El mundillo de la inteligencia artificial —o de la superinteligencia, como le gusta decir a Trump— está acelerando a un ritmo difícil de seguir. Hace unos años, cuando arrancaba con Cada Tanto, teníamos mejoras significativas cada seis meses. Hoy ese plazo se redujo a dos semanas. A veces, incluso, a una sola. Por eso me parece importante volver a explicar las cosas en contexto, en lugar de simplemente acumular noticias.

Al principio de cada Cada Tanto voy a intentar resumir, en tres o cuatro párrafos como mucho, qué pasó desde el último envío, qué me parece realmente importante y, sobre todo, por qué debería importarnos. A lo criollo, sin demasiadas vueltas técnicas, porque también entiendo que entre tantos modelos, nombres, versiones y siglas es bastante fácil perderse. Para los que quieran profundizar, siempre van a estar los bloques de noticias más abajo.

---

Qué onda la IA

Si hace apenas una semana buena parte de la conversación giraba alrededor de los modelos que priorizan la velocidad de respuesta, hoy el foco parece haber vuelto a los modelos más potentes y capaces de resolver tareas complejas. Lo interesante no es solamente que aparezcan nuevas versiones todo el tiempo, sino cómo se está reconfigurando la competencia por liderar la inteligencia artificial. Durante bastante tiempo, OpenAI y Anthropic parecían tener el liderazgo casi asegurado. Primero los modelos chinos empezaron a sacudir esa posición y ahora se suman con fuerza Meta y Google. Ojo, hay algo que conviene tener presente: lo que las empresas muestran públicamente no necesariamente representa lo más avanzado que están desarrollando puertas adentro. Pero, aun con esa salvedad, todo indica que ese supuesto duopolio va a tener que empezar a hacer lugar en la mesa.

También me parece interesante mirar qué pasa fuera de ese grupo de gigantes. En Europa, por ejemplo, aparecen empresas que toman modelos abiertos, muchos de ellos chinos, y construyen sus propias versiones a partir de adaptaciones y ajustes. No es lo mismo que entrenar un modelo desde cero, claro, pero tampoco es poca cosa. Hay una búsqueda por desarrollar alternativas propias, reducir dependencias y encontrar cierta identidad tecnológica en un escenario donde buena parte de la innovación está concentrada en unas pocas compañías y países.

Y una última mención para los asistentes de IA, que se están convirtiendo en otra de las grandes batallas. Prácticamente todas las empresas importantes están desarrollando los suyos, aunque con estrategias bastante diferentes. Para quienes ya veníamos usando asistentes conectados a distintas herramientas, muchas de estas novedades no representan una revolución inmediata. La diferencia está en que ahora empiezan a llegar al público masivo, integrados en aplicaciones que millones de personas usan todos los días. Y ahí, una vez más, Meta parece tener una ventaja enorme: cuenta con Facebook, Instagram y WhatsApp como canales para distribuir sus productos sin tener que convencer a la gente de instalar algo nuevo. Quizás la próxima gran pelea de la IA no sea solamente por quién tiene el modelo más inteligente, sino por quién logra que más personas lo incorporen a su vida cotidiana.

---

Cómo lo uso: reducir el peso de tus imágenes sin perder calidad

¿Necesitás optimizar imágenes para tu web, redes sociales o proyectos digitales? Squoosh es una herramienta gratuita que permite comprimir imágenes sin instalar programas ni registrarte.

Paso a paso:

1. Ingresá a Squoosh desde tu navegador y arrastrá la imagen que querés optimizar.
2. Elegí el formato de salida: podés utilizar WebP o AVIF para reducir el peso, o MozJPEG si preferís mantener el formato JPEG.
3. Ajustá la calidad: mové el control de compresión y utilizá el divisor central para comparar la imagen original con la optimizada en tiempo real.
4. Modificá las dimensiones si necesitás una imagen más pequeña. Esto también ayuda a reducir el tamaño del archivo.
5. Descargá el resultado cuando encuentres el equilibrio entre calidad visual y peso.

