El radar

California tightens rules on AI data center energy and water use

El gobernador de California, Gavin Newsom, firmó un paquete de siete leyes que obligan a los data centers de IA a pagar las mejoras de las redes eléctricas y los sistemas de agua locales, y que crean una nueva clasificación tarifaria para estos centros a través de la California Public Utilities Commission. Otras normas exigen que los proyectos divulguen su uso estimado de agua, eficiencia energética y planes de sequía ante los gobiernos locales, y cumplir ciertos requisitos de consumo para acceder a un proceso de aprobación simplificado. La noticia se enmarca en la línea previa de Newsom sobre regulación de IA, tras su orden ejecutiva para agilizar la creación de un "kill switch" de IA. IMPORTA: Para quien despliega o planifica capacidad de cómputo en California, esto anticipa nuevos costos de conexión a la red, requisitos de divulgación de agua y energía, y una tarifa específica para data centers que afectará la viabilidad y los plazos de los proyectos.

Por qué importa: Para quien despliega o planifica capacidad de cómputo en California, esto anticipa nuevos costos de conexión a la red, requisitos de divulgación de agua y energía, y una tarifa específica para data centers que afectará la viabilidad y los plazos de los proyectos.

↳ Contexto: Gavin Newsom is pushing for an AI kill switch · ver hilo completo

OpenAI forms math advisory group as its AI resolves more than 100 open problems

OpenAI anunció un grupo asesor independiente sobre matemáticas e IA, alojado en el Institute for Advanced Study de Princeton, con nueve matemáticos destacados como miembros iniciales; el grupo evaluará la relevancia de nuevos resultados y coordinará su publicación, pero no tendrá poder para frenar o redirigir la investigación matemática interna de la empresa. El anuncio llega tras la publicación abrupta de una solución al problema del Milenio de Navier-Stokes, y OpenAI afirma que el mismo modelo interno ha resuelto más de 100 problemas abiertos en diversas áreas de las matemáticas, en medio de críticas de matemáticos, incluidos 25 ganadores de la Medalla Fields que firmaron una carta abierta.

Por qué importa: Marca un precedente sobre cómo los laboratorios de IA gestionan la divulgación y validación externa de resultados científicos generados por modelos internos, algo relevante para equipos que diseñan pipelines de evaluación y verificación de outputs de LLMs en dominios de alto rigor.

Meta’s AI agent has been blocked from using Amazon.com

Los usuarios del asistente de IA de Meta, Muse, comenzaron a recibir un mensaje de error al intentar comprar en Amazon que indicaba que el acceso continuado de un agente de IA no autorizado viola las Condiciones de Uso de Amazon, bloqueando así las compras a través del agente. El artículo señala que Amazon tiene sus propios modelos fundacionales y una plataforma de inference popular, y que podría no querer entrar todavía en el comercio agéntico porque tendría que asumir la gestión de pedidos erróneos de Muse, cuyo índice de alucinaciones, aunque bajo, sigue siendo superior a cero.

Por qué importa: Es un caso real de fricción entre agentes autónomos y las condiciones de uso de una plataforma externa, algo que cualquiera que despliegue agentes que actúan sobre servicios de terceros tendrá que anticipar (bloqueos, identificación del agente, responsabilidad por acciones erróneas).

Jun Kim, oMLX creator and maintainer, joins Hugging Face to support the MLX community

Hugging Face anuncia que Jun Kim, creador y mantenedor de oMLX, se une a su equipo para apoyar a la comunidad MLX. oMLX sigue bajo licencia Apache 2.0 y Jun continúa liderándolo, ahora con desarrollo financiado y respaldo para guiar a los contribuidores. La meta es servir como testbed de nuevas ideas mientras se aprovecha el trabajo de dependencias como mlx-lm y mlx-vlm, y agilizar el paso de una definición de modelo en transformers a una implementación de referencia en MLX consumible por distintos engines.

Por qué importa: Para quien despliega LLMs en local sobre Apple Silicon, esto apunta a un ecosistema MLX más estable y mejor mantenido, con un camino más corto desde transformers hacia implementaciones nativas optimizadas para Apple.

