OpenAI también se vuelca en Ciberseguridad
Anuncia un modelo a la altura de Mythos 5 solo para los participantes de su programa de ciberseguridad.
¿Qué pasó ayer? En un minuto:
OpenAI presenta una nueva versión de GPT-5.5-Cyber, con un 85,6% en CyberGym por encima de Mythos, y suma herramientas para que la IA no solo encuentre vulnerabilidades, sino que las corrija.
Por primera vez en dos décadas, el cómputo se encarece de verdad: los precios de los chips suben incluso tras el ajuste por calidad. La causa es una escasez genuina, no un recargo por chips mejores.
Google convierte su Interactions API en la opción por defecto para construir con Gemini y agentes. Su rasgo central: mantiene el contexto entre llamadas, frente a las APIs sin estado tradicionales.
Stanford HAI lanza el Canaries Dashboard para rastrear cómo cambia el empleo según la experiencia del trabajador y su exposición a la IA. Mide correlaciones, no causalidad, y se limita al empleo formal estadounidense.
François Chollet sostiene que Adobe es uno de los grandes beneficiados de la IA generativa, no una víctima en declive como apunta la tesis que apunta a la muerte de los SaaS por la IA.
NVIDIA Research presenta ArtiFixer, un modelo abierto que rellena la geometría 3D que la cámara nunca llega a captar. Ataca el punto débil de técnicas como 3D Gaussian Splatting: las zonas no observadas.
Varias figuras del sector reabren una pregunta de fondo: qué significa programar cuando la IA ya escribe buena parte del código; compara el código con la notación musical, y sitúa la esencia en gestionar la complejidad, no en teclear.
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…
OpenAI amplía Daybreak hacia la ciberseguridad defensiva
OpenAI ha ampliado Daybreak, su iniciativa para acelerar la defensa informática de empresas, gobiernos y proyectos de código abierto. El foco ya no está solo en encontrar vulnerabilidades, sino en ayudar a corregirlas más rápido, uno de los grandes cuellos de botella para los equipos de seguridad. La propuesta combina una actualización del plugin Codex Security, el nuevo acceso limitado a GPT-5.5-Cyber para defensores verificados y un programa de socios para que empresas de ciberseguridad den mejor servicio a sus clientes. OpenAI asegura que el acceso directo al modelo más avanzado estará restringido, con controles, monitorización y supervisión humana.
OpenAI presenta además Patch the Planet, una iniciativa dentro de Daybreak para ayudar a los mantenedores de proyectos de código abierto a detectar, validar y corregir vulnerabilidades. La iniciativa apunta a un problema crítico para las empresas: gran parte del software corporativo depende de componentes abiertos mantenidos por equipos pequeños, a menudo con pocos recursos. OpenAI quiere que la IA no se limite a descubrir fallos, sino que ayude a reducir la carga operativa: validar vulnerabilidades, priorizarlas, preparar parches, ampliar pruebas y coordinar su publicación con los responsables de cada proyecto.
Para 𝕏 @sama (Sam Altman), la diferencia con Patch the Planet y Codex Security está en pasar de encontrar problemas a resolverlos, con el Gobierno estadounidense y el ecosistema de seguridad como marco de despliegue.
𝕏 @gdb (Greg Brockman) enmarca la apuesta como combinar modelos de frontera con investigadores profesionales para asegurar proyectos críticos de código abierto, no como un ejercicio de catastrofismo.
Como socio del programa, 𝕏 @SentinelOne (Sentinelone) sitúa el valor práctico en investigaciones más rápidas y mejor priorización dentro de sus servicios Wayfinder, su forma de medir si el modelo aporta algo en flujos reales.
Más información:
📎 Daybreak: Tools for securing every organization in the world
📎 Patch the Planet: a Daybreak initiative to support open source maintainers
La demanda de IA rompe la deflación del hardware
La demanda de inteligencia artificial está tensionando el mercado de chips hasta el punto de invertir una regla que durante décadas sostuvo a la industria tecnológica: más capacidad de cálculo a menor coste. Según SemiAnalysis, los precios de importación de ordenadores, periféricos y semiconductores en EE. UU. subieron un 3,6% en mayo y acumulan un alza interanual del 14,4%, pese a que estos índices ajustan la mejora de calidad de los chips. Es decir, no se paga más solo porque los equipos sean mejores: se está pagando más por cada unidad efectiva de capacidad de cálculo. El cambio no implica que la ley de Moore haya terminado, pero sí que, en el corto plazo, la demanda de IA está creciendo más rápido que la capacidad de la industria para abaratarla.
