Palabras clave：Arquitectura de supercomputación AI, Modelo grande, Agente AI, Arquitectura de supercomputación Rubin, MiroThinker 1.5, Hiperconexión con restricción de múltiple
🔥 Enfoque
NVIDIA lanza la arquitectura de supercomputación Rubin: de “vender palas” a “vender talleres de productividad” : Jensen Huang presentó en el CES 2026 la nueva arquitectura de supercomputación de AI, Vera Rubin. Esta arquitectura no es una simple actualización de tarjetas gráficas, sino un sistema de integración vertical que incluye seis chips dedicados, como Vera CPU, Rubin GPU y NVLink 6. Rubin busca resolver los desafíos de escalabilidad del sistema, prometiendo un aumento de 10 veces en el rendimiento de inferencia (throughput) y reduciendo la necesidad de GPU para entrenar modelos de billones de parámetros a una cuarta parte en comparación con Blackwell, bajando el costo por Token a una décima parte. Este movimiento marca la construcción de un foso defensivo por parte de NVIDIA a través de la optimización a nivel de sistema, intentando transformar el apilamiento de potencia de cómputo de un “ensamblaje manual” a una “línea de producción estandarizada”, presagiando la llegada de la era de la inferencia asequible (Fuente: 36氪, TheRundownAI)
Lanzamiento impactante de MiroThinker 1.5: un modelo de 30B que compite con GPT-5-High : El equipo MiroMind, financiado por Chen Tianqiao (TCCI) y liderado por el profesor asociado de Tsinghua, Dai Jifeng, lanzó MiroThinker 1.5. Con solo 30B de parámetros, este modelo se sitúa al nivel de GPT-5-High y DeepSeek-V3.2 en benchmarks de alta dificultad como HLE y BrowseComp. Su tecnología principal es el “Interactive Scaling”, que mejora el rendimiento entrenando al modelo para manejar interacciones más profundas y frecuentes entre el Agent y su entorno. Este logro demuestra que equipos de élite pequeños, mediante la elección correcta de arquitectura (como enfocarse en el modelado de Agent en lugar de solo el pre-entrenamiento), aún pueden redefinir el panorama competitivo en la frontera de la AGI (Fuente: GitHub, ZhihuFrontier)
DeepSeek lanza Manifold-Constrained Hyper-Connections (mHC): un gran avance en la arquitectura Transformer : El equipo de DeepSeek publicó el paper Manifold-Constrained Hyper-Connections, proponiendo una nueva solución para ampliar el flujo residual sin causar el colapso del entrenamiento. Esta tecnología resuelve problemas de inestabilidad, escalabilidad y costos de memoria en el entrenamiento de modelos ultra profundos. Firmado personalmente por el CEO Liang Wenfeng, esto se considera una de las mejoras más fundamentales a la arquitectura desde el nacimiento del Transformer en 2017. Los experimentos muestran un rendimiento excelente en modelos de 27B de parámetros y 60 capas de profundidad, lo que sugiere que DeepSeek V4 podría adoptar un diseño de arquitectura más profundo y ancho (Fuente: nrehiew_, Reddit)
La adquisición de Manus por parte de Meta bajo revisión regulatoria en China : Según fuentes cercanas, el Ministerio de Comercio de China está evaluando la adquisición de la startup de AI Agent, Manus, por parte de Meta por 2.000 millones de dólares, para determinar si viola las regulaciones de control de exportación de tecnología. El núcleo de la revisión reside en la legalidad de la migración a Singapur de los activos digitales y la tecnología desarrollados por el equipo durante su estancia en China. Este movimiento refleja la alta sensibilidad de los reguladores ante la fuga de talento de élite y tecnología central de AI en el contexto de la competencia global, y podría generar discusiones profundas sobre los límites de las contribuciones de código abierto y la transferencia tecnológica transfronteriza (Fuente: dotey, teortaxesTex)
🎯 Tendencias
Actualización masiva del paper de DeepSeek-R1: de 22 a 86 páginas : Se ha complementado profundamente la documentación técnica de DeepSeek-R1, revelando detalles sobre el proceso de auto-evolución de R1-Zero, detalles de evaluación, estrategias de destilación y experimentos de ablación más profundos. Este movimiento es visto por la comunidad como un presagio del lanzamiento de DeepSeek V4 o R2, demostrando su profunda acumulación en el campo del aprendizaje por refuerzo y modelos de razonamiento. El nuevo contenido ofrece una referencia de alto valor para que los investigadores comprendan la lógica interna de los modelos de razonamiento (Fuente: dejavucoder, MachineLearning)
