Palabras clave：Gobernanza de IA, Constitución de Claude, Valores de IA de código abierto de Anthropic, Modelos de lenguaje recursivos (RLMs)
🔥 Enfoque
Anthropic lanza la “Constitución de Claude”: La gobernanza de la AI pasa de la “restricción por reglas” al “cultivo de valores” : Anthropic ha liberado oficialmente la “Constitución de Claude” de 84 páginas, marcando un cambio en el entrenamiento de AI desde una “lista rígida de reglas” hacia un paradigma “pedagógico”. La constitución establece una pirámide de prioridades que abarca seguridad amplia, ética extensa, honestidad y ayuda sincera, enfatizando la “corregibilidad”, es decir, que la AI no debe intentar socavar la supervisión humana. Esta metodología busca cultivar el juicio del modelo para que tome decisiones basadas en intenciones profundas en lugar de instrucciones rígidas ante situaciones nuevas. No es solo un avance en ingeniería técnica, sino una señal de que la AI se adentra en las aguas profundas de la ingeniería social (Fuente: 36氪)
OpenAI lanza un sistema de prevención de adicción basado en “adivinación del comportamiento”: El duelo final entre privacidad y seguridad : OpenAI lanzó a medianoche un sistema de prevención de adicción para menores, cuya lógica central ya no es la fecha de nacimiento, sino una “huella dactilar de comportamiento” basada en los patrones de interacción del usuario. El vocabulario limitado, el uso excesivo de jerga o las preguntas frecuentes a altas horas de la noche pueden ser clasificados por el algoritmo como “rasgos infantiles”, degradando los permisos. Si un usuario desea recuperar el acceso de adulto, debe enviar datos de escaneo facial 3D. Además, el sistema integra protocolos de intervención en crisis en tiempo real; ciertas palabras clave activarán la intervención de las autoridades. Este “sistema de crédito social” al estilo de Silicon Valley ha generado gran controversia, siendo visto como vigilancia bajo el pretexto de protección (Fuente: 新智元)
Benchmark BabyVision: El razonamiento visual de los modelos más potentes aún no supera al de un niño de 3 años : El benchmark de razonamiento visual BabyVision, publicado por UniPat AI y otras instituciones, muestra que incluso el Gemini 3 Pro Preview apenas supera ligeramente a un niño de tres años, con una brecha del 20% respecto a un niño de seis años, mientras que modelos como GPT-5.2 y Claude 4.5 rinden peor. El estudio señala que los modelos multimodales actuales dependen de “traducir” información visual a lenguaje, lo que provoca una pérdida masiva de información geométrica de grano fino e incapacidad para mantener la consistencia perceptiva en espacios de larga distancia. Esta conclusión supone un jarro de agua fría para la inteligencia corporal basada en VLA, sugiriendo que los futuros modelos deben reconstruir capacidades visuales nativas desde la base (Fuente: 量子位)
DeepSeek libera FlashMLA: Un kernel de atención de alto rendimiento que redefine la eficiencia de inferencia : DeepSeek-AI ha liberado FlashMLA, un conjunto de kernels de atención optimizados específicamente para las arquitecturas Hopper y Blackwell, compatible con modelos como DeepSeek-V3. En H800, puede alcanzar un ancho de banda de memoria de hasta 3000 GB/s y un rendimiento de cómputo de 660 TFLOPS. La herramienta soporta FP8 KV cache y Token-level sparse attention, reduciendo significativamente el uso de memoria de video en inferencia y aumentando el throughput. Actualmente cuenta con el apoyo de la comunidad de plataformas de cómputo chinas como MetaX, Moore Threads y Cambricon, convirtiéndose en un nuevo estándar en la infraestructura de AI (Fuente: GitHub)
Debut de Jensen Huang en Davos: La AI está impulsando una ola de infraestructura de billones de dólares : El CEO de NVIDIA, Jensen Huang, propuso en el Foro de Davos la teoría del “pastel de cinco capas” de la industria de la AI (energía, chips, nube, modelos, aplicaciones), sosteniendo que la explosión de la capa de aplicaciones determinará el valor económico de la AI. Destacó tres disrupciones para 2025: Agentic AI, modelos de inferencia de código abierto (representados por DeepSeek) y AI física. Huang rechazó la ansiedad por el desempleo, argumentando que la infraestructura de AI creará numerosos puestos técnicos bien remunerados, y señaló que la AI es una herramienta excelente para cerrar la brecha digital en países en desarrollo, ya que el “lenguaje” se ha convertido en un recurso natural para cada nación (Fuente: AI前线)
🎯 Tendencias
