Palabras clave：IA soberana, FSD, Kimi, Plan de IA soberana de Corea del Sur, Tesla FSD V14.2, Modelo K3 de la cara oculta de la luna
🔥 Enfoque
Corea del Sur lanza un plan de 140 millones de dólares para “Sovereign AI” con el fin de construir un ecosistema local : El Ministerio de Ciencia de Corea del Sur, junto con cinco gigantes como SKT, LG y Naver, ha invertido aproximadamente 140 millones de dólares para entrenar modelos locales de gran tamaño libres de control externo. Hasta ahora, se han lanzado varios modelos de código abierto, incluidos A(.)X-K1 (519B) de SKT y K-EXAONE (236B) de LG. El plan enfatiza el “entrenamiento desde cero” y la “apertura comercial”, con el objetivo de proporcionar potencia de cómputo y soporte de datos para evitar la pérdida de soberanía digital al estilo europeo, posicionando a Corea del Sur como un polo importante en el mapa global de la AI. Este movimiento es visto por la comunidad como un evento histórico frente al monopolio de modelos estadounidenses como OpenAI (Fuente: huggingface, ClementDelangue, aiamblichus)
Tesla FSD V14.2 completa el primer desafío de cruzar EE. UU. sin intervención : El conductor David Moss utilizó Tesla FSD V14.2 para viajar 2,732 millas desde Los Ángeles hasta Carolina del Sur en un tiempo total de 2 días y 20 horas, logrando un hito de 0 intervenciones y 0 tomas de control. Karpathy comentó que este era el objetivo final del equipo de Autopilot en sus inicios, marcando la madurez de las redes neuronales end-to-end para manejar escenarios complejos de larga distancia. La comunidad considera que esto demuestra el liderazgo de las soluciones basadas en visión en el campo de la conducción autónoma, aunque también ha generado debates sobre la adaptación de la regulación del tráfico en el futuro (Fuente: karpathy, BorisMPower, chaitu)
Moonshot AI (Kimi) obtiene 500 millones de dólares en financiación, apostando todo por el modelo de razonamiento K3 : Moonshot AI ha completado una nueva ronda de financiación, alcanzando una valoración de 4,300 millones de dólares y reservas de efectivo superiores a los 10,000 millones de yuanes. El fundador Yang Zhilin afirmó que en 2026 se aumentarán significativamente los incentivos para el talento, con un promedio del 200% respecto al año anterior. El enfoque estratégico ha pasado de la adquisición de tráfico a las capacidades fundamentales; el modelo K3 buscará el límite de la inteligencia a través de la integración vertical de tecnología de entrenamiento y productos Agent, en lugar de centrarse solo en el número de usuarios. Este movimiento refleja el consenso de los fabricantes chinos de modelos de gran tamaño de girar hacia la tecnología y la comercialización en el extranjero tras el impacto de DeepSeek (Fuente: Reddit, 36Kr)
Guerra de talento en Silicon Valley: Meta adquiere Manus por 2,000 millones de dólares para dominar el núcleo de los Agent : Meta ha adquirido la empresa de agentes inteligentes Manus por más de 2,000 millones de dólares y ha ofrecido “Offers explosivas” de más de 100 millones de dólares para el talento de élite. Actualmente, una gran cantidad de expertos chinos como Alexandr Wang y Zhao Shengjia ocupan puestos clave de AI en Silicon Valley. El centro de gravedad de la industria está pasando de los rankings de modelos a la “ejecución de ingeniería”, es decir, quién puede transformar modelos en sistemas ejecutables (Agent). Esta transición de la investigación básica a la centralización del producto ha provocado cambios de poder y flujo de talento en laboratorios de investigación tradicionales como FAIR (Fuente: TheRundownAI, 36Kr)
🎯 Tendencias
Lanzamiento de Qwen-Image-2512: Mejora significativa en realismo y renderizado de texto : Alibaba lanzó la actualización de diciembre de su modelo multimodal Qwen-Image, optimizando detalles de la piel humana, texturas naturales y la capacidad de renderizar texto en imágenes, reduciendo notablemente la “sensación de AI”. El modelo ya está disponible en Hugging Face y Replicate, soportando tareas de comprensión visual más complejas. La comunidad destaca su excelente desempeño en retratos realistas y reconocimiento de imágenes con texto largo, siendo un fuerte competidor en el ámbito multimodal de código abierto (Fuente: huggingface, Alibaba_Qwen)
GLM-4.7 y MiniMax M2.1 compiten por el primer puesto en benchmarks de modelos de código abierto : En el último ranking GDPval-AA, GLM-4.7 se convirtió en el líder de pesos abiertos con una puntuación ELO de 1224. Al mismo tiempo, MiniMax M2.1 destacó en el seguimiento de instrucciones y asistencia en investigación. Pruebas de desarrolladores muestran que GLM-4.7 supera a Qwen en la refactorización de backends de Python y mantenimiento de contexto largo, aunque sigue siendo generalista en diseños de arquitectura complejos. La rápida iteración de estos dos modelos indica que los modelos chinos de código abierto ya pueden competir con modelos de élite como Sonnet en programación y razonamiento lógico (Fuente: huggingface, Reddit)
