Píldora diaria de lo que se mueve en IA: laboratorios, papers, blogs de referencia
y releases relevantes, resumido y con link al original. Se actualiza dos veces al día.
· ← volver a espacio-latente.com
· archivo
· RSS
Panorama de hoy
OpenAI ha resuelto diez problemas matemáticos sin avances en la última década usando una versión interna de su próximo modelo con menos de $2,000 por problema, marcando un punto de inflexión en cómo los LLMs colaboran con investigadores humanos en "big mathematics". Simultáneamente, la comunidad de IA muestra fracturas profundas sobre cómo gobernarse: mientras Microsoft lidera una carta apoyando modelos open-weights, Anthropic advierte sobre riesgos de destilación, y empleados de empresas frontier piden regulación del desarrollo acelerado de IA—fenómeno que las compañías ya están experimentando con sistemas que usan IA para acelerar su propio progreso. Estas tensiones reflejan un dilema central: los LLMs abren posibilidades transformadoras para la investigación, pero la velocidad de escalamiento y las fricciones entre filosofías de seguridad y apertura generan urgencia regulatoria.
Tres cartas abiertas recientes sobre política de IA reflejan divisiones entre empresas: Microsoft lideró una con 235 firmas apoyando modelos open-weights contra restricciones de seguridad; Anthropic respondió tres días después criticando riesgos de destilación y gobiernos autoritarios sin oponerse a open-weights; y una tercera carta de 1.324 empleados de empresas frontier pide al gobierno estadounidense regular el ritmo del desarrollo de IA automated, dado que empresas como OpenAI, Anthropic y otras ya usan IA para acelerar su propio desarrollo (reducción de costos, generación de código, diseño de chips).
OpenAI ha utilizado una versión interna de su próximo modelo Astra (GPT-5.6) para resolver diez problemas matemáticos sin avances en la última década, gastando menos de $2,000 en tokens por problema; los resultados incluyen formalizaciones en Lean 4 y un paper que describe las soluciones, generando debate en la comunidad matemática sobre el rol transformador de los LLMs en la investigación. Esta iniciativa, que suma a recientes descubrimientos similares de Anthropic con Claude, refleja la visión de Terence Tao sobre "big mathematics": colaboraciones a gran escala entre humanos e IA donde máquinas manejan el trabajo técnico grueso mientras los investigadores concentran sus esfuerzos en las partes creativas.