Noticias IA del 05/02/2026

Qué pasó: OpenAI presentó GPT-5.3-Codex como su modelo más capaz para agentic coding y trabajo profesional “en un computador”, con mejoras de rendimiento e infraestructura.

Impacto:

• Refuerza el foco en agentes de desarrollo con superficies integradas (app, CLI, IDE y web).
• La promesa de ~25% más velocidad puede reducir tiempos de iteración en tareas repetibles de ingeniería.
• La falta de API inmediata (“soon”) limita, por ahora, integraciones backend a escala.

Acciones:

• Usar una superficie de Codex (app/CLI/IDE/web) con plan pago y seleccionar GPT-5.3-Codex.
• Probar una tarea concreta de code review o refactor y comparar tiempo/errores frente a tu baseline.

Qué pasó: Anthropic lanzó Claude Opus 4.6 con 1M tokens de contexto (beta), hasta 128k de salida y pricing publicado; el informe también menciona ‘agent teams’ y foco en finanzas/legal.

Impacto:

• Habilita auditorías y análisis sobre codebases y documentos masivos con contexto de 1M (beta).
• El pricing “premium” para prompts >200k tokens puede elevar costos en flujos de contexto largo.
• Consideraciones de residencia/operación (p.ej., opción de inferencia “US-only” con multiplicador).

Acciones:

• En API, usar el modelo claude-opus-4-6 y empezar con prompts <200k tokens para evitar premium.
• En producto, probar en claude.ai un caso largo de code review/refactor y medir costo/latencia.

Qué pasó: Perplexity presentó Model Council, un modo que ejecuta la misma consulta en paralelo en tres modelos frontier y luego sintetiza con una “chair model”.

Impacto:

• Expone explícitamente consenso y discrepancias, útil para investigación y verificación sensible.
• Reduce la dependencia de un único modelo y ayuda a detectar puntos ciegos o alucinaciones.
• Anticipa un patrón de producto: orquestación multi-modelo como ventaja competitiva.

Acciones:

• En Perplexity web, seleccionar Model Council (disponible para suscriptores Max según el informe).
• Plantear una pregunta de alto impacto y revisar dónde coinciden y discrepan los modelos.

Qué pasó: En seguimiento a la mención previa del 03-Feb ligada a cobertura de Reuters sobre caídas en software tras lanzamientos de agentes, hoy se amplía la narrativa: el sector acumula ~US$830B–1T borrados desde el 28-Ene.

Impacto:

• Presiona a SaaS vertical (legal, riesgo, analítica) ante el temor de disrupción por agentes encima de LLMs.
• Replantea “moats” y pricing por asiento, acelerando la discusión sobre integración con flujos agentic.
• Puede impulsar rotación de capital y cambios en roadmaps de vendors hacia agent platforms.

Acciones:

• Mapear dependencias internas de SaaS vs. casos donde agentes podrían sustituir o aumentar procesos en 12–24 meses.
• Definir, con seguridad/compliance, un marco mínimo de permisos, logging y revisión humana para agentes.

Qué pasó: AI Singapore actualizó Gemma-SEA-LION-v4-4B-VL, un modelo vision-language de 4B sobre gemma-3-4b-it con adaptación lingüística regional y ejemplos de tool calling.

Impacto:

• Muestra cómo extender familias base (Gemma-3) a dominios/idiomas específicos con post-entrenamiento.
• El contexto de 128k habilita flujos multimodales largos (documentos + visión) en casos regionales.
• Refuerza la tendencia de modelos multimodales especializados por geografía/idioma.

Acciones:

• Cargar el modelo con Transformers (AutoProcessor + Gemma3ForConditionalGeneration) según el informe.
• Servirlo con vLLM de forma nativa si necesitas inferencia más eficiente (según el informe).

Qué pasó: La actualización pydantic-ai v1.56.0 añadió soporte nativo para Claude Opus 4.6 e incorporó nuevos parámetros de configuración para el proveedor Anthropic.

Impacto:

• Facilita usar Opus 4.6 en flujos de agentes Python con tipado fuerte y structured outputs.
• Acelera la adopción de nuevos modelos al integrarlos rápido en frameworks y devtools.
• Mejora la operabilidad al alinearse con observabilidad (p.ej., Logfire/OpenTelemetry) citada en el informe.

Qué pasó: Según TechCrunch, Meta está probando una app standalone para Vibes, con un feed dedicado de video corto generado por IA y opciones de creación o “remix”.

Impacto:

• Crea una nueva superficie de distribución dedicada para contenido generado por IA en formato corto.
• Abre un posible modelo de monetización freemium + suscripción para capacidades adicionales.
• Aumenta presión sobre moderación y gestión de riesgos (copyright/seguridad) en video generado.

Acciones:

• Monitorear disponibilidad del test de la app standalone (el informe indica acceso: N/D).
• Si ya usas Vibes en Meta AI, evaluar límites del freemium y el flujo de publicación/cross-post.

Qué pasó: Google Cloud anunció una colaboración con U.S. Ski & Snowboard para construir una herramienta que mapea el cuerpo humano en 3D desde video de smartphone, usando IA de DeepMind.

Impacto:

• Podría democratizar motion capture sin hardware wearable, útil para deportes, rehab y biomecánica.
• Promete insights casi en tiempo real para entrenamiento y seguridad, según el comunicado.
• Sin specs ni plan de release público, quedan incertidumbres de latencia, privacidad y requisitos.

Qué pasó: Laravel lanzó su AI SDK (beta) para unificar múltiples proveedores bajo una API, con Agents como clases testeables, structured output y failover automático.

Impacto:

• Reduce fricción de integración multi-LLM en equipos PHP/Laravel con abstracción y failover.
• Permite structured output con JSON schema y switching de proveedor por request.
• La abstracción puede ocultar diferencias de features/costo; requiere observabilidad y controles.

Acciones:

• Instalar con composer require laravel/ai y configurar API keys en .env según la guía.
• Generar un Agent con php artisan make:agent y probar un flujo con structured output.

Qué pasó: El paper presenta ContextBench, un benchmark orientado al proceso para evaluar recuperación y uso de contexto en coding agents, con contexts anotados por humanos.

Impacto:

• Añade métricas intermedias (recall/precision/eficiencia) para diagnosticar por qué falla un agente.
• Dataset reportado: 1,136 tareas en 66 repositorios y 8 lenguajes con gold contexts.
• Los resultados sugieren que scaffolding sofisticado aporta ganancias marginales en recuperación.

Acciones:

• Abrir la página de arXiv y seguir el enlace de “data and code” indicado por el paper.
• Usar el benchmark para comparar tu estrategia de retrieval (RAG) en un agente de coding.

Qué pasó: Un preprint fechado el 5 de febrero propone Empirical-MCTS, combinando búsqueda estilo MCTS con un esquema de memoria dual y evolución online de meta-prompts.

Impacto:

• Apunta a “inference-time scaling”: mejorar desempeño sin actualizar parámetros del modelo base.
• Reporta evaluaciones en benchmarks exigentes (AIME25, ARC-AGI-2, MathArena Apex) con varios modelos.
• Sugiere un camino para agentes que aprenden online y se adaptan durante la ejecución.

Qué pasó: El preprint GOPO introduce un método de RLHF que convierte recompensas en rankings (ranked rewards) para optimización de políticas en tareas de lenguaje no verificables.

Impacto:

• Busca mayor sample-efficiency y trayectorias de entrenamiento más estables que enfoques tipo GRPO.
• Puede mejorar alineamiento cuando las recompensas no son directamente verificables.
• Refuerza la tendencia de optimización por preferencia/ranking para entrenar modelos grandes.