OpenAI vuelve a la carga con GPT-5.6 y ChatGPT Work
Apunta a la eficiencia por dólar como ventaja competitiva en su guerra con Anthropic.
¿Qué pasó ayer? En un minuto:
OpenAI lanza la familia GPT-5.6 con tres variantes (Sol, Terra y Luna) centradas en la eficiencia por token, un nuevo modo Ultra de agentes en paralelo y precios API por debajo de Fable 5 en contextos cortos.
ChatGPT Work convierte a ChatGPT en un agente de trabajo que ejecuta tareas en el contexto de un ordenador de principio a fin.
Meta presenta Muse Spark 1.1 junto a la Meta Model API en versión preliminar pública, su primera apuesta seria por el mercado corporativo de agentes.
1X presenta unas manos con 25 grados de libertad, accionadas por tendones desde el antebrazo, que mejoran la retroalimentación táctil clave para manipular objetos en entornos reales.
Las redes se hacen eco de la denuncia de fraude masivo con IA de un profesor de la Universidad de Brown.
Investigadores y académicos describen un patrón creciente de colaboración con IA en el laboratorio.
Robbyant publica LingBot-Video, el primer modelo abierto de vídeo a gran escala orientado a robótica, junto a LingBot-World 2.0 para entornos interactivos en tiempo real.
Chat Control vuelve al debate europeo: el Parlamento aprueba el escaneo voluntario de comunicaciones para detectar abuso infantil, mientras crece la crítica a la futura regulación que analizaría mensajes antes del cifrado en el propio dispositivo.
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. OpenAI lanza GPT-5.6 con Sol, Terra y Luna
Tras una larga espera, OpenAI ha empezado a distribuir la familia GPT-5.6 en ChatGPT, Codex y vía API, con tres variantes: Sol, el modelo insignia; Terra, orientado al trabajo cotidiano; y Luna, pensado para ofrecer rendimiento a menor coste.
El eje del lanzamiento no es solo la mejora en capacidad bruta, sino la eficiencia: más trabajo por token y mejor relación entre dólares y tareas completadas, un mensaje dirigido a las empresas preocupadas por el gasto en tokens. En pruebas iniciales, clientes como Notion, Canva, Microsoft y varias firmas financieras reportaron menos pasos, menor consumo y resultados que exigían menos revisión humana. En programación agéntica, OpenAI afirma que Sol es un 54% más eficiente en tokens, y reivindica resultados punteros en código, trabajo de conocimiento, ciberseguridad y ciencia.
GPT-5.6 también introduce el modo Ultra, capaz de coordinar varios agentes en paralelo: en la práctica, distintas instancias del modelo pueden investigar, comprobar y ejecutar partes de un mismo proyecto de forma simultánea. Para desarrolladores, Sol cuesta vía API 5 dólares por millón de tokens de entrada y 30 por millón de tokens de salida, por debajo de Fable 5, aunque solo en contextos cortos; con contexto largo, los precios se equiparan. Sol figura además como el primer modelo frontera verificado que supera un juego de ARC-AGI-3, con un 7,8%, según el propio ARC Prize.
Con GPT-5.6, OpenAI desplaza su batalla con Anthropic: ya no se trata de quién obtiene la mejor puntuación, sino de quién ofrece más trabajo terminado por cada dólar invertido.
𝕏 @rohanpaul_ai (Rohan Paul) sitúa a Sol como el más fuerte en flujos agénticos largos, con cerca del 53% por 500 a 1.000 dólares, frente a los 1.400 a 4.000 que atribuye a Claude Opus 4.8 para puntuaciones más bajas.
𝕏 @MLStreetTalk (Machine Learning Street Talk) resume las primeras impresiones de Sol como de nivel Fable pero más rápido y eficiente, con un tono favorable.
Más información:
📎 GPT 5.6: Frontier intelligence that scales with your ambition
2. OpenAI convierte ChatGPT en agente de trabajo
OpenAI ha presentado ChatGPT Work, un modo dentro de ChatGPT que ejecuta tareas de principio a fin en lugar de limitarse a responder. Funciona con GPT-5.6 e incorpora tecnología de Codex para descomponer objetivos amplios en pasos, sostener un proyecto durante horas y pedir aprobación antes de realizar acciones sensibles. A partir de una sola petición puede generar hojas de cálculo, presentaciones, documentos, dashboards y aplicaciones web. También actúa sobre aplicaciones conectadas mediante plugins para Slack, Microsoft Teams, Gmail, Google Drive, SharePoint, Salesforce, calendarios y CRMs, que se invocan escribiendo “@” seguido del nombre.
