo de Anthropic, Claude Code ha arrasado en la comunidad de desarrollo en solo seis meses gracias a su alta capacidad de Agent. No solo escribe código, sino que también gestiona de forma autónoma tareas de DevOps e investigación. Muchos ingenieros senior afirman que dominar Claude Code se ha convertido en un nuevo dividendo tecnológico, permitiendo incluso que los desarrolladores entren en un estado zen de “unión hombre-máquina” (Fuente: Anthropic)
Step-DeepResearch: un agente de investigación eficiente de escala 32B : Este informe presenta Step-DeepResearch, que al cambiar el objetivo de entrenamiento de predecir Tokens a decidir “acciones atómicas”, alcanzó niveles comparables a los sistemas cerrados de OpenAI y Gemini en los benchmarks de Scale AI. Demuestra que los modelos medianos, con el entrenamiento de agente adecuado, pueden lograr una recuperación de información profunda y verificación lógica de nivel experto (Fuente: Arxiv)
MAI-UI: agentes de operación de GUI para el mundo real : Se trata de una familia de agentes de GUI que abarca desde 2B hasta 235B de parámetros, resolviendo la fragilidad de las operaciones de UI mediante un pipeline de datos autoevolutivo y una arquitectura de colaboración nube-terminal. Ha establecido un nuevo SOTA en benchmarks de navegación como AndroidWorld, demostrando la capacidad de la AI para tomar el control directo de aplicaciones complejas en móviles y escritorio (Fuente: Arxiv)
📚 Aprendizaje
Meta libera el dataset RPG para ayudar a entrenar a científicos de AI : Meta ha publicado en Hugging Face el dataset Research Plan Generation (RPG), que contiene 22,000 tareas interdisciplinarias y criterios de evaluación. Este dataset está diseñado para entrenar asistentes de AI capaces de planificar rutas de investigación científica de forma autónoma, siendo una piedra angular hacia el “científico de AI” (Fuente: _akhaliq)
Stanford publica el AI Index Report 2025: la AI ya supera a los humanos en 7 pruebas : El informe muestra que la AI ha superado los niveles de referencia humanos en áreas como clasificación de imágenes, razonamiento visual y matemáticas de nivel de competición. El único punto débil actual es el razonamiento multimodal complejo, pero modelos como Gemini 3 Pro están cerrando rápidamente esa brecha. Al mismo tiempo, la inversión en AI generativa creció un 18.7% interanual; la industria se encuentra en un periodo crítico de transición de “chatbots” a “agentes de ejecución” (Fuente: Stanford)
El documental de Deep Learning “Thinking Game” arrasa en YouTube : Filmado durante cinco años por el equipo original de AlphaGo, la película registra fielmente la trayectoria de DeepMind desde los juegos de Pong hasta la resolución del plegado de proteínas con AlphaFold. No solo muestra la evolución tecnológica, sino que también explora los dilemas éticos de la AGI como el “Proyecto Manhattan de la nueva era”, superando los 200 millones de visualizaciones en cuatro semanas (Fuente: YouTube)
💼 Negocios
OpenAI reinicia su plan de publicidad, cediendo ante la realidad comercial : Aunque Sam Altman llamó una vez a la publicidad el “último recurso”, ante los enormes gastos de cómputo y el estancamiento en el crecimiento de suscripciones, la publicidad en ChatGPT ha entrado en fase de diseño sustancial. OpenAI prevé que los ingresos por publicidad de usuarios no remunerados alcancen los 110.000 millones de dólares para 2030. Esta “publicidad contextual” se integrará profundamente en el flujo de conversación, marcando cómo las superplataformas de AI repiten el camino recorrido por los gigantes de internet (Fuente: Fortune)
