OpenAI rompe con Nvidia en su nuevo modelo de código y la seguridad de los agentes se tambalea

La jornada combina dos avances de producto de peso —un modelo de programación en tiempo real de OpenAI ejecutado en chips de Cerebras y una versión mejorada de Gemini 3 Deep Think orientada a ciencia e ingeniería— con un recordatorio incómodo: los agentes autónomos y los propios modelos son ya objetivo de ataques. En paralelo, la investigación empieza a medir con rigor dónde la IA iguala al trabajo profesional humano.

GPT-5.3-Codex-Spark: código 15 veces más rápido y sin Nvidia

OpenAI ha presentado su primer modelo de producción que funciona sobre hardware de Cerebras, con generación de código por encima de 1.000 tokens por segundo y contexto de 128k, disponible en versión de investigación para suscriptores de ChatGPT Pro. Además del salto de velocidad para flujos de desarrollo y CI/CD, señala que la dependencia de la infraestructura de Nvidia no es inevitable.

Moltbook: 1,5 millones de claves API expuestas en una red de agentes

La red social de agentes de IA, lanzada a finales de enero y ya con 12 millones de publicaciones, acumula fallos graves: Snyk detectó vulnerabilidades notables en el 36% del código que da funciones a los agentes y Wiz halló una base de datos abierta con 1,5 millones de claves. Es la demostración práctica de que cuanto más acceso se da a un agente, mayor es la superficie de ataque, incluida la inyección de instrucciones desde un simple mensaje público.

Google: los modelos de IA ya son botín de ciberespionaje

El informe del Threat Intelligence Group describe intentos de destilar la capacidad de razonamiento de Gemini —más de 100.000 consultas, muchas en idiomas distintos del inglés, para entrenar un competidor más barato— y grupos estatales como APT42 o UNC2970 usando IA generativa para ingeniería social y reconocimiento. Quien despliegue modelos propietarios debe tratar su lógica como un activo a proteger, no solo sus datos.

Los LLM igualan a traductores profesionales de nivel medio

Un estudio de la Universidad de Westlake publicado en IEEE Transactions on Big Data sitúa a GPT-4 en 3,71 errores mayores por 200 oraciones, frente a 3,27 y 3,30 de traductores junior y de nivel medio, y 1,83 de los senior con más de diez años. Para áreas de contenido y documentación técnica, marca con datos dónde la automatización es viable y dónde sigue haciendo falta criterio experto.

OpenEnv mide agentes contra sistemas reales

Meta y Hugging Face liberan un marco para evaluar agentes fuera de simulaciones controladas, con un entorno de gestión de calendarios aportado por Turing. Los fallos detectados —razonamiento multipaso, ambigüedad (del 90% al 40% de éxito con instrucciones naturales) y construcción de argumentos de herramientas— son la referencia realista antes de cualquier despliegue empresarial.

El músculo técnico avanza más rápido que las defensas: conviene vigilar tanto la diversificación del hardware de inferencia como la gobernanza de los agentes que ya operan con credenciales reales.