La firma atribuye la causa a una escasez física de chips. Para centros de datos y proyectos de IA, supone presión de costes sobre la infraestructura justo cuando entrenar e inferir consume cada vez más hardware.
Para 𝕏 @SemiAnalysis_ (Semianalysis), la clave está en separar señal de ruido en los datos: un precio que sube incluso después del ajuste hedónico y antes de aranceles delata escasez física de chips, no un simple recargo de calidad o de política comercial.
El acuerdo de SpaceX con Reflection AI por hasta 6.300 millones de dólares hasta 2029 que reporta 𝕏 @WesRoth (Wes Roth) ilustra hasta qué punto la pugna por capacidad de cómputo se cierra con contratos plurianuales de cifras enormes.
𝕏 @ID_AA_Carmack (John Carmack) apunta al frente social de esta carrera: ve aparecer carteles vecinales contra los centros de datos y plantea financiar una valla publicitaria a favor, señal de que la fricción local empieza a pesar tanto como el silicio.
Google lanza Interactions API para agentes
Google ha llevado su Interactions API a disponibilidad general, según el anuncio de Logan Kilpatrick, responsable de Google AI Studio y de la Gemini API en Google DeepMind. La interfaz pasa a ser la API por defecto para construir con los modelos Gemini y con agentes, y funciona como capa única para orquestar varios modelos desde un mismo punto. Su diferencia está en el diseño 'stateful': retiene el contexto entre interacciones y soporta tareas que se prolongan más allá de una sola petición. Es un giro respecto a las APIs sin estado, pensadas para llamadas aisladas, hacia una infraestructura orientada a procesos agénticos que persisten en el tiempo. Encaja en la pugna entre las grandes plataformas por ser la base sobre la que los desarrolladores montan sus agentes, simplificando la gestión de memoria y continuidad.
Para 𝕏 @OfficialLoganK (Logan Kilpatrick), la Interactions API es la base de lo que llama la nueva era de los agentes, precisamente por permitir coordinar modelos y agentes desde una misma interfaz en lugar de encadenar llamadas separadas.
𝕏 @vivilinsv (Vivi) lee el lanzamiento desde el movimiento de talento: Kilpatrick lidera ahora la Gemini API y AI Studio tras venir de OpenAI, una señal de que el avance de estas plataformas depende de quién dirige cada equipo.
Más información:
📎 Interactions API: Our primary interface for Gemini models and agents
Stanford mide el impacto laboral de la IA
Stanford Digital Economy Lab y ADP Research han lanzado Canaries Dashboard, un panel que busca detectar de forma temprana cómo la inteligencia artificial generativa está afectando al mercado laboral. La herramienta analiza datos de nóminas de una muestra de 25.000 empresas, 4,6 millones de trabajadores y más de 730 ocupaciones en Estados Unidos, con actualizaciones mensuales desde finales de junio de 2026.
El mensaje central es que el impacto de la IA no aparece como una destrucción masiva de empleo, sino como una presión selectiva. Desde la llegada de ChatGPT en noviembre de 2022, el crecimiento del empleo ha sido más lento en las ocupaciones más expuestas a la IA. La diferencia más clara se observa entre trabajadores de 22 a 25 años, especialmente en puestos como desarrollo de software y atención al cliente, donde Stanford detecta caídas notables frente a empleos menos expuestos.
Dos conclusiones se pueden extraer. La primera es que la IA parece estar reduciendo la demanda de tareas de entrada, justo aquellas que tradicionalmente servían para formar talento junior. Y la segunda es que cuando la IA automatiza tareas que antes hacía un humano, el empleo tiende a crecer menos o caer; cuando aumenta la capacidad del trabajador, el impacto negativo es mucho menor. Stanford advierte, eso sí, que el panel mide correlaciones, no una prueba causal definitiva. Aun así, el dato funciona como una alerta temprana para directivos que tienen que plantearse cómo rediseñar los puestos, la formación y las carreras de entrada para no romper la cantera de talento.
El propio 𝕏 @StanfordHAI (Stanford Hai) plantea el Canaries Dashboard como una vía para ver cómo los cambios de empleo varían según la experiencia del trabajador y su exposición a la IA, en lugar de tratar el mercado laboral como un bloque uniforme.
Más información:
📎 Canaries Dashboard
Adobe, ¿beneficiada inesperada de la IA generativa?