Con este lanzamiento, OpenAI se posiciona frente a las suites ofimáticas tradicionales y frente a rivales como Claude Cowork, de Anthropic, en el terreno de la productividad empresarial. ChatGPT Work llega primero en web y móvil para los usuarios Pro, Enterprise y Edu, y se ampliará a Plus y Business en los próximos días. La nueva app de escritorio, ya disponible en Windows y Mac a escala global, unifica Chat, Work y Codex en una sola aplicación para todos los planes, incluido el gratuito. La app anterior pasa a llamarse ChatGPT Classic, y la de Codex queda absorbida en la nueva. OpenAI ha actualizado además el modo Computer Use con vista picture-in-picture y una ejecución más rápida, de modo que el usuario puede ver qué hace el agente en cada momento.
𝕏 @gdb (Greg Brockman) resume la lógica del producto como la fusión de ChatGPT y Codex en un único agente utilizable desde móvil y web, sin depender ya del portátil abierto.
𝕏 @emollick (Ethan Mollick) confiesa no entender qué gana o pierde un usuario con ChatGPT Work frente a Codex, y contrasta esa confusión con Claude Cowork, cuyo encaje como alternativa más segura para no programadores sí tenía claro.
𝕏 @TeksEdge (David Hendrickson) resta importancia a los nuevos modelos, que percibe con ‘olor a modelo antiguo’, y ve la jugada de fondo en ChatGPT Work y la app de escritorio: los laboratorios apuntan al trabajo empresarial y al software.
𝕏 @WesRoth (Wes Roth) destaca la capacidad del agente para mantenerse en un proyecto durante horas, trocear metas grandes en pasos y convertir una petición en trabajo terminado a través de apps, archivos y herramientas web.
Más información:
📎 ChatGPT is now a partner for your most ambitious work
3. Meta lanza Muse Spark 1.1
Meta ha presentado Muse Spark 1.1, un nuevo modelo de inteligencia artificial diseñado para ejecutar tareas complejas. La novedad más relevante para el mercado es la Meta Model API, disponible en versión preliminar pública: por primera vez, desarrolladores y empresas podrán integrar Muse Spark directamente en sus productos y procesos. Con este movimiento, Meta busca competir de forma más directa con OpenAI, Anthropic y Google por el mercado corporativo de los agentes.
El enfoque es claro: tareas largas con uso intensivo de herramientas. Según Meta, el modelo puede planificar el trabajo, llamar a herramientas, operar sobre aplicaciones externas, usar servidores MCP y coordinar subagentes en paralelo. En programación, lo posiciona para grandes bases de código, con capacidad para corregir errores, implementar funciones y ejecutar migraciones. Es además un modelo multimodal, capaz de comprender y razonar sobre imágenes, vídeos y documentos PDF. La ventana de contexto alcanza el millón de tokens y la salida máxima, los 256.000. Meta lo describe como un modelo de bajo precio, aunque de momento no ha publicado tarifas oficiales de API.
Meta ya no quiere que su IA viva únicamente dentro de WhatsApp, Instagram o Facebook: aspira a convertirse en proveedor de infraestructura para otras compañías. La incógnita es si logrará traducir su enorme escala tecnológica en capacidades a la altura de sus rivales.
Tras probarlo en su herramienta OpenClaw, 𝕏 @garrytan (Garry Tan) confirma que el modelo, rinde bien en la práctica y no solo en los anuncios.
En el terreno sanitario, 𝕏 @MedicalSphereAI (Medical Sphere) lo coloca segundo en MedAgentBench con un 92,2%, cerca de Grok 4.5 y por delante de Gemini 3.1 Pro.
La disponibilidad se amplía rápido: 𝕏 @vercel_dev (Vercel Developers) ya ofrece el modelo a través de su AIGateway, señal de que Meta busca integración inmediata en el ecosistema de desarrolladores.
Desde el acceso anticipado, 𝕏 @OpenHandsDev (Openhands) valora bien lo que ha visto y encaja el lanzamiento en su estrategia de ofrecer una gama amplia de modelos a sus usuarios.
Más información:
📎 Introducing Muse Spark 1.1
4. 1X presenta manos con 25 grados de libertad
1X ha presentado unas manos accionadas por tendones con 25 grados de libertad para NEO, su robot humanoide. El diseño aborda un problema recurrente en robótica: muchas manos se mueven con soltura, pero perciben mal el contacto con los objetos.
