Anthropic iguala precios de Luna con Haiku 5.5

El catálogo de precios de LLM de Stork registró hoy una asombrosa caída en los precios de lista de primera parte de Alibaba para Qwen-VL OCR. Los costos de entrada se desplomaron de $0.72 a $0.07 por millón de tokens, una reducción del 90 por ciento. Los costos de salida siguieron el mismo camino, cayendo un 78 por ciento de $0.72 a $0.16 por millón de tokens.

Para ser claros: estos son los precios directos cobrados por el laboratorio, no una tarifa de reventa de una pasarela. Verificamos estas cifras diariamente para mantener nuestras tablas precisas, y un recorte tan drástico altera las cuentas para cualquier aplicación que dependa del procesamiento de imágenes o documentos de alto volumen.

Alibaba está claramente fijando precios para ganar cargas de trabajo empresariales de los incumbentes occidentales. Si ejecutas pipelines multimodales y no has comparado Qwen-VL OCR con tu proveedor actual, estás literalmente quemando dinero.

ChatGPT está implementando oficialmente GPT-6 junto con un nuevo marco de Interfaz de Usuario Inteligente. En lugar de simplemente generar respuestas de texto, la interfaz ahora renderiza elementos interactivos directamente en el chat, incluyendo gráficos, mapas, formularios y pequeñas herramientas.

Como parte de la actualización, los usuarios gratuitos también están obteniendo acceso a GPT-6 Luna, elevando drásticamente la capacidad base para las cuentas no pagas. Esto transforma ChatGPT de un oráculo conversacional a un espacio de trabajo interactivo.

Si desarrollas aplicaciones de IA para consumidores, tus usuarios pronto esperarán resultados dinámicos e interactivos como predeterminados. Una simple secuencia de texto parecerá defectuosa en comparación. OpenAI acaba de restablecer el estándar de UX para toda la categoría.

El último gráfico de METR que rastrea la finalización de tareas de software revela un salto significativo en la resistencia de los agentes. Mientras que GPT-4 históricamente se limitaba a tareas que tomaban minutos, modelos como Mythos ahora están ejecutando con éxito operaciones complejas que abarcan decenas a cientos de horas para 2026.

Esto cambia fundamentalmente cómo evaluamos las capacidades de la IA. La métrica ya no es solo la precisión en una instrucción, sino la estabilidad durante días de ejecución continua.

Los modelos tienen la resistencia. El verdadero desafío para los desarrolladores ahora es construir las estructuras de control, el registro y los sistemas de recuperación de errores para permitir que un agente funcione durante una semana sin quemar tu infraestructura en la nube.

Periodic Labs se lanzó oficialmente con un gran objetivo: crear un científico de IA para acelerar el descubrimiento científico en el mundo real. La startup fue cofundada en septiembre de 2025 por Liam Fedus y Ekin Dogus Cubuk.

Mover la IA de la manipulación de texto digital a las ciencias físicas requiere arquitecturas y métodos de validación completamente diferentes. Apuestan a que el próximo salto en el valor de la IA provendrá de la automatización del método científico en sí.

Si tienen éxito, el valor empresarial supera con creces cualquier cosa en el mercado SaaS. Si fallan, aún así empujan los límites de cómo los modelos interactúan con los datos empíricos.

El Problema del Premio del Milenio de Navier-Stokes ha sido resuelto, según se informa, no por un genio solitario, sino por un grupo coordinado de aproximadamente diez mil agentes de IA. Esto marca un momento decisivo para la inteligencia distribuida.

Hemos pasado años obsesionados con escalar modelos de frontera únicos y enormes. Este resultado sugiere que el paralelismo —conectar miles de agentes más pequeños y especializados para abordar un problema complejo unificado— podría ser el eje de escalado más efectivo.

Los desarrolladores deberían prestar mucha atención a los frameworks de orquestación. El futuro de la resolución de problemas complejos se parece menos a consultar un único modelo todopoderoso y más a gestionar una fuerza de trabajo digital masiva y altamente coordinada.

Mirando hacia atrás a 2024, fue ampliamente denominado el 'año del agente'. Las empresas SaaS se apresuraron a integrar productos impulsados por agentes en sus hojas de ruta, a pesar de que la industria en general carecía de una comprensión concreta de lo que implicaba el concepto en ese momento.

La prisa llevó a una sobreabundancia de "wrappers" frágiles que se hacían pasar por sistemas autónomos. Han pasado años para que la infraestructura subyacente realmente respalde las promesas hechas en esas primeras presentaciones.

La lección para los operadores es clara: la adopción temprana a menudo significa pagar por el privilegio de probar paradigmas defectuosos. Las empresas que esperaron a que la infraestructura madurara son las que realmente están implementando agentes confiables hoy.