miércoles, 23 de septiembre 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 una nueva aceleración de capacidades con una exigencia mayor de control: Claude Opus 5.5 reduce costes mientras incorpora salvaguardas de frontera, Alibaba escala su autonomía tecnológica con el chip Zhenwu V900 y la ONU reclama un marco multilateral de gestión de riesgos. En educación, Oxford profesionaliza el liderazgo en IA y la VUB convierte alfabetización, evaluación y equidad en compromisos institucionales. Para EurekAI, la prioridad es traducir estas señales en formación docente, evaluación auténtica y criterios verificables para elegir modelos y herramientas.
Anthropic presentó el 22 de septiembre Claude Opus 5.5, primer modelo de su nueva familia 5.5. La compañía lo sitúa al nivel de Claude Fable 5.1 en la mayoría del trabajo profesional y afirma que, con la configuración predeterminada, reduce un 40% el coste típico frente a Opus 5; la tarifa de API queda en 4 dólares por millón de tokens de entrada y 20 dólares por millón de salida.
El modelo genera resultados más de un 30% más rápido, según Anthropic, y adopta salvaguardas similares a las de sus sistemas más capaces en ciberseguridad, biología y extracción de razonamiento. Determinadas solicitudes sensibles se redirigen a modelos menos potentes, mientras organizaciones verificadas pueden solicitar acceso especializado. Evaluadores externos, entre ellos METR y Frontier Design, participaron antes del lanzamiento.
Alibaba presentó en su conferencia anual de Hangzhou el Zhenwu V900, un chip para entrenamiento e inferencia que la compañía describe como el más potente desarrollado en China. Según la empresa, ofrece tres veces el rendimiento del Zhenwu M890 y puede integrarse en clústeres de hasta 500.000 aceleradores; la producción comercial está prevista para el primer trimestre de 2027.
El grupo también anunció planes para entrenar modelos de entre 5 y 10 billones de parámetros, frente a los 2,4 billones de Qwen3.8-Max, y ampliar su capacidad de centros de datos por encima de 20 gigavatios en 2032. Son objetivos corporativos todavía por demostrar, pero muestran que la competencia en IA se desplaza del modelo aislado a una pila completa de chips, redes, almacenamiento y energía.
En su discurso del 22 de septiembre ante la Asamblea General, el secretario general de la ONU reclamó avanzar hacia un marco multilateral de gestión de riesgos de IA respaldado por supervisión creíble e independiente. La propuesta se apoya en el Pacto Digital Global, el Diálogo Global sobre Gobernanza de la IA y el nuevo Panel Científico Internacional.
Guterres pidió cooperación entre los países con mayor capacidad en pruebas, evaluación y salvaguardas, además de un ritmo de desarrollo responsable. Señaló dos límites explícitos: que los menores no se conviertan en sujetos de prueba de sistemas no regulados y que las decisiones de vida o muerte no se deleguen en máquinas.
Investigadores de Johns Hopkins comprobaron que peticiones de correos, solicitudes de empleo y cartas de renuncia con rasgos lingüísticos más frecuentes en el habla femenina —atenuadores, referencias colectivas o adjetivos expresivos— producían textos menos formales, complejos y extensos. El patrón se repitió en los cuatro sistemas analizados.
La diferencia persistió tras controlar la complejidad y la imitación de estilo; cambiar únicamente el nombre de la firma apenas alteró los resultados. El estudio utiliza 427 prompts reales modificados de forma controlada y será presentado en la Conference on Language Modeling, por lo que aporta una señal concreta sobre sesgos que pueden pasar inadvertidos en usos cotidianos.
El Departamento de Educación de la Universidad de Oxford abrió las solicitudes para un Postgraduate Diploma in Artificial Intelligence in Education dirigido a docentes, responsables de políticas, líderes de sistemas educativos y profesionales de EdTech. El diseño reúne especialistas en educación, informática, ingeniería y ciencia de datos.
El itinerario combina tres módulos troncales, un proyecto de investigación independiente y una semana residencial en Oxford. Su propósito declarado es que los participantes puedan evaluar críticamente la IA y dirigir cambios apoyados en investigación, pedagogía y evidencia, con resultados aplicables a sus propias instituciones.
