El radar

[AINews] High Taste Testers Ep. 1

Meta publica Muse Spark Open, un MoE de 816B totales y 42B activos con pesos abiertos, contexto de 1M, entradas multimodales y checkpoint NVFP4 de ~530GB que cabe en 4 Blackwell Ultra, 8 H200 o dos Mac Studios; licencia custom con atribución y acuerdo aparte para MaaS con más de $20M de ingresos. Reflection lanza Beam 1.0 (501B/23B activos, Apache 2.0, 1M de contexto, pesos BF16/FP8/NVFP4, drafter y harness Mirror CLI). Se suman rollouts como Gemini 4 Argon, Haiku 5.5 más barato y la categoría de decision models (Liquid d1-ultra, pplx-decider v1.2), junto a cifras de serving en TPUv7, Vera Rubin NVL72 y MI355X con vLLM.

Por qué importa: Da apoyo concreto para decidir qué modelo abierto servir y en qué hardware: tamaños, cuantización NVFP4, throughput por dólar y soporte day-0 en vLLM/mlx-lm son datos directamente accionables para planificar inferencia y capacidad.

Meta removes language that may have allowed it to scrape news sites

Meta ha eliminado de sus términos comerciales la cláusula que, según expertos como James Grimmelmann y Neiman Lab, podía interpretarse como un derecho a rastrear y usar contenido de sitios de noticias para entrenar su IA, incluso por encima de las indicaciones de robots.txt. La empresa había negado inicialmente cualquier cambio en el uso de sus web crawlers, pero finalmente ha retirado el lenguaje controvertido y aclara que las condiciones consolidadas solo aplicaban a sus productos de publicidad y negocio. Esta actualización continúa el episodio que ya cubrimos cuando aparecieron esos términos. IMPORTA: Para quien opera crawlers, pipelines de datos o entrenamiento de modelos, confirma que las cláusulas de scraping en los términos de proveedores cloud/plataforma pueden convertirse en un riesgo legal y reputacional, y que robots.txt sigue siendo la señal de referencia que conviene auditar en cualquier ingesta de datos.

Por qué importa: Para quien opera crawlers, pipelines de datos o entrenamiento de modelos, confirma que las cláusulas de scraping en los términos de proveedores cloud/plataforma pueden convertirse en un riesgo legal y reputacional, y que robots.txt sigue siendo la señal de referencia que conviene auditar en cualquier ingesta de datos.

↳ Contexto: Meta’s new terms may allow it to train AI on news sites for free · ver hilo completo

Replit makes OpenAI its default over Anthropic, CEO says

Replit ha convertido a OpenAI en su proveedor por defecto para su agente de coding, en detrimento de Anthropic, que hasta ahora era su socio principal; el CEO Amjad Masad citó coste, rendimiento en su benchmark interno y fortaleza de la alianza como motivos. Los clientes todavía pueden elegir modelos de Anthropic en la plataforma, pero al quedarse la mayoría con el default el gasto con Anthropic caerá. Fuentes cercanas a la relación entre ambas compañías rechazaron que la asociación haya terminado, y Masad señaló que más de la mitad de los ingresos ya son B2B y que la empresa espera que la mayoría provenga de enterprise y gobierno en 2027. No guarda relación directa con la pieza previa sobre el hardware propio de Anthropic.

Por qué importa: Es un caso concreto de cómo un proveedor de agentes de coding puede cambiar de modelo por defecto en función de coste, benchmark interno y partnership, algo que obliga a quien construye plataformas sobre LLMs a mantener la abstracción de proveedor y a medir el impacto en coste y calidad al cambiar de default.

↳ Contexto: Anthropic will design its own hardware to power Claude · ver hilo completo

b11716

El release b11716 de llama.cpp añade soporte para los formatos cuantizados Q1_0 y Q2_0 en el backend Hexagon, habilitando pesos Q1_0 en la ruta 2D HMX MUL_MAT. Incluye limpieza de gates, generalización del tiling (con corrección de la suposición de tiling cuadrado en MUL_MAT_NX, ya que Q1/Q2 usan tiles no cuadrados), eliminación de asserts obsoletos y optimización del layout de Q1_0 para reducir el overhead de unpack y vrmpy. IMPORTA: Amplía la inferencia local de LLMs con cuantizaciones de muy baja precisión (Q1/Q2) sobre el DSP Hexagon de Qualcomm, relevante para quien despliega modelos en hardware móvil o edge.

Por qué importa: Amplía la inferencia local de LLMs con cuantizaciones de muy baja precisión (Q1/Q2) sobre el DSP Hexagon de Qualcomm, relevante para quien despliega modelos en hardware móvil o edge.

Anthropic gives outside AI watchdog “employee-like” access

Anthropic ha concedido a METR, organización sin ánimo de lucro dedicada a la evaluación de riesgos, un acceso "similar al de un empleado" a sus sistemas internos y hardware, con seis personas embebidas en la oficina y acceso a herramientas internas equiparable al de sus propios equipos de evaluación de riesgos. METR publicará sus análisis sin que Anthropic pueda vetar la publicación, aunque la compañía puede exigir la redacción de cierta información (datos de clientes, privilegio abogado-cliente o detalles de arquitectura de modelos). El acuerdo no implica pago a METR, que se financia con donaciones privadas y organismos como el UK AI Security Institute, y Anthropic afirma que trabaja también con Accenture y SecureBio en pruebas de seguridad.

Por qué importa: Sienta un precedente de auditoría externa con acceso real a sistemas internos y publicación no vetable, algo relevante para cualquiera que diseñe políticas de evaluación, compliance o acceso a modelos e infraestructura en su organización.

↳ Contexto: Anthropic is letting METR researchers look under the hood with employee-level access · ver hilo completo