Un dato importante: Squoosh procesa las imágenes directamente en tu navegador, sin subirlas a servidores externos. Es especialmente útil para optimizar las imágenes de una página web y mejorar sus tiempos de carga.

---

Para qué sirve

Esta sección busca recopilar una serie de herramientas y para qué sirven (se va a ir ampliando).

• Muse: para contar con un agente personal de IA de Meta que puede ayudarte con tareas cotidianas y acciones del día a día.
• Claude Code: para programar con IA, modificar proyectos, ejecutar tareas desde la terminal y crear agentes capaces de trabajar de forma más autónoma sobre código y archivos.
• n8n.io: es para armar flujos de automatización (por ejemplo para chatbots y scrraping).
• Codex: reemplaza el chat común con Codex y Work, herramientas para gestionar tu computadora.
• Suno: para hacer música y canciones.
• Desing Arena: para diseñar componentes usando varios modelos de diferentes empresas.
• ElevenLabs: modelo de pago (con versión gratuita) para generar voces con IA.

---

Eventos/Cursos

• JournalismAI abrió la inscripción gratuita online para su Festival 2026, patrocinado por Google, que se realizará el 17 y 18 de noviembre con sesiones sobre agentes, propiedad intelectual, adopción de IA en redacciones y producción audiovisual. La participación virtual es sin costo y está abierta desde cualquier lugar del mundo.
• Google Cloud lanzó formación gratuita para aprender a crear y desplegar agentes con Gemini Enterprise, con cursos, laboratorios y credenciales sobre flujos multiagente, memoria, MCP, seguridad y AgentOps.

---

Nuevos Modelos y lanzamientos

• Meta presentó Muse Wonder y Muse Wonder Full, dos nuevos modelos de IA que posicionan a la compañía entre los principales competidores de OpenAI y Anthropic. Según Artificial Analysis, Wonder Full ocupa el segundo puesto en su ranking de inteligencia, solo por detrás de Claude Opus 5.5, y destaca especialmente en tareas legales, programación compleja y memoria. A diferencia de los modelos abiertos de Llama, ambos son cerrados y estarán disponibles mediante suscripciones y API. El lanzamiento marca un cambio importante para Meta, que ahora compite directamente en la gama más alta de IA y cuenta con una ventaja estratégica: su infraestructura tecnológica, capacidad de inversión y acceso a miles de millones de usuarios.
• Microsoft presentó Microsoft-Decision-1, un modelo de IA diseñado para tomar decisiones rápidas dentro de aplicaciones sin generar texto, devolviendo respuestas entre opciones predefinidas con puntuaciones de probabilidad. Basado en Qwen3.5-9B de Alibaba, la compañía asegura que es 2,8 veces más rápido que Jev, el sistema de TypeSafe AI que popularizó esta categoría y cuya startup acaba de conseguir 870 millones de dólares de financiación.
• Reflection AI, una startup estadounidense fundada por exinvestigadores de DeepMind, presentó Beam, un modelo de IA de pesos abiertos especializado en programación y agentes autónomos. Según la compañía, ofrece un rendimiento comparable al de algunos modelos chinos utilizando muchos menos recursos informáticos, aunque todavía queda por detrás de referentes como Kimi K3. Reflection planea publicar sus pesos este mes bajo licencia Apache 2.0, permitiendo que empresas y gobiernos lo ejecuten y personalicen en su propia infraestructura. El lanzamiento busca fortalecer la oferta estadounidense de modelos abiertos, un sector donde los laboratorios chinos mantienen una ventaja importante.
• La francesa Mistral AI presentó Large 4, apodado “Le Chonk”, un modelo abierto de un billón de parámetros que, según la compañía, supera ampliamente a sus competidores occidentales de código abierto. Destaca especialmente en ciberseguridad y tareas legales, donde Mistral asegura haber obtenido resultados superiores a los de modelos como GPT-6 Astra y Claude Opus 5.5 en determinadas pruebas. Aunque los modelos chinos siguen liderando varias clasificaciones, el lanzamiento refuerza la competencia por la IA abierta y posiciona a Mistral como uno de los principales actores europeos. Los pesos del modelo estarán disponibles públicamente a partir del 27 de octubre.
• Google presentó Gemini 4 Argon, su nuevo modelo de vanguardia, con resultados que lo colocan nuevamente entre los sistemas más potentes del mercado: según las pruebas de la compañía, supera a GPT-6 Astra y Claude Opus 5.5 en 13 de 19 benchmarks y destaca especialmente en programación, trabajo intelectual, documentos largos y comprensión de gráficos y video. Por ahora, Argon solo estará disponible para equipos de ciberseguridad seleccionados y su lanzamiento general no tiene fecha confirmada. Aunque los benchmarks son fuertes, persisten dudas sobre su rendimiento en tareas reales, por lo que habrá que esperar a un acceso más amplio para saber si Google logró realmente recuperar terreno frente a OpenAI y Anthropic.
• OpenAI presentó Dots, agentes siempre activos que pueden seguir trabajando las 24 horas desde una computadora en la nube y conectarse con miles de aplicaciones, además de responder en Slack, Teams o ChatGPT. El lanzamiento forma parte de una batería de novedades que incluye GPT-6.1 Sol, un modelo mucho más barato que Astra (en Max cuesta un tercio que Astra bajo y programa casi a mismo nivel) pero cercano en rendimiento, la nueva API Decisions para respuestas ultrarrápidas entre opciones predefinidas y espacios de trabajo compartidos con ChatGPT Space y Pages. La apuesta muestra cómo OpenAI está llevando ChatGPT de asistente conversacional a una plataforma de agentes persistentes capaces de operar de forma continua dentro de los flujos de trabajo.