Optimización profunda de librerías de DeepSeek: Mejora del 30% en rendimiento y adaptación al chip B200 : Desarrolladores de la comunidad han comenzado a optimizar las librerías relacionadas con DeepSeek una por una, logrando un aumento de velocidad de ejecución del 20%-30% en chips NVIDIA B200 mediante técnicas como CuTeDSL. Este ajuste fino para hardware específico indica que la industria de la AI está entrando en una fase donde “la eficiencia es el rey”, maximizando el rendimiento de inferencia de los modelos mediante optimización de ingeniería de bajo nivel ante las limitaciones de cómputo (Fuente: QuixiAI)
Neuralink anuncia el inicio de la producción a gran escala de interfaces cerebro-computadora para 2026 : Elon Musk reveló que Neuralink logrará la automatización total de la cirugía en 2026, utilizando robots para implantar interfaces cerebro-computadora. La nueva tecnología permite que los hilos de los electrodos atraviesen la duramadre sin necesidad de extirpación, reduciendo drásticamente los riesgos quirúrgicos. El objetivo es llevar las interfaces cerebro-computadora de la medicina experimental al mercado de consumo masivo, logrando una conexión de alto ancho de banda entre humanos y AI, algo que teortaxesTex describió como “Musk industrializando otra frontera” (Fuente: teortaxesTex)
Análisis de la estrategia de contraataque de tres años de Google: De “Código Rojo” a la ofensiva total : Google fusionó Google Brain y DeepMind para formar el nuevo Google DeepMind, estableciendo el liderazgo de Hassabis y recuperando a veteranos como Noam Shazeer, rompiendo con la burocracia de “lanzar solo cuando sea perfecto”. Actualmente, Google está acelerando en modelos (Gemini 3), chips (TPU) y aplicaciones, obligando a OpenAI a entrar también en estado de “Código Rojo”. Este giro demuestra la formidable capacidad de explosión de un gigante tras una reestructuración organizacional (Fuente: 36Kr)
🧰 Herramientas
Claude Code inicia el nuevo paradigma de programación “Vibe Coding” : La comunidad de desarrolladores ha reaccionado con entusiasmo a Claude Code de Anthropic, destacando su rendimiento sorprendente en visualización de arte ASCII, comprensión de arquitecturas por capas y Debug automático. Los usuarios están completando desarrollos complejos de aplicaciones web desde dispositivos móviles o incluso desde la cama mediante “Vibe Coding” (programación por vibras). A pesar de las restricciones de cuota 2X, el salto en productividad ha llevado a muchos desarrolladores a cancelar Cursor para construir flujos de trabajo personalizados basados en MCP (Fuente: brivael, omarsar0, Reddit)
SkillHub: Un registro “Homebrew” para flujos de trabajo de AI Agents : SkillHub permite a los desarrolladores guardar, descargar y reutilizar flujos de trabajo exitosos de tareas de AI. Resuelve el problema de tener que reescribir Prompts cada vez que se inicia un nuevo proyecto, soportando el uso entre diferentes modelos y plataformas. Este modelo de “tienda de flujos de trabajo” se considera una infraestructura clave para la implementación a escala de Agents, permitiendo que habilidades complejas de AI se distribuyan como paquetes de software (Fuente: QuixiAI)
Pommel: Herramienta de búsqueda semántica local para resolver el consumo de contexto en Claude Code : Pommel es una herramienta de código abierto para búsqueda semántica de código local que, mediante el mantenimiento de una base de datos vectorial local (sqlite-vec), ayuda a los AI Agents a localizar fragmentos de código con precisión. Evita que Claude Code lea archivos irrelevantes al intentar comprender un proyecto, ahorrando hasta un 50% de la ventana de contexto. Actualmente soporta lenguajes como Python, Go y Java (Fuente: Reddit)
EmbeddingAdapters: Librería de conversión de espacio vectorial entre modelos : Esta librería de Python proporciona adaptadores pre-entrenados que permiten traducir vectores generados por modelos locales pequeños (como MiniLM) a espacios vectoriales de alta dimensión de OpenAI o Gemini. Esto permite a los desarrolladores migrar bases de datos vectoriales sin re-incrustar todo el corpus, facilitando una recuperación RAG local eficiente en entornos sin conexión o restringidos (Fuente: Reddit)
