Noticias de IA del 24/11/2025

Qué pasó (24 Nov 2025): Anthropic ha lanzado su modelo más capaz hasta la fecha, diseñado para dominar en ingeniería de software y orquestación de agentes. Introduce un nuevo estándar de precio agresivo (~$5/1M tokens entrada).

Beneficios Clave:

• Reducción de Costes: 67% más barato que Opus 4.0.
• Integraciones: Uso nativo de Chrome y Excel para flujos de trabajo complejos.
• Contexto: Ventana de 200k tokens con salida de hasta 64k tokens.

Acciones: Ideal para migrar cargas de trabajo de “Sonnet” que requieren mayor razonamiento o validación de código crítico.

Qué pasó: La Casa Blanca lanza una misión coordinada para aplicar la capacidad de supercomputación nacional y datasets federales a la IA científica.

Impacto:

• Acceso privilegiado a datos de National Labs (DOE).
• Foco en biotecnología, nuevos materiales y energía nuclear.
• Competencia directa del estado en la creación de “Foundation Models” científicos.

Qué pasó: Amazon compromete hasta $50,000 millones para expandir infraestructura de IA (data centers, chips Trainium) para el gobierno de EE.UU.

Detalles:

• Capacidad de 1.3 GW dedicada a regiones AWS Top Secret/GovCloud.
• Soporte para misión crítica en defensa e inteligencia.
• Consolidación de AWS como proveedor principal del sector público.

Qué pasó: Nuevas capacidades en la API de Claude para manejar stacks con muchas herramientas.

Innovaciones:

• Tool Search: Claude busca qué herramienta necesita en lugar de cargar todas las definiciones (ahorro ~80% tokens).
• Programmatic Tool Calling: Orquestación mediante código Python en sandbox.

Acción: Implementar en agentes con más de 10 herramientas para reducir latencia y coste.

Qué pasó: Publicación de modelos sub-1B (140M, 360M, 950M) optimizados para razonamiento mediante destilación.

Resultados:

• El modelo de 950M alcanza ~39.9 en AIME’24.
• Licencia no comercial (Research only).
• Ideal para validación de razonamiento en dispositivos móviles/edge.

Actualización (24 Nov): Se añade soporte oficial para “Cache Inference” en el repositorio de Hugging Face.

Impacto Técnico:

• Aceleración de ~2x en generación manteniendo calidad.
• Reduce barreras para despliegue en GPUs locales (requiere ~14GB VRAM mín).
• Modelo open-weights (con restricciones de licencia).

Qué pasó: Confirmación de prototipos funcionales desarrollados por la firma LoveFrom (Jony Ive) para OpenAI.

Detalles:

• Dispositivo sin pantalla, enfocado en interacción por voz/agente.
• Diseño descrito como “simple, hermoso y casi ingenuo”.
• Liderazgo técnico de Tang Tan (ex-diseñador de iPhone/Watch).

Qué pasó: Zyphra anuncia el éxito en el entrenamiento del modelo ZAYA1 (MoE 8.3B) usando exclusivamente hardware AMD.

Relevancia:

• Valida la plataforma ROCm e Instinct MI300X para cargas de trabajo “frontier”.
• Rompe el monopolio de facto de NVIDIA en entrenamiento a gran escala.
• Rendimiento superior a Llama-3-8B en benchmarks de razonamiento.

Qué pasó: Lanzamiento de versión experimental con arquitectura de Atención Escasa (DeepSeek Sparse Attention – DSA).

Detalles:

• Mejora masiva en eficiencia para contextos largos.
• Acompañado de una reducción agresiva de precios de API (>50%).
• Estrategia continua de “price-war” en el sector de modelos.

Análisis: El lanzamiento simultáneo de Qwen3 (Alibaba) y Opus 4.5 (Anthropic) marca dos caminos divergentes en APAC.

Comparativa:

• Alibaba (Qwen3): Ecosistema abierto, personalización profunda y soberanía de datos (Apache 2.0).
• Anthropic (Opus): Enfoque “Enterprise-ready”, seguridad, integraciones SaaS y cumplimiento normativo.

Conclusión: Las empresas APAC elegirán entre flexibilidad (Qwen) o integración inmediata y segura (Claude).

Qué pasó: Christine Lagarde (BCE) advierte sobre el retraso de la UE en inversión de IA frente a competidores globales.

Puntos clave:

• Necesidad de mercado único de capitales para financiar tech.
• La IA se considera sistémica para bancos; el MRM (Model Risk Management) debe ser estricto.
• Llamada a integrar la IA sin sacrificar el marco regulatorio europeo.

Estudio (Cardiff Univ): “Pun Unintended”. Los LLM fallan al entender juegos de palabras cuando se modifican ligeramente.

Hallazgos:

• Los modelos reconocen la estructura del chiste, no el significado.
• La precisión cae al ~20% en ejemplos novedosos o “rotos”.
• Acción: No confiar en la IA para tareas que requieran matices culturales o humor sin revisión humana.

Qué pasó: Proyección de impacto laboral de la IA para 2035 en Reino Unido.

Datos:

• 3 millones de empleos de baja cualificación en riesgo de desaparición.
• Creación de 2.3 millones de nuevos puestos (déficit neto).
• Sectores más afectados: Operaciones de maquinaria y administración básica.