Esta semana hay modelos que ya se pueden usar y otros reservados a grupos pequeños. Google ha presentado dos de los anuncios principales; OpenAI, Microsoft, Phonic y Meta completan la selección con novedades en automatización, voz e investigación.
Carbon arranca con acceso limitado
Google presentó Gemini 4 Carbon como su modelo más potente para tareas largas, programación y ciberseguridad. La compañía publica un 88,2 % en SEC-bench Pro para detectar vulnerabilidades, un 54,8 % en ExploitGym y un 71 % en CWE-bench para corregir fallos.
La letra pequeña importa: Carbon no está abierto al público. Google empieza con un grupo de defensores y socios del programa Fairwind. El precio inicial anunciado es de 2 dólares por millón de tokens de entrada y 10 por millón de salida; después subirá a 4 y 20 dólares.
GPT-6.1 Terra abarata el uso del ordenador
GPT-6.1 Terra pone el foco en leer pantallas, interpretar documentos visuales y actuar en aplicaciones. OpenAI lo ofrece ya en ChatGPT Work y Codex para Plus, Pro, Enterprise y Edu, además de la API con el identificador gpt-6.1-terra.
Cuesta 1 dólar por millón de tokens de entrada y 5 por millón de salida, la mitad que GPT-6.1 Sol. Parece pensado para mucho trabajo repetido: extraer datos de facturas, rellenar formularios o revisar interfaces. OpenAI avisa de que Sol y Astra siguen siendo mejores para los problemas de código más difíciles.
Mundos con audio, todavía bajo invitación
Google también ha mostrado Genie 4, un modelo que genera simulaciones interactivas y su audio al vuelo. Se puede mover la cámara, hacer que llueva o introducir personajes con instrucciones escritas mientras la escena continúa.
Por ahora es una demostración con acceso limitado a probadores de confianza. Google dice que llegará a suscriptores de AI Ultra mediante Project Genie y a algunos socios de la API de Gemini y AI Studio. Interesa para prototipos y entrenamiento de agentes, pero todavía no es una herramienta abierta que cualquiera pueda poner a prueba.
El arnés de Copilot llega a Foundry
El Copilot harness es la capa que reúne instrucciones, contexto, herramientas, entorno de ejecución y controles alrededor del modelo. Nació en GitHub y ya sostiene Copilot Code, Copilot Studio, la aplicación de GitHub Copilot, la CLI y VS Code.
Microsoft lo lleva ahora a Foundry como servicio gestionado y también ofrece un SDK. Admite más de veinte modelos, claves propias, MCP, skills y plugins. Así se puede cambiar de modelo sin rehacer la capa que lo rodea. La empresa se ocupa del bucle del agente y del sandbox; el equipo conserva instrucciones, herramientas y elección de modelo.
Phonic-1 llama a herramientas mientras escucha
Phonic-1 prescinde de la cadena habitual de transcripción, respuesta y síntesis. Procesa voz a voz y puede empezar a llamar herramientas antes de que la persona termine de hablar, de modo que prepara la respuesta durante la propia petición.
Phonic afirma que el modelo trabaja con más de 50 idiomas y cambia de idioma sin cambiar de voz. También reconoce una distancia clara frente a personas reales: en su evaluación, los actores de voz ganaron cerca del 60 % de las comparaciones. Ese resultado sitúa mejor el producto que una demo impecable.
Cinco universidades prueban los modelos de Meta
Meta destinará 2 millones de dólares a cinco universidades de Estados Unidos, junto con acceso a modelos y colaboración directa. Los proyectos abarcan la detección de problemas en traqueostomías infantiles, el riesgo de insuficiencia cardiaca y la comunicación con personas con demencia.
Aquí conviene bajar el volumen: son líneas de investigación, no productos clínicos listos para usar. Para quien quiera construir algo hoy, Terra y el arnés de Microsoft son los anuncios más inmediatos. Carbon, Genie 4 y los proyectos de Meta aún piden paciencia.
0 comentarios
Todavía no hay comentarios.
Deja un comentario