Empleados de OpenAI, Anthropic y Google piden controlar el ritmo de avance de la IA
Más de 1.200 firmas reclaman a Washington un marco internacional para regular la velocidad de mejora de los modelos frontera.
¿Qué pasó ayer? En un minuto:
Una petición con 1.224 firmas de trabajadores de los grandes laboratorios reclama a EE.UU. que impulse herramientas internacionales para marcar el ritmo del desarrollo automatizado de la IA ante el riesgo de la automejora recursiva.
China ha iniciado la producción en serie de sus primeras máquinas de litografía DUV de inmersión propias, un hito que los analistas situaban en la década de 2030 y que ha hundido en bolsa a ASML.
Mark Zuckerberg defiende en The Wall Street Journal que la superinteligencia debe ser accesible para todo el mundo para evitar la concentración de poder.
Anthropic muestra como Claude Mythos Preview puede detectar debilidades criptográficas, aunque sin afectar a ningún sistema en producción.
OpenAI ha publicado Codex Security CLI, una herramienta de código abierto para localizar, validar y corregir vulnerabilidades.
Taiwan ha detenido a un empleado de Nvidia por falsificación documental dentro de la trama de desvío de chips a China.
Un informe de OpenAI con ocho casos de estudio muestra cómo agentes de programación aceleran la computación científica.
Fish Audio lanza S2.1 Pro, un modelo de voz conversacional con 90 milisegundos de latencia y 83 idiomas que presiona a ElevenLabs.
OpenAI ha abierto las solicitudes del Student Collective, un programa que recluta estudiantes de universidad para extender el uso de sus herramientas.
Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda interesar.
Y si tienes más de un minuto…
1. Más de 1.200 empleados de laboratorios piden regular el ritmo
Una petición llamada “Pacing the Frontier” ha reunido 1.224 firmas de trabajadores de OpenAI, Anthropic, Google, Meta, Thinking Machines, Microsoft y Mistral. El texto pide al gobierno de EE. UU. que impulse un esfuerzo internacional para crear las herramientas técnicas y de gobernanza que permitan “marcar el ritmo” del desarrollo automatizado de la IA. El argumento central es que las grandes compañías creen estar cerca de que la IA investigue y se mejore a sí misma, y esa aceleración podría dejar los sistemas fuera de su capacidad de entenderlos o controlarlos. El documento admite además un problema de incentivos, porque ninguna empresa ni país quiere frenar en solitario.
Entre los firmantes están los máximos responsables científicos de OpenAI, Anthropic, Meta AI y Thinking Machines, el director de investigación de OpenAI, el director de estrategia de Google DeepMind y el consejero delegado de Anthropic, Dario Amodei. Anthropic apoya la petición como empresa y la enlaza con su investigación sobre automejora recursiva publicada el mes pasado.
El contexto es tenso: Washington debe definir antes del 1 de agosto un sistema federal de revisión de los modelos más avanzados. La semana pasada, una carta impulsada por Nvidia y Microsoft contra las restricciones a los modelos de pesos abiertos logró el respaldo de toda la industria salvo Anthropic; Amazon, que invirtió 13.000 millones de dólares en esta última, acabó firmándola por separado. La nueva petición, en cambio, la respaldan empleados de todo el sector, pero no figura entre las posiciones oficiales de esas mismas empresas.
El foco de 𝕏 @rohanpaul_ai (Rohan Paul) está en el motivo concreto de la alarma: la automejora recursiva, es decir, modelos que mejoran modelos sin intervención humana significativa.
La lectura más incómoda la aporta 𝕏 @kimmonismus (Chubby), que sospecha que los empleados están lanzando la advertencia que el propio Sam Altman no puede permitirse en plena antesala de una salida a bolsa, donde toca proyectar crecimiento sin fisuras.
Señala 𝕏 @antonello (Antonio Ortiz) la contradicción de que entre los firmantes figure el jefe científico de OpenAI, que hace pocos meses explicaba en vídeo lo bien que avanzaba el plan para automatizar el entrenamiento de los grandes modelos.
Para 𝕏 @testingcatalog (Ai News | Testingcatalog) el detalle relevante es que la petición no pide una moratoria sino capacidad de gobernanza, con OpenAI e investigadores de otras grandes empresas pidiendo herramientas para poder ajustar el ritmo.
Desde 𝕏 @AnthropicAI (Anthropic) se apoya la petición de forma explícita y se enlaza con su investigación previa sobre automejora recursiva, argumentando que la sociedad necesita tiempo para prepararse.