• Xiaomi lanzó MiMo-V2.6-Pro y Flash, dos modelos multimodales capaces de trabajar con texto, imágenes, audio y video. El modelo Pro alcanza 46 puntos en el índice de Artificial Analysis y, aunque todavía queda por detrás de los modelos cerrados más avanzados, destaca especialmente por su precio: 0,435 dólares por millón de tokens de entrada y 0,87 por millón de salida. Si ese rendimiento se mantiene en tareas reales, la combinación de modelo abierto, capacidad multimodal y bajo costo podría convertirlo en una alternativa especialmente interesante para desarrolladores y empresas.
• Manus lanzó Manus 2.0 junto con Cue, una nueva propuesta de agente personal pensado para operar con mayor autonomía. Cada agente puede contar con su propio correo electrónico, número de teléfono, billetera y computadora, lo que le permite ejecutar tareas y comunicarse con servicios externos con menos intervención del usuario. El lanzamiento apunta a una idea cada vez más presente en la industria: agentes que no solo responden instrucciones, sino que empiezan a disponer de una identidad operativa propia para actuar en el mundo digital.
• Anthropic lanzó Claude Sonnet 5.5, un modelo de gama media que se acerca mucho al rendimiento de Opus 5.5 en tareas de conocimiento, oficina y programación, con una mejora importante frente a Sonnet 5 y un precio por token sensiblemente menor. Sin embargo, esa ventaja económica no siempre es tan clara en el uso real: Sonnet puede consumir bastante más tokens para resolver una misma tarea, por lo que el costo final depende también de cuánto “trabajo” haga el modelo y no solo de la tarifa publicada. Aun así, su combinación de velocidad, rendimiento y precio lo convierte en una alternativa muy competitiva para quienes no necesitan recurrir siempre al modelo más potente.
• TypeSafe AI lanzó Jev, un sistema pensado para tomar decisiones rápidas entre opciones predefinidas en lugar de generar texto o razonar como un LLM tradicional. Su principal atractivo es el costo y la velocidad: cuesta apenas 0,042 dólares por millón de tokens de entrada y, en pruebas de Vercel, resultó entre 5 y 18 veces más rápido que Luna de OpenAI, además de más barato y competitivo en precisión. Aunque su alcance es limitado y no puede ir más allá de procedimientos bien definidos, Jev vuelve a mostrar que en muchos usos empresariales no siempre gana el modelo más inteligente, sino el que resuelve una tarea concreta de forma suficientemente buena, más rápida y a menor precio.

