Noticias IA del 06/02/2026

Qué pasó: Bloomberg y otros medios sintetizan que Alphabet, Amazon, Meta y Microsoft proyectan ~650.000 MUSD de capex 2026, centrado en data centers, GPUs/accelerators, redes, energía y cooling; el mercado reacciona con caídas en hyperscalers y subidas en chipmakers.

Impacto:

• Acelera la inversión en infraestructura de IA (chips, data centers, energía, cooling).
• Puede bajar el coste unitario de cómputo a medio plazo, pero aumenta el lock-in en pocos proveedores.
• Presiona a equipos técnicos a optimizar (quantización, caching, speculative decoding) porque la capacidad seguirá siendo un cuello de botella.

Acciones:

• Actualizar el modelo de costos 2026 (coste por consulta y por job) con escenarios base/alto/bajo.
• Ajustar roadmap e infraestructura con estrategia multi-proveedor para reducir dependencia.

Qué pasó: Un análisis de Reuters, republicado hoy por U.S. News, sostiene que el “AI trade” global se vuelve más selectivo: la infraestructura (chips, data centers) aguanta mejor que el software “expuesto a IA”; el ETF Magnificent Seven cae ~5% en la semana frente a ~2% del S&P 500.

Impacto:

• El mercado empieza a exigir evidencias de monetización, no solo promesas de IA.
• Aumenta la presión por mostrar unit economics claros y casos de uso que superen POCs.
• Sube la volatilidad en megacaps y software que no convierta IA en ingresos.

Qué pasó: Bloomberg informa que Anthropic está finalizando una ronda de más de 20.000 MUSD que podría cerrarse la próxima semana, a una valoración de ~350.000 MUSD; el objetivo habría subido de 10.000 a 20.000 MUSD por demanda inversora.

Impacto:

• Consolida un “oligopolio” de laboratorios frontier (OpenAI, Anthropic, DeepMind, xAI) financiados a escala big tech.
• Hace más difícil competir en frontier sin acuerdos profundos con hyperscalers.
• Anticipa más releases agresivos de modelos Claude, tooling y posible infraestructura propia.

Qué pasó: OpenAI actualiza su artículo de ayuda sobre importación de contactos, explicando que puede procesar contactos de personas que no usan ChatGPT cuando otro usuario importa su agenda, con retención limitada y bases legales para ese tratamiento.

Impacto:

• Señal clara de riesgo GDPR/LPD para organizaciones que usan ChatGPT con agendas corporativas.
• Refuerza el foco en soberanía de datos y cumplimiento al desplegar ChatGPT a escala.
• Implica revisar integraciones móviles/correo y qué datos personales se comparten.

Acciones:

• Revisar políticas internas de uso de ChatGPT y si se permite importar libros de direcciones.
• Involucrar a DPO/legal para documentar bases legales y retención en flujos con contactos.

Qué pasó: Business Insider destaca la rivalidad: OpenAI y Anthropic presentaron modelos nuevos en el mismo ciclo y reforzaron su posicionamiento con apariciones consecutivas en el podcast TBPN, enfatizando coding y workflows agentic.

Impacto:

• El campo de batalla se desplaza hacia agentes + coding como diferenciador comercial.
• La pieza es secundaria y puede ser parcial; conviene contrastar con documentación oficial.
• Impulsa comparar desempeño real (latencia, costo, fallos/refusals) en suites internas.

Acciones:

• Correr tu suite interna de tareas (RAG+tools+coding) y registrar latencia, costo y tasa de fallos/refusals.

Qué pasó: Help Net Security resume mejoras atribuidas a Claude Opus 4.6 para trabajo agentic prolongado y coding, junto con evaluaciones de model safety y la intención de reducir “over-refusals”.

Impacto:

• Relevante para agentes: medir estabilidad bajo herramientas, sesiones largas y escenarios de riesgo.
• Refuerza la necesidad de evaluar seguridad y comportamiento, no solo precisión.
• Orienta a diseñar pruebas específicas para workflows multi-step.

Acciones:

• Ejecutar 20 tareas agentic internas (multi-step) y medir success rate, pasos, costo y seguridad.

Qué pasó: Fortune reporta que el “newest model” de Anthropic destaca en tareas como encontrar vulnerabilidades, pero esa misma mejora incrementa el riesgo de uso dual; sugiere acompañar el despliegue con controles operativos.

Impacto:

• Oportunidad: acelerar auditoría de código y triage de hallazgos de seguridad.
• Riesgo: facilitar capacidades ofensivas si no hay control de acceso y monitoring.
• En entornos regulados, eleva la necesidad de políticas para prompts/código sensible.

Acciones:

• Evaluar de forma controlada en repos internos con CVEs simuladas, midiendo falsos positivos/negativos y trazabilidad.

Qué pasó: Un trabajo publicado hoy en arXiv muestra que defensas basadas en monitores que revisan CoT + llamadas a herramientas pueden saltarse con ataques Agent-as-a-Proxy (ASR >90%). El informe también menciona que el mercado de pentesting con IA se consolida.

Impacto:

• Los monitores que procesan la traza completa del agente se convierten en un vector de inyección.
• Aumenta el riesgo en agentes que ejecutan herramientas con permisos reales y datos sensibles.
• Crece la demanda de red teaming y pen-tests específicos para agentes, RAG y modelos internos.