Más información:
📎 Pacing the Frontier
2. China empieza a producir litografía DUV propia
Según The Information, China ha iniciado la producción en serie de sus primeras máquinas de litografía DUV de inmersión desarrolladas en el país, el equipo que proyecta patrones de circuitos sobre obleas de silicio y que resulta imprescindible para fabricar chips avanzados de hasta 7 nanómetros. Hasta ahora ese mercado dependía casi por completo de la neerlandesa ASML. En la información circulan dos nombres: Yuliangsheng, vinculada a Huawei y a SiCarrier, y Shanghai Aishengna Electronic Technology Group, una empresa estatal poco conocida que lideraría el esfuerzo industrial tras absorber equipos técnicos.
Para el sector de la IA el punto relevante no es el equipo en sí, sino la cadena de suministro: los controles de exportación estadounidenses y neerlandeses se apoyaban en el cuello de botella de la litografía para limitar la capacidad china de fabricar aceleradores. Si Pekín cubre ese hueco, aunque sea con nodos maduros, el margen de presión se estrecha. DUV de inmersión no es EUV, la tecnología con la que se fabrican los nodos más avanzados, y ASML sigue siendo el único proveedor mundial de esas máquinas. Sin embargo, muchos analistas situaban este hito de China en la década de 2030, lo que explica la reacción inmediata en bolsa con la fuerte caída de las acciones de ASML.
El énfasis de 𝕏 @WesRoth (Wes Roth) está en la dificultad de ingeniería: se trata de uno de los equipos más complejos jamás construidos, no de una pieza más de la cadena de fabricación.
Para 𝕏 @deedydas (Deedy) es el movimiento chino más profundo hasta ahora dentro de la pila de la IA: no un modelo ni un chip, sino la máquina que fabrica los chips.
Bastante más frío se muestra 𝕏 @antonello (Antonio Ortiz), que como mucho concede que China ha entrado en un camino de años, y probablemente bastantes, para empezar a acercarse a ASML.
La duda que plantea 𝕏 @tunguz (Bojan Tunguz) es si la fortaleza china en grandes proyectos de infraestructura con tecnología ya establecida basta para producir un salto real.
Desde el lado del mercado, 𝕏 @MrMessenger (Chayanon Rakkanjanan) apunta a una sobrerreacción bursátil y recuerda que analistas como ODDO BHF, Futurum Group y SemiAnalysis coinciden en que el foso competitivo de ASML sigue intacto.
Más información:
📎 China Begins Mass Production of Homegrown DUV Chip Tools
3. Zuckerberg defiende una superinteligencia abierta
Mark Zuckerberg ha firmado un artículo de opinión en The Wall Street Journal en el que sostiene que la superinteligencia debe ser accesible para todo el mundo. La cuestión que define la época no es si llegará la superinteligencia, sino quién podrá usarla, y si quedará restringida a unas pocas instituciones o funcionará como herramienta de uso general. El argumento principal es contra la concentración de poder, no de capacidad técnica. Si unas pocas organizaciones acumulan un control económico y político desproporcionado, la historia no avala la idea de que un poder absoluto acabe repartiendo beneficios de forma benevolente.
Sobre seguridad, el texto invierte el planteamiento habitual de los laboratorios cerrados: en la mayoría de los casos, con la ciberseguridad como ejemplo, la trayectoria del software de código abierto indica que dar acceso completo a sistemas potentes protege mejor con el tiempo. El movimiento tiene una lectura competitiva evidente. Meta lleva año y medio apoyándose en la publicación abierta de modelos como diferencial frente a OpenAI, Anthropic y Google, y el artículo consolida ese posicionamiento en el terreno del discurso público, no en un anuncio de producto.
El texto se presenta además como el primero de una serie: Zuckerberg anticipa más material sobre su visión de un mundo con superinteligencia. Meta Superintelligence Labs, la división creada tras la reorganización de sus equipos de IA, es la unidad que ejecuta esos principios de empoderamiento individual, invención antes que automatización y reparto de poder mediante acceso amplio.
El respaldo de 𝕏 @satyanadella (Satya Nadella) llega sin entrar en el debate abierto contra cerrado: habla de construir un ecosistema frontera que dé capacidad a personas y organizaciones en todas partes, una formulación cómoda para quien vende infraestructura a ambos bandos.
Desde la Casa Blanca tecnológica, 𝕏 @DavidSacks (David Sacks) suscribe literalmente la frase sobre quién tendrá acceso y añade que la concentración de poder es el riesgo real, alineando el discurso de Meta con la posición oficial estadounidense a favor del código abierto.
La lectura interna la aporta 𝕏 @alexandr_wang (Alexandr Wang), que trata la carta no como un ensayo sino como el manual de principios que gobierna el trabajo de Meta Superintelligence Labs.