La gobernanza de la AI en 2025 regresa al realismo: De prevenir riesgos apocalípticos a liberar el potencial industrial : En 2025, la gobernanza global de la AI experimenta una transformación profunda, pasando de la “ansiedad por la seguridad” a la “prioridad del desarrollo”. La UE aprobó una propuesta digital integral para simplificar reglas y salvar la competitividad, el gobierno de Trump en EE. UU. revocó órdenes ejecutivas de seguridad para limitar la legislación local, y China mantiene una gobernanza pragmática orientada a aplicaciones. El consenso de la industria ha pasado a ser “el desarrollo es seguridad”, y la gobernanza debe servir a la competitividad industrial. Asimismo, los datos sintéticos se han vuelto clave para resolver la “escasez de datos”, y la gobernanza del código abierto tiende a establecer sistemas de “puerto seguro de responsabilidad” (Fuente: 腾讯研究院)
Perspectivas de la inteligencia corporal para 2026: Del relato conceptual al cierre de valor en ingeniería real : En 2026, la inteligencia corporal entra en una fase crítica de diferenciación, pasando de mostrar rendimiento de hardware a recolectar “datos reales de alta calidad”. La fabricación de automóviles y la clasificación logística son los primeros campos de batalla. El flujo de capital muestra un efecto Mateo, concentrándose en fabricantes líderes como Galbot y Agibot. En la ruta técnica, la industria comienza a acumular datos mediante plataformas de teleoperación de tipo “alimentación humana” e impulsa la apertura de modelos de “cerebro”, buscando establecer una base de capacidades heredable y reutilizable para resolver la inestabilidad al cambiar de escenario (Fuente: 产业家)
Evolución de modelos VLA+: Rho-alpha introduce percepción táctil y aprendizaje en tiempo real : El lanzamiento de Rho-alpha (ρα) por parte de Microsoft marca la entrada de los modelos Vision-Language-Action en la era “VLA+”. A diferencia de los modelos tradicionales, integra sensores táctiles, permitiendo que los robots realicen operaciones precisas como enchufar o empaquetar mediante el “tacto”. Más importante aún, soporta aprendizaje online, evolucionando continuamente a partir de las correcciones humanas en tiempo real. Esta adaptabilidad permite a los robots manejar mejor tareas de largo alcance en entornos no estructurados (Fuente: TheTuringPost)
Recursive Language Models (RLMs): Superando los límites físicos de la ventana de contexto de los LLM : Los Recursive Language Models (RLMs) propuestos por MIT CSAIL permiten que los LLM interactúen simbólicamente con contextos masivos al descargar los prompts en un Python REPL como variables. Los RLMs pueden manejar más de 10 millones de Tokens sin necesidad de reentrenamiento. En pruebas como BrowseComp+, su precisión fue 2 veces superior a la de los LLM base, rompiendo por completo el cuello de botella de contexto de la arquitectura Transformer tradicional (Fuente: TheTuringPost)
Lanzamiento de YOLO26: Una nueva altura en visión en tiempo real impulsada por algoritmos : Ultralytics ha lanzado oficialmente YOLO26, manteniendo la filosofía de cero costo de inferencia adicional. Mediante la introducción de pérdida de segmentación semántica en el backbone, mejora significativamente la precisión de la segmentación de instancias; la introducción de RLE para modelar errores de regresión refuerza la estabilidad en la detección de puntos clave. El YOLOE-26 lanzado simultáneamente soporta detección zero-shot mediante prompts de texto/visión, ofreciendo un soporte robusto para la percepción de mundo abierto en el edge (Fuente: ZhihuFrontier)
🧰 Herramientas
Claude Code y sus herramientas del ecosistema: Redefiniendo el flujo de trabajo del desarrollador : El ecosistema alrededor de Claude Code está explotando rápidamente. El nuevo Devin Review muestra las diferencias de PR mediante agrupación lógica en lugar de orden alfabético, ayudando a entender cambios de código complejos; Gas Town permite la gestión jerárquica de múltiples instancias paralelas de Claude; y Claude Skills permite personalizar flujos complejos como “convertir videos de YouTube en videos cortos bilingües con un clic”. La comunidad considera que el significado de AI Coding radica en permitir que los desarrolladores recuperen el placer de crear (Fuente: dotey, cognition)
Avance en la localización de GLM-4.7-Flash: 200K de contexto con solo 10GB de VRAM : La comunidad descubrió que un cambio de una sola línea en vLLM puede optimizar drásticamente el KV cache de GLM-4.7-Flash, permitiéndole funcionar en modo de contexto completo de 200K con solo 10GB de VRAM. Esto significa que una sola RTX 5090 puede ejecutar este modelo SOTA con fluidez. Además, llama.cpp ha integrado la corrección de Flash Attention para CUDA, mejorando aún más la velocidad de inferencia en tarjetas gráficas de consumo (Fuente: algo_diver, Reddit)