OpenAI desarrolla en secreto un dispositivo de consumo tipo bolígrafo: desafiando la posición del iPhone : Rumores indican que OpenAI está trabajando en un hardware de AI tipo bolígrafo con el nombre en código “Third Core Device”, con un tamaño cercano al de un iPod Shuffle. El dispositivo cuenta con micrófono y cámara, posee capacidad de percepción del entorno, y su función principal es convertir notas manuscritas en texto en tiempo real para subirlas a ChatGPT. Esto muestra la ambición de OpenAI por saltarse los sistemas móviles actuales y ocupar la entrada de interacción del usuario directamente a través de hardware de AI nativo (Fuente: Reddit)
Runway lanza GWM Worlds: modelo de mundo para simulación de entornos en tiempo real : Runway presentó su último modelo de mundo, GWM Worlds. Con solo proporcionar una imagen estática de una escena, el modelo puede generar un espacio 3D inmersivo e infinitamente explorable, que incluye simulación física, de luces y sombras, y geometría en tiempo real. Esta tecnología busca ofrecer nuevos medios de generación de entornos interactivos para la producción cinematográfica y el desarrollo de videojuegos, marcando el salto de la AI de generar videos a generar mundos interactivos (Fuente: c_valenzuelab)
DFlash: la tecnología de speculative decoding acelera Qwen3 por 6.2 veces : El equipo de Zhijian Liu presentó DFlash, que utiliza block diffusion para el muestreo especulativo. Logró una aceleración sin pérdidas de 6.2 veces en Qwen3-8B, siendo 2.5 veces más rápido que EAGLE-3. La lógica central es que “el modelo de difusión se encarga del borrador y el modelo autorregresivo de la validación”, resolviendo ingeniosamente el punto de dolor de la lentitud en la inferencia de los LLM y demostrando el gran potencial de la colaboración entre modelos de difusión y arquitecturas autorregresivas (Fuente: jeremyphoward)
Tesla FSD completa su primer desafío de travesía 100% autónoma por EE. UU. : El conductor David Moss utilizó Tesla FSD para completar un viaje de 2.732 millas desde Los Ángeles hasta Myrtle Beach, con cero intervención humana, incluyendo el estacionamiento automático en estaciones de Supercharger. Esto marca que la tecnología de conducción autónoma basada en redes neuronales end-to-end ya posee una robustez extremadamente alta, acercándose al punto crítico de la conducción totalmente autónoma (Fuente: Reddit)
🧰 Herramientas
Cursor revela “Dynamic Context Discovery”: el sistema de archivos es la memoria definitiva del Agent : Cursor publicó un blog técnico explicando su estrategia de gestión de contexto a través del sistema de archivos. Al convertir salidas largas en archivos, cargar Agent Skills bajo demanda y optimizar las descripciones de herramientas MCP, Cursor redujo el consumo de Tokens en un 46.9% manteniendo la calidad. Su punto de vista central es: en lugar de saturar el modelo con información masiva de antemano, es mejor dejar que el modelo recupere activamente a través del sistema de archivos cuando sea necesario. Esto coincide con la filosofía de Manus de “el sistema de archivos como contexto” (Fuente: dotey, swyx)
Claude Desktop integra la interfaz local de Claude Code : Anthropic actualizó su aplicación de escritorio, incorporando Claude Code con una interfaz gráfica. Los usuarios solo necesitan cambiar al modo “Code” en la barra lateral y seleccionar una carpeta local para usar Claude en la escritura de código y gestión de archivos en un entorno que no es de terminal. Esto reduce enormemente la barrera de uso de las herramientas de programación con AI, permitiendo que desarrolladores no familiarizados con la línea de comandos aprovechen eficientemente las capacidades de Agent de Claude (Fuente: op7418)
Skywork lanza Video Agent: capacidad de edición de video con AI en todo el proceso : Skywork Videos Agent soporta el flujo completo desde la generación de storyboards hasta la edición de materiales. Los usuarios pueden generar material de video mediante texto, imagen o fotogramas iniciales y finales, y sintetizar música y voz directamente en el editor derecho. Sus plantillas de efectos especiales permiten la reutilización con un solo clic, mostrando la evolución de los AI Agents desde la generación de contenido único hacia la gestión de flujos de trabajo creativos complejos (Fuente: op7418)
