En los últimos tiempos, se han producido varios acontecimientos importantes en el mundo de la inteligencia artificial, desde el lanzamiento de un modelo de código abierto de alto rendimiento, hasta las advertencias sobre los riesgos de seguridad de un protocolo popular, y la aprobación de una regulación integral en California.

Ling-1T: Una revolución en el entrenamiento, no en la arquitectura

  • La empresa Ant Group ha presentado un enorme modelo de código abierto, Ling-1T, con un billón de parámetros.
  • A diferencia de la competencia, no necesita un "modo de pensamiento" especial. Su capacidad de razonamiento está integrada directamente en la respuesta inmediata gracias a un entrenamiento intensivo con datos que contienen cadenas de razonamiento.
  • En las pruebas, superó a modelos como GPT-5 y Gemini 2.5 Pro en 22 de 31 puntos de referencia, especialmente en matemáticas y razonamiento lógico.
  • El modelo es libremente descargable bajo la licencia MIT, lo que difumina la línea entre los modelos de código abierto y los modelos comerciales.

 

Advertencia de expertos: El protocolo MCP oculta graves riesgos de seguridad
  • Un nuevo estudio advierte sobre un aumento exponencial de las amenazas de seguridad en los sistemas que utilizan el Protocolo de Contexto del Modelo (MCP).
  • El problema radica en el llamado riesgo de composición: la vulnerabilidad aumenta rápidamente con cada servidor MCP añadido. Solo 2 servidores implican un riesgo del 36%, mientras que con 10 servidores, se acerca al 92%.
  • Los atacantes pueden aprovechar los servidores que reciben datos de fuentes no confiables para ejecutar comandos no autorizados, como la ejecución de código.

California marca el camino: La primera regulación integral de la IA en EE. UU.

  • En respuesta a la falta de leyes federales, California ha aprobado un paquete de cuatro regulaciones innovadoras.
  • SB 53 obliga a los creadores de los modelos más potentes a publicar los protocolos de seguridad.
  • SB 243 protege a los menores de los efectos nocivos de los chatbots.
  • AB 316 establece que la responsabilidad legal por los daños la asume siempre la empresa, no la IA autónoma.
  • AB 853 exige una etiquetado claro del contenido generado por IA.
  • Las leyes han generado reacciones mixtas; algunas empresas las celebran, mientras que otras advierten sobre la fragmentación de las normas.

Científicos descubren un camino más eficiente: Mejoras en las instrucciones reemplazan el costoso entrenamiento
  • Un equipo de investigadores ha presentado el algoritmo GEPA, que mejora significativamente las capacidades de los agentes de inteligencia artificial. El algoritmo GEPA optimiza automáticamente las instrucciones (prompts) de un agente de IA mediante una evolución iterativa. El modelo de lenguaje grande (LLM) analiza los errores del agente y luego revisa las instrucciones para corregir esos errores específicos. Prueba y selecciona repetidamente las instrucciones más eficaces, lo que aumenta el rendimiento de manera más eficiente que el reentrenamiento del modelo en sí.
  • En lugar de un ajuste fino (fine-tuning) complejo del modelo, genera y optimiza automáticamente las instrucciones (prompts) basándose en el análisis de los errores del agente.
  • Este método ha logrado mejores resultados que el aprendizaje tradicional y, al mismo tiempo, es hasta 35 veces más eficiente en términos de recursos computacionales.
  • Esta es una solución ideal para situaciones con datos limitados o con capacidad de procesamiento limitada.

    • Data Points – DeepLearning.AI de Andrew Ng / gnews.cz – GH