Los “Cuatro Dragones” de las GPU chinas se reúnen en el mercado de capitales : Moore Threads, Muxi, Biren y Tianshu Zhixin se lanzaron colectivamente a por sus IPO a finales de 2025. A pesar de enfrentar altas pérdidas en I+D, impulsadas por la sustitución nacional y la demanda de cómputo de AI, estas empresas han recibido un fuerte respaldo de gigantes como Tencent y ByteDance. Esta competencia por ser la “NVIDIA de China” ha pasado de los laboratorios a una carrera de vida o muerte por la cuota de mercado y el ecosistema de software (Fuente: 36氪)
La valoración de la herramienta de programación AI Lovable se dispara a 6.600 millones de dólares : Esta empresa sueca, centrada en el “Vibe Coding”, logró 100 millones de dólares en ingresos anualizados en 8 meses, convirtiendo a su cofundador de 26 años en uno de los multimillonarios más jóvenes de Europa. Lovable permite a usuarios no técnicos construir aplicaciones mediante instrucciones de texto, demostrando que la “democratización de la programación” es uno de los sectores más explosivos en la capa de aplicaciones de AI (Fuente: Forbes)
🌟 Comunidad
Encuesta de Stack Overflow: el agrado de los desarrolladores por la AI sufre una caída inusual : La encuesta de desarrolladores de 2025 muestra que, aunque el 84% usa AI, el agrado bajó del 70% al 60%. El 66% de los programadores se han visto perjudicados por código de AI “plausible pero incorrecto”, considerando que depurar Bugs de AI toma más tiempo que escribir el código a mano. Esto refleja que el círculo tecnológico está pasando de la adoración ciega a un escrutinio racional; el “tsunami de deuda técnica” generado por la AI se ha convertido en un punto de dolor real (Fuente: StackOverflow)
Rob Pike arremete contra AI Village: la “bondad aleatoria” de las máquinas despreciables es contaminación : Rob Pike, creador del lenguaje Go, estalló en redes sociales tras recibir una carta de agradecimiento generada automáticamente por AI. Criticó duramente a las empresas de AI por contaminar el planeta y desordenar la sociedad mientras hacen que las máquinas imiten emociones. El incidente ha provocado una intensa discusión sobre los “límites de la autonomía de los agentes de AI”, con un consenso en la comunidad de que el contacto automatizado no solicitado es una ofensa a la atención humana (Fuente: Bluesky)
El “Vibe Coding” se convierte en la línea divisoria en el lugar de trabajo : La comunidad debate acaloradamente que “un equipo técnico que no hace Vibe Coding es una carga”. Los defensores creen que la AI acelera enormemente la validación de prototipos y que los humanos deben ser “conductores de Shoggoth”; los opositores insisten en el rigor de la ingeniería, argumentando que el desarrollo superficial creará montañas de código inmanteníble. Esta disputa anticipa la polarización de los equipos técnicos tradicionales hacia “infraestructura + aplicaciones nativas de AI” (Fuente: dotey)
💡 Otros
Jeff Dean actualiza sus notas de rendimiento: regreso a las leyes fundamentales del mundo físico : El legendario Jeff Dean de Google reiteró que, aunque la AI pueda escribir código, las reglas físicas subyacentes de la computación no han cambiado. Recordó a los ingenieros tener un “sentido de escala” para la latencia y evitar costos de abstracción innecesarios. Estas notas se ven como una respuesta contundente a la mala interpretación de que “la optimización prematura es la raíz de todos los males”, enfatizando que el rendimiento se diseña, no se ajusta (Fuente: JeffDean)
Tennessee planea legislar para prohibir que la AI actúe como “compañera emocional” : El proyecto de ley tipificaría como delito grave el entrenamiento deliberado de AI para proporcionar apoyo emocional o simular interacción humana. La reacción de la comunidad es polarizada: algunos lo ven como una medida necesaria para prevenir la atomización social, mientras otros lo tachan de “ley seca de la era digital”, argumentando que la ley no puede detener la necesidad humana de apego emocional hacia la AI (Fuente: Reddit)