François Chollet, investigador de IA en Google y creador de Keras, ha planteado en X una tesis contraria al consenso del mercado: Adobe, la multinacional estadounidense de software de creatividad, marketing y gestión documental, sería uno de los mayores beneficiarios de la IA generativa, no una víctima en declive. Según sus mensajes, la compañía atraviesa su etapa más rentable, con un crecimiento de ingresos del 13% frente al 10-11% del año anterior. Atribuye parte de ese empuje a un uso de la IA orientado a reducir la curva de aprendizaje: su nivel freemium habría pasado de 700 a 850 millones de usuarios activos mensuales en un año, unos 150 millones más.
El argumento conecta con un debate abierto entre inversores, los llamados 'SaaS bears', que sostienen que el SaaS (Software as a Service) pierde valor porque modelos como Claude pueden generar aplicaciones de un solo intento. Chollet rebate esa idea: generar el código de una app no equivale a construir, mantener, escalar y dar soporte a un producto real, que es donde reside el valor.
Para 𝕏 @fchollet (François Chollet), el mercado trata a Adobe como software heredado en declive terminal, cuando los datos la situarían entre las cinco compañías de IA más rentables y de mayor crecimiento del momento.
NVIDIA lleva su investigación gráfica a SIGGRAPH 2026
NVIDIA Research ha presentado ArtiFixer, un nuevo sistema de inteligencia artificial diseñado para mejorar reconstrucciones 3D cuando solo hay pocas imágenes o zonas mal capturadas. La propuesta, aceptada en SIGGRAPH 2026, la conferencia de referencia en gráficos por computador, busca resolver un problema clave para industrias que trabajan con entornos digitales: los modelos actuales pueden generar vistas realistas de una escena, pero suelen fallar cuando deben “imaginar” partes que no fueron bien observadas por la cámara, dejando huecos o geometría inconsistente.
La diferencia de ArtiFixer está en que no se limita a corregir errores visuales: puede extender una escena y generar cientos de fotogramas en una sola pasada, manteniendo coherencia con las imágenes originales. Según NVIDIA, el sistema supera a métodos previos en pruebas habituales de reconstrucción 3D y mejora el resultado entre 1 y 3 dB PSNR, una métrica usada para comparar fidelidad visual. El avance apunta a reducir costes en sectores como videojuegos, cine, simulación, arquitectura, comercio inmersivo y gemelos digitales. Menos necesidad de capturas exhaustivas significa flujos de producción más rápidos y escenas 3D más completas a partir de material limitado. NVIDIA publica artículo, código y demo.
La defensa que hace 𝕏 @NVIDIAAI (Nvidia Ai) de ArtiFixer parte de un límite conocido: la reconstrucción 3D funciona bien hasta que la cámara deja de ver parte de la escena, y ahí es donde su modelo abierto rellena la geometría que otros métodos dejan en blanco.
Más información:
📎 ArtiFixer: Enhancing and Extending 3D Reconstruction with Auto-Regressive Diffusion Models
Programar no es escribir código
Varias reflexiones recientes de nombres conocidos del sector reabren un debate viejo: qué significa programar cuando la IA escribe buena parte del código. La tesis más comentada equipara el código con la notación musical. Igual que una partitura no es la música, el código no sería la programación: lo importante está en gestionar la complejidad mediante capas de abstracción, y la IA encajaría como una herramienta más dentro de ese proceso, no como su sustituto. El matiz tensiona el discurso del reemplazo. Si la dificultad real reside en razonar sobre el diseño de un sistema, los asistentes aceleran la escritura pero no resuelven la parte conceptual.
En paralelo circula una idea sobre los límites de la IA predictiva: una máquina que predice y se orienta hacia sí misma produciría una 'ilusión de dirección', no intencionalidad real, comparable al efecto de dos espejos enfrentados. Otra reflexión sostiene que las representaciones (modelos, mapas, abstracciones) no solo describen la realidad, también la moldean. Conviene situar el alcance: son aforismos y opiniones, sin datos, productos ni cifras detrás. No hay estudio, benchmark ni métrica que respalde estas afirmaciones; su valor es interpretativo, no empírico. La conversación encaja con la que generan los asistentes de código y las apps conversacionales, que algunos ya describen como la nueva capa de acceso al software, al modo de los navegadores.
La distinción que traza 𝕏 @fchollet (François Chollet) es que generar código automáticamente no agota lo que significa programar: razonar sobre abstracción y estructura sigue siendo trabajo humano que la IA acompaña, no reemplaza.
Para 𝕏 @paulg (Paul Graham), las apps de IA creadas inicialmente para programación son los nuevos navegadores: la puerta de entrada al software se desplazaría hacia interfaces conversacionales, un terreno que apunta a convertirse en infraestructura muy disputada.