El detalle que subraya 𝕏 @AndrewCurran_ (Andrew Curran) es el paralelismo con la ciberseguridad, el punto donde el texto choca de frente con la doctrina de los laboratorios que restringen el acceso a los pesos por motivos de seguridad.
Para 𝕏 @rohanpaul_ai (Rohan Paul) el núcleo del argumento es histórico más que técnico: la advertencia de que esperar benevolencia de un poder absoluto nunca ha funcionado.
El apoyo más escueto es el de 𝕏 @pmddomingos (Pedro Domingos), crítico habitual del discurso del riesgo existencial, que despacha la carta con un simple reconocimiento de que Zuckerberg acierta.
Más información:
📎 The AI Future Is for Everyone
4. Claude Mythos halla fallos criptográficos
Anthropic ha publicado una investigación en la que Claude Mythos Preview, la versión previa de su modelo más capaz, ayudó a sus investigadores a encontrar debilidades matemáticas en dos algoritmos criptográficos. El primero es HAWK, un esquema de firma digital pensado para resistir ordenadores cuánticos, que había pasado dos años de revisión por expertos: el modelo dio con un ataque desconocido en unas 60 horas. El segundo es una versión con rondas reducidas de AES, el cifrado simétrico más analizado de las últimas décadas, donde encontró en una semana una forma de acelerar un ataque ya conocido.
Hasta ahora Claude localizaba errores de implementación en librerías criptográficas, no fallos en el diseño de los algoritmos. Anthropic acota el alcance sin ambigüedad: ningún sistema en producción se ve afectado, HAWK no está desplegado y la variante de AES atacada está debilitada respecto al estándar. El modelo trabajó de forma mayoritariamente autónoma, con guía humana puntual, y cada resultado supuso unos 100.000 dólares en consumo en tokens. Los hallazgos se comunicaron antes a los autores de los algoritmos y a organismos gubernamentales estadounidenses, y se publican dos artículos técnicos junto con la cadena de razonamiento del caso AES.
En paralelo, Anthropic ha colaborado con ETH Zúrich y las universidades de Tel Aviv y Haifa en CryptanalysisBench, un benchmark de 191 tareas sobre seis familias de primitivas criptográficas extraídas sobre todo de competiciones de estandarización del NIST, donde cinco modelos frontera rompen entre el 65% y el 86% del primer nivel de dificultad.
El dato que 𝕏 @AnthropicAI (Anthropic) pone por delante es la magnitud de la aceleración en AES, entre 200 y 800 veces sobre el ataque conocido, en un cifrado sometido a más escrutinio que casi cualquier otro.
Con tres palabras, 𝕏 @AndrewCurran_ (Andrew Curran) resume la sensación de que estos modelos empiezan a funcionar por encargo directo: pedir un avance y obtenerlo.
El escepticismo lo aporta 𝕏 @monospodcast (Monos Estocásticos), que lee el anuncio como un giro de guion en la comunicación de Anthropic: del relato de “mi IA da miedo” al de “mi IA hace cosas asombrosas”.
Desde 𝕏 @CryptooIndia (Crypto India) se insiste en el doble filo del resultado: no rompe nada en producción, pero deja claro que el criptoanálisis automatizado sirve tanto para atacar como para auditar.
La preocupación práctica la formula 𝕏 @Joshuwa (Joshuwa Roomsburg) recordando que quien quiera usar estas capacidades con malas intenciones no va a esperar a que los estándares se actualicen.
En la lectura de 𝕏 @The_Cyber_News (Cyber Security News) el titular es que un modelo ha visto fallos matemáticos que la revisión experta dejó pasar durante años, un cambio de papel para las herramientas de seguridad.
Más información:
📎 Discovering cryptographic weaknesses with Claude
5. OpenAI abre el código de Codex Security CLI
OpenAI ha publicado Codex Security CLI, una herramienta de línea de comandos y un SDK para localizar, verificar y corregir vulnerabilidades en el código. El lanzamiento se hizo sin comunicado, la compañía admite que Hacker News dio con el repositorio de código abierto antes de que ella misma pudiera anunciarlo. El funcionamiento es el esperado en este tipo de utilidades: escaneo del repositorio completo o solo de los cambios seleccionados, revisión de diffs, validación de si un fallo detectado es real, generación de parches, seguimiento de los hallazgos entre ejecuciones e integración de comprobaciones en flujos de integración continua.
Con esto, la familia Codex se extiende de la programación asistida a la seguridad aplicativa, un terreno donde los agentes pelean por meterse en el ciclo de desarrollo y donde el análisis estático tradicional lleva años instalado. OpenAI la presenta como versión temprana y avisa de que el producto cambiará rápido.