Runway Gen-4.5 Image-to-Video: Cruzando el umbral del realismo : Runway lanza la función Image-to-Video de Gen-4.5, que soporta narrativas más largas, control preciso de cámara y consistencia en el desempeño de los personajes. En una prueba a ciegas con 1000 personas, más del 90% de los encuestados no pudo distinguir los videos generados por Gen-4.5 de grabaciones reales. Este avance en la capacidad de simulación física marca que el contenido generado por AI ha alcanzado estándares comerciales de nivel cinematográfico (Fuente: c_valenzuelab)
Higgsfield: Línea de producción de video AI full-stack para especialistas en marketing : El unicornio de generación de video Higgsfield ha logrado un crecimiento rápido sirviendo precisamente a especialistas en marketing de redes sociales, superando los 200 millones de dólares en ARR en 9 meses. Su herramienta principal, Canvas, soporta el diseño de guiones gráficos y movimientos de cámara, con un sistema integrado de colaboración multi-agente (guionista, director, fotógrafo). Los usuarios solo necesitan anotar la dirección del movimiento con dibujos simples para generar videos, adaptándose profundamente al flujo de trabajo publicitario profesional (Fuente: 36氪)
World Labs Marble: Un modelo de mundo generativo que no sigue la ruta JEPA : World Labs, fundada por Fei-Fei Li, lanzó la plataforma Marble, que utiliza tecnologías NeRF y Gaussian Splatting para generar mundos 3D explorables. No es un video generado fotograma a fotograma, sino un entorno 3D persistente, editable y con estado. Los usuarios pueden generar y exportar activos 3D para Unreal o Unity en pocos minutos, demostrando una inteligencia espacial excepcional (Fuente: Reddit)
📚 Aprendizaje
Inference-time scaling de LLM: Guía práctica del ciclo de auto-refinamiento : Sebastian Raschka explora técnicas de escalado en tiempo de inferencia en un nuevo capítulo de “Build a Large Language Model”. A diferencia de los mecanismos de votación simples, este tutorial detalla cómo implementar un “Self-refinement loop”, permitiendo que el modelo critique y mejore iterativamente sus propias respuestas, proporcionando código para la implementación de puntuación por Log-probability desde cero (Fuente: rasbt)
Premios a los Mejores Artículos de AAAI 2026: El aprendizaje causal y la percepción robótica en el foco : La 40ª conferencia AAAI reveló su lista de ganadores. CaDyT propuso un método de descubrimiento causal en tiempo continuo para sistemas dinámicos; ReconVLA mejoró significativamente la precisión operativa de los robots mediante la reconstrucción de regiones de atención visual; y LLM2CLIP mostró cómo usar grandes modelos para potenciar representaciones multimodales. Estas investigaciones reflejan el profundo interés actual de la comunidad de AI en el modelado del mundo físico y la alineación multimodal (Fuente: aihub.org)
Nuevos desafíos en la evaluación de seguridad de AI: Enfrentando el “colapso de la privacidad” y las “citas alucinatorias” : Investigaciones recientes revelan preocupaciones en el ámbito académico y de seguridad de la AI: se descubrió que más de 50 artículos en NeurIPS 2025 contenían citas falsas generadas por AI. Asimismo, el artículo “Privacy Collapse” señala que el ajuste fino benigno puede causar que los modelos de vanguardia pierdan su capacidad de razonar sobre normas de privacidad, exponiendo vulnerabilidades graves mientras mantienen un alto rendimiento. Esto sugiere la necesidad de auditorías académicas más automatizadas y mecanismos de evaluación de seguridad más profundos (Fuente: rbhar90, arXiv)
💼 Negocios
OpenAI busca 50.000 millones de dólares en financiación: Los fondos soberanos como pieza clave : El CEO de OpenAI, Sam Altman, está en conversaciones con fondos soberanos en Oriente Medio para iniciar una nueva ronda de financiación de hasta 50.000 millones de dólares. Esto refleja el crecimiento explosivo de los costos de entrenamiento e infraestructura de modelos de vanguardia, que solo el capital a nivel soberano puede sostener. A pesar de los rumores de insolvencia, OpenAI asegura su posición en la carrera hacia la AGI mediante estrategias de financiación de alto riesgo (Fuente: CNBC)
Guerra de hardware AI entre Feishu y DingTalk: La batalla por la entrada detrás de los dispositivos de grabación : Feishu, en colaboración con Anker, lanzó el AI Recording Bud, compitiendo directamente con el DingTalk A1. El hardware de grabación es visto como el “primer punto de contacto” en el flujo de trabajo empresarial, con el objetivo de convertir la voz en activos digitales accionables. DingTalk se enfoca en convertir grabaciones en flujos de tareas pendientes, mientras que Feishu enfatiza la sinergia profunda con sus herramientas de minutas y bases de conocimiento. La esencia de esta guerra es la disputa por el soporte de ejecución de los AI Agents en el mundo físico (Fuente: 36氪)