Pruning LLMs Like a Physicist: Block Removal as an Ising Optimization Problem

Un paper de Multiverse Computing reformula la eliminación de bloques transformer (depth pruning) como un problema de optimización binaria restringida equivalente a un vidrio de Ising, donde las interacciones entre bloques se capturan mediante los términos fuera de la diagonal de un Hessiano aproximado. El Hessiano se calcula una sola vez desde un dataset de calibración y permite evaluar configuraciones candidatas con un simple cálculo de energía, reutilizándolo para distintos objetivos de compresión. En compresión del 50% de Llama-3.3-70B-Instruct reportan casi 23 puntos porcentuales más en MMLU que el mejor método de block-removal competidor. IMPORTA: Ofrece un método concreto y computacionalmente baato para decidir qué bloques eliminar en modelos grandes, reutilizando un único Hessiano para varios ratios de compresión, algo directamente aplicable a quienes despliegan LLMs con restricciones de memoria o latencia.

Por qué importa: Ofrece un método concreto y computacionalmente barato para decidir qué bloques eliminar en modelos grandes, reutilizando un único Hessiano para varios ratios de compresión, algo directamente aplicable a quienes despliegan LLMs con restricciones de memoria o latencia.

[AINews] Xiaomi MiMo-V2.6-Pro 1T-A42B: the new top Open Weights model, trained for $3M

Xiaomi lanzó MiMo-V2.6-Pro y MiMo-V2.6-Flash, modelos open weights omnimodales bajo licencia MIT, con 1.02T parámetros totales y 42B activos; Artificial Analysis sitúa a MiMo-V2.6-Pro como el mejor modelo open weights de su Intelligence Index (46). El reporte técnico detalla el escalado de RL en tres ejes (batches grandes y arquitectura asíncrona con 1,568 muestras por update y hasta 1M de contexto, una suite multi-tarea con coding, agentes generales, visual y cyber, y más cómputo de grader), con un coste de RL citado de 130 horas, 75B tokens y $2.6M. Xiaomi liberará el tooling, entornos y recetas de entrenamiento, aunque aún no los datasets completos de más de 7K tareas.

Por qué importa: Que un fabricante fuera del círculo habitual de labs fronterizos publique pesos, código de entrenamiento y entornos de RL a este nivel de escala y coste sugiere que el post-training con RL —y los entornos de calidad como activo— puede ser una vía

↳ Contexto: [AINews] Qwen 3.8 Max(2.4T) and 27B, new open weights models for Coding and Cowork · ver hilo completo

Jev: System One models for Prod, not God — with Diogo Almeida, CEO, TypeSafe AI

Entrevista con Diogo Almeida, CEO de TypeSafe AI y coautor de InstructGPT, sobre el lanzamiento de Jev, un modelo "System One" diseñado para software y automatización en lugar de chat. Jev introduce "Reinforcement Learning for Calibrated Decisions" (RLCD), una técnica que optimiza para "probabilidades epistémicamente honestas" en tareas System One, en contraste con RLHF (que genera alucinaciones y sycophancy) y RLVR (que exacerba la "jagged intelligence"). Almeida también expone su tesis de la "Bitterest Lesson" (elegir el objetivo correcto importa más que el cómputo), rechaza benchmarks públicos en favor de "intelligence per dollar", y discute cómo Jev busca integrarse en control flow de software y reshaping de coding agents más allá del KV cache.

Por qué importa: Plantea un paradigma alternativo a RLHF/RLVR para construir modelos componibles y programables que se integren en control flow de software (con primitivas, structured state y decisiones medibles), lo que afecta directamente cómo se diseñan coding agents, workflows autónomos y sistemas donde la fiabilidad importa más que

Introducing Claude Opus 5.5

Anthropic presenta Claude Opus 5.5, primer modelo de la familia Claude 5.5, que rinde al nivel de Claude Fable 5.1 en la mayoría de tareas y cuesta un 40% menos de ejecutar que Opus 5, con precios de $4 y $20 por millón de tokens de input y output (20% menos) y $0.20 por millón en cache reads (60% menos). Destaca en coding agéntico, computer use y knowledge work, con un tester completando una migración de 680.000 líneas en menos de un día y otra auditoría de un codebase de 200.000 líneas en menos de tres horas (frente a más de 20 horas de Opus 5). Incluye fast mode con hasta 2.5x de velocidad, mejoras de seguridad (mejor puntuación en su auditoría de comportamiento y mayor resistencia a prompt injection) y llegada posterior de Sonnet 5.5 y Haiku 5.5.