El propio 𝕏 @OpenAI (Openai) reconoce que el lanzamiento se le escapó de las manos y que Hacker News encontró la herramienta antes de que hubiera comunicación oficial, algo poco habitual en una empresa que cuida al detalle sus puestas en escena.
Lo que subraya 𝕏 @rohanpaul_ai (Rohan Paul) es el desplazamiento del escaneo de vulnerabilidades al terminal y a la integración continua, con persistencia de hallazgos entre ejecuciones como diferencia frente a un simple análisis puntual.
Desde la óptica de seguridad de 𝕏 @The_Cyber_News (Cyber Security News), el foco está en el ciclo completo (encontrar, validar y arreglar), que es precisamente donde los escáneres clásicos suelen dejar el trabajo a medias por exceso de falsos positivos.
Que la noticia la recoja 𝕏 @Cointelegraph (Cointelegraph) indica hasta qué punto la auditoría automatizada de código interesa fuera del círculo estricto de desarrollo, en sectores donde un fallo en el repositorio se traduce en pérdidas directas.
Más información:
📎 Codex Security | Hacker News
6. Taiwán detiene a un empleado de Nvidia
La Fiscalía de Keelung en Taiwan confirmó el martes la detención de un hombre apellidado Chang, sospechoso de falsificar documentos mercantiles, tras registrar su domicilio y su puesto de trabajo el 24 de julio. Bloomberg sitúa el registro en el escritorio del empleado en la oficina de Nvidia en Taipéi; sería la primera actuación judicial conocida contra un trabajador de Nvidia por desvío de chips. La fiscalía no acusa a la empresa.
Con él son siete los detenidos en el caso, abierto en mayo: entre ellos, dos empleados de Super Micro y uno de la cotizada taiwanesa Albatron. Se les atribuye falsificar papeles para enviar a China unos 50 servidores de Super Micro, parte de ellos despachados por aduanas y reexpedidos vía Japón. Nvidia respondió que el contrabando “es inviable” y que vende sobre todo a socios conocidos que ayudan a verificar el cumplimiento de las normas estadounidenses.
Taiwán no penaliza exportar chips de IA a China, así que todas las detenciones se sostienen sobre delitos documentales.
Lo que destaca 𝕏 @AndrewCurran_ (Andrew Curran) es el carácter inédito del paso: nunca antes las autoridades habían actuado legalmente contra un empleado de Nvidia en estas investigaciones.
Para 𝕏 @WesRoth (Wes Roth) el dato clave es que la pesquisa se ensancha y ya no toca solo a intermediarios, sino a las oficinas del propio fabricante en Taipéi.
El encuadre de 𝕏 @dnystedt (Dan Nystedt) sitúa el caso donde importa operativamente: un expediente sobre servidores de IA de Super Micro enviados a China, con el empleado detenido como principal sospechoso.
La lectura de 𝕏 @chomcho (Maga Foreign Policy) es de proximidad: la red de desvío de chips ha dejado de ser un asunto periférico y se acerca al perímetro interno de Nvidia.
Desde 𝕏 @tomshardware (Tom’S Hardware) se contrapone el cargo concreto, falsificación de documentos comerciales, con la respuesta corporativa de que el contrabando resulta impracticable.
Más información:
📎 Nvidia Staff Detained by Taiwan in China Chip Smuggling Case
7. OpenAI documenta agentes de código en ciencia
OpenAI ha publicado un informe de campo con ocho casos de estudio, entre industria y academia, sobre el uso de agentes de programación en computación científica. El recorrido descrito va de lo mundano a lo ambicioso: mantenimiento rutinario de software de investigación antiguo, optimización puntual de programas lentos, rediseños completos y construcción de herramientas nuevas que antes no compensaba el tiempo invertido. Uno de los proyectos citados recortó de forma sustancial la duración de una tarea de secuenciación de ARN, la técnica habitual para medir qué genes están activos.
El interés del documento está en el problema que aborda. Gran parte de la ciencia experimental se sostiene sobre código heredado, mal documentado y sin presupuesto de mantenimiento, escrito a menudo por doctorandos que ya no están en el laboratorio. Ahí un agente que lee, refactoriza y acelera resulta más útil que en tareas nuevas. OpenAI acompaña el informe de una advertencia: aunque los agentes ejecutan proyectos ambiciosos con fiabilidad, la definición del problema, la verificación humana, la custodia del código y su mantenimiento a largo plazo siguen siendo responsabilidad de los investigadores.
