Boletín Semanal Best-IA #110

Noticias

Qwen revoluciona la semana con lanzamientos clave en IA

Alibaba no se ha guardado nada: esta semana ha sido un auténtico aluvión de anuncios con varios lanzamientos que colocan a Qwen en la primera línea de la inteligencia artificial.

🔑 Lo más destacado

• Qwen3-Max: el nuevo flagship
  Llega sin preámbulos y con músculo: versiones Instruct y Thinking que rivalizan con los mejores modelos en benchmarks de programación y razonamiento (SWE-Bench, Tau2-Bench, AIME25). Con más escala, más datos y un modo heavy casi perfecto en tareas complejas.

• Qwen3-Omni: el primer modelo realmente omni-modal
  Unifica texto, imagen, audio y vídeo sin comprometer el rendimiento.
  • SOTA en 22 de 36 benchmarks de audio y audiovisual.
  • Soporta 119 idiomas en texto y 19 en entrada de voz.
  • Latencia de solo 211 ms y comprensión de audio de hasta 30 minutos.
  • Totalmente personalizable con system prompts y con tool calling integrado.
  • Open-source en versiones Instruct, Thinking y Captioner.

• Qwen3-VLQ: visión y lenguaje al máximo nivel
  El modelo más potente de la serie multimodal:
  • Supera a Gemini 2.5 Pro en benchmarks visuales.
  • Opera interfaces gráficas en PC y móvil (SOTA en OS World).
  • Convierte capturas en código (HTML/CSS/JS).
  • Soporta 256K+ tokens de contexto, OCR en 32 idiomas y razonamiento avanzado en 2D y 3D.

• Qwen3-Coder: programar nunca fue tan versátil
  Nueva API qwen3-coder-plus con mejoras en terminal, más seguridad y rendimiento SWE-Bench hasta 69.6. Ahora admite entrada multimodal: se pueden incluir imágenes en el flujo de programación colaborativa.

• Qwen-Image-Edit-2509: edición visual de nueva generación
  Rediseñado para creadores:
  • Edición multi-imagen con fusiones naturales.
  • Consistencia impecable en rostros, productos y texto.
  • ControlNet integrado para máxima precisión en profundidad, bordes y keypoints.

• Otros lanzamientos de la semana
  Qwen no paró ahí:
  • Qwen3-LiveTranslate-Flash para traducción multimodal en tiempo real (18 idiomas, 3s de latencia).
  • Qwen Chat Travel Planner, un agente que diseña viajes personalizados.
  • Qwen3Guard, modelo de moderación multilingüe con SOTA en seguridad.
  • Qwen3-TTS-Flash, síntesis de voz rápida y expresiva en múltiples idiomas y dialectos.

🎯 Con estos lanzamientos, Qwen refuerza su posición en el ecosistema global de IA, marcando avances en código, multimodalidad y creatividad visual. La competencia con los grandes actores se intensifica.

• LINK: https://qwen.ai/research

ChatGPT Pulse: tu asistente que trabaja mientras duermes

OpenAI ha lanzado en vista previa para usuarios Pro de iOS y Android ChatGPT Pulse, una nueva función que convierte a ChatGPT en un investigador nocturno que te entrega actualizaciones personalizadas cada mañana.

🔑 Lo más destacado

• Investigación automática
  Pulse analiza tus chats previos, recuerdos guardados y feedback para preparar un resumen visual en forma de tarjetas con la información más relevante para ti.

• Control total del usuario
  Puedes afinar los resultados con pulgares arriba/abajo, usar la función curate para pedir temas concretos, conectar Gmail y Google Calendar para más contexto, o gestionar tu historial de feedback.

• Actualizaciones diarias y dinámicas
  El contenido se renueva cada día reemplazando el anterior, salvo lo que decidas guardar. Funciona solo si tienes activada la memoria y el historial de chats, y se puede desactivar o esconder en ajustes.

🎯 Pulse marca un paso hacia asistentes IA verdaderamente proactivos: en vez de esperar tus preguntas, ChatGPT anticipa tus intereses y te trae información personalizada, acercando la experiencia a la de un knowledge worker siempre activo.

• LINK: https://openai.com/index/introducing-chatgpt-pulse/

Avalancha de lanzamientos de Google AI

Google tampoco no se ha quedado quieto esta semana: nuevos modelos, APIs y funciones que refuerzan su ecosistema Gemini y expanden la IA a más productos y plataformas.

🔑 Lo más destacado

• Gemini Robotics 1.5
  Familia de modelos con capacidades agénticas para robots, capaces de ejecutar tareas físicas complejas y multi-paso.

• Gemini 2.5 Flash (actualización)
  Mejor comprensión de imágenes, organización de respuestas y formato más claro.

• Gemini Live API
  Nueva versión con mejoras para construir agentes de voz más naturales y fiables para empresas y desarrolladores.

• Mixboard (Google Labs)
  Tablero de concepto impulsado por IA, pensado para visualizar y expandir proyectos. Disponible en beta pública en EE. UU.