Por qué importa: La caída de coste por tarea y por token (especialmente en cache reads, que dominan el gasto agéntico) cambia el cálculo de viabilidad para pipelines de

↳ Contexto: Claude Opus 5 · ver hilo completo

Don’t be fooled by this summer of AI hype

Artículo de opinión de Timnit Gebru y Emily M. Bender que critica el "verano de hype" de la IA, repasando episodios recientes: la afirmación de Anthropic sobre Claude Mythos superando a expertos en seguridad, los incidentes de hacking de OpenAI y Hugging Face (con Anthropic y Meta revelando casos similares después), y los supuestos avances matemáticos de modelos de OpenAI que matemáticos cuestionaron por falta de novedad y posible plagio, tras lo cual OpenAI reclamó otro avance matemático propio. Los autores sostienen que expertos en ciberseguridad atribuyen los incidentes a negligencia de OpenAI y malas prácticas de seguridad, no a "modelos descontrolados", y piden a los responsables políticos consultar a expertos independientes en lugar de reaccionar a notas de prensa.

Por qué importa: Recuerda que las afirmaciones de capacidades de los modelos deben contrastarse con evaluación independiente y no con material de marketing, algo clave para quien diseña pipelines de evaluación, guardrails o decisiones de adopción de agentes en producción.

↳ Contexto: Anthropic says Claude accidentally hacked real companies too · ver hilo completo

Summarize, Judge, Refine: Decoupled Content Understanding and Policy Learning for Multimodal Content Moderation

Paper de arXiv (cs.CL) de Zeeshan Ahmed y otros dos autores que propone "Summarize, Judge, Refine", un enfoque que desacopla la comprensión del contenido y el aprendizaje de políticas para moderación de contenido multimodal. El abstract disponible no incluye cifras, benchmarks ni detalles de arquitectura, solo el título, autores y metadatos de submission (v1, 6 de agosto de 2026).

Por qué importa: Plantea separar la comprensión del contenido de la aplicación de políticas, un patrón relevante para quien diseña pipelines de moderación o clasificación con LLMs, porque sugiere que las reglas de negocio pueden evolucionar sin reentrenar el componente de comprensión.

↳ Contexto: JudgeArena: A Unified Framework for Reproducible LLM-Judge Evaluation · ver hilo completo

Context Poisoning as Extreme-Value Attention Interference in Long-Context Language Models

Un paper de arXiv formula el "context poisoning" en modelos de lenguaje de contexto largo como interferencia de valores extremos en la atención: la puntuación de la evidencia decisiva queda acotada superiormente mientras el máximo entre distractores efectivos crece con su número. Bajo una abstracción de retrieval con softmax derivan una cota superior de muestra finita donde mantener una precisión fija sobre la tasa base exige que el margen de evidencia escale como Ω(√log N), con N el número de distractores efectivos y no la longitud bruta del contexto. Los experimentos controlados muestran caída de la precisión de retrieval al crecer el contexto con hard negatives embebidos, la mayor caída observada en la condición de mismo formato entre las construcciones de distractores probadas, y que el gating de retrieval puede mejorar el uso de la evidencia dependiendo de preservar el recall de esta. IMPORTA: Da un marco cuantitativo y una cota concreta para entender por qué añadir contexto degrada el retrieval en RAG y contextos largos, con implicaciones directas para diseñar gating, memorias verific

Por qué importa: Da un marco cuantitativo y una cota concreta para entender por qué añadir contexto degrada el retrieval en RAG y contextos largos, con implicaciones directas para diseñar gating, memorias verificadas y arquitecturas retrieve-then-reason.

DeepInstructor: An Agentic AI Instructor for Experience-Driven Idea Evaluation

DeepInstructor es un framework agéntico que plantea la evaluación de ideas de investigación como razonamiento sobre experiencia académica estructurada. Construye un Experience Graph a partir de 58.607 peer reviews y usa un agente basado en ReAct para recuperar evidencia específica por dimensión (novedad, significancia, viabilidad) y lograr evaluaciones trazables. Los autores presentan también DeepInstruct, un dataset de comparaciones pairwise controladas, y reportan mejoras de 24,4% y 29,7% en Hit@1 y Hit@2 frente a baselines. Muestra un patrón replicable para sistemas agénticos: convertir un corpus no estructurado (reseñas) en un grafo de experiencia consultable por un agente ReAct, con evaluación trazable en lugar de juicio opaco del modelo.

Por qué importa: Muestra un patrón replicable para sistemas agénticos: convertir un corpus no estructurado (reseñas) en un grafo de experiencia consultable por un agente ReAct, con evaluación trazable en lugar de juicio opaco del modelo.

