Lunes, 20 de julio de 2026 · Fuentes verificadas · Elaborado automáticamente
Usa la estrella (☆) para candidatas a tu newsletter (la primera vez se pedirá desbloquear la sesión con contraseña). La selección se guarda en este navegador.
La jornada combina presión sobre la gobernanza y la infraestructura: dimite el director del instituto federal estadounidense que prueba modelos avanzados, mientras Google estudia un chip específico para servir Gemini con mayor eficiencia. En seguridad, GPT-Red muestra que el red teaming automatizado encuentra ataques en muchos más escenarios que los equipos humanos. En educación, la Universidad de Toronto avanza hacia una plataforma soberana con Cohere y dos nuevos estudios plantean controles concretos para tutoría y evaluación. Para EurekAI, la señal común es adoptar IA con medición, trazabilidad y protección de datos desde el diseño.
Chris Fall, director del U.S. Center for AI Standards and Innovation, dimitió el 20 de julio solo tres meses después de asumir la dirección del instituto de pruebas de IA del Departamento de Comercio. El departamento no comunicó el motivo y nombró sustituto interino a Arvind Raman, responsable de la oficina que supervisa el centro y antiguo decano de ingeniería de Purdue.
El organismo trabaja con laboratorios como Anthropic, Google DeepMind, OpenAI, Microsoft y xAI para analizar vulnerabilidades de modelos todavía no publicados. Reuters sitúa la salida dentro de los cambios de orientación de la política de IA estadounidense, precisamente cuando el instituto debe evaluar riesgos de uso malicioso y de corrupción de datos de entrenamiento.
Google desarrolla un nuevo chip de servidor que incorporaría elementos de Gemini directamente en el hardware para responder con mayor eficiencia, según informó Reuters citando a The Information. El diseño, conocido internamente como “Frozen v2”, sería una familia distinta de las TPU y podría desplegarse a partir de 2028.
El objetivo es aliviar la escasez de capacidad de cómputo que, según el informe, ya ha obligado a Google Cloud a rechazar contratos. La estimación interna sitúa la mejora entre seis y diez veces más tokens servidos por unidad de energía que sus chips personalizados actuales, aunque el diseño y la cantidad de información del modelo que quedará fijada en silicio siguen en desarrollo.
OpenAI presentó el 15 de julio GPT-Red, un modelo interno entrenado por aprendizaje por refuerzo y autojuego para descubrir inyecciones de instrucciones y otras vulnerabilidades. En una réplica de un banco de pruebas de inyección indirecta, encontró ataques válidos en el 84% de los escenarios, frente al 13% obtenido por participantes humanos.
Los ataques generados se incorporaron al entrenamiento de GPT-5.6. OpenAI afirma que Sol registra seis veces menos fallos que su mejor modelo de cuatro meses antes en su prueba directa más difícil y solo falla en el 0,05% de las inyecciones directas de GPT-Red. La empresa mantiene el atacante separado de los modelos desplegados y acompaña el método con pruebas humanas, externas y monitorización.
La Universidad de Toronto anunció el 16 de julio una alianza plurianual con Cohere para integrar IA empresarial de despliegue privado en una futura plataforma universitaria. North, la plataforma agéntica de Cohere, funcionará como capa de orquestación para conectar información fiable y coordinar tareas entre sistemas institucionales.
El plan abarca enseñanza y aprendizaje, investigación, atención al estudiante, administración y operaciones. La universidad también utilizará su “AI Kitchen” como entorno seguro para evaluar aplicaciones, definir accesos apropiados a datos y aplicar marcos de privacidad, manteniendo la información sensible bajo control institucional.
Morgan State University comunicó el 17 de julio que este otoño lanzará un Bachelor of Science in Artificial Intelligence. El programa, aprobado por el consejo de la universidad y la Maryland Higher Education Commission, sustituye y rediseña el anterior grado en cloud computing para situar la IA en el centro del currículo.
La School of Computer, Mathematical and Natural Sciences orienta la titulación a diseñar, desarrollar y desplegar sistemas inteligentes de forma responsable en distintos sectores. Paralelamente, la escuela de negocios añadirá una asignatura interdisciplinar de gestión de riesgos, conectando formación técnica y competencias organizativas.
Un preprint publicado el 17 de julio presenta EduGuard, un tutor RAG para programación introductoria que combina recuperación de materiales aprobados por el docente, selección de estrategia pedagógica, rúbricas, verificación de afirmaciones y controles contra la sobredependencia. Su banco BILearn-CS contiene 600 consultas redactadas por docentes y validadas por ayudantes.
En ese conjunto, el sistema alcanzó 90,1% de corrección, 89,4% de fundamentación y 90,8% de alineación con la rúbrica, con 4,9% de alucinaciones y 9,8% de respuestas que revelaban directamente la solución. Un piloto controlado con diez estudiantes elevó la precisión inmediata del 68,4% al 81,2% frente a GPT-4o-mini Tutor, aunque el tamaño del piloto exige cautela.
Otro preprint del 17 de julio evalúa una arquitectura de corrección automatizada de ensayos largos que resume los textos con GPT-5, GPT-5 mini o GPT-5 nano y combina esa representación con rasgos lingüísticos extraídos del ensayo completo. El trabajo utiliza el conjunto ASAP 2.0 y mide acuerdo con evaluadores humanos, calidad del resumen y coste.
GPT-5 mini logró el mayor acuerdo con las calificaciones humanas, mientras GPT-5 produjo los resúmenes de mayor calidad. Los resultados también muestran que la calidad de compresión cae en ensayos con puntuaciones altas, señal de que los textos más complejos pueden perder información relevante. Los autores presentan el enfoque como evaluación controlada inicial y reclaman validaciones de preservación y equidad.
GitHub hizo generalmente disponibles el 17 de julio las métricas de Copilot a nivel de repositorio. Dos endpoints REST ofrecen informes diarios para empresas y organizaciones con el número de pull requests creados o fusionados por Copilot coding agent y los revisados por Copilot code review, incluidos los tipos de sugerencia.
Hasta ahora la medición terminaba en los niveles de organización y usuario. El nuevo desglose permite observar en qué repositorios se usa realmente la automatización y orientar formación o despliegue. El acceso requiere permisos de métricas y tener activada la política correspondiente.
GitHub lanzó en vista previa pública el comando /security-review dentro de la aplicación Copilot. La función analiza los cambios en curso, clasifica hallazgos por gravedad y confianza y propone correcciones que pueden aplicarse y volver a verificar sin abandonar el flujo de trabajo.
El análisis está orientado a vulnerabilidades frecuentes y de alto impacto, como inyección, cross-site scripting, gestión insegura de datos, path traversal y criptografía débil. Está disponible durante la vista previa para usuarios Free, Pro, Business y Enterprise y complementa, pero no sustituye, code scanning, Dependabot y secret scanning.
OpenAI abrió el 15 de julio los pedidos de Codex Micro, un pequeño controlador de escritorio desarrollado con Work Louder para supervisar agentes de Codex. El dispositivo incluye teclas retroiluminadas configurables, un mando giratorio, un joystick y opciones como pulsar para hablar o ajustar el nivel de razonamiento.
El producto cuesta 230 dólares y se venderá como edición limitada hasta agotar existencias. Permite consultar estados y ejecutar acciones sin cambiar de ventana, pero también incorpora un botón de aprobación de acceso: una comodidad que exige cuidado para no autorizar por error una tarea con permisos sensibles.
Introduce la contraseña acordada. Solo hace falta una vez por pestaña; al cerrar el navegador o esta pestaña habrá que volver a desbloquear.