• Flow by Google
  Ahora permite editar imágenes con NanoBanana y usar expanders de prompts para más control en la generación de clips.

• Gemini en Google TV
  Conversaciones naturales para descubrir películas, series y obtener respuestas con soporte de videos de YouTube.

• Live in Search
  Ya disponible en EE. UU. en inglés: permite mantener un diálogo libre con voz y cámara del móvil.

• Chrome DevTools MCP server
  Vista previa pública que deja a los agentes de IA ejecutar trazas de rendimiento y depurar páginas web.

  • REPO: https://github.com/ChromeDevTools/chrome-devtools-mcp/

• Gemini AI Pro y Ultra
  Más límites para desarrolladores en Gemini CLI y Gemini Code Assist.

🎯 Google acelera la integración de Gemini en hardware, software y servicios, reforzando su visión de asistentes conversacionales y agentes IA en todos los ámbitos, desde el robot físico hasta la televisión y el navegador.

OK Computer: Kimi convierte K2 en un agente con “ordenador propio”

Kimi.ai presenta OK Computer, su nuevo modo agente que convierte a K2 en un auténtico equipo de producto e ingeniería dentro de un solo agente.

🔑 Qué puede hacer

• 📝 Pasar de chat a webs multipágina, diseños mobile-first y presentaciones editables

• 📊 De hasta 1 millón de filas de datos a dashboards interactivos

• 🧠 Se autoorganiza: define alcance, encuesta y diseña

• 🛠️ Entrenado de forma nativa con sistema de archivos, navegador y terminal

• ⚡ Más pasos, tokens y herramientas que el modo chat, con turbo K2

🎯 K2 deja de ser solo un modelo conversacional para convertirse en un agente completo con verdadera agencia.

• Pruébalo: https://www.kimi.com/ 

Kling AI 2.5 Turbo: vídeo más creativo, estable y barato

Kling AI ha presentado su nuevo modelo 2.5 Turbo Video, una versión que apuesta por mayor calidad creativa y menor coste, consolidándose en la carrera de la generación de vídeo por IA.

🔑 Lo más destacado

• Creatividad turboalimentada
  Nuevo nivel de generación en text-to-video e image-to-video, con mejoras visibles en estabilidad y riqueza visual.

• Benchmark interno
  En pruebas a ciegas con profesionales, 2.5 Turbo superó ampliamente a Seedance 1.0, Veo 3 Fast y Seedance 1.0 Mini en comparaciones de calidad.

• Precio más competitivo
  Disponible con un coste un 30% inferior respecto al modelo anterior (2.1), facilitando el acceso a creadores y empresas.

🎯 La llegada de Kling AI 2.5 Turbo muestra que la competencia en vídeo generado por IA se intensifica: más calidad, más estabilidad y menor precio son la fórmula para acelerar su adopción masiva.

Alibaba Wan2.5-Preview: multimodalidad nativa y vídeo cinematográfico

Alibaba ha anunciado el lanzamiento de Wan2.5-Preview, una nueva generación de su sistema de creación visual que introduce una arquitectura multimodal unificada y capacidades avanzadas en imagen, vídeo y audio.

🔑 Lo más destacado

• Arquitectura renovada
  • Multimodalidad nativa: un mismo marco para entrada y salida de texto, imágenes, vídeo y audio.
  • Entrenamiento conjunto multimodal: mejor alineación entre modalidades, clave para sincronización audio-visual e instrucciones más precisas.
  • RLHF: alineación con preferencias humanas para mayor calidad de imagen y realismo dinámico en vídeo.

• Vídeo de nivel cinematográfico
  • Generación nativa con audio sincronizado (voces, efectos y música).
  • Control multimodal con entradas de texto, imagen y audio.
  • Estética cinematográfica con dinámica fluida, estabilidad estructural y salida en 1080p HD de hasta 10 segundos.

• Imagen con control creativo y preciso
  • Generación fotorealista y estilizada con mejor seguimiento de instrucciones.
  • Tipografía creativa y gráficos profesionales.
  • Edición conversacional con precisión de píxel: fusión de conceptos, cambios de materiales o variaciones de color en productos.

🎯 Wan2.5 refuerza la apuesta de Alibaba por modelos multimodales completos, combinando creatividad y control en imagen y vídeo, y consolidando a la compañía como uno de los actores más ambiciosos en la carrera por la IA generativa visual.

• Pruébalo: https://wan.video/

Lynx: el modelo de ByteDance que crea videos realistas desde una sola foto

ByteDance ha lanzado Lynx, un modelo de video capaz de generar clips realistas de una persona a partir de una única foto, manteniendo la identidad facial estable y un movimiento fluido.

🔑 Puntos clave

• Preservación de identidad: a diferencia de sistemas anteriores que perdían rasgos faciales o requerían ajustes manuales, Lynx introduce dos adaptadores (ID-adapter y Ref-adapter) que aseguran coherencia de identidad y detalles en todos los fotogramas.

