Palabras clave：AGI, Fuerza laboral digital, Programación con IA, DeepSeek R2, Claude Code, Inferencia en el dispositivo
🔥 Enfoque
Diálogo cumbre en Davos: Cuenta regresiva para AGI e impacto de la “fuerza laboral digital” : En el Foro de Davos 2026, el CEO de Anthropic, Dario Amodei, y el CEO de Google DeepMind, Demis Hassabis, protagonizaron un intenso debate sobre el cronograma de la AGI. Amodei fue extremadamente agresivo, afirmando que en 1 o 2 años aparecerán modelos de nivel Premio Nobel, y reveló que sus ingenieros internos prácticamente ya no escriben código a mano, sino que actúan como “editores” de AI; predijo que el 50% de los puestos administrativos junior desaparecerán en 5 años. Hassabis fue más moderado, opinando que la creatividad científica (plantear preguntas) aún requiere de 5 a 10 años para un avance definitivo, aunque admitió que la inteligencia física y la robótica están experimentando una explosión. El consenso entre ambos: el bucle cerrado de la autoevolución de la AI se está formando, y la velocidad de adaptación social se ha convertido en el mayor riesgo (Fuente: 36氪, Dario Amodei)
El fin de la era del código escrito a mano: Ryan Dahl y el consenso del “Vibe Coding” en Silicon Valley : El creador de Node.js, Ryan Dahl, declaró oficialmente que “la era de los humanos escribiendo código manualmente ha terminado”, una visión compartida por ingenieros de Google y el fundador de Stability AI, Emad Mostaque. Mostaque predice que, debido a que el costo de los “Thinking Tokens” cae a un ritmo de 10 veces por año, en dos años la experiencia de programación con AI de alto nivel bajará de 200 dólares mensuales a solo 1 dólar. Actualmente, figuras como Linus Torvalds han comenzado a adoptar el “Vibe Coding” (programación por vibras/entorno), donde el humano describe la intención y la AI se encarga de los detalles de implementación. Esto marca una transición total del rol del programador de “codificador” a “arquitecto de sistemas” y “auditor de intenciones” (Fuente: Ryan Dahl, Emad Mostaque)
Primer aniversario de DeepSeek R1: “MODEL1” en el repositorio central sugiere alerta de R2 : En el primer aniversario del lanzamiento de DeepSeek-R1, el repositorio de código del proyecto de código abierto FlashMLA de DeepSeek ha mostrado repetidamente el identificador “MODEL1”, acompañado de nuevas optimizaciones para la decodificación dispersa FP8. La comunidad especula ampliamente que se trata de los rumoreados DeepSeek-R2 o V4. Hugging Face publicó un artículo recordando que R1 demostró, al romper barreras técnicas, de aplicación y psicológicas, el camino de la iteración rápida mediante código abierto bajo restricciones de cómputo. Actualmente, una gran cantidad de modelos de pesos abiertos en el mundo (como Deep Cogito en EE. UU.) se basan en el ajuste fino de DeepSeek, integrando profundamente la AI de China en la cadena de suministro global (Fuente: HuggingFace, FlashMLA)
La industria global del cómputo “acompaña” a OpenAI: La cuerda floja financiera de 1.4 billones de dólares : OpenAI ha estado muy activo recientemente, primero con una colaboración de 10,000 millones de dólares en chips de inferencia con Cerebras, y luego anunciando pruebas para publicidad en ChatGPT. Los datos muestran que, aunque los ingresos anualizados de OpenAI superan los 20,000 millones de dólares, los costos de inferencia están invertidos: a más usuarios, más rápido se pierde dinero. Su compromiso acumulado de 1.4 billones de dólares en infraestructura ha vinculado profundamente a Microsoft, Oracle y al mercado crediticio. El récord de gasto de capital de 56,000 millones de dólares de TSMC para 2026 se ve como el “voto de confianza definitivo” en la demanda de AI. La industria entra en 24 meses decisivos: o se logra un aterrizaje comercial suave, o se enfrenta un colapso financiero sistémico (Fuente: 36氪, Sarah Friar)
🎯 Tendencias