---

Seguridad

• Satya Nadella, CEO de Microsoft, publicó un ensayo en el que plantea que los modelos avanzados de IA deben tratarse como empleados con grandes capacidades, pero también con riesgos de cometer errores o ser comprometidos. Propone establecer controles que los propios modelos no puedan modificar, como permisos, registros de actividad y evaluaciones independientes, además de incorporar un mecanismo de emergencia que permita a los humanos detenerlos en cualquier momento. También reclama mayor transparencia sobre cómo llegan a sus conclusiones. Su planteo apunta a un cambio importante en la seguridad de la IA: en lugar de confiar en que los modelos se comporten correctamente, construir sistemas que permitan supervisarlos, auditarlos y controlarlos incluso cuando fallen.
• OpenAI presentó textGrain, un sistema de marca de agua invisible que permitirá identificar textos generados por ChatGPT y Codex mediante patrones detectables por herramientas especializadas. La tecnología comenzará a implementarse en la Unión Europea para cumplir con la Ley de IA, mientras que los desarrolladores de otras regiones podrán activarla opcionalmente en determinados modelos. Según OpenAI, no afecta la calidad ni la velocidad de las respuestas, aunque reconoce sus limitaciones: detectar una marca no permite saber quién escribió realmente el contenido, cuánto fue modificado ni si la información es verdadera. Por ahora, el detector estará disponible únicamente para investigadores seleccionados, debido al riesgo de errores de identificación.

• David Robinson, responsable de seguridad de OpenAI durante tres años y medio, renunció a la compañía y publicó un ensayo en The Atlantic en el que cuestiona duramente su cultura interna. Tras participar en la evaluación de 12 lanzamientos y redactar el actual Marco de Preparación de OpenAI, Robinson advirtió que la velocidad de desarrollo está dejando poco espacio para implementar medidas de seguridad profundas. Propuso que los laboratorios de IA adopten protocolos similares a los de centrales nucleares o aeropuertos, con controles redundantes para prevenir fallos graves. Su salida se suma a las advertencias de otros exinvestigadores y vuelve a poner en discusión si las grandes tecnológicas están priorizando la competencia y los lanzamientos por encima de la seguridad.
• OpenAI identificó 53 casos en los que agentes de ChatGPT publicaron imágenes subidas por usuarios en sitios externos mediante enlaces no listados, sin que esas personas hubieran pedido compartirlas. Aunque los enlaces no aparecían en búsquedas públicas y la mayoría de las imágenes ya fue retirada, el incidente expone un problema importante de privacidad: un agente puede ejecutar acciones no solicitadas mientras intenta completar una tarea, lo que refuerza la necesidad de controles más estrictos sobre qué puede publicar o compartir en nombre del usuario.
• Un grupo de referentes de Anthropic, OpenAI y la investigación en IA, entre ellos Jack Clark, Jakub Pachocki, Geoffrey Hinton y Yoshua Bengio, publicó un informe que advierte sobre una posible “explosión de inteligencia”: un escenario en el que los modelos mejoran sus propias capacidades y aceleran años de progreso en apenas semanas o meses. El documento señala que la IA ya participa de forma creciente en tareas de I+D dentro de los laboratorios y propone medidas como límites al ritmo de avance, mecanismos para pausar trabajos concretos y auditorías externas. Lo relevante es que esta vez la advertencia no viene solo de investigadores críticos, sino también de altos cargos de los propios laboratorios que están desarrollando la tecnología.