La solución consiste en alojar los motores en el antebrazo y transmitir la fuerza mediante tendones que atraviesan la muñeca. De este modo, la mano resulta más ligera y cada dedo gana recorrido y fuerza útil. Además, al usar transmisiones de baja reducción, las fuerzas externas se propagan de vuelta a través de cada articulación, lo que mejora la retroalimentación táctil.
La destreza y la sensibilidad al contacto son requisitos imprescindibles para manipular objetos con precisión: esa es la frontera que separa un humanoide de exhibición de uno capaz de trabajar en entornos reales. Los vídeos con los que 1X muestra la tecnología provocan cierta sensación de “valle inquietante”, un indicio más de que estamos ante un avance significativo y no una mejora incremental.
Para 𝕏 @rohanpaul_ai (Rohan Paul), el mérito de ingeniería está en devolver la percepción de contacto a la mano: la mayoría fallan porque se mueven pero no sienten lo que tocan.
𝕏 @testingcatalog (Ai News | Testingcatalog) enmarca las manos físicas como el siguiente nivel de abstracción por encima del Computer Use, aunque advierte de que al sector le queda mucho camino pese a la velocidad actual.
𝕏 @ARKInvest (Ark Invest) cifra en unos 26 billones de dólares el salto de la automatización de tarea fija a los humanoides de propósito general, y sostiene que estos robots están más cerca de lo que se cree.
Más información:
📎 NEO’s Hands | An API to the Physical World
5. Fraude masivo con IA en la Universidad de Brown
Las redes se hacen eco de una noticia publicada hace unos días por el diario El País. Roberto Serrano, profesor de Economía en la Universidad de Brown, denuncia un fraude generalizado con IA en un examen parcial de su curso ECON 1170. Por primera vez en casi dos décadas, Serrano permitió que el examen se hiciera en casa, como respuesta a la ansiedad de los alumnos tras el tiroteo de diciembre en el campus.
El resultado fue anómalo. La nota media del parcial subió al 96%, frente al rango habitual de entre el 65% y el 80%, en una prueba que él considera más difícil que las de años anteriores. Las matrículas de honor también se dispararon: de un máximo histórico de 30 alumnos a 86, algo que Serrano atribuye al formato a distancia. Cuando trasladó el examen final al aula, más de una docena de estudiantes abandonaron la asignatura y bastantes más suspendieron.
Serrano califica los indicios de copia de “evidencia abrumadora” y sostiene que sería el mayor caso conocido en Brown y en toda la Ivy League. En cambio, describe como “tibia” la respuesta institucional: silencio del rector y ningún comentario del decano hasta que llevó el asunto al comité del código académico, que lo despachó como un simple “toque de atención”.
El caso importa porque expone la fragilidad de la evaluación no supervisada cuando la IA generativa está al alcance de cualquiera, y presiona hacia un rediseño de los exámenes y de las políticas de integridad académica.
𝕏 @paulg (Paul Graham) lee el gráfico sin rodeos: al comparar las notas del parcial (naranja) con las del final presencial (gris), la caída indica que todos salvo tres estudiantes copiaron en el examen para casa.
𝕏 @antonello (Antonio Ortiz) desvía el foco del reproche moral hacia el diseño del sistema: el entorno hipercompetitivo de la Ivy League empuja a usar cualquier herramienta disponible, sobre todo cuando se percibe que el de al lado también lo hace.
𝕏 @emollick (Ethan Mollick) relativiza el pánico con datos previos a la IA: hacer los deberes mejoraba la nota final del 86% de los universitarios en 2008, pero solo del 45% en 2017, porque internet ya permitía copiar en vez de aprender.
𝕏 @OwenGregorian (Owen Gregorian) subraya la magnitud del contraste: el paso al examen presencial destapó una caída del 50% en las calificaciones, la medida más clara de cuánto pesaba la IA en el parcial.
Más información:
📎 Un catedrático español denuncia fraude masivo con IA en un examen en la Universidad de Brown
6. La IA entra en el laboratorio
Se acumulan testimonios sobre un uso cada vez más definido de la IA en el trabajo científico y académico. Pedro Domingos (𝕏 @pmddomingos), investigador en aprendizaje automático, describe su método actual como una colaboración con dos IAs: una que programa y otra que hace de matemático, cada una con un papel propio dentro del mismo flujo. En paralelo, Rohan Paul (𝕏 @rohanpaul_ai) recoge el testimonio de un matemático que dice apoyarse en modelos de OpenAI para abordar problemas antes inaccesibles y comprimir en horas tareas de exploración que le llevarían semanas.
