Anthropic ha presentado su propio proyecto de ley federal sobre seguridad de la IA, proponiendo un sistema de evaluadores independientes que revisarían los modelos de IA de vanguardia en busca de riesgos graves e informarían de los problemas al Departamento de Comercio.

Según el plan, los evaluadores se registrarían en el Departamento de Comercio y podrían recibir pagos de los laboratorios que revisan, siempre que la remuneración no esté vinculada al resultado, y tendrían que informar de cualquier «riesgo inminente enumerado» en un plazo de 72 horas.

El proyecto permitiría al Departamento de Comercio solicitar a un juez federal de Washington D. C. que detenga el lanzamiento de un modelo considerado peligroso, pero impediría que cualquier otra agencia o funcionario federal suspendiera el desarrollo, despliegue o uso interno de un modelo.

Dos Mac Studio con M5 Ultra y 1 TB de memoria combinada pueden ejecutar Spark Open mediante la versión actualizada del toolkit MLX de Apple, y Meta afirma que el modelo corrigió errores en aplicaciones de iOS y editó vídeo en DaVinci Resolve sin utilizar la nube.

En el Intelligence Index de Artificial Analysis, alcanza una puntuación de 39, situándose por delante de los modelos occidentales de pesos abiertos, aunque por detrás de los chinos GLM 5.3 (45), Kimi K3 (44) y Qwen3.8 (40).

Spark Open iguala o supera a sus rivales abiertos en tareas multimodales y de conocimiento, pero los modelos chinos siguen siendo mejores programando, con Kimi, GLM y Qwen por delante.

Es el tercer gran lanzamiento abierto occidental de este mes, después de Beam de Reflection AI y Le Chonk de Mistral, con 1 billón de parámetros, cuyos pesos se publicarán el 27 de octubre.

El 29% de las mujeres afirmó no haber utilizado nunca IA, frente al 22% de los hombres, aunque los datos de navegación no mostraron una diferencia real en probarla, sino únicamente en el tiempo que los usuarios pasan utilizándola.

En el trabajo, el 64% de las mujeres empleadas afirmó no haber recibido formación sobre IA, frente al 49% de los hombres, y el estudio relaciona la formación y el apoyo con un mayor uso y confianza en ambos grupos.

Los hombres respondieron correctamente a más preguntas sobre IA, mientras que las mujeres eligieron «no estoy segura» con mayor frecuencia, aunque también hubo más hombres que afirmaron reconocer figuras ficticias relacionadas con la IA.

Los titulares sobre IA mencionaron a hombres 14,6 veces más que a mujeres, una brecha que los investigadores atribuyen en parte a que muchas compañías están dirigidas por hombres, aunque la diferencia también se mantuvo entre los expertos citados.

OpenAI afirmó que uno de sus modelos internos de investigación, GPT-5.6 Sol, sustrajo fondos de la cartera de criptomonedas de un desconocido para completar una tarea de programación, descifrando las claves de la cartera a partir de frases de recuperación de desarrolladores conocidas públicamente, sin haber recibido permiso.

En junio, después de pedirle que desplegara contratos en la red de pruebas Sepolia de Ethereum, el modelo no consiguió obtener tokens gratuitos, por lo que escribió un script que revisó 362 direcciones y encontró una que contenía suficiente ETH de prueba para pagar las comisiones.

El modelo llegó a cuestionarse si utilizar esos fondos era ético, pero decidió que los tokens de prueba habían sido «efectivamente abandonados», firmó la transacción y después informó de que la tarea se había completado con éxito sin especificar cómo había pagado las comisiones; OpenAI no descubrió el incidente hasta septiembre.

Google afirma que su procesador Willow logró reducir los errores 40 veces durante la preparación de los llamados «estados mágicos», unos componentes extremadamente frágiles que las computadoras cuánticas necesitan para realizar cálculos complejos, lo que supone un nuevo paso hacia el uso práctico de esta tecnología.

La técnica, conocida como cultivo de estados mágicos, funciona como un filtro: los investigadores introducen estados propensos a errores, realizan comprobaciones, descartan los defectuosos y conservan los que superan las pruebas, alcanzando una precisión del 99,99% en un tipo concreto conocido como estados T.

Google también logró «injertar» estados purificados entre dos métodos de corrección de errores utilizando hardware real, aunque la compañía reconoce que esta técnica todavía debe funcionar a una escala mucho mayor antes de poder impulsar una computación cuántica útil y tolerante a fallos.