La carrera por la Inteligencia Artificial ya no se mide solo en quién escribe mejor un texto o resume más rápido un documento. El siguiente salto —más cercano a la vida real— consiste en que un modelo sea capaz de usar un ordenador como lo haría una persona: mirar la pantalla, mover el ratón, hacer clic, escribir en formularios y
La conversación sobre Inteligencia Artificial en ciencia suele quedarse en lo “fácil” de medir: resolver problemas de matemáticas, resumir papers o proponer hipótesis en pantalla. Pero la biología tiene una exigencia distinta: si una idea no se puede ejecutar en el laboratorio y validar con datos, se queda en teoría. Con esa premisa, OpenAI ha publicado un experimento centrado en
OpenAI ha presentado FrontierScience, un nuevo benchmark diseñado para evaluar hasta qué punto los modelos de Inteligencia Artificial son capaces de realizar razonamiento científico de nivel experto en física, química y biología. La iniciativa llega en un momento en el que las grandes tecnológicas compiten por demostrar que sus sistemas no solo responden preguntas, sino que pueden acelerar tareas reales
En el ecosistema de la IA local hay un fenómeno curioso: cada mes aparecen listas “de trinchera” que no vienen de un laboratorio académico ni de un informe corporativo, sino de gente que de verdad está cargando modelos en su propio hardware y midiendo lo que importa cuando hay que sacar trabajo. En diciembre de 2025 se ha viralizado una
NVIDIA ha presentado la familia Nemotron 3, una nueva línea de modelos abiertos (Nano, Super y Ultra) diseñada para acelerar el salto de los chatbots “de una sola pieza” hacia sistemas de IA agéntica donde varios agentes colaboran, se reparten tareas y ejecutan flujos complejos con costes controlados. La compañía coloca el foco en un punto que a menudo se
Google ha ampliado su familia Gemini 3 con el lanzamiento de Gemini 3 Flash, un modelo diseñado para resolver una tensión que se ha vuelto central en la carrera de la Inteligencia Artificial: cómo ofrecer razonamiento avanzado sin disparar latencia y costes. La compañía lo presenta como una pieza “de escala” —menos enfocada en deslumbrar en demos largas y más
La carrera por servir modelos de lenguaje a gran escala con latencias cada vez más bajas no se está decidiendo solo en las grandes tecnológicas. También se cocina en laboratorios universitarios que llevan años proponiendo ideas que después acaban en producción. En ese cruce entre investigación y despliegue real se sitúa el Hao AI Lab, el grupo de la University
Mistral AI vuelve a sacudir el ecosistema de modelos de lenguaje para desarrolladores con el lanzamiento de Devstral-Small-2-24B-Instruct, una versión “pequeña” en parámetros, pero muy ambiciosa en prestaciones. Su promesa es clara: acercarse al rendimiento de los grandes modelos de código… sin necesidad de un clúster ni de enviar el código fuente a la nube. Y la pregunta se impone
DeepSeek, uno de los nombres de moda en la carrera de la inteligencia artificial china, se ha colocado en el centro de una tormenta geopolítica. Según informaciones filtradas por diversas fuentes del sector, la compañía habría entrenado su próximo modelo de IA utilizando miles de GPU NVIDIA de última generación (arquitectura Blackwell) que, sobre el papel, nunca deberían haber llegado
AWS ha decidido pisar el acelerador en la era de la IA agéntica. En el marco de re:Invent 2025, la compañía ha presentado sus “frontier agents”, una nueva clase de agentes de inteligencia artificial diseñados para trabajar como una extensión directa de los equipos de desarrollo, seguridad y operaciones. Los tres primeros en llegar son: La promesa de AWS es