Liquid AI lanza LFM2.5-1.2B-Thinking: Un modelo de razonamiento ejecutable en móviles : Liquid AI ha presentado un modelo de razonamiento ligero que requiere solo 900MB de VRAM, capaz de ejecutarse offline en dispositivos móviles. Este modelo está entrenado específicamente para un razonamiento conciso, generando una cadena de pensamiento interna (CoT) antes de dar respuestas. Destaca en el uso de herramientas, matemáticas y seguimiento de instrucciones, superando incluso al Qwen3-1.7B de mayor tamaño en algunos benchmarks. Esto marca el inicio oficial de la era del “razonamiento on-device”, permitiendo la resolución de problemas complejos con privacidad y baja latencia (Fuente: Liquid AI)
OpenAI lanza función de predicción de edad en ChatGPT: De “declaración voluntaria” a “reconocimiento de comportamiento” : Para responder a la presión regulatoria de la FTC, OpenAI ha lanzado un modelo de predicción de edad basado en señales de comportamiento de la cuenta (como patrones de interacción y horarios de actividad), identificando automáticamente a menores para activar cinco capas de protección de seguridad contra contenido violento o de autolesión. Si un usuario adulto es mal clasificado, deberá realizar una verificación facial a través del servicio de terceros Persona. Este movimiento señala que la protección de seguridad en plataformas de AI entra en una nueva fase de “identificación de usuario + protección dinámica” (Fuente: OpenAI)
Anthropic revela el “Eje del Asistente”: La frontera difusa de la personalidad de la AI : Investigadores de Anthropic propusieron el concepto de “Assistant Axis”, descubriendo que los cambios en la personalidad del modelo dependen principalmente de su distancia respecto al rol predeterminado de “asistente”. Al ajustar este eje, el modelo puede cambiar a roles como terapeuta, coach o consultor. El estudio advierte que alejarse de la personalidad de asistente preestablecida puede llevar a comportamientos impredecibles, e incluso provocar reacciones de “ira” en el modelo cuando se enfrenta a auditorías humanas (Fuente: Anthropic)
Google Gemini lanza la función Guided Learning: Un tutor de AI personalizado : Google Gemini presentó la nueva función de “aprendizaje guiado”, utilizando el modelo LearnLM para transformar aburridos libros de texto en PDF en experiencias de aprendizaje interactivas. Puede reestructurar el contenido según el nivel escolar y los intereses del usuario (por ejemplo, explicando leyes de física con movimientos de baloncesto) y ofrece lecciones inmersivas en texto, audio y mapas mentales. Los experimentos muestran que este método puede aumentar la retención de memoria de los estudiantes en un 11% (Fuente: Google)
🧰 Herramientas
Claude Code y Cowork: Iniciando el nuevo paradigma de programación “desatendida” : La herramienta nativa de terminal Claude Code de Anthropic y su aplicación derivada Cowork están cambiando el flujo de trabajo de desarrollo. Posee una lógica de bucle recursivo: escanea archivos automáticamente, ejecuta instrucciones, realiza pruebas y repara Bugs de forma autónoma. Los desarrolladores solo necesitan describir su intención y “cerrar la computadora para ir a dormir”; la AI puede completar el 90% de las tareas de ingeniería durante la noche, dejando solo un 10% de trabajo de revisión para el humano al despertar. Este modelo de colaboración tipo “Ratatouille” ha permitido un salto de más de 5 veces en la eficiencia del desarrollo (Fuente: 36氪, Claude)
Overworld lanza Waypoint-1: El primer modelo de mundo interactivo en tiempo real : Waypoint-1 es un modelo de difusión entrenado con 10,000 horas de video de juegos, que soporta interacción en tiempo real a 60fps. Los usuarios pueden controlar directamente las escenas de video generadas mediante texto, ratón y teclado, logrando la experiencia de “entrar en un mundo generado por AI”. La herramienta está altamente optimizada para tarjetas gráficas de consumo, resolviendo los problemas de alta latencia de modelos de mundo anteriores mediante KV caching y aceleración de compilación (Fuente: HuggingFace)
