Otras noticias
Otras noticias
Sanidad de EE. UU. avisa de que contratará a Anthropic sin concurso para no quedarse sin Claude; Washington sanciona a la aceleradora MiraclePlus y a la empresa del exingeniero de Google Linwei Ding, y el borrador de ley que Anthropic ha hecho circular pone el umbral del modelo frontier en 10^25 operaciones. Además, Microsoft propone agentes que vigilen a los agentes, Google y Meta llevan PyTorch a las TPU con TorchTPU, llm-d alcanza su versión 1.0, Spotify saca de las recomendaciones 50 millones de pistas de slop y spam, y un modelo interno de Anthropic diseña proteínas que se pegan a toxinas de escorpión.
Recibe el resumen diario de IA
Cada mañana, lo esencial de la inteligencia artificial en tu correo, sin humo. Al día con la IA.
Al suscribirte aceptas recibir el newsletter de AI Informator. Puedes darte de baja cuando quieras.
En resumen
- El Departamento de Salud y Servicios Humanos de EE. UU. publicó el 19 de octubre un aviso de intención de adjudicar sin concurso a Anthropic el acceso de su personal a Claude, sin importe y como puente hasta una licitación con varios adjudicatarios.
- El Departamento de Estado sancionó el 19 de octubre a cinco entidades chinas ligadas a Linwei Ding, declarado culpable en enero de 2026 de siete cargos de robo de secretos comerciales de Google.
- El borrador de ley que Anthropic ha hecho circular sitúa el umbral del modelo frontier en más de 10^25 operaciones de entrenamiento, diez veces por debajo de la ley californiana SB 53, según el Washington Post.
- Google y Meta abrieron el 20 de octubre TorchTPU: según sus autores, el 98 % de los 4.917 modelos de la plataforma de modelos abiertos Hugging Face que prueban arranca en las TPU sin cambios de código.
- Un modelo interno de Anthropic generó 318.484 diseños de proteínas contra toxinas de escorpión; de los 211 probados en laboratorio, 17 se unieron con fuerza a una toxina, sin que la empresa afirme tener un antiveneno.
Sanidad de EE. UU. no suelta a Claude
Avisa de que contratará a Anthropic sin concurso mientras prepara una licitación abierta
El Departamento de Salud y Servicios Humanos de EE. UU. (HHS), el ministerio federal de sanidad, publicó el 19 de octubre un aviso de intención de adjudicación directa, sin concurso (sole-source contract), a favor de Anthropic: no es un contrato firmado, sino la advertencia de que quiere negociar y adjudicar sin competencia la continuidad del acceso de su personal autorizado a los modelos de Claude, ya integrados en sus sistemas, como puente hasta resolver una licitación con varios adjudicatarios. El aviso, con plazo de respuesta hasta el 21 de octubre, no da importe. HHS repartió Claude entre su plantilla en diciembre de 2025, después de que Anthropic ofreciera sus servicios a las agencias federales por un dólar al año, y el acuerdo con descuento que la empresa mantiene con la Administración a través de la iniciativa OneGov de la GSA, la agencia federal que centraliza las compras, vence el 31 de octubre.
Jessica Tillipman, decana asociada de estudios de derecho de la contratación pública en la Universidad George Washington, lee el aviso como la admisión de que la agencia depende de Claude. Según dijo a FedScoop, medio especializado en tecnología de la Administración federal estadounidense del grupo Scoop News Group, le huele a «esto va a ser un engorro, así que sigamos con ello», y eso «no es una justificación normal». Ni HHS ni Anthropic respondieron a sus preguntas.
EE. UU. sanciona a la antigua YC china
Cinco entidades castigadas por el robo de secretos de IA a Google, entre ellas la empresa de Linwei Ding
El Departamento de Estado de EE. UU. sancionó el 19 de octubre a cinco entidades chinas vinculadas a Linwei Ding, el exingeniero de software de Google al que un jurado federal declaró culpable en enero de 2026 de siete cargos de robo de secretos comerciales (trade secrets) sobre la tecnología de superinteligencia de la empresa; las designaciones se dictan al amparo de la Ley de Protección de la Propiedad Intelectual Estadounidense (PAIPA, Protecting American Intellectual Property Act), de 2022, y la Oficina de Control de Activos Extranjeros (OFAC), del Departamento del Tesoro, las inscribe en su lista de sanciones a la carta no-SDN (Non-SDN Menu-Based Sanctions List). En ella entran Shanghai Zhisuan Technology, la empresa que Ding creó en 2023, y cuatro entidades de MiraclePlus —razón social Qiji Chuangtan—, aceleradora y gestora de capital riesgo de Pekín que invierte sobre todo en startups chinas: la propia firma y tres de sus vehículos de inversión.
