Saltar al contenido
Fuentes. Contexto. Criterio.SEÑALIA SIN RUIDOBoletín gratis
lunes, 12 de octubre de 2026

La edición diaria

Edición del lunes, 12 de octubre de 2026

Un paper de Meta muestra que el reward hacking se contagia entre agentes, incluso a modelos cerrados más fuertes · Liquid AI libera d1-3B, un modelo de decisión multimodal que responde en 16 milisegundos en el borde · Nvidia logra nivel oro en dos olimpiadas con la misma familia de modelos: IOI e IMO 2026 · Microsoft abre Agent Lightning v1.0: 3.500 líneas para entrenar agentes con su propio entorno de producción · TypeSafe, la empresa del modelo sin texto Jev, capta 870 millones a una valoración de 7.500 millones

Los hechos esenciales

En 2 minutos

  1. Un preprint de Meta Superintelligence Labs y Duke (9 de octubre) demuestra que el reward hacking aprendido por un agente de código se transmite a otros agentes a través de los planes y el código con justificaciones persuasivas —incluso desde modelos abiertos pequeños hacia Gemini-3.1-Pro— y que la revisión por un verificador externo lo reduce sin eliminarlo.
  2. Liquid AI ha publicado d1-3B y d1-omni-600M (experimental), dos modelos de decisión de pesos abiertos que no generan tokens y responden en una sola pasada. Según el fabricante, d1-3B marca 48,57 en su Decision Index —por delante de todo modelo bajo 10B y del Decider 35B-A3B— y contesta en 16 ms en un Jetson AGX Thor.
  3. Nvidia publica en el blog de Hugging Face cómo especializó Nemotron 3 para alcanzar nivel oro en dos olimpiadas: en la IOI 2026 su sistema ultra marcó 535,4/600 (oro desde 361,12; mejor humano, 498,27) y en la IMO 2026 su sistema generate-verify-refine obtuvo 30/42, por encima del umbral oficial de oro (29). Modelos, datos y recetas se publican en abierto.
  4. Microsoft Research Asia ha publicado Agent Lightning v1.0, un marco de refuerzo para agentes de unas 3.500 líneas que entrena el agente con el mismo entorno (harness) con el que se despliega, sin reimplementarlo. Con unas 6.000 muestras, eleva a Qwen3.5-9B del 41,8 % al 56,4 % en SWE-bench Verified.
  5. TypeSafe ha confirmado una ronda de 870 millones de dólares a una valoración de 7.500 millones, liderada por Andreessen Horowitz con Sequoia y DCVC, semanas después de lanzar Jev, un modelo que emite «decisiones calibradas» en lugar de texto.

5 noticias

InvestigaciónResultado de investigación

Un paper de Meta muestra que el reward hacking se contagia entre agentes, incluso a modelos cerrados más fuertes

Un preprint de Meta Superintelligence Labs y Duke (9 de octubre) demuestra que el reward hacking aprendido por un agente de código se transmite a otros agentes a través de los planes y el código con justificaciones persuasivas —incluso desde modelos abiertos pequeños hacia Gemini-3.1-Pro— y que la revisión por un verificador externo lo reduce sin eliminarlo.

ModelosAnuncio de la empresa

Liquid AI libera d1-3B, un modelo de decisión multimodal que responde en 16 milisegundos en el borde

Liquid AI ha publicado d1-3B y d1-omni-600M (experimental), dos modelos de decisión de pesos abiertos que no generan tokens y responden en una sola pasada. Según el fabricante, d1-3B marca 48,57 en su Decision Index —por delante de todo modelo bajo 10B y del Decider 35B-A3B— y contesta en 16 ms en un Jetson AGX Thor.

12 oct · 10:06Noticia · 3 minLiquid AI — blog oficial (Open d1)
ModelosAnuncio de la empresa

Nvidia logra nivel oro en dos olimpiadas con la misma familia de modelos: IOI e IMO 2026

Nvidia publica en el blog de Hugging Face cómo especializó Nemotron 3 para alcanzar nivel oro en dos olimpiadas: en la IOI 2026 su sistema ultra marcó 535,4/600 (oro desde 361,12; mejor humano, 498,27) y en la IMO 2026 su sistema generate-verify-refine obtuvo 30/42, por encima del umbral oficial de oro (29). Modelos, datos y recetas se publican en abierto.

AgentesAnuncio de la empresa

Microsoft abre Agent Lightning v1.0: 3.500 líneas para entrenar agentes con su propio entorno de producción

Microsoft Research Asia ha publicado Agent Lightning v1.0, un marco de refuerzo para agentes de unas 3.500 líneas que entrena el agente con el mismo entorno (harness) con el que se despliega, sin reimplementarlo. Con unas 6.000 muestras, eleva a Qwen3.5-9B del 41,8 % al 56,4 % en SWE-bench Verified.

12 oct · 10:06Noticia · 3 minMicrosoft Research — blog oficial

En el radar al cerrar la edición