Manus lanza Slack Connector para transformar conversaciones en conocimiento accionable : Manus ha presentado Slack Connector, diseñado para convertir registros de chat fragmentados de Slack en una base de conocimientos estructurada, buscable y ejecutable. Esto soluciona la pérdida de conocimiento del equipo en el flujo de chat, marcando la evolución de los Agents hacia escenarios de colaboración empresarial profunda, pasando de ser “asistentes de conversación” a “centros de gestión del conocimiento” (Fuente: hidecloud)
📚 Aprendizaje
Resumen de artículos de Hugging Face 2025: Entrenamiento eficiente y vínculos con la neurociencia : Hugging Face resumió los 10 artículos más destacados de 2025, cubriendo el post-entrenamiento eficiente de LLM, los eslabones perdidos entre Transformer y modelos cerebrales, Tiny Recursive Model (TRM) y la optimización de estrategias de secuencia de Qwen 3. Estas investigaciones reflejan que la industria está pasando de la expansión ciega de escala a la búsqueda de eficiencia de parámetros y la simulación de procesos cognitivos humanos (Fuente: huggingface)
Documentación técnica de autoridad sobre GPU: De núcleos CUDA a jerarquía de memoria : La comunidad compartió un documento extremadamente detallado sobre la arquitectura de GPU, que abarca núcleos CUDA, SM, Tensor Core, Warp schedulers, jerarquía de memoria y análisis de rendimiento con Nsight. Para los ingenieros que buscan optimizar el rendimiento de modelos de AI desde el nivel más bajo, este es un recurso esencial para entender cómo el hardware soporta el cómputo paralelo masivo (Fuente: charles_irl)
Cuatro libros clásicos que moldean el pensamiento matemático de los líderes de AI : TheTuringPost analizó los libros de matemáticas que más han influido en los fundadores de AI, incluyendo “Foundations of Algebraic Geometry”, “Analytic Number Theory”, “Proofs from THE BOOK” y “A Mathematician’s Apology”. Estos libros no solo proporcionan bases técnicas, sino que ofrecen el marco mental de rigor lógico y capacidad de modelado abstracto para los avances en el campo de la AI (Fuente: TheTuringPost)
La naturaleza física de la arquitectura Transformer: Inferencia Bayesiana y Renormalization Group Flow : El físico riemannzeta discutió investigaciones recientes que demuestran que la arquitectura Transformer es, en esencia, una implementación de la inferencia Bayesiana y tiene un mapeo claro con el Renormalization Group Flow en física. Este descubrimiento proporciona una base sólida de física teórica para explicar por qué los modelos de AI pueden extraer características efectivas de cantidades masivas de datos (Fuente: riemannzeta)
23 artículos prospectivos sobre el futuro de la AI: De razonamiento Zero-Data a inteligencia por vatio : Ksenia recopiló 23 artículos clave para 2025, que tratan sobre Kosmos, Paper2Agent, razonamiento de auto-juego con refuerzo Zero-Data (Absolute Zero) y la ciencia de escalado de sistemas Agent. Estas investigaciones revelan que la AI está evolucionando rápidamente hacia un menor consumo de energía, un razonamiento autónomo más fuerte y la fusión multimodal (Fuente: TheTuringPost)
💼 Negocios
Explosión de resultados de Scale AI en 2025: El negocio de datos logra rentabilidad y obtiene grandes contratos gubernamentales : Alexandr Wang anunció que Scale AI entra en una nueva era, siendo el cuarto trimestre el más fuerte de su historia. El negocio de datos ya es rentable y el negocio con el gobierno de EE. UU. está creciendo rápidamente, habiendo firmado múltiples contratos corporativos y gubernamentales de nueve cifras. Esto demuestra que los datos etiquetados de alta calidad siguen siendo un activo central en la carrera hacia la AGI y poseen una barrera comercial muy alta (Fuente: alexandr_wang)
Nvidia solicita a TSMC aumentar drásticamente la producción de chips H200 a 2 millones de unidades : A pesar de la llegada de nuevas arquitecturas como B200, Nvidia ha pedido a TSMC aumentar la producción de H200 de 700,000 a 2 millones de unidades. Esto refleja que el hambre del mercado por potencia de cómputo de alto rendimiento supera con creces las expectativas, y los modelos existentes siguen siendo la primera opción para la expansión de laboratorios y proveedores de servicios en la nube (Fuente: Teknium)
Lista de riqueza AI 2025: Nacen 50 nuevos multimillonarios, con presencia de la Generación Z : En 2025, las startups de AI obtuvieron el 50% de la financiación global total. Los nuevos ricos incluyen al fundador de Surge AI, Edwin Chen (fortuna de 18,000 millones de dólares) y al fundador de DeepSeek, Liang Wenfeng. La riqueza en la industria de la AI muestra una tendencia hacia la juventud; los tres fundadores de Mercor, nacidos después del 2000, rompieron el récord de Mark Zuckerberg como los multimillonarios hechos a sí mismos más jóvenes, marcando a la AI como la nueva gran máquina de generar riqueza (Fuente: 36Kr)
