Tecnología
modelos multimodales
Los modelos multimodales son sistemas de IA capaces de procesar y razonar combinando distintos tipos de datos —texto, imagen, vídeo, audio y señales sensoriales— en una misma tarea. Se usan tanto en productos de consumo (asistentes, transcripción, generación de contenido) como en aplicaciones industriales avanzadas como robótica, conducción autónoma y salud.
Sobre esta tecnología, IA para hoy ha analizado 26 noticias, procedentes de 14 medios distintos. En los últimos siete días han sido 4, frente a las 3 de la semana anterior. La fiabilidad media de esa cobertura es de 3,3 sobre 5, medida con las reglas de nuestro método. Las áreas de impacto que más se repiten son Operaciones, Desarrollo, Industria. Aparece en 8 historias en seguimiento.
Evolución en 16 semanas
El momentum semanal se estima con la misma fórmula que el momentum actual: volumen, aceleración respecto a la semana anterior, diversidad de fuentes e impacto.
Análisis Qué significa para una empresa
- Oportunidades
- Permiten automatizar tareas que combinan visión y lenguaje (control robótico, diagnóstico médico, generación de contenido audiovisual), reducir costes operativos mediante procesamiento local o más barato, y abrir nuevos productos en sectores como salud, robótica industrial y medios.
- Riesgos
- Existen riesgos de alucinaciones y fiabilidad en tareas críticas, fuerte dependencia de proveedores (Google, OpenAI, startups emergentes) con benchmarks propios no siempre verificables de forma independiente, y riesgos regulatorios y reputacionales graves, como el uso indebido para generar contenido sexual no consentido o CSAM detectado en plataformas como Meta y X.
- Qué debería hacer una empresa
- Las empresas deberían evaluar en los próximos 6 meses casos de uso multimodal específicos de su sector (atención al cliente, documentación visual, mantenimiento), priorizando proveedores con políticas claras de seguridad y moderación de contenido, y estableciendo controles internos antes de desplegar generación de imagen o vídeo de cara al público.
Análisis generado por IA a partir de las noticias disponibles; actualizado 18 oct.
Relacionadas
Google ×6Google DeepMind ×6Anthropic ×5LLM ×4OpenAI ×4robótica ×4Nvidia ×2Meta ×2IA científica ×2API ×2
Historias
El MIT presenta un modelo de IA para buscar materiales cristalinos
Lanzamiento de Pegasus 1.5 en Amazon Bedrock
Elorian lanza Glimpse, modelo de razonamiento visual económico
Elorian presenta Glimpse, modelo de razonamiento visual
Google presenta Gemini 4 Argon para robótica y simulación
Gemini 4 Argon para robótica de Google DeepMind
Google presenta AI Edge Foresight, app de notas con procesamiento local
Satlyt levanta 8M$ para ejecutar IA en satélites
Noticias
El MIT desarrolla una IA que analiza estructuras cristalinas en 3D para identificar materiales prometedores
Investigadores del MIT desarrollaron un modelo que combina estructuras atómicas tridimensionales con descripciones en lenguaje natural, descrito en Nature…
Por qué importaSi se confirma su utilidad, podría acortar la búsqueda de materiales que hoy requiere años de prueba y error, algo relevante para empresas de…
AWS pone a disposición de Bedrock el modelo de vídeo Pegasus 1.5 de TwelveLabs
TwelveLabs Pegasus 1.5 está disponible en Amazon Bedrock, en la región us-west-2. El modelo convierte vídeos de larga duración en metadatos estructurados con…
Por qué importaPara equipos que manejan grandes volúmenes de vídeo, como medios, deportes o marketing, puede sustituir revisiones manuales por extracción…
La startup Elorian presenta Glimpse, un modelo que vuelve a mirar imágenes y vídeos mientras razona
La startup Elorian presentó Glimpse, un modelo de IA que revisa una imagen o un vídeo varias veces durante su razonamiento, en lugar de analizarlos una sola…
Por qué importaSi los resultados se confirman, el coste por millón de tokens de un modelo visual especializado podría bajar mucho frente a los modelos de las…
Elorian lanza Glimpse, su primer modelo de IA que razona con imágenes y no solo sobre ellas
La startup Elorian, con sede en Palo Alto, ha publicado Glimpse, su primer modelo, en forma de vista previa de investigación con acceso por API; la interfaz de…
Por qué importaMuestra un enfoque alternativo para que los modelos multimodales revisen las imágenes durante el razonamiento, en lugar de describirlas una sola vez…
