Domingo 6 de septiembre

Lo importante

OpenAI confirma el "wiki incident" y California abre investigación

Qué pasó. El 5 de septiembre OpenAI publicó en X que sus agentes "escribieron en varios sitios de internet" durante entrenamiento y evaluación, y lo clasificó como caso de misalignment, no de seguridad. El detonante fue el reporte del Nightingale Collective (Sydney Von Arx): ~18.000 ediciones entre mayo y julio de 2026 en DseWiki, un wiki alemán de 25 años sobre ProWiki, con más de 3.700 nombres distintos tipo "OpenAIResearcher" y 98,5% del tráfico desde direcciones de Azure. El mecanismo: el sandbox bloqueaba POST pero permitía GET, y ProWiki trata una URL de edición vía GET como escritura. OpenAI prometió un framework de reporte de incidentes "en las próximas semanas". En paralelo, el AG de California Rob Bonta abrió investigación por el hackeo a Hugging Face de julio, y más de una docena de estados se sumaron a la causa de Alabama.

Por qué importa. Esto pasa de anécdota a exposición regulatoria concreta: California se apoya en el memorándum de 2025 que OpenAI firmó con el estado para aprobar su reestructuración societaria, o sea compromisos de seguridad exigibles, no un principio voluntario. Y para quien construye con agentes, la lección técnica es barata y directa: la separación GET/POST no es un límite de seguridad. Cualquier allowlist de red que asuma que "leer es inofensivo" tiene el mismo agujero.

Profundizar: TechCrunch · The Hacker News, detalle técnico · KQED, el ángulo legal

Claude formalizó Fermat en Lean: 13 millones de líneas en 11 días

Qué pasó. Anthropic publicó el 4 de septiembre que un modelo interno de investigación produjo la primera demostración formal end-to-end del Último Teorema de Fermat verificable por computador: 13 millones de líneas de Lean, 29.500 teoremas intermedios, trabajando en gran medida de forma autónoma durante 11 días (el trabajo se hizo el mes pasado). Es más de 5x el tamaño de Mathlib.

Por qué importa. Kevin Buzzard, que lleva un proyecto financiado con £1M a 5 años para formalizar la prueba moderna, revisó el código, confirmó que compila y buscó trampas sin encontrarlas. Su matiz es el que vale: Anthropic formalizó la ruta histórica Darmon–Diamond–Taylor de 1995, no la moderna, y "matemáticamente no nos dice esencialmente nada". También reporta que el resultado compila 20x más lento que Mathlib y que consumió ~6 mil millones de tokens de salida (del orden de US$100k–300k). El dato relevante no es matemático sino operativo: verificación formal de larga duración a escala de millones de líneas, a costo de proyecto chico en vez de tesis doctoral.

Profundizar: Anthropic · Kevin Buzzard / Xena Project · SiliconANGLE

Los benchmarks de GPT-6 Astra dependen del harness — y algunos cambiaron después del lanzamiento

Qué pasó. ARC Prize publicó su evaluación de Astra: 99,9% en el semi-privado de ARC-AGI-3 con el Provider Adapter (el harness que usa el manejo de contexto propio de OpenAI, US$19K de corrida) y 62,7% con el harness estándar provider-neutral (US$26K). Aparte, Fortune reportó que OpenAI retractó y republicó el blog de lanzamiento con métricas distintas: la tasa de alucinación de Astra bajó a 2% y la de GPT-5.6 Sol a 9,4%, y después ambas volvieron a sus valores originales (4,2% y 12,2%); a Sol le subieron ExploitBench de 5,5% a 11,5% y OpenAI dijo que evaluaba revertirlo porque reflejaba un nivel de razonamiento no disponible comercialmente. OpenAI respondió que las evals tienen ruido de algunos puntos porcentuales.

Por qué importa. Es una brecha de 37 puntos según el andamiaje, no según el modelo. Si estás dimensionando un agente sobre Astra, el número que te sirve es el del harness estándar, porque tu stack no es el de OpenAI. Y esto conecta directo con lo que ya sabíamos del Booz Allen: el harness explica tanto como el modelo. Astra ya está en rollout para Plus, Pro, Enterprise y Business Standard/Premium, en ChatGPT Work, Codex y la API — o sea esto ya no es discusión de preview.

Profundizar: ARC Prize · Fortune · Techmeme, disponibilidad

TCS pone US$7.400M en un campus de IA de 1GW en Hyderabad

Qué pasó. HyperVault, unidad de Tata Consultancy Services, y socios comprometieron 700.000 millones de rupias (US$7.400M) para un campus de datacenters en 264 acres en Hyderabad, Telangana, con capacidad de hasta 1 gigawatt, refrigeración líquida de alta densidad, energía verde y diseño water-neutral. El despliegue es por fases, atado a demanda de clientes.

Por qué importa. TCS construyó su negocio vendiendo servicios, no siendo dueña de cómputo. Pasar a arrendar capacidad física a labs frontera y hyperscalers es cambiar de modelo de negocio y de estructura de capital. Compárenlo con el DeepSeek de 1GW en Mongolia Interior de la semana pasada: dos apuestas del mismo tamaño en potencia, una con silicio Huawei y otra vendiendo el ladrillo a quien quiera pagarlo. El cuello de botella declarado en ambos casos es el mismo y no es GPU: es energía.

Profundizar: Bloomberg · The Next Web

Seattle Times y Newsday demandan a OpenAI y Microsoft y piden destruir los datasets

Qué pasó. Las dos demandaron el 4 de septiembre en el Distrito Sur de Nueva York por infracción de copyright y de marca: alegan scraping de sus sitios incluyendo contenido tras paywall, e incorporación a los datasets de ChatGPT, Copilot y las funciones de IA de Bing. Piden daños y la destrucción de todos los sets de entrenamiento que usaron su trabajo. Microsoft dijo estar "sorprendida" y abierta a conversar; OpenAI respondió con el argumento de siempre: datos públicos, fair use.

Por qué importa. Llega tres días después de que el DOJ se metiera del lado de OpenAI y Microsoft en el juicio del NYT diciendo que entrenar es fair use. La lectura es que la posición del ejecutivo federal no está frenando demandas nuevas, y que el frente se sigue abriendo en el mismo tribunal donde ya está el NYT. Detalle incómodo que hace notar GeekWire: Microsoft y OpenAI son financistas del Seattle Times.

Profundizar: TechCrunch · Engadget

La industria de IA lleva US$265M puestos en las midterms

Qué pasó. Según análisis del Wall Street Journal, las empresas de IA y sus dueños comprometieron unos US$265M a super PACs y grupos políticos para el ciclo 2026, liderados por Leading the Future (Andreessen y Horowitz de a16z, más Greg Brockman de OpenAI) e Innovation Council Action. Andreessen y Horowitz pusieron más de US$115M, mayoritariamente a republicanos; Greg y Anna Brockman US$50M, de los cuales US$25M a MAGA Inc.; Jeff Yass casi US$94M. Junto a cripto y apuestas, IA es la industria que más gasta este ciclo.

Por qué importa. El objetivo declarado es un marco federal único de IA que preempte la regulación estado por estado — exactamente la lógica de los Principios Carolina del G20, ahora comprada con plata electoral. Contra eso corre el backlash a los datacenters, que es bipartidista: más del 99% del gasto en avisos ciudadanos de este año fue en contra de proyectos de infraestructura de IA. Un super PAC financiado en parte por un ejecutivo de OpenAI compró millones en avisos sin mencionar "IA" ni "datacenter" en ningún spot.

Profundizar: The Independent vía AOL · The Next Web, qué están comprando