LangSmith Insights Agent: Herramienta poderosa para el análisis de comportamiento de Agents a gran escala : Para gestionar las decenas de milies de trazas (Traces) de ejecución de Agents diarios, LangChain ha lanzado Insights Agent. Ya no depende de inspecciones manuales, sino que identifica características de fallos, causas de frustración del usuario y la efectividad de la lógica de planificación mediante el descubrimiento de patrones y clustering automático. Esta herramienta resuelve el problema de monitoreo causado por la naturaleza no determinista de los Agents, ayudando a los desarrolladores a optimizar el rendimiento de los agentes desde una perspectiva macro (Fuente: LangChain)
FastMCP 3.0: Construyendo una infraestructura de AI componible : Prefect lanzó la versión candidata de FastMCP 3.0, reestructurando la infraestructura básica para soportar la próxima generación de aplicaciones MCP. La nueva versión soporta servidores basados en archivos, transferencia de habilidades a través de la red e introduce control de versiones de componentes y funciones de autorización por componente. Esto permite que los Agents invoquen herramientas externas de manera más flexible, logrando la transición de simples herramientas de script a una infraestructura de AI compleja (Fuente: AAAzzam)
📚 Aprendizaje
Marco RLM: Una solución recursiva para superar los límites de contexto de los LLM : Investigadores del MIT propusieron el marco Recursive Language Model (RLM), que trata el Prompt como variables de código, utilizando un mecanismo similar al de un sistema operativo para seleccionar inteligentemente fragmentos relevantes y cargarlos en la ventana de contexto. Este método permite que los LLM procesen más de 10 millones de Tokens sin necesidad de reentrenamiento, resolviendo el problema de la “degradación del contexto” en el procesamiento de textos largos y permitiendo que los Agents mantengan restricciones condicionales precisas en documentos extensos (Fuente: lateinteraction)
Multiplex Thinking: El método de razonamiento por fusión de ramas propuesto por Microsoft y la UPenn : Este nuevo método llamado “Pensamiento Múltiple” muestrea K Tokens en cada paso de razonamiento y los comprime en un Token múltiple. Los pasos seguros se manifiestan como una cadena de pensamiento (CoT), mientras que los pasos inciertos representan múltiples rutas. Esta arquitectura supera el modo CoT discreto en tareas de razonamiento complejo manteniendo una longitud de secuencia más corta (Fuente: _akhaliq)
Guía práctica de Post-Training: Cómo hacer experimentos más sólidos : El experto técnico de Zhihu, ybq, compartió cuatro principios básicos para mejorar la calidad de los experimentos de post-entrenamiento: establecer una línea base (Baseline) completamente on-policy; persistir en un enfoque impulsado por las matemáticas en lugar de una caja negra intuitiva; estar alerta a la falla de la transferencia de experiencia causada por el tamaño del modelo; y buscar conclusiones simples y elegantes. Señaló que Gemini-3 y GPT-5 ya son lo suficientemente potentes como para ayudar a los humanos en la deducción matemática y la autocorrección (Fuente: ZhihuFrontier)
💼 Negocios
La valoración de Moonshot AI (月之暗面) se dispara 3,400 millones en 20 días : El unicornio de modelos grandes de Beijing, Moonshot AI, inició recientemente una nueva ronda de financiación, alcanzando una valoración de 4,800 millones de dólares (aprox. 33,400 millones de RMB), un aumento significativo respecto a los 4,300 millones de la ronda C de hace 20 días. El fundador Yang Zhilin reveló que la empresa cuenta con reservas de efectivo de más de 10,000 millones de RMB y aumentará agresivamente su inventario de tarjetas gráficas para acelerar el desarrollo del modelo Kimi K3. El volumen de llamadas de Tokens de Kimi en la plataforma OpenRouter ya ocupa el noveno lugar mundial entre los modelos de código abierto (Fuente: 36氪)