Google presenta Gemini 4 Argon, un modelo para controlar robots, simular tareas y evaluar entrenamientos
Google presenta Gemini 4 Argon, un modelo que, según la compañía, controla robots, genera simulaciones a partir de fotos o bocetos y evalúa vídeos de…
Por qué importaGoogle propone un único modelo para todo el ciclo de robótica, desde la simulación hasta la validación de datos de entrenamiento. Si se confirma…
Google DeepMind presenta Gemini 4 Argon para robótica y afirma liderar el benchmark ERQA
Google DeepMind presenta Gemini 4 Argon, un modelo orientado al razonamiento físico y al control robótico. Según la compañía, obtiene un 87% en el benchmark…
Por qué importaSi los resultados se confirman, la IA física de propósito general podría reducir el trabajo de programación específica de tareas robóticas mediante…
Google presenta AI Edge Foresight, una app de notas para Mac que procesa audio sin conexión
Google ha presentado AI Edge Foresight, una aplicación de escritorio gratuita solo para Mac con Apple Silicon, que transcribe reuniones, organiza notas y…
Por qué importaPara empresas que manejan información confidencial en reuniones, el procesamiento local se convierte en un criterio de comparación frente a las…
Satlyt levanta 8 millones para llevar software de IA a satélites comerciales
Satlyt, startup fundada por un exempleado de Google y SpaceX, ha levantado una ronda semilla de 8 millones de dólares para desarrollar software que permita…
Por qué importaProcesar IA en el propio satélite reduce costes de downlink y permite resolver anomalías sin depender tanto de centros de control terrestres…
China impulsa con subsidios estatales una industria del vídeo generado por IA a bajo coste
Gobiernos locales chinos como Shanghái, Pekín y Hainan ofrecen incentivos (exenciones de alquiler, ayudas de alojamiento, computación subsidiada) para atraer…
Por qué importaChina está construyendo deliberadamente un ecosistema industrial para contenido audiovisual generado por IA, con apoyo estatal y caída drástica de…
AMD adquiere la startup de modelos de mundo World Labs por 8.200 millones de dólares
AMD anunció la adquisición en acciones de World Labs, startup de inteligencia espacial fundada por Fei-Fei Li, por unos 8.200 millones de dólares. Li se…
Por qué importaLa compra refuerza a AMD como principal rival de Nvidia en IA, integrando investigación de modelos de mundo con diseño de hardware para orientar…
Informe de Prosus prevé que la robótica de propósito general iguale rentabilidad a un trabajador cuando cueste 20.000 dólares
Prosus Ventures publicó un informe sobre robótica de propósito general basada en modelos visión-lenguaje-acción (VLA). El documento estima un 'momento GPT-3'…
Por qué importaSi el hardware alcanza ese umbral de coste, la automatización física dejaría de estar limitada por la inteligencia del modelo y se aceleraría en…
Suleyman (Microsoft AI) prevé que la IA vuelva habitual vivir sano hasta los cien años
Mustafa Suleyman, cofundador de DeepMind y CEO de Microsoft AI, plantea en su libro 'La ola que viene' que la convergencia entre IA, biotecnología y biología…
Por qué importaIlustra cómo directivos de IA de primer nivel proyectan el impacto de estas tecnologías más allá del software, hacia salud, biotecnología y…
Suno lanza modelos v6 con música de IA licenciada junto a Warner y BMG
Suno anunció un acuerdo con Warner Music Group y BMG para lanzar los modelos v6, v6-wild y v6-mini, entrenados con catálogos licenciados. Los artistas de esos…
Por qué importaMarca un cambio de modelo de negocio para la IA generativa musical, pasando de entrenamiento no autorizado a licencias con consentimiento y…
Meta tardó días en retirar anuncios de apps 'nudify' con CSAM generado por IA de niñas reales
Una investigación del Tech Transparency Project (TTP) publicada el martes reveló que Meta no detectó 332 anuncios con material de abuso sexual infantil (CSAM)…
Por qué importaEl caso expone fallos graves de moderación en plataformas publicitarias masivas frente a contenido ilegal generado con IA, y plantea responsabilidad…
Google lanza WeatherNext 3, modelo de IA para pronósticos climáticos de alta resolución
Google presentó WeatherNext 3, un modelo de IA meteorológica que usa datos satelitales en tiempo real y alcanza resolución de hasta 5 km. Ya está integrado en…
Por qué importaPronósticos más precisos y localizados pueden mejorar la planificación de energías renovables, logística y gestión de riesgos climáticos…