El propio 𝕏 @OpenAI (Openai) evita el discurso del científico automatizado y sitúa el valor en devolver tiempo a la investigación, con los agentes cubriendo desde el mantenimiento aburrido hasta los rediseños completos.
Lo que rescata 𝕏 @rohanpaul_ai (Rohan Paul) del informe es el caso concreto de RNA-seq, más ilustrativo que cualquier promesa general: arreglar y acelerar código existente es donde el retorno aparece antes.
Más información:
📎 Scientific computing in the age of agentic AI
8. Fish Audio lanza S2.1 Pro
Fish Audio ha combinado dos anuncios el mismo día: una ronda seed de 52 millones de dólares y el lanzamiento público de S2.1 Pro, su modelo de voz recomendado para producción. El planteamiento no es el de los sistemas de texto a voz clásicos, pensados para narración guionizada, sino el de la conversación en tiempo real. Según la cobertura de TestingCatalog, el modelo declara unos 90 milisegundos hasta el primer audio, suficiente para gestionar turnos de palabra naturales, y cubre 83 idiomas manteniendo una misma identidad vocal entre ellos. Añade diálogo multi-hablante, clonación de voz a partir de muestras de referencia cortas y control de la entrega mediante etiquetas libres escritas entre corchetes dentro del propio texto, en lugar de un menú cerrado de emociones predefinidas.
El ángulo comercial es de precio y velocidad, y ahí es donde la noticia toca a ElevenLabs y Cartesia, los dos nombres con los que la compañía se compara de forma explícita. La estrategia previa explica parte del tirón: Fish Audio liberó sus modelos base y ha construido comunidad antes que producto de pago, un recorrido conocido en el segmento de pesos abiertos. S2.1 Pro se presenta como evolución de S2-Pro en calidad, latencia y rendimiento, con garantías contractuales sobre tiempo hasta el primer audio y tratamiento de datos para equipos a escala, y una capa gratuita que ejecuta el mismo modelo bajo límites de uso razonable.
El propio 𝕏 @FishAudio (Fish Audio) enmarca el lanzamiento en términos de competencia directa: el doble de rápido que Cartesia, una sexta parte del coste de ElevenLabs y clonación a partir de cinco segundos de audio.
Lo que subraya 𝕏 @testingcatalog (Ai News | Testingcatalog) es el control inline mediante etiquetas de texto libre, que sustituye los presets de emoción por instrucciones escritas frase a frase.
Para 𝕏 @aakashgupta (Aakash Gupta) la explicación de los 8 millones de usuarios y las más de 30.000 estrellas en GitHub está en el manual de Llama, DeepSeek o Qwen: abrir primero los modelos base y construir el negocio comercial encima.
La lectura de 𝕏 @JafarNajafov (Jafar Najafov) es de mercado más que de producto: el anuncio deja el modelo de precios de ElevenLabs en mala posición y abre una guerra de tarifas en voz sintética.
El contrapunto lo pone 𝕏 @tunguz (Bojan Tunguz), que probó Fish Audio y otros modelos de voz de pesos abiertos en local hace unos meses y los considera insuficientes para cualquier proyecto serio.
Más información:
📎 Fish Audio
9. OpenAI abre un programa para estudiantes
OpenAI ha abierto el plazo de solicitudes del OpenAI Student Collective, un programa que recluta estudiantes de grado como Campus Leads para impulsar el uso de sus herramientas en sus universidades. Los seleccionados trabajan directamente con equipo de la compañía y reciben formación práctica, financiación, créditos de uso de producto, merchandising y acceso a una comunidad global de participantes.
El ámbito universitario es uno de los pocos donde la adopción se decide por hábito antes que por contrato, y quien fija el estándar entre estudiantes se lleva años de retención posterior. Por eso el programa funciona a la vez como canal de distribución, red de evangelización y cantera de contratación, en un momento en que otros proveedores de modelos compiten por el mismo público con descuentos y licencias educativas.
El anuncio de 𝕏 @OpenAI (Openai) describe el programa como una vía para que estudiantes de grado lleven la innovación en IA a sus campus, con acompañamiento directo del equipo interno.
La llamada personal de 𝕏 @gdb (Greg Brockman) a presentar candidatura, sin más envoltorio que la lista de contrapartidas, señala que la iniciativa se lleva desde arriba y no como acción de marketing secundaria.
Lo que subraya 𝕏 @reach_vb (Vaibhav (Vb) Srivastav) es la apertura del programa a estudiantes de cualquier disciplina, no solo técnicos, además del estipendio y la fecha límite de solicitud.
Más información:
📎 OpenAI Student Collective