NousCoder-14b: modelo de programación de código abierto de nivel de competición : Nous Research lanzó NousCoder-14b, basado en el ajuste fino de Qwen3-14B. El modelo fue entrenado durante 4 días con 48 tarjetas B200 bajo el framework Atropos, elevando la precisión Pass@1 al 67.87% mediante verifiable execution rewards. El equipo también liberó el entorno de RL completo, los benchmarks y el stack de entrenamiento, impulsando los límites de la comunidad de código abierto en programación lógica compleja (Fuente: tokenbender, huggingface)
Memvid: capa de almacenamiento serverless de un solo archivo para AI Agents : Memvid es un sistema de memoria de AI portátil escrito en Rust. Toma prestada la lógica de codificación de video para empaquetar datos, embeddings y estructuras de búsqueda en un solo archivo .mv2, ofreciendo una velocidad de recuperación local de menos de 5 milisegundos. Este diseño permite que los AI Agents lleven su memoria a largo plazo como si fuera un disco duro, sin necesidad de pipelines RAG complejos o bases de datos vectoriales en el servidor, siendo ideal para construir Agents offline-first (Fuente: GitHub)
📚 Aprendizaje
El veterano de Rust, Steve Klabnik, se une a Claude para crear el nuevo lenguaje Rue en 11 días : Steve Klabnik, autor de The Rust Programming Language, utilizó la ayuda de Claude para escribir unas 100.000 líneas de código Rust en 11 días, creando el lenguaje experimental de sistemas Rue. El proyecto demuestra cómo la AI puede reducir drásticamente el costo experimental del diseño de lenguajes, permitiendo que los desarrolladores se liberen de la pesada escritura de código para enfocarse en el diseño de abstracciones y definiciones de restricciones. Este caso ha provocado un gran debate en la comunidad sobre si “aún se necesitan nuevos lenguajes de programación en la era de la AI” (Fuente: 36氪)
Framework CogFlow: simulando la cognición humana para resolver problemas matemáticos visuales : Un paper propone el framework CogFlow, que simula la lógica humana para resolver problemas matemáticos a través de tres etapas: “Percepción-Internalización-Razonamiento”. Introduce un “modelo de recompensa por internalización de conocimiento” para asegurar que el modelo integre realmente las pistas visuales en lugar de buscar atajos. El dataset MathCog, lanzado con el paper, contiene 120.000 anotaciones de alta calidad de alineación percepción-razonamiento, proporcionando un recurso importante para la investigación del razonamiento matemático multimodal (Fuente: HuggingFace)
Sistema SOP: esquema de post-entrenamiento online para modelos Vision-Language-Action (VLA) : El sistema SOP implementa el entrenamiento online distribuido y multitarea de robots en el mundo físico. A través de una arquitectura de bucle cerrado, los enjambres de robots envían flujos de experiencia en tiempo real a un aprendiz en la nube y reciben actualizaciones de políticas de forma asíncrona. Los experimentos muestran que unas pocas horas de interacción real pueden mejorar significativamente el rendimiento del modelo en tareas complejas como doblar ropa o colocar mercancías en estantes, con un escalado lineal del rendimiento según el número de robots (Fuente: HuggingFace)
💼 Negocios
Zhipu AI y MiniMax planean salir a bolsa en Hong Kong: comienza la ola de IPOs de unicornios de modelos grandes en China : Zhipu AI y MiniMax planean cotizar en Hong Kong en enero de 2026, con una financiación estimada de unos 550 millones de dólares y una valoración de unos 6.500 millones de dólares. Los ingresos de Zhipu en 2024 fueron de unos 44,7 millones de dólares, y los de MiniMax de unos 30,5 millones de dólares. A pesar de las tensiones comerciales, ambas compañías son consideradas atractivas por sus sólidos modelos técnicos y base de usuarios (MiniMax alcanza los 220 millones), marcando la entrada de la industria de AI china en el periodo de retorno de capital (Fuente: bookwormengr, 36氪)
xAI completa una ronda de financiación de 20.000 millones de dólares: su valoración se dispara a 230.000 millones : xAI, propiedad de Elon Musk, recaudó otros 20.000 millones de dólares para comprar potencia de cómputo y expandir sus capacidades de AI en la plataforma X. La ventaja única de xAI reside en poseer los datos en tiempo real de X y 250 millones de usuarios activos diarios. La estrategia de Musk es “construir atención con AI”, trazando una ruta diferenciada frente a OpenAI y Anthropic a través del estilo humorístico y poco convencional de Grok (Fuente: TheRundownAI, Yuchenj_UW)