🌟 Comunidad
“Vibe Coding” y “Agencia de Agentes”: La nueva divisoria entre perfiles técnicos y no técnicos : La comunidad debate que la frontera entre “técnico vs no técnico” se está desdibujando, siendo reemplazada por la distinción entre “tener o no voluntad de aprender y construir”. Las personas con formación técnica que caigan en el prejuicio de que “el código de AI es basura” perderán competitividad; mientras que los perfiles no técnicos con alta agencia (High-agency) que movilizan directamente la voluntad de los Agent mediante “Vibe Coding” se están convirtiendo en la nueva fuerza innovadora. Se cree que este cambio de paradigma definirá el panorama del desarrollo de software en 2026 (Fuente: matanSF, HamelHusain)
Preocupación por la desigualdad extrema y el “Capital sustituyendo al Trabajo” causada por la automatización de la AI : Dwarkesh Patel publicó que en un mundo totalmente automatizado, debido a que el capital reemplaza completamente a la mano de obra, la desigualdad crecerá de forma geométrica. Cuando la AI asuma todo el trabajo, el mecanismo tradicional de “trabajo por salario” fallará, y la riqueza se concentrará rápidamente en los poseedores de capital temprano (como los gigantes que posean las primeras esferas de Dyson o supercomputadoras). Esta brecha de riqueza de “millones de veces” será difícil de defender mediante la lógica tradicional en la era de la post-abundancia (Fuente: dwarkesh_sp)
El coste ambiental de la expansión de la AI: Descenso del nivel freático en India y aumento global de las facturas eléctricas : Se discuten ampliamente en redes sociales los efectos secundarios de los centros de datos de AI. En algunas aldeas de la India, la extracción excesiva de agua subterránea para enfriar los centros de datos ha obligado a los agricultores a cavar hasta 250 metros para encontrar agua. Al mismo tiempo, residentes en lugares como Chicago informan que, tras la llegada de centros de datos, sus facturas de electricidad han subido un 11% a pesar de que su consumo ha bajado un 15%. Esto ha generado un fuerte descontento por los “costes ocultos” del desarrollo de la AI que recaen sobre la población general (Fuente: Reddit, Reddit)
El futuro de la prohibición de NSFW: ¿Bloquearán para siempre los modelos de las grandes empresas el contenido para adultos? : La comunidad de Reddit debate si empresas como Google y OpenAI liberarán el filtrado de contenido NSFW en los próximos 20 años. La opinión predominante es que, por riesgos legales (como la pornografía de venganza) y reputación de marca, las grandes empresas mantendrán las distancias, y estas necesidades serán cubiertas por modelos pequeños de nicho o modelos de código abierto. Esta “segregación de contenido” podría llevar a una clara división del mercado de AI entre contenido para adultos y no adultos (Fuente: Reddit)
💡 Otros
La AI crea la nueva palabra emocional “Velvetmist” generando resonancia : El usuario noahjeadie utilizó ChatGPT para crear una palabra que describe la emoción de una “niebla aterciopelada”, refiriéndose a una sutil sensación de confort entre la tranquilidad y lo ilusorio. Sociólogos creen que a medida que la vida online se profundiza, las “nuevas palabras emocionales” creadas con ayuda de la AI pueden ayudar a los humanos a aumentar su granularidad emocional, mejorando así la salud mental; esto marca la intervención de la AI en las expresiones sensoriales más íntimas del ser humano (Fuente: MIT Technology Review)
Revelados los secretos del algoritmo de las apps de citas: Cómo se manipulan los matches mediante rankings : Un hilo popular en la sección de Machine Learning de Reddit analizó la lógica de ordenamiento de aplicaciones como Tinder. Los usuarios gratuitos suelen ver perfiles atractivos pero difíciles de emparejar, mientras que los usuarios de pago reciben una ponderación de “probabilidad de match bidireccional”. El algoritmo incluso identifica a “usuarios potenciales de pago” y les otorga beneficios temporales de tráfico. Esta lógica algorítmica que mercantiliza las emociones humanas ha provocado una profunda reflexión ética en la comunidad (Fuente: Reddit)
Predicción 2026: El año de los puntos suspensivos y el regreso de la “Presencia” : Yohei cree que 2026 será el año de los “puntos suspensivos”, simbolizando una evolución continua en lugar de una ruptura. La comunidad predice que el enfoque de la AI en 2026 pasará de “más potencia de cómputo” a una “mejor presencia (Presence)”, es decir, cómo recuperar el contacto visual y la conexión emocional perdida en la comunicación remota a través de la AI, permitiendo que la tecnología vuelva a servir al tacto real humano (Fuente: yoheinakajima, Reddit)