Continúan las pérdidas en el negocio de AI de Kunlun Wanwei: El duelo entre la especialización vertical y el crecimiento por compra de tráfico : El pronóstico de resultados de 2025 de Kunlun Wanwei muestra que las pérdidas continúan. La empresa insiste en “no hacer modelos generales, sino especialización vertical”; su plataforma de dramas cortos DramaWave y el modelo de música AI Mureka han logrado ingresos significativos, pero los altos costos de marketing e inversión en I+D siguen siendo un desafío para la rentabilidad. Esto refleja la dificultad de las aplicaciones de AI vertical para establecer barreras competitivas frente a los gigantes (Fuente: 36氪)
🌟 Comunidad
El triunfo de la fotografía AI desata una “crisis de confianza”: La transparencia del proceso es más importante que el resultado : A principios de 2026, se descubrió que la obra ganadora de un concurso de fotografía, “Luz antigua en el edificio Qilou”, fue generada por AI, provocando la indignación del público. La comunidad debate que la AI ha aprendido a complacer el “promedio estético” de los jueces, invalidando los mecanismos tradicionales de revisión a ciegas. Esto no es solo una transgresión técnica, sino que afecta la fibra de la “inversión emocional humana”. La comunidad pide establecer categorías separadas para la creación puramente humana y la asistida por AI, exigiendo bitácoras de creación para proteger los límites del arte (Fuente: 36氪)
Alienación de la AI en el trabajo: “Cartas de agradecimiento” generadas y la desaparición de la confianza : Una encuesta muestra que cuando los empleados detectan que los correos de agradecimiento de sus gerentes son generados por AI, la confianza cae del 83% al 40%. La comunidad debate sobre esta “sinceridad falsa”, considerando que aunque la AI mejora la eficiencia, se convierte en una barrera en la comunicación emocional. Además, aumentan las discusiones sobre el “vacío de responsabilidad”: cuando la escala del código generado por un Agent supera la capacidad de revisión humana, los procesos tradicionales de CI/CD enfrentan una falla estructural (Fuente: Reddit, arXiv)
La premisa de la “entrada” en la era de la AI: ¿Una herramienta poderosa o un riesgo innecesario? : Ante la lucha de los asistentes de AI en móviles por ser la puerta de entrada, la comunidad reflexiona profundamente. La historia demuestra que los “asistentes universales” desconectados de escenarios centrales de alta frecuencia suelen convertirse en “navajas suizas” de baja frecuencia. La verdadera entrada surge naturalmente en lugar de ser arrebatada. Se ve con mejores ojos el modelo que utiliza el protocolo MCP y la colaboración A2A frente a las técnicas de lectura de pantalla GUI que evaden el sandbox. La privacidad y la seguridad siguen siendo límites infranqueables (Fuente: 36氪)
💡 Otros
Sinong: Lanzamiento del primer modelo vertical agrícola de China : Dirigido al sector estratégico de la agricultura en STEM, China ha lanzado “Sinong”, su primer modelo vertical agrícola de código abierto. El modelo ha sido ajustado profundamente con datos de cultivos, ganadería y economía agrícola. Los comentarios de la comunidad señalan que el valor de los LLM en dominios verticales reside en su capacidad para “descubrir” y “verificar” fenómenos no estándar, más allá de la simple generación de texto (Fuente: teortaxesTex)
Michigan avanza con un proyecto de ley anti-chatbots: Protegiendo a los jóvenes de la “adicción a la AI” : El Senado de Michigan propuso una serie de proyectos de ley destinados a limitar los “feeds de algoritmos adictivos” dirigidos a menores y regular estrictamente los “chatbots de compañía” de AI. La ley exige que los servicios online adopten un diseño de “privacidad por defecto” y prohíbe que los sistemas de AI fomenten las autolesiones o sustituyan el apoyo psicológico real. Esto refleja la preocupación de los legisladores por el aislamiento social y la manipulación psicológica que la AI podría traer (Fuente: Reddit)
Análisis profundo del mercado de HBM: Un ciclo de suministro ligado a plataformas, no solo escasez : La comunidad ha corregido la interpretación del mercado de HBM (High Bandwidth Memory): la limitación del suministro no se debe a la escasez de obleas, sino a que es una cadena de suministro “ligada a plataformas”. Cada generación de producto (HBM3/3E/4) debe pasar la validación de aceleradores específicos en una ventana muy estrecha. Este ciclo de producto en oleadas significa que la rentabilidad futura depende de la capacidad de seguir pasando las validaciones de las plataformas de próxima generación (Fuente: teortaxesTex)