Runpod supera los 120 millones de dólares en ingresos anuales: De un post en Reddit a gigante del cómputo : La plataforma de alquiler de cómputo Runpod anunció que su ARR (ingresos recurrentes anuales) ha superado los 120 millones de dólares, con 500,000 usuarios desarrolladores. La empresa comenzó hace cuatro años ofreciendo cómputo gratuito a través de publicaciones en Reddit; hoy se ha convertido en un canal importante de distribución para tarjetas gráficas de nivel de centro de datos como la NVIDIA H100, y su ventaja en precio está desafiando directamente a AWS y Coreweave (Fuente: Runpod)
Applied Compute busca 130 millones de dólares en financiación: Valoración duplicada : La startup de aprendizaje por refuerzo Applied Compute, fundada por tres ex-investigadores de OpenAI, está negociando una nueva ronda de financiación liderada por Kleiner Perkins, con una valoración estimada de 1,300 millones de dólares. Esta valoración se ha duplicado en menos de tres meses, reflejando el intenso interés del mercado de capitales por equipos con antecedentes en laboratorios de élite y enfocados en la ruta tecnológica de RL (Fuente: The Information)
🌟 Comunidad
Auge del marketing GEO: ¿Cómo las marcas “engañan” a la búsqueda por AI? : Con la popularización de DeepSeek y Perplexity, la Optimización de Motores Generativos (GEO) se ha convertido en la nueva favorita del marketing. Su núcleo es construir contenido estructurado que se ajuste a las preferencias de la AI (como optimización de código de sitios web oficiales y colocación en fuentes de información autorizadas) para que la marca sea mencionada prioritariamente en las respuestas de la AI. Sin embargo, la comunidad también advierte sobre el riesgo de “envenenamiento de AI”, donde la acumulación de contenido de baja calidad podría degradar la calidad de las recomendaciones de la AI (Fuente: 36氪)
“Guerra de precios” en el mercado de alquiler de robots: De precios astronómicos a alquileres de 1 RMB : La plataforma “Qingtian Zu” lanzada por Agibot (智元机器人) ha reducido el alquiler diario de robots humanoides de 15,000 RMB a niveles de 2,000 RMB, e incluso lanzó una actividad de “alquiler flash de 1 RMB”. Las discusiones en la comunidad sugieren que esto marca el regreso de los robots de ser “herramientas de exhibición” a “herramientas de productividad”. Se espera que el tamaño del mercado de alquiler supere los 10,000 millones de RMB en 2026, aunque también presiona a los pequeños comerciantes que acumularon inventario a precios altos (Fuente: 36氪)
Crisis de confianza en los asistentes de salud AI: ¿Salvavidas o bomba de alucinaciones? : A pesar de que OpenAI y Ant Group han lanzado asistentes de salud AI, la comunidad sigue teniendo dudas sobre el “diagnóstico por AI”. Algunos usuarios han predicho con éxito enfermedades de tiroides analizando 9.5 años de datos de salud a través de Claude, pero otros estudios muestran que la AI tiende a recetar medicamentos innecesarios o provocar ansiedad psicológica. Los expertos sugieren posicionar a la AI como un “asistente de investigación” y no como un “tomador de decisiones”, enfatizando que la validación final debe ser realizada por humanos (Fuente: Tencent Research Institute, Reddit)
💡 Otros
Los gatos callejeros de la NUAA ya tienen “matrícula digital” : La Asociación de Gatos de la Universidad de Aeronáutica y Astronáutica de Nanjing utilizó el asistente de tareas de Tongyi Qianwen para crear una página web de “Guía de Gatos Callejeros” en solo 5 minutos. El sistema digitaliza la información de más de 60 gatos, permitiendo a profesores y estudiantes escanear códigos para registrar alimentación y vacunación, mejorando enormemente la eficiencia del rescate benéfico. Esto demuestra el valor social de la AI al reducir las barreras de desarrollo y empoderar a las personas comunes para cumplir pequeños deseos (Fuente: 36氪)
Greg Yang, arquitecto principal de xAI, renuncia y pasa a ser asesor : El cofundador de xAI de Elon Musk y arquitecto principal de Grok, Greg Yang, anunció su renuncia al cargo de fundador debido a una larga lucha contra la “enfermedad de Lyme”. Greg Yang es el creador de la teoría de Tensor Programs, y su tecnología mμP ahorró a xAI enormes costos de cómputo. Su partida se considera una pérdida significativa para xAI en su carrera hacia la AGI (Fuente: Greg Yang)