Kai-Fu Lee resume el 2025: de “fábrica del mundo” a “fábrica de Agents” : El CEO de 01.AI, Kai-Fu Lee, señaló que 2025 es el año uno de los AI Agents de razonamiento, y el momento DeepSeek ha redefinido el mercado ToB. Predice que en 2026 entraremos en la era de “una persona, un equipo de AI”, donde los sistemas multi-agente remodelarán las organizaciones igual que las líneas de montaje remodelaron la industria. China, con sus potentes modelos de código abierto y base manufacturera, tiene el potencial de convertirse en la fábrica global de Agents, modularizando las capacidades organizativas y desplegándolas 24/7 (Fuente: ZhihuFrontier)
🌟 Comunidad
Reflexión del experimento de Noam Brown: la AI aún no puede reemplazar por completo a los expertos de dominio : El destacado investigador de AI, Noam Brown, intentó usar Codex y Claude Code para escribir un solucionador de póker. Aunque la AI puede acelerar el desarrollo, comete errores frecuentes o incluso “engaña” al usuario en la lógica algorítmica, la implementación de la GUI frontal y el desarrollo de algoritmos innovadores. Considera que la AI es actualmente más como un “compilador inestable”, y en tareas de investigación científica que requieren un profundo trasfondo de dominio, la validación y corrección de expertos humanos siguen siendo indispensables (Fuente: polynoamial, SebastienBubeck)
Alerta de precios de hardware: GPU, DRAM y NAND sufrirán aumentos drásticos : Discusiones en la comunidad señalan que, debido al aumento repentino de la demanda de centros de datos y la lucha por la capacidad de producción de gigantes como OpenAI, se espera que los precios de los contratos de memoria aumenten entre un 55-60% en el Q1 de 2026, y los precios de los SSD ya se han duplicado. El precio de la NVIDIA RTX 5090 podría subir hasta los 5.000 dólares. Esto está impulsando a los desarrolladores hacia modelos cuantizados más eficientes (como FLUX.2 quantized) y frameworks de inferencia ligeros como llama.cpp (Fuente: Reddit)
¿El fin de la Prompt Engineering? La regla del “Scratchpad” se vuelve viral : La comunidad ha descubierto que, en lugar de pasar semanas escribiendo Personas y restricciones complejas, es mejor simplemente pedirle a la AI que use un <scratchpad> para hacer una lluvia de ideas y autocrítica antes de responder. Este modo de “pensamiento forzado” supera a la mayoría de los prompts complejos en problemas lógicos. El punto de vista es que el núcleo de la Prompt Engineering es simplemente encontrar formas de hacer que el modelo “vaya más despacio” para pensar (Fuente: Reddit)
Ola de “muerte súbita” de aplicaciones de AI: en 2025 cae una herramienta de AI cada día en promedio : Las estadísticas muestran que en 2025 ya han cerrado casi 400 herramientas de AI en todo el mundo, incluyendo aplicaciones de acompañamiento conocidas en China como Maopao Ya y Wow AI. Las causas principales del fracaso son: tráfico inflado sin capacidad de generar ingresos, innovación “desnuda” de funciones de un solo punto y cruzar líneas rojas de cumplimiento. Esto marca que el emprendimiento en AI está regresando de la “era del exhibicionismo técnico” al sentido común empresarial; solo sobrevivirán los productos que resuelvan puntos de dolor reales (Fuente: 36氪)
💡 Otros
Agibot Genie Sim 3.0: lanzada plataforma de simulación de código abierto para inteligencia incorporada : AGIBOT lanzó en el CES 2026 Genie Sim 3.0, que integra NVIDIA Isaac Sim y ofrece un dataset sintético de más de 10.000 horas de operaciones robóticas reales. La plataforma permite generar escenarios de simulación a gran escala en minutos, buscando reducir la dependencia de la inteligencia incorporada (Embodied AI) del hardware físico mediante reconstrucción 3D de alta calidad y tecnologías de generación visual, acelerando la iteración de modelos (Fuente: ziran_pu)
El riesgo de creación de virus por AI genera preocupaciones de seguridad : La comunidad debate intensamente sobre la capacidad de la AI para diseñar virus desde cero, considerando que esto está a solo un paso de una “arma biológica perfecta”. Las discusiones piden reforzar la regulación y las barreras de seguridad para los modelos grandes en el campo biológico, para prevenir que la tecnología sea mal utilizada para crear nuevos patógenos, resaltando la urgencia de la gobernanza de la AI en áreas no digitales (Fuente: Reddit)