Evaluating Fine-Tuned and Base Language Models in Maternal and Vaccination Healthcare for African Settings

Estudio que compara modelos base con modelos fine-tuneados con LoRA para salud materna y vacunación en Nigeria: MamaBot-Llama mejoró un 4.9% global frente a Llama-3.1-8B-Instruct (con +7% en fiabilidad clínica, +5% en precisión médica y 50% menos de problemas críticos), mientras que Vax-Llama empeoró un 5.2% con un aumento del 192% en problemas críticos. Ambos modelos se entrenaron sobre más de 36.000 y 9.000 pares de pregunta-respuesta respectivamente, y fueron evaluados por dos médicos nigerianos con escala Likert de 5 puntos. La conclusión es que el fine-tuning domain-specific ayuda solo si los datos son de alta calidad y curados por clínicos.

Por qué importa: Es un caso concreto y medido de que el fine-tuning puede degradar el rendimiento de un LLM cuando el dataset de entrenamiento es deficiente, un recordatorio de que la calidad de los datos pesa más que el propio ajuste y de que hace falta evaluación domain-specific antes de desplegar.

Beyond the Text: Verifying That Agent-Written Papers Are Backed by Their Artifacts

ReAgent es un framework de auditoría automática que verifica la consistencia entre documentos de investigación generados por agentes LLM y los repositorios que los respaldan. Combina auditoría estática (comprobar que metodologías y configuraciones experimentales declaradas aparecen en el código) con auditoría dinámica (ejecutar experimentos y recoger evidencia de ejecución), detectando inconsistencias como métricas hardcodeadas, métodos no implementados o resultados no soportados que los enfoques parciales no ven. Se evalúa sobre un benchmark curado manualmente de pares documento-repositorio generados por agentes, frente a baselines estáticos y de reproducción.

Por qué importa: A medida que los agentes producen investigación de forma autónoma, la verificación de que lo reportado está respaldado por el código y la ejecución real se vuelve un problema de infraestructura de evaluación y confianza, y este tipo de auditoría automática es directamente aplicable a pipelines de agentes que generan artefactos verificables.

llm-typesafe 0.1a0

Simon Willison publicó llm-typesafe 0.1a0, un plugin para su herramienta LLM que añade soporte al nuevo modelo Jev de TypeSafe AI. Permite formular preguntas de sí/no ("noul"), de elección entre categorías y de puntuación, devolviendo respuestas estructuradas como {"type": "noul", "noul": 0.99}. Se instala con `llm install llm-typesafe` y requiere configurar una API key. IMPORTA: Ofrece una forma de obtener salidas estructuradas y tipadas (booleanas, de elección o de scoring) desde un LLM, algo directamente útil para integrar clasificación y enrutamiento de mensajes en pipelines agénticos o workflows automatizados.

Por qué importa: Ofrece una forma de obtener salidas estructuradas y tipadas (booleanas, de elección o de scoring) desde un LLM, algo directamente útil para integrar clasificación y enrutamiento de mensajes en pipelines agénticos o workflows automatizados.

Jev introduces a new shape of LLM - System One, aka Decision Models

TypeSafe AI presentó Jev, un nuevo tipo de modelo que la compañía llama "System One models" (o "decision models"): acepta entradas de texto pero devuelve números en coma flotante correspondientes a categorías, preguntas sí/no, ratings y sus puntuaciones de confianza asociadas. Cobra solo por input a $0.042 por millón de tokens (output gratis), evalúa múltiples preguntas en paralelo y se documenta su debilidad actual con números, fechas y contenido adversarial; en la comunidad ya han surgido implementaciones sobre modelos open weight como Kev (con Qwen 3.5) y un benchmark llamado JevBench. Esto continúa lo que ya cubrimos en "Jev: System One models for Prod, not God". IMPORTA: Para quien diseña pipelines de clasificación, reranking o evaluación, un modelo que devuelve decisiones tipadas y probabilísticas en lugar de texto cambia el patrón de integración, pero al ser caja negra total obliga a extremar evals y controles de sesgo antes de usarlo en decisiones sensibles.

Por qué importa: Para quien diseña pipelines de clasificación, reranking o evaluación, un modelo que devuelve decisiones tipadas y probabilísticas en lugar de texto cambia el patrón de integración, pero al ser caja negra total obliga a extremar evals y controles de sesgo antes de usarlo en decisiones sensibles.