• Arquitectura mejorada: basado en un Diffusion Transformer de video, incorpora un ID-adapter que usa embeddings de ArcFace e InstantID para mantener el rostro, y un Ref-adapter que inyecta características del retrato original como cabello, ojos o textura de piel.

• Entrenamiento robusto: utiliza 50,2 millones de pares de datos con variaciones de expresión, luz y fondos, junto con enmascarado de atención y codificación posicional 3D, lo que permite al modelo adaptarse a múltiples escenarios sin perder fidelidad.

🎯 Lynx representa un salto en la personalización de video con IA, al generar animaciones realistas con solo una foto. Esto abre puertas en entretenimiento, avatares digitales y comunicación inmersiva, pero también plantea retos en ética y uso responsable.

• LINK: https://byteaigc.github.io/Lynx/

Tencent lanza Hunyuan3D-Omni: el “ControlNet” para 3D

Tencent ha presentado Hunyuan3D-Omni, el primer sistema de creación de assets 3D con control multi-condición de la industria. Construido sobre Hunyuan3D 2.1, apunta a resolver problemas clásicos como oclusiones en vista única y geometrías deficientes.

🔑 Lo más destacado

• Control multimodal avanzado
  Integra hasta cuatro condiciones de entrada para mejorar precisión y flexibilidad en la generación 3D.

• Modos de control
  • Esqueleto: poses precisas para animación y avatares.
  • Nube de puntos: elimina ambigüedad visual y produce geometría fotorrealista.
  • Cajas delimitadoras: ajusta escala y proporciones de diseño.
  • Vóxeles: esculpe topología para flujos creativos y de ingeniería.

• Compromiso open-source
  Tencent liberará el código de inferencia y los pesos para acelerar la investigación y la adopción industrial del 3D controlable.

🎯 Hunyuan3D-Omni acerca un estándar abierto y potente para la generación 3D controlada, clave tanto para animación y gaming como para diseño industrial y metaverso.

Suno revoluciona la música con v5 y el lanzamiento de Suno Studio

Esta semana Suno ha presentado su nuevo modelo v5, y también Suno Studio, la primera estación de trabajo generativa de audio.

🔑 Lo más destacado

• Suno v5: el nuevo referente
  Ofrece audio más inmersivo, voces más auténticas y un control creativo sin precedentes. No es sólo un salto en calidad de canciones, sino la base de nuevas herramientas avanzadas para producción musical.

• Suno Studio: la primera DAW generativa
  Disponible para usuarios Premier, permite componer, editar y producir directamente con IA, integrando capacidades generativas en un entorno de trabajo completo.

🎯 Con v5 y Suno Studio, la creación musical entra en una nueva era: ya no se trata solo de hacer mejores temas, sino de transformar el propio proceso creativo con inteligencia artificial.

• LINK: https://suno.com/

Robots

Gemini Robotics 1.5: Robots que piensan antes de actuar

Google DeepMind presenta Gemini Robotics-ER 1.5, el primer modelo optimizado para razonamiento encarnado. Esta IA permite a los robots planificar y ejecutar tareas complejas en varios pasos, como interpretar normas locales de reciclaje para clasificar objetos correctamente.

🔑 Lo nuevo en robótica inteligente

• Razonamiento + planificación en tareas del mundo real

• Capacidad de generalizar sin instrucciones explícitas

• Disponible en Google AI Studio (versión Preview)

🎯 Marca el inicio de agentes físicos con pensamiento autónomo, acercándonos a robots útiles en contextos cotidianos y dinámicos.

Skild AI presenta el “Skild Brain”: un cerebro robótico indestructible

Skild AI ha revelado el Skild Brain, un sistema de control universal capaz de adaptarse a cualquier robot —perros, humanoides o vehículos con ruedas— incluso cuando sufre fallos o daños físicos.

🔑 Lo más destacado

• Omni-bodied por diseño
  Entrenado durante el equivalente a 1.000 años en 100.000 cuerpos distintos dentro de mundos simulados, el Brain puede controlar cualquier máquina que camine o ruede.

• Memoria excepcional
  Mientras otros controladores tienen apenas milisegundos de memoria, el Skild Brain ofrece una ventana 100 veces más larga, lo que le permite aprender de los errores y adaptarse en tiempo real.

• Resiliencia sin precedentes
  Considera un robot dañado como “otro cuerpo más”, manteniendo el control aun con motores trabados o extremidades rotas.

• Aplicaciones visionarias
  Desde rovers marcianos capaces de adaptarse a ruedas dañadas hasta robots de rescate que siguen funcionando con patas aplastadas, pasando por submersibles que operan con propulsores averiados.

🎯 El Skild Brain redefine el control robótico: un solo “cerebro” capaz de habitar múltiples cuerpos y resistir fallos físicos abre un futuro de máquinas mucho más autónomas, resilientes y útiles en entornos extremos.

Reflexiones Finales

Las IAs trabajarán durante HORAS, DÍAS y MESES ¿Qué va a pasar?