La Vrije Universiteit Brussel anunció que todo graduado deberá alcanzar una alfabetización en IA adaptada a su disciplina, que las titulaciones se rediseñarán críticamente, que la evaluación se ajustará a la era generativa y que el acceso a modelos avanzados no debe crear nuevas desigualdades. La institución abrirá además un AI Café para facilitar acceso y acompañamiento.
Su política desplaza el foco desde la detección automática hacia la demostración del aprendizaje: el alumnado debe hacer visibles sus decisiones, fuentes, verificaciones y aportación intelectual. Como trabajo previo, la VUB examinó más de 4.600 fichas de asignaturas y analizó todos sus métodos de evaluación frente al riesgo de fraude relacionado con IA.
Un documento de trabajo del Center for Economic Studies del U.S. Census Bureau analiza 6,67 millones de expedientes de graduados, aproximadamente el 29% de los títulos de grado concedidos entre 2016 y 2024. Tras la llegada de ChatGPT, las titulaciones del decil con mayor exposición laboral a IA muestran una caída ajustada de cinco puntos porcentuales en empleo inicial y del 13% en ingresos trimestrales.
La mitad de la caída salarial estimada se asocia a menores ingresos dentro de los sectores habituales y el resto a desplazamientos hacia comercio, restauración y otros sectores peor pagados. Los autores advierten que es un working paper sin el proceso de revisión de una publicación oficial del Census y que todavía no puede determinarse si estos graduados recuperarán la diferencia a largo plazo.
Google.org anunció el 21 de septiembre una aportación de 4 millones de dólares a Digital Promise para ampliar la Google AI Educator Series. La iniciativa aspira a ofrecer formación gratuita a seis millones de docentes de educación escolar y superior en Estados Unidos, mediante módulos autodirigidos y credenciales digitales.
El programa prioriza destrezas transferibles, juicio pedagógico y aplicaciones prácticas más allá de una herramienta concreta. Digital Promise colaborará con agencias educativas, distritos y sistemas de community colleges; durante los próximos dos años estudiará qué ayuda realmente al profesorado universitario y publicará una guía abierta para facilitar la adopción institucional.
Learning Commons lanzó una infraestructura pública con datos educativos legibles por máquinas, evaluaciones basadas en investigación y flujos de trabajo reutilizables. Su Knowledge Graph reúne estándares, progresiones de aprendizaje, componentes granulares, errores conceptuales frecuentes y competencias duraderas para dar a los sistemas de IA un contexto pedagógico más fiable.
La plataforma está diseñada para funcionar sin datos de estudiantes y permite explorar y descargar conjuntos abiertos. Incluye evaluadores y habilidades de agente para preparar clases, diferenciar actividades y comprobar comprensión; organizaciones como Canva Education, MagicSchool y Really Great Reading ya integran componentes, junto a colaboraciones previas con Anthropic y OpenAI.
Como desarrollo posterior al lanzamiento de GPT-6 Astra ya cubierto, OpenAI presentó el 22 de septiembre GPT-6 Sol y Luna para tareas profesionales, programación y agentes con menor coste. En la API, Sol queda en 2 dólares por millón de tokens de entrada y 10 por salida; Luna, en 0,10 y 0,50 dólares respectivamente, la mitad de las tarifas promocionales de GPT-5.6.
Sol y Luna se incorporan a ChatGPT Work y Codex para planes Plus, Pro, Business, Enterprise y Edu; Luna también llega a usuarios Free y Go en la aplicación de escritorio. OpenAI afirma que Sol supera a Opus 5 en AutomationBench con un 9% de su coste por tarea, un resultado del proveedor que debe contrastarse con cargas reales antes de tomar decisiones de adopción.
Hugging Face añadió a Transformers soporte para ejecutar modelos GGUF cuantizados, ampliamente utilizados por llama.cpp, Ollama y LM Studio. El objetivo es cargar desde el Hub una variante que quepa en la memoria del portátil y generar localmente mediante la conocida interfaz from_pretrained, sin convertir antes el modelo a otro formato.
La primera integración se centra en generación de texto con la arquitectura Qwen3.5 sobre Apple Silicon y reutiliza kernels de ggml para acercarse al rendimiento de llama.cpp. Hugging Face recuerda que los modelos GGUF acumulan millones de descargas y prevé ampliar progresivamente arquitecturas y modalidades.
Introduce la contraseña acordada. Solo hace falta una vez por pestaña; al cerrar el navegador o esta pestaña habrá que volver a desbloquear.