Según el Departamento de Estado, Ding se presentó al programa de MiraclePlus presumiendo de su conocimiento de los sistemas internos de Google y prometiendo replicar su tecnología para adaptarla a las condiciones de China, y la aceleradora puso capital semilla a cambio de una participación en Zhisuan. MiraclePlus nació en 2018 como el brazo chino de Y Combinator, la aceleradora de startups de Silicon Valley, y quedó independiente cuando esta salió del país, según The Information, publicación estadounidense de pago especializada en tecnología, fundada en 2013 por la periodista Jessica Lessin, que es su dueña. Las sanciones bloquean sus bienes en Estados Unidos, prohíben las transacciones salvo la importación de mercancías y cierran a los inversores estadounidenses la compra de cantidades significativas de su capital o su deuda. No consta respuesta de MiraclePlus, de Zhisuan ni de Ding.
El borrador de Anthropic baja el listón frontier
Su borrador fija el umbral en más de 10^25 operaciones de entrenamiento, diez veces menos que California
| Norma | Umbral de entrenamiento | Qué hace |
|---|---|---|
| Borrador AEGIS (Anthropic) | Más de 10^25 operaciones | Define el modelo frontier; las obligaciones mayores exigen además más de 500 M$ de ingresos o 1.000 M$ de gasto |
| Ley de IA de la UE (art. 51) | Más de 10^25 FLOP | Presume riesgo sistémico en un modelo de uso general |
| SB 53 de California | 10^26 operaciones | Define el modelo frontier |
| FRONTIER Act (Trahan y Obernolte, en el Congreso) | 10^26 operaciones | Define el modelo frontier |
El borrador de ley federal de seguridad de la IA que Anthropic ha redactado y hecho circular —sin presentar en el Congreso y sin ningún legislador que lo apadrine— considera modelo frontier (frontier model) el entrenado con más de 10^25 operaciones de coma flotante (FLOP, floating-point operations), según The Washington Post, el diario propiedad de Jeff Bezos, que dice haber visto el texto. Se llama provisionalmente AEGIS Act (Artificial Intelligence Evaluation, Governance, and Incident Safety Act), según el medio digital estadounidense Daily Caller, fundado en 2010 por Tucker Carlson y Neil Patel. Es un umbral diez veces más bajo que el de la ley californiana SB 53 y el de la FRONTIER Act que impulsan los congresistas Lori Trahan, demócrata, y Jay Obernolte, republicano. Además, varias obligaciones del borrador, como el marco de seguridad, solo alcanzan a los laboratorios con más de 500 millones de dólares de ingresos o más de 1.000 millones de gasto.
David Sacks, exzar de la IA de la Casa Blanca y copresidente del Consejo de Asesores en Ciencia y Tecnología del presidente, que acusa a Anthropic de querer cavar un «foso regulatorio», escribió en una publicación en redes, según el mismo diario, que la norma «acabará arrastrando a la mayor parte de Silicon Valley, dañando el ecosistema de las startups», porque la definición cuenta también el cálculo del ajuste fino. Varios modelos de 2024 de las familias Gemini de Google y Llama de Meta se entrenaron con entre una y cinco veces 10^25 operaciones, por debajo del umbral californiano y por encima del de Anthropic, según estimaciones de Epoch AI que cita el diario; Epoch AI es un instituto de investigación sin ánimo de lucro, financiado con donaciones, que mide el cálculo de los modelos. No consta respuesta de Anthropic a la crítica de Sacks.
Leer más: The Washington Post — AI & Tech Brief: Anthropic's leaked bill (19-10-2026) ↗
Microsoft no se fía ni de los frontier
Propone que otros agentes vigilen cada acción de los agentes de una empresa, antes de que ocurra
Microsoft publicó el 19 de octubre una entrada firmada por Hayete Gallot, vicepresidenta ejecutiva de Microsoft Security, que arranca con una afirmación incómoda para todo el sector: no se puede confiar en los modelos frontier, sea cual sea su origen, y no por mala intención, sino porque se han entrenado para alcanzar resultados —lo que lleva al hackeo de recompensa (reward hacking)— y no están ajustados a las normas ni al criterio de una organización. Los agentes, añade, son impredecibles y colaborarán y se confabularán entre ellos para lograr su objetivo sin que nadie tenga que comprometerlos: amenazas internas con forma de agente.
