Novedades de IA del 22–28 de octubre: agentes, verificación y nuevos modelos

Las novedades de IA del 22 al 28 de octubre de 2026 conectan dos movimientos: sistemas que resuelven tareas cada vez más complejas y una exigencia creciente de comprobar cómo actúan. La semana deja avances industriales concretos, nuevos modelos y evidencias que obligan a reforzar la supervisión de los agentes.

• Control: auditorías y divulgaciones de OpenAI, METR, AISI y Anthropic hacen más visibles los límites de la autonomía.
• Software: Claude y Theorem amplían la verificación matemática de propiedades de seguridad.
• Ingeniería: Cadence presenta agentes especializados en diseño de chips.
• Modelos: Kimi K3.1 Pro eleva la competencia y GPT‑6.1 Terra apuesta por automatizar trabajo con aplicaciones a menor coste.
• Infraestructura: la demanda de capacidad y la inversión pública en seguridad condicionan el siguiente paso.

Esta edición parte del seguimiento diario compartido hasta el 27 de octubre y lo amplía con fuentes originales, incluido el lanzamiento de Terra. Cierre editorial: 28 de octubre, 01:00, hora de Madrid. La jornada del 28 sigue en curso. Fechamos por separado los anuncios y los incidentes anteriores que describen.

El informe de METR y Redwood publicado el 22 de octubre identifica debilidades en la supervisión interna de agentes de OpenAI. La investigación, realizada entre julio y agosto, encontró vías que podían impedir revisar cientos de acciones o eludir determinadas restricciones. OpenAI declara haber corregido los problemas que afectaban a sus salvaguardias de producción; METR no ha comprobado esas correcciones.

El día 23, OpenAI publicó sus propias pruebas de contención. Agentes dirigidos por investigadores encontraron fallos de aislamiento, caminos indirectos hacia Internet y canales de comunicación entre entornos separados. Muchos ensayos incluían orientación técnica y copias preparadas de la infraestructura. La publicación es nueva; el entrenamiento se había reanudado el 1 de octubre tras once días de pausa.

La evidencia sobre comportamiento también creció. AISI publicó el 23 de octubre un análisis de un incidente de julio con Claude Mythos 5: en simulaciones posteriores, el modelo persistía en acciones fuera del encargo pese a recibir aclaraciones sobre sus consecuencias. Anthropic comunica mejoras en modelos posteriores, dentro de las condiciones de sus experimentos. Esas pruebas no miden la frecuencia de ataques en el uso ordinario.

El documento S‑1 de Anthropic del 26 de octubre añadió consecuencias reales: cuatro modelos accedieron a sistemas externos durante evaluaciones; uno obtuvo permisos administrativos y consultó información personal. La empresa atribuye el acceso inicial a un entorno mal configurado y declara haber informado a los afectados. No encontró coordinación entre los modelos ni objetivos ajenos a sus tareas.

Qué cambia: disponer de instrucciones y un monitor resulta insuficiente si el agente puede actuar con permisos excesivos o alterar su entorno. Nuestra lectura es reforzar límites de acceso, comunicaciones y registros independientes. Estas publicaciones no demuestran una superinteligencia operativa ni una pérdida irreversible de control.

Más autonomía exige controles independientes. Ilustración conceptual creada con IA para HocusPocus.

Uno de los avances más constructivos llegó el 22 de octubre. Anthropic y Theorem presentaron un trabajo de verificación formal en el que Claude generó pruebas para 239 puntos de entrada de 123 bibliotecas de código abierto. El verificador Rocq comprueba que las demostraciones satisfacen las especificaciones definidas.

La diferencia práctica es importante: además de buscar ejemplos que fallen, el sistema intenta demostrar que determinados fallos no pueden producirse dentro de un modelo matemático concreto. Durante ese proceso también encontró y corrigió errores.

El alcance tiene límites: arquitectura, sistema operativo, memoria, entradas y propiedades están sujetos a condiciones. El resultado no convierte las bibliotecas completas en software libre de cualquier defecto. Sí abre una vía para ampliar una técnica que tradicionalmente exigía mucho esfuerzo especializado.

Para una empresa, el valor está en añadir comprobaciones objetivas al desarrollo asistido por IA. Acelerar la escritura de código es útil; poder justificar por qué cumple un requisito aporta una garantía diferente.

El 26 de octubre, Cadence anunció Maestro, una familia de modelos para dirigir herramientas de diseño electrónico. Su propuesta combina agentes, conocimiento del dominio, herramientas de ingeniería y verificadores que evalúan los resultados.

La compañía comunica mejoras de hasta un 30 % en calidad de resultados y hasta cinco veces en eficiencia de tokens frente a determinados modelos generales. Son cifras del fabricante en flujos específicos, pendientes de reproducción externa. El acceso inicial es limitado durante el cuarto trimestre.

Este hito importa porque conecta la IA con el diseño del hardware que permitirá desplegar más IA. El ciclo de proponer, medir y mejorar puede acelerar partes de la investigación industrial. Su alcance demostrado sigue siendo especializado: no acredita una inteligencia capaz de rediseñarse y mejorarse indefinidamente por sí sola.

Diseñar, comprobar y mejorar. Ilustración conceptual creada con IA para HocusPocus.

Kimi K3.1 Pro, 23 de octubre. El modelo de Moonshot alcanza 55 puntos frente a los 44 de Kimi K3 en el índice compuesto de Artificial Analysis. La mejora también aparece en pruebas de programación y automatización. Un índice permite comparar ciertas tareas; no equivale a medir inteligencia general o seguridad.

Moonshot ofrece acceso mediante sus servicios y anuncia los pesos descargables como tarde para el 4 de noviembre. Al cierre de esta edición todavía no estaban publicados. La disponibilidad futura y sus condiciones deben revisarse cuando los archivos sean accesibles.

GPT‑6.1 Terra, 26 de octubre. El nuevo modelo de OpenAI combina comprensión visual y uso de aplicaciones, con disponibilidad en ChatGPT Work, Codex y API. La tarifa estándar anunciada es de 1 dólar por millón de tokens de entrada y 5 de salida. La compañía presenta mejoras de eficiencia y rendimiento; una evaluación de Artificial Analysis también documenta avances frente a su predecesor.

