Resumen IA: Google Deep Think, OpenAI Spark y M2.5

Resumen diario de IA: Google, OpenAI, MiniMax y más

Buenos días, {{ first_name | AI enthusiasts }}. OpenAI y Anthropic han acaparado los titulares de 2026, pero Google vuelve a recordar por qué es una potencia clave en la carrera de la IA. Con una mejora de su modo de razonamiento Deep Think que bate benchmarks en matemáticas, codificación y ciencia, y un nuevo agente de investigación capaz de resolver problemas abiertos de forma autónoma, Google empuja la investigación en IA hacia nuevos territorios.

Google: Deep Think domina benchmarks de razonamiento

Deep Think alcanza puntuaciones récord en matemáticas, codificación y ciencia; Aletheia, el nuevo agente matemático, verifica demostraciones y resuelve problemas abiertos.

El resumen: Google actualizó Deep Think (Gemini 3) y obtuvo resultados líderes en múltiples benchmarks académicos y de programación. La actualización incluye un agente de investigación matemática que verifica demostraciones y supera marcas previas en benchmarks de dominio.

• Resultados destacados: 84,6% en ARC-AGI-2 (frente a Opus 4.6 con 68,8% y GPT-5.2 con 52,9%) y 48,4% en el Examen Final de la Humanidad.
• Medallas de oro en Olimpiadas de Física y Química 2025; Elo de 3.455 en Codeforces, casi 1.000 puntos por encima de Opus 4.6.
• Aletheia: agente matemático autónomo para demostrar y verificar resultados complejos.
• Disponibilidad: actualización en la app Gemini para suscriptores Google AI Ultra; API en acceso anticipado para investigadores.

Por qué importa: estas mejoras mueven la frontera en matemáticas y ciencias, y señalan que Google sigue siendo un actor dominante en investigación de IA, además de empresas centradas en aplicaciones comerciales.

OpenAI: modelo de codificación ultrarrápido en chips Cerebras

GPT-5.3-Codex-Spark ofrece más de 1.000 tokens/s en hardware Cerebras, priorizando velocidad para flujo interactivo de desarrollo.

El resumen: OpenAI lanzó GPT-5.3-Codex-Spark, optimizado para velocidad sobre Cerebras, como primer producto fuera de la pila Nvidia de la compañía.

• Rendimiento: Spark sacrifica algo de calidad frente al Codex completo en benchmarks SWE-Bench Pro y Terminal-Bench, pero acelera tareas drásticamente.
• Estrategia de chips: acuerdo de más de $10.000M con Cerebras y contratos con AMD y Broadcom para diversificar hardware.
• Disponible como vista previa para suscriptores ChatGPT Pro; API limitada a socios empresariales inicialmente.

Por qué importa: la codificación en tiempo real con retroalimentación instantánea puede transformar flujos de trabajo de desarrollo, y la diversificación de hardware es clave en la estrategia de infraestructura de IA.

Guía práctica: generar un anuncio de televisión con IA

El resumen: aprende a crear un anuncio de 20 segundos con apariencia profesional usando modelos generativos y herramientas de video.

1. Idea y storyboard: pide a Gemini que planifique dos escenas de 5 segundos.
2. Genera prompts para cuadros iniciales y finales de cada escena.
3. En Higgsfield (requiere plan): Imagen > Crear Imagen > Nano Banana Pro, calidad 4K, 4 variaciones, ratio 21:9. Genera y descarga cuadros clave.
4. En Video > Kling 3.0 sube cuadros y genera clips; une los clips en un editor gratuito.
5. Consejo: pide términos fotográficos ("toma heroica") y genera música con Suno + Eleven Labs.

Voxel51: reduce el coste de etiquetado de datos

Evita etiquetar datos redundantes: pipelines basados en retroalimentación pueden ahorrar tiempo y dinero mientras mejoran el rendimiento.

El resumen: el taller técnico de Voxel51 (18 de febrero) enseña a construir pipelines de anotación eficientes que eliminan etiquetado innecesario.

• Técnicas cubiertas: selección sin-shot y uso de embeddings, flujos de QA focalizados, conjuntos de prueba para detectar drift y depuración con embeddings.

MiniMax: M2.5, modelo de codificación de frontera y bajo coste

M2.5 iguala a Opus 4.6 y GPT-5.2 en benchmarks de codificación, pero con costes por salida mucho menores.

El resumen: MiniMax lanzó M2.5, un modelo con rendimiento de codificación competitivo y precios que lo hacen viable para agentes 24/7.

• APIs: M2.5-Lightning (más rápido, $2.40/salida) y M2.5 estándar ($1.20/salida) — significativamente más baratos que Opus ($25/salida).
• Uso interno: M2.5 gestiona ~30% de tareas diarias y 80% de nuevos commits en MiniMax.
• Disponibilidad: API pública; pesos y licencia de código abierto aún no publicados.

Por qué importa: la reducción de costes por salida facilita desplegar agentes autónomos a gran escala y cambia las decisiones de adopción en la industria.

Otras noticias relevantes

• ByteDance publica Seedance 2.0 (modelo SOTA para videos virales) con acceso restringido.
• Mustafa Suleyman (FT): predicción de automatización masiva de trabajos de cuello blanco en 12–18 meses.
• Elon Musk sobre salidas en xAI y reestructuración por velocidad de ejecución.
• OpenAI retira GPT-4o, GPT-4.1 y o4-mini de ChatGPT; debate de la comunidad sobre preservación de modelos.
• Anthropic anuncia financiación de $30.000M valorada en $380.000M con ingresos crecientes, impulsados por Claude Code.
• Investigadora Zoë Hitzig renuncia a OpenAI por preocupaciones sobre manipulaciones y uso de datos.

Flujos de trabajo de IA de la comunidad

Cada edición destaca cómo los lectores usan la IA para ahorrar tiempo. Hoy: Anthony H. (Australia) construyó un escáner de códigos QR en iPad con Google AI Studio, GitHub y Vercel para gestionar miembros y preservar la privacidad local de datos.

¿Cómo usas la IA? Cuéntanos aquí.

Nos vemos pronto — Rowan, Joey, Zach, Shubham y Jennifer, el equipo humano detrás de The Rundown.