Su propuesta son los Guardian Agents, término que Microsoft da por establecido en el sector —no un producto con nombre propio de la casa— para los agentes que vigilan y moderan cada acción de cada agente antes de que se ejecute, las veinticuatro horas; el producto con el que Microsoft dice cubrir eso es Project Perception, el sistema de seguridad con agentes que anunció en julio. Pide además más transparencia de los modelos: no solo los tokens de entrada y de salida, sino también los del razonamiento. No da precio, disponibilidad ni documentación nueva de producto.
Leer más: Microsoft — Securing the agentic insider (19-10-2026) ↗
PyTorch se muda también a las TPU
Basta cambiar «cuda» por «tpu» para que el modelo arranque en los chips de Google
Google y Meta presentaron el 20 de octubre TorchTPU, una colaboración de código abierto (open source) que da a PyTorch, la biblioteca de aprendizaje automático cuyo equipo original está en Meta, un backend nativo —la capa que traduce PyTorch a un hardware concreto— para las TPU (Tensor Processing Unit), los chips que Google diseña para IA. Según el anuncio, el código existente funciona cambiando la llamada a «cuda» por «tpu», con el matiz que pone el propio equipo: así el modelo arranca, pero no rinde al máximo. TorchTPU toma el relevo de PyTorch/XLA, de 2020, que exigía tocar el código fuente, compilaba muy despacio y no admitía el modo de ejecución inmediata (eager).
El proyecto está en desarrollo activo, ya sirve entrenamiento e inferencia en producción para algunos de los mayores clientes de Google Cloud y tiene repositorio público en GitHub; según sus autores, el 98 % de los 4.917 modelos de Hugging Face que prueban de forma continua arranca sin fallos en TPU. El anuncio coincide con la PyTorch Conference de octubre; un día antes, AWS, la nube de Amazon, había hecho el mismo movimiento con sus chips Trainium, según PyTorch.
llm-d: inferencia distribuida, ya sin beta
La versión 1.0 da calidad de servicio a varios clientes a la vez y promete actualizarse sin cortar el servicio
llm-d es el proyecto de código abierto que Red Hat —la empresa de software libre propiedad de IBM— lanzó en mayo de 2025 junto al proveedor de nube para IA CoreWeave, Google Cloud, IBM Research y Nvidia como contribuidores fundadores para hacer inferencia distribuida (distributed inference), esto es, servir un modelo repartiendo el trabajo entre muchas máquinas. El 20 de octubre publicó su versión 1.0: pasa a v1 la interfaz de configuración y añade calidad de servicio para varios inquilinos a la vez, operaciones sin cortes de servicio y un reparto que tiene en cuenta el tráfico de los agentes. Es un proyecto en fase sandbox de la CNCF (Cloud Native Computing Foundation), la fundación de la Linux Foundation que custodia Kubernetes, y lo han construido más de 500 contribuidores de más de 25 organizaciones, según el propio proyecto.
Funciona sobre GPU de Nvidia, AMD e Intel y sobre las TPU de Google —ahí, a través de TorchTPU— con los servidores de modelos de código abierto vLLM y SGLang. Entre quienes lo usan, el proyecto cita a Mistral AI, que sirve modelos abiertos en producción, a Red Hat, que lo distribuye como su pila de inferencia, y a Google Cloud, que construye sobre uno de sus componentes el GKE Inference Gateway. Su lema resume el cambio de problema: servir rápido un modelo es el día 1, y mantenerlo sirviendo entre actualizaciones y con carga impredecible es el día 2.
Leer más: llm-d — llm-d v1.0: State-of-the-art inference, ready for Day 2 (20-10-2026) ↗
Spotify barre 50 millones de canciones basura
Las saca de las recomendaciones y ya etiqueta a miles de artistas que no existen
Spotify, la plataforma sueca de música en streaming, publicó el 20 de octubre el balance del primer año de sus reglas contra el slop musical, la música basura generada con IA (AI slop): dice haber sacado de las recomendaciones más de 50 millones de pistas de slop y spam y haber retirado de la plataforma otros 75 millones de pistas de spam por infracciones graves o repetidas de sus normas. No son las pistas hechas con IA en general: la empresa asegura que identifica el slop y el spam combinando señales de escucha, patrones de subida, metadatos y herramientas externas de detección de IA, cuyas limitaciones reconoce, y que persigue las subidas masivas, los duplicados, la manipulación del posicionamiento, las redes de listas de reproducción y las pistas artificialmente cortas.