Acciones:

• Reproducir (en la medida posible) escenarios AgentDojo descritos en el paper.
• No exponer CoT a monitores externos y aislar monitores en canales separados.
• Sanitizar parámetros de herramientas antes de ejecutarlas.

Qué pasó: RWML propone un método self-supervised para que un agente LLM aprenda un world model condicionado a acciones: predice el siguiente estado textual y se entrena en un espacio de embeddings, usando GRPO sobre una recompensa derivada de la distancia de embeddings.

Impacto:

• Mejora tareas de largo horizonte al permitir planificación ligera mediante rollouts simulados.
• Puede reducir llamadas a herramientas al anticipar consecuencias antes de actuar.
• Aplica a entornos como ALFWorld y τ²-bench (soporte al cliente con herramientas).

Acciones:

• Recolectar (estado textual, acción, siguiente estado) y entrenar un encoder+regresor en embeddings.
• Usar el world model para planificar (rollouts simulados) antes de llamar herramientas reales.

Qué pasó: DFlash presenta un enfoque de “block diffusion” para speculative decoding y reporta mejoras de velocidad (4–6×) en inferencia, apuntando a reducir latencia p95 y coste frente a decoding clásico.

Impacto:

• Acelera serving sin cambiar el modelo base, útil en workloads de alto volumen.
• Puede mejorar coste/latencia comparado con pipelines de decoding tradicionales.
• Refuerza la carrera por optimizaciones de inferencia como ventaja competitiva.

Acciones:

• Revisar el repo de DFlash y los modelos en Hugging Face mencionados en el paper.
• Integrarlo con SGLang sobre Qwen3-8B y comparar tokens/s, latencia p95 y coste estimado.

Qué pasó: ALIVE se presenta como un framework de RL con feedback verbal: usa al modelo como generador de tareas y crítico verbal para auto-supervisar aprendizaje en razonamiento y código, con datos matemático/código auto-generados (p. ej., sobre Qwen2.5-7B/Qwen3-xB).

Impacto:

• Sugiere un blueprint para mejorar reasoning sin depender de reward models o RLHF intensivo.
• Puede elevar rendimiento en benchmarks de razonamiento manteniendo el compute controlado.
• Relevante para equipos que entrenan modelos internos con menos mano de obra.

Qué pasó: El repositorio inclusionAI/AReaL publica una entrada “News” fechada 2026/02/06 anunciando EigenData como “self-evolving data synthesis engine” y afirma que, con entrenamiento RL sobre AReaL, un modelo 235B MoE supera a Gemini 3.0 Pro y GPT 5.2 en τ²-bench.

Impacto:

• Señal para explorar data synthesis + RL como vía para mejorar agentes en benchmarks con herramientas.
• El claim no detalla metodología completa en la entrada; conviene reproducir antes de decidir.
• Puede influir en estrategias de entrenamiento y evaluación interna.

Acciones:

• Clonar el repo, ubicar instrucciones de training/eval y ejecutar en un subset antes de escalar.

Qué pasó: La página de releases de GitHub muestra una release 2.6.4 (2026-02-06) y una 1.123.20 como pre-release (backport 1.x), relevantes para estabilidad operativa en stacks de automatización que orquestan LLMs/agents.

Impacto:

• Permite recibir fixes en deployments legacy (1.x) sin migrar inmediatamente.
• Mejora confiabilidad de workflows críticos (webhooks, triggers, OAuth, etc.).
• Reduce riesgo de incidencias en producción por cambios incompatibles.

Acciones:

• Actualizar en staging y ejecutar 3 workflows críticos (webhook→LLM→DB) con logs y alertas.

Qué pasó: La página de releases de GitHub para opendatalab/MinerU indica la release 2.7.6 (2026/02/06) con una entrada explícita de soporte para plataformas Kunlunxin y Tecorigin, ampliando compatibilidad de despliegue.

Impacto:

• Reduce fricción de despliegue en infraestructuras que usan hardware/plataformas específicas.
• Facilita pipelines de RAG y extracción (PDF→Markdown/JSON) en más entornos.
• Mejora opciones de infraestructura para equipos con restricciones de proveedor.

Acciones:

• Correr tu set de 20 PDFs y comparar tiempo, tasa de fallos y fidelidad de tablas frente a la versión previa.

Qué pasó: Un paper formaliza políticas de RL como máquinas de Turing con tiempo acotado, separando número de parámetros y cómputo por decisión; el informe también destaca redes booleanas compactas que prometen hasta 37× menos operaciones en escenarios edge/IoT vision.

Impacto:

• Sugiere que aumentar compute por decisión puede mejorar generalización en ciertos MDPs, incluso con el mismo número de parámetros.
• Aclara trade-offs entre políticas “baratas” que sobre-ajustan y políticas con más compute que generalizan mejor.
• Aporta ideas para hardware/edge donde se requieren estimadores muy compactos.

Qué pasó: Un grupo de matemáticos propone 10 problemas de investigación reales y encripta sus soluciones hasta el 13 de febrero para medir si modelos frontier pueden producir pruebas a nivel de investigación sin ayuda humana.

Impacto:

• Plantea un benchmark público explícito para evaluar capacidades tipo AGI en matemáticas.
• Tests preliminares reportados con GPT-5.2 Pro y Gemini 3 Deepthink fallan en muchas cuestiones a un intento.
• Puede marcar el debate sobre capacidades reales vs hype en modelos razonadores.