↳ Contexto: Jev: System One models for Prod, not God — with Diogo Almeida, CEO, TypeSafe AI · ver hilo completo

Enabling Private High-Performance Production AI Inference with NVIDIA Confidential Computing

NVIDIA describe cómo TensorRT LLM se adapta para ejecutar inferencia de producción dentro de entornos de Confidential Computing (CVMs con memoria cifrada, GPUs confidenciales Blackwell y NVLink cifrado). Con estas adaptaciones (gestión del bounce buffer para transferencias host-to-device, autotuning estable y alternativas a NVLS multicast en NCCL), la inferencia de DeepSeek-R1 en ocho GPUs B200 retuvo más del 96% del throughput de tokens de salida respecto a CC off, con una sobrecarga de latencia por token inferior al 5%. El post detalla además una metodología para cuantificar el overhead de CC con workloads de contexto largo, generación extendida y baja concurrencia.

Por qué importa: Introduce un coste de rendimiento medible y cuantificado (no un simple "ya soportamos CC") al mover inferencia privada a producción, lo que obliga a tratar la configuración de seguridad y la optimización de inferencia como un único problema de despliegue y a hacer benchmark CC on/off con el workload real.

↳ Contexto: Self-Speculation for Faster Reasoning Models · ver hilo completo

Topology-Aware Workload Scheduling with NVIDIA Topograph

NVIDIA presentó Topograph, un toolkit open source que descubre la topología de red de un clúster desde APIs de cloud (Google Cloud, Lambda, Nebius, Nscale, OCI) o sistemas on-premises (InfiniBand con ibnetdiscover, NetQ para Spectrum-X y Multi-Node NVLink) y la normaliza en un modelo común. Topograph publica esa topología como node labels de Kubernetes, configuración de Slurm o ConfigMaps de Slinky, regenerándola ante cambios del clúster para que los schedulers trabajen con datos actuales, e integra con DRA y KAI Scheduler para gang scheduling con conocimiento de topología. Se distribuye como Helm chart con simulación vía Kind/KWOK. Esto se apoya en el mismo interés por la conectividad NVLink que ya tratamos en la pieza sobre NVLink 6 y la resiliencia en AI factories. IMPORTA: Permite que schedulers como Kubernetes o Slurm coloquen workloads de entrenamiento e inference en dominios de localidad óptimos sin mantener a mano un snapshot de la topología, evitando fragmentar dominios NVLink y

Por qué importa: Permite que schedulers como Kubernetes o Slurm coloquen workloads de entrenamiento e inference en dominios de localidad óptimos sin mantener a mano un snapshot de la topología, evitando fragmentar dominios NVLink y el tráfico cruzado por enlaces compartidos.

↳ Contexto: How NVIDIA NVLink 6 Delivers Multi-Layer Resiliency for AI Factories · ver hilo completo

Accelerating a ROS 2 Node with an AI Agent and NVIDIA Isaac ROS

NVIDIA contribuyó un backend CUDA al nuevo rosidl::Buffer de ROS 2 Lyrical, permitiendo que nodos ROS 2 intercambien payloads residentes en GPU mediante transporte zero-copy sin serialización ni copias a host cuando las condiciones de runtime lo permiten, con fallback automático al path CPU. Todos los nodos de Isaac ROS 5.0 ya usan este backend, y el artículo detalla un workflow donde un agente de coding usa la skill migrate-node-to-rosidl-buffer para auditar el nodo TensorRT de Depth Anything 3, planificar un refactor que preserva la interfaz y verificar con Nsight Systems que no hay transferencias host-device de tamaño payload (msg->data.get_backend_type() reporta "cuda"). Muestra un patrón concreto de agente de coding migrando código de infraestructura acelerada por GPU con verificación medible (ausencia de copias host-device), directamente reutilizable por quien mantiene pipelines de inferencia o serving sobre hardware acelerado.

Por qué importa: Muestra un patrón concreto de agente de coding migrando código de infraestructura acelerada por GPU con verificación medible (ausencia de copias host-device), directamente reutilizable por quien mantiene pipelines de inferencia o serving sobre hardware acelerado.