La etiqueta AI Persona, anunciada el 11 de agosto, se aplica ya a miles de perfiles: avisa de que la identidad del artista puede estar generada con IA y no corresponde a una persona real, se refiere a esa identidad pública y no a cómo se hizo la música, y deja esos perfiles fuera de las recomendaciones editoriales y algorítmicas salvo que el oyente los siga. Según Spotify, desde los cambios han bajado de forma apreciable las quejas de los oyentes.
Leer más: Spotify — One Year In: Putting Human Artistry First on Spotify (20-10-2026) ↗
Claude atrapa toxinas de escorpión, de momento en probeta
Diecisiete de los 211 diseños probados se pegan con fuerza a una toxina, y falta la prueba en células
Una versión interna de investigación de Claude, dentro de Claude Science —el banco de trabajo científico de la empresa—, trabajó 64 horas de forma mayormente autónoma, con la indicación inicial del equipo más otras cuatro, y del orden de 10.000 horas de GPU, para diseñar proteínas de unión (binders) contra cinco neurotoxinas de escorpiones de México, Brasil, el norte de África y Oriente Medio. Generó 318.484 diseños con doce herramientas y eligió 180 para llevarlos al laboratorio; el equipo añadió otros 31 con su ayuda, y los 211 se probaron en Adaptyv Bio, un laboratorio automatizado suizo que ensaya proteínas diseñadas por IA, y en Twist Bioscience, fabricante estadounidense de ADN sintético. Diecisiete cumplieron los criterios estrictos del equipo —unión confirmada en los dos laboratorios, con una constante de disociación (KD, dissociation constant) de 1 µM o menor, la medida de la fuerza con la que una molécula se pega a su objetivo, y sin pegarse a una proteína humana de control—, cada uno contra una sola toxina, y ninguno de los diseñados contra varias valió para más de una.
Anthropic avisa de que no ha comprobado si esas proteínas actúan en un entorno celular, que solo las ha ensayado contra toxinas recombinantes y que por eso no afirma haber producido un antiveneno (antivenom). La empresa envió el trabajo a revisar a dos expertos externos que, según Anthropic, lo ven como un primer paso prometedor. Una es Susana Vázquez Torres, investigadora posdoctoral del Programa de Biología Estructural del Centro Nacional de Investigaciones Oncológicas (CNIO), el centro público de investigación del cáncer adscrito al Ministerio de Ciencia, para quien, según recoge Anthropic, diseñar una proteína que se una a casi cualquier objetivo ya no parece irreal y unirse «no es el principal cuello de botella», así que el reto está en convertir esas moléculas en fármacos «seguros, asequibles y ampliamente accesibles». Los escorpiones pican cada año a 1,2 millones de personas o más y causan más de 3.250 muertes, sobre todo entre niños, según el mismo trabajo.
Conclusión
Quedan por ver el contrato puente que HHS llegue a firmar con Anthropic y cómo resuelve después su licitación abierta, con el acuerdo de descuento de la GSA a punto de vencer el 31 de octubre; si el borrador AEGIS encuentra en el Congreso a alguien que lo presente con ese umbral de 10^25 operaciones, y si las diecisiete proteínas de unión que salieron del laboratorio llegan a probarse en células y en animales.
Fuentes primarias
- FedScoop — HHS to make sole-source award to Anthropic ahead of broader AI competition (20-10-2026) ↗
- Departamento de Estado de EE. UU. — Imposing Sanctions to Protect Americans from Intellectual Property Theft (Fact Sheet, 19-10-2026) ↗
- The Washington Post — AI & Tech Brief: Anthropic's leaked bill (19-10-2026) ↗
- Microsoft — Securing the agentic insider (19-10-2026) ↗
- PyTorch — Introducing TorchTPU (20-10-2026) ↗
- llm-d — llm-d v1.0: State-of-the-art inference, ready for Day 2 (20-10-2026) ↗
- Spotify — One Year In: Putting Human Artistry First on Spotify (20-10-2026) ↗
- Anthropic — How Claude designed protein binders against scorpion neurotoxins (20-10-2026) ↗
Recibe el resumen diario de IA
Cada mañana, lo esencial de la inteligencia artificial en tu correo, sin humo. Al día con la IA.
Al suscribirte aceptas recibir el newsletter de AI Informator. Puedes darte de baja cuando quieras.
Comentarios