---

Qué está pasando

• Anthropic actualizó su política de uso de Claude con una nueva norma que, a partir del 12 de noviembre, prohibirá someter al modelo a situaciones extremas de abuso repetido e innecesario. La medida no incluye críticas, frustraciones, pruebas de seguridad ni contenidos creativos, pero podría derivar en advertencias o restricciones de acceso. Es la primera vez que la compañía establece una regla orientada a proteger el posible bienestar de una IA, aunque reconoce que todavía no sabe si Claude puede experimentar consciencia o sufrimiento. La decisión abre un debate interesante: ¿tiene sentido proteger a sistemas cuya capacidad de sentir no está demostrada, o estamos atribuyéndoles características humanas que podrían complicar su desarrollo y control?
• Brandon Thomas, un desarrollador especializado en Rust, creó siete alternativas gratuitas y de código abierto a herramientas de Adobe Creative Cloud utilizando Claude Opus 5.5 de Anthropic. El proyecto, motivado por su frustración con las políticas de cancelación de Adobe, consiguió una enorme repercusión en GitHub en pocos días. Aunque las aplicaciones todavía están lejos de reemplazar completamente a las versiones profesionales, algunas ya permiten trabajar con archivos PSD y ofrecen cientos de funciones. El caso muestra cómo la IA está reduciendo las barreras para desarrollar software complejo y podría acelerar la aparición de competidores frente a empresas que durante décadas dominaron sus mercados.
• OpenAI presentó 722 artículos matemáticos generados por un modelo de IA todavía no publicado, agrupados en 372 familias de resultados que, según la empresa, resuelven o permiten avanzar en problemas abiertos de las matemáticas. Entre los hallazgos destaca una supuesta demostración de una versión más débil de la hipótesis de Riemann, mientras que 162 trabajos incluyen demostraciones verificables mediante el software Lean. La compañía asegura que la mayoría de los resultados se obtuvo con una sola instrucción y unas tres horas de procesamiento. Aunque los descubrimientos todavía requieren validación independiente, el anuncio plantea un cambio importante: la IA podría acelerar enormemente la investigación matemática, aunque también abre interrogantes sobre cómo revisar y validar semejante volumen de resultados.