Simplifying Model Serving Across Multiple GPUs with NVIDIA TensorRT Multi-Device Integration in NVIDIA Dynamo-Triton

NVIDIA presenta la integración multi-device de TensorRT en Dynamo-Triton (release 26.07), que permite que un único KIND_MODEL ejecute un plan TensorRT distribuido sobre varios GPUs con colectivos NCCL y exponga un solo endpoint gRPC, sin que el cliente coordine ranks. Lo demuestran con Cosmos 3 Nano (generación de video), usando context parallelism Ulysses para repartir 44.160 video tokens: la latencia end-to-end baja de 156,6 s en una GPU a 34,2 s en ocho, con un speedup de 6,09x en los RPC del transformer. Esto es continuación de un post previo sobre escalado de inference en múltiples GPUs. IMPORTA: Mover la coordinación de ranks, contextos de ejecución y comunicadores NCCL dentro del propio model server elimina código distribuido del lado cliente y convierte el escalado multi-GPU en un detalle de despliegue, algo directamente relevante para quien sirve LLMs o modelos generativos grandes en producción.

Por qué importa: Mover la coordinación de ranks, contextos de ejecución y comunicadores NCCL dentro del propio model server elimina código distribuido del lado cliente y convierte el escalado multi-GPU en un detalle de despliegue, algo directamente relevante para quien sirve LLMs o modelos generativos grandes en producción.

↳ Contexto: How NVIDIA NVLink 6 Delivers Multi-Layer Resiliency for AI Factories · ver hilo completo

How to Evaluate AI Agents From Tool Calls to Task Completion

NVIDIA detalla cómo la evaluación de agentes ha pasado de puntuar llamadas individuales a herramientas a medir la finalización completa de tareas mediante entornos de ejecución que rastrean el estado a lo largo de cadenas de tool calls. Describe dos capas de scoring sobre el trace: a nivel de paso (dónde se rompe la cadena) y end-to-end (si el estado final del entorno cumple el objetivo), con métricas que se agregan en una jerarquía fija Benchmark → Trial → Task → Turn → Step y ejes de accuracy, verbosity y cost. Menciona que Nemotron 3.5 Lightning alcanza 86% de accuracy en PinchBench completando tareas un 30% más rápido que modelos comparables, y aboga por evaluaciones de dominio propio construidas desde tickets y APIs reales para decisiones de despliegue.

Por qué importa: Si estás construyendo o desplegando agentes, esto ofrece un marco concreto para decidir qué medir y qué gatear en release: la accuracy de llamadas sueltas no dice si el trabajo terminó, y comparar benchmarks sin fijarse en complejidad, estado del entorno y método de verificación lleva a

↳ Contexto: Building the enterprise environment for agentic AI · ver hilo completo

Toyota orders workers to train humanoid robots but says humans won't be replaced

Toyota planea invertir 6.420 millones de dólares anuales desde 2028 para desplegar 400.000 robots (150.000 en sus propias plantas y 250.000 en instalaciones del grupo), y ya ha empezado a usar sus humanoides ELEY en líneas de montaje, donde los trabajadores los entrenan con "jigs" basados en los dedos de los robots. Un vicepresidente de Toyota afirma que el objetivo es la convivencia entre robots y humanos, no el reemplazo, en una plantilla de 18.000 veteranos en 60 fábricas. El artículo sitúa la tendencia junto a otros fabricantes como Hyundai/Boston Dynamics con Atlas, y señala que persisten retos de hardware, seguridad y coste.

Por qué importa: Marca el paso hacia humanoides de propósito general entrenados por humanos en entornos industriales reales, lo que anticipa necesidades de teleoperación, datos de entrenamiento físico y observabilidad de flotas robóticas que hoy no existen en los stacks habituales.

Muse, Meta's extraordinarily privileged AI assistant, has a serious 0-day

El experto en seguridad de macOS Patrick Wardle descubrió un 0-day en Muse, el asistente de IA de Meta, que permite a cualquier app local o comando de terminal cambiar un endpoint de transcripción no documentado y robar el token de autenticación, tomando control total de la cuenta. Meta publicó un hotfix más de 12 horas después de la divulgación, y Amazon empezó a bloquear a Muse de su sitio por considerarlo un "agente de IA no autorizado". El fallo se apoya en decisiones de diseño de Meta, como procesar la transcripción en la nube en lugar de en el dispositivo, y es explotable con una variante simple de un ataque ClickFix.

Por qué importa: Cualquier equipo que despliegue agentes con acceso amplio a cuentas y recursos del sistema debería revisar su modelo de permisos y de dónde salen los tokens, porque este caso muestra que ampliar privilegios de un agente sin aislar sus endpoints convierte al propio asistente en el vector de ataque.