El patrón no es la sustitución del investigador, sino la delegación de la parte mecánica y repetitiva. Ethan Mollick (𝕏 @emollick), profesor en Wharton, aporta un ejemplo fuera de las matemáticas: entregó a un modelo el PDF de su próximo libro, ya editado, y en 30 minutos recibió decenas de notas, todas correctas aunque muchas excesivamente minuciosas. La aceleración tiene un tope: el juicio humano sigue filtrando qué observaciones importan y verificando los resultados.
En una lectura más amplia, 𝕏 @tunguz (Bojan Tunguz) resume la tendencia afirmando que la biología se convierte en un problema de ingeniería, una frase conceptual sin datos detrás pero que enmarca hacia dónde apunta el uso de estas herramientas.
7. LingBot lleva la generación de vídeo a la robótica
Robbyant ha publicado LingBot-Video, un modelo de generación de vídeo de código abierto orientado a inteligencia de robots y agentes que operan en el mundo físico. Se presenta como el primer modelo de vídeo a gran escala con arquitectura Mixture-of-Experts (MoE) dedicado a este dominio. La idea es acercar la síntesis de vídeo a la comprensión del entorno físico, un terreno donde los modelos generativos sirven para entrenar y anticipar el comportamiento de agentes reales.
El modelo insignia tiene 30B de parámetros y activa solo 3B en inferencia, lo que según el repositorio triplica la velocidad de cómputo. La familia incluye variantes más ligeras, como una versión densa de 1.3B, y se distribuye en GitHub, Hugging Face y ModelScope, con documentación en inglés y chino. El entrenamiento combina vídeo web masivo con más de 70.000 horas de datos y un sistema de recompensas por estética, coherencia física y cumplimiento de tareas.
El mismo autor también ha presentado LingBot-World 2.0, que genera entornos interactivos en tiempo real a 720p y 60 fps, un modelo de 14B con una variante ligera de 1.3B que funciona en una sola GPU de consumo.
El valor que ve 𝕏 @rohanpaul_ai (Rohan Paul) está en aplicar un Diffusion Transformer fundacional a escenarios encarnados: un modelo pensado para robots, no adaptado a posteriori desde la generación de vídeo genérica.
𝕏 @testingcatalog (Ai News | Testingcatalog) subraya la pieza hermana del proyecto, LingBot-World 2.0, que genera experiencias de una hora sin degradación de calidad y con agentes propios dentro del mundo, más allá de la simple síntesis de clips.
Más información:
📎 LingBot-Video - a robbyant Collection
8. Chat Control vuelve al debate en la Unión Europea
Chat Control ha vuelto al primer plano tras difundirse en redes que la propuesta estaba ya aprobada. La realidad es otra: el Parlamento Europeo ha aprobado una posición que permitiría a los servicios de correo y mensajería utilizar, de forma voluntaria, herramientas automáticas para detectar material de abuso sexual infantil y señales de captación de menores en comunicaciones privadas. La medida busca cerrar el vacío legal creado el 3 de abril, cuando expiró la excepción temporal a otras normas europeas de privacidad que daba cobertura a estas prácticas. El texto planteado por el Consejo mantendría este régimen hasta el 3 de abril de 2028, mientras se negocia la regulación permanente conocida popularmente como “Chat Control”.
Esa regulación permanente pretende combatir el material de abuso infantil escaneando mensajes, correos y fotos antes de su envío, incluso en comunicaciones cifradas. La clave está en el mecanismo: al realizarse la detección antes del cifrado, el contenido tendría que analizarse en el propio dispositivo mediante clasificadores automáticos, muchos de ellos basados en aprendizaje automático. Eso convierte estos sistemas en una infraestructura de vigilancia por defecto, con dos problemas bien conocidos: los falsos positivos y la ampliación de usos una vez desplegada la capacidad.
En el extremo crítico, 𝕏 @LuisMiguelValue (Luis Miguel Ortiz) describe Europa como un 'gran hermano digital' y vincula Chat Control con la moneda digital de banco central, leyendo ambas medidas como un ataque coordinado a la privacidad.
𝕏 @MatteoZanellii (Matteo Zanelli) señala una contradicción: tras años alertando de la vigilancia de Meta, Palantir o Google, es ahora la propia Unión quien aprueba una de las medidas más invasivas vistas hasta la fecha.
𝕏 @ALBERTOPPERALTA (Alberto Peralta) cuestiona la justificación oficial: proteger a los menores sirve, a su juicio, como excusa para un monitoreo masivo de mensajes privados en toda la Unión.
Con tono de alarma, 𝕏 @dejanirasilveir (Dejanira) enmarca la votación como una maniobra aprovechando la distracción pública y reclama retirar el proyecto en lugar de reformarlo.