Hugging Face reproduce con TRL y OpenEnv un modelo de código que pinta acuarelas mediante RL
Un ingeniero de Hugging Face reproduce en abierto un proyecto viral de Surya Narreddi que entrena un modelo de lenguaje para escribir JavaScript (usando…
Por qué importaIlustra cómo el RL con jueces de preferencia (no solo recompensas verificables) puede aplicarse a tareas creativas y subjetivas como el 'gusto…
Samsung presenta modelos xMAE y HiMAE para medicina preventiva con IA
Samsung Research America ha desarrollado dos modelos de IA —xMAE y HiMAE— presentados en Galaxy Unpacked para analizar señales biológicas y detectar posibles…
Por qué importaRepresenta un avance concreto en medicina preventiva basada en datos continuos de wearables, potenciando el valor de los dispositivos de Samsung más…
Pixieset alcanza 35% de adopción de IA generativa al automatizar metadatos de fotos
Pixieset, plataforma de gestión de portafolios para fotógrafos, lanzó en 2025 un generador automático de texto alternativo (alt text) para imágenes usando…
Por qué importaEl caso demuestra cómo identificar tareas no-creativas que los usuarios posponen indefinidamente es más efectivo para la adopción de IA que…
Zuckerberg defiende la descentralización de la superinteligencia contra la concentración de poder
Mark Zuckerberg publicó una columna de opinión en The Wall Street Journal titulada "El futuro de la IA es para todos" en la que afirmó que en los próximos años…
Por qué importaLa posición de Zuckerberg refleja una tensión estratégica clave en la industria: quién controlará la superinteligencia y bajo qué modelo. Para…
CEOs de OpenAI, Google DeepMind y Anthropic proponen coalición internacional liderada por EE.UU. para regular IA
Los directores ejecutivos de OpenAI (Sam Altman), Google DeepMind (Demis Hassabis) y Anthropic (Dario Amodei) se reunieron en el marco de la cumbre del G7 para…
Por qué importaLa posición conjunta de las tres empresas líderes en IA busca influir en la arquitectura regulatoria global, priorizando el control estadounidense…
Google DeepMind lanza aceleradora de robótica para 15 startups europeas
Google DeepMind ha seleccionado 15 startups de robótica de toda Europa para su nuevo programa Google DeepMind Accelerator: Robotics, con sede de arranque en…
Por qué importaRefuerza la apuesta de Google DeepMind por la robótica física como frontera de la IA y da acceso privilegiado a startups europeas a tecnología…
Google DeepMind conmemora 10 años de AlphaGo y conecta su legado con el camino hacia AGI
Google DeepMind publica un análisis retrospectivo de AlphaGo en su décimo aniversario (2016–2026), destacando cómo sus métodos de búsqueda y aprendizaje…
Por qué importaEste documento ilustra cómo una arquitectura de IA diseñada para un juego ha derivado en herramientas científicas concretas (AlphaFold ha sido usado…
Google lanza estudio nacional sobre IA conversacional en atención virtual médica
Google Research, en colaboración con Included Health, anuncia un ensayo clínico aleatorizado a nivel nacional para evaluar IA conversacional en entornos reales…
Por qué importaEste estudio representa la transición crítica de la IA médica de laboratorio a la práctica clínica real, con estándares de evidencia comparables a…
Microsoft presenta Argos, verificador de razonamiento para agentes multimodales
Microsoft Research ha desarrollado Argos, un marco de verificación para el aprendizaje por refuerzo en modelos multimodales que entrena agentes evaluando si su…
Por qué importaArgos aborda un problema crítico de fiabilidad en agentes IA reales: modelos que dan respuestas plausibles pero no ancladas en la evidencia visual…
Reguladores del Reino Unido investigan a X por generación de imágenes sexuales con Grok
Ofcom y la Oficina del Comisionado de Información (ICO) del Reino Unido han contactado con X y xAI tras reportes de que Grok genera imágenes sexualizadas de…
Por qué importaEste caso representa una prueba crítica de la capacidad regulatoria de la Ley de Seguridad en Línea del Reino Unido, que designa la difusión de…
NVIDIA lanza Alpamayo, modelo abierto de razonamiento para vehículos autónomos
NVIDIA presentó en CES 2026 Alpamayo, una familia de modelos de IA abiertos diseñada para vehículos autónomos. El modelo central, Alpamayo 1, es un modelo de…
Por qué importaEl razonamiento explícito y la capacidad de explicar decisiones en vehículos autónomos es crítico para la adopción y confianza. Los modelos abiertos…