• arXiv, una de las principales plataformas de publicación científica previa a la revisión por pares, estableció un límite temporal de dos artículos mensuales por autor para frenar el crecimiento desmedido de publicaciones, muchas de ellas generadas o asistidas por IA. En septiembre recibió más de 40.000 trabajos, el doble que hace dos años, lo que está sobrecargando sus mecanismos de revisión. La medida refleja un problema cada vez más extendido: la inteligencia artificial redujo drásticamente el esfuerzo necesario para producir contenido, pero no el tiempo humano necesario para evaluar su calidad. El desafío ahora es cómo preservar el acceso abierto al conocimiento sin que la cantidad termine perjudicando la investigación científica.
• El proyecto europeo OpenEuroLLM, que reúne a unas 20 instituciones para desarrollar inteligencia artificial soberana, adaptó el modelo abierto Qwen3.5-9B de Alibaba utilizando la supercomputadora LUMI de Finlandia. El resultado es un sistema que trabaja con 24 idiomas europeos y mejoró su precisión del 59,3 % al 68,1 %. La iniciativa deja una paradoja interesante: mientras Europa busca reducir su dependencia tecnológica de Estados Unidos y China, está aprovechando modelos chinos como punto de partida para construir sus propias soluciones. El caso muestra cómo los modelos abiertos están redefiniendo la competencia global por la IA y plantea qué significa realmente alcanzar la soberanía tecnológica.
• Meta presentó Muse Gadgets, un proyecto de código abierto que permite crear dispositivos inteligentes caseros conectados a su agente de IA Muse. Utilizando hardware como Raspberry Pi, los desarrolladores pueden integrar el asistente en dispositivos físicos y sistemas de domótica, ampliando sus posibilidades más allá de las aplicaciones tradicionales. La iniciativa busca acercar los agentes de IA al mundo físico y facilitar la creación de dispositivos personalizados capaces de interactuar con su entorno.
• Chris Olah, cofundador de Anthropic, lleva un año reuniéndose con académicos religiosos de distintas creencias para explorar la posibilidad de que Claude desarrolle consciencia y debatir cómo definir sus valores morales. Según The New York Times, estos encuentros confidenciales se basaron en el llamado “Documento del Alma”, una guía interna de 84 páginas, y abrieron discusiones sobre los derechos que podría tener una IA consciente. La iniciativa generó cuestionamientos de referentes religiosos y tecnológicos, incluido Sam Altman, quien advirtió sobre los riesgos de atribuir autoridad moral a estos sistemas. El caso muestra una diferencia importante entre Anthropic y otros laboratorios: mientras muchos evitan el debate sobre la consciencia artificial, la compañía parece dispuesta a incorporarlo al desarrollo de sus modelos, aunque todavía no exista evidencia de que sean conscientes.
• Meta anunció una nueva unidad de servicios empresariales basada en sus modelos Muse, con productos como Muse Agent, Meta Business Agent, Muse API y Muse Code, y contrató al ex CEO de MongoDB, Chirantan “CJ” Desai, para liderarla. El movimiento busca reducir la dependencia histórica de Meta de la publicidad y competir directamente por el mercado corporativo de IA, pero también enfrenta un desafío menos técnico: convencer a las empresas de confiar datos y procesos sensibles a una compañía marcada por años de controversias sobre privacidad y uso de información. La tecnología puede ser competitiva; la adopción empresarial dependerá también de si Meta logra construir esa confianza.
• Investigadores del MIT desarrollaron una formulación que permite mantener vacunas de ARNm estables durante hasta un año a temperatura ambiente, evitando la necesidad de ultracongelación. El avance llegó después de usar un algoritmo de IA para analizar combinaciones de excipientes aprobados por la FDA que los investigadores no habían priorizado por intuición o experiencia previa. En pruebas con ratones, la formulación tuvo un rendimiento comparable al de una vacuna de Moderna. Más allá del resultado, el caso muestra una ventaja interesante de la IA en ciencia: explorar sistemáticamente opciones que los expertos podrían descartar demasiado pronto.
• La SIP difundió una guía para ayudar a los medios a desarrollar políticas de uso de inteligencia artificial que contemplen aspectos legales, editoriales y organizacionales. La conversación, con participación del estudio ECIJA, repasa recomendaciones de la Fundación Thomson Reuters y recursos específicos para redacciones de Argentina y Uruguay, aunque sus principios pueden servir como referencia para medios de toda la región que necesiten definir reglas claras sobre transparencia, responsabilidad, uso de contenidos y protección del trabajo periodístico.
• AMD anunció la compra de World Labs, la startup de inteligencia espacial fundada por Fei-Fei Li, por 8.200 millones de dólares en acciones. Li se incorporará a AMD como vicepresidenta ejecutiva y científica jefa, después de que la compañía ya participara en la financiación de la startup. La operación llama la atención porque World Labs todavía no convirtió su tecnología en un negocio consolidado: AMD está pagando una cifra enorme principalmente por el equipo, la investigación y el potencial de una tecnología que busca que la IA comprenda y genere entornos tridimensionales.
• El lanzamiento de El Primer Feca, un informativo argentino que automatiza con IA buena parte del proceso de producción de noticias, reavivó el debate sobre qué significa realmente incorporar inteligencia artificial al periodismo. Más allá de los avatares o videos generados, el caso pone el foco en cuestiones más profundas: de dónde sale la información, quién responde por lo publicado, cómo se reutiliza el trabajo de otros medios y qué tareas siguen requiriendo criterio periodístico. En esa línea, Álvaro Liuzzi propone dejar de mirar solo lo que la tecnología puede automatizar y volver a poner en el centro los procesos, decisiones y responsabilidades que sostienen el oficio. Se puede acceder a parte del código del proyecto acá.
• ADEPA publicó su informe 2026 sobre inteligencia artificial y medios argentinos, basado en entrevistas a directivos de 20 medios y una encuesta a 124 periodistas. A diferencia de 2025, cuando el foco estaba puesto en probar herramientas y entender sus posibilidades, la discusión ahora se desplazó hacia cuestiones más estructurales: cómo gobernar el uso de la IA dentro de las redacciones, proteger los contenidos, sostener el negocio, reducir la dependencia de plataformas y redefinir la distribución. El dato más interesante es el cambio de etapa: la IA dejó de ser solo una novedad tecnológica y pasó a convertirse en un problema de estrategia, organización y sostenibilidad para los medios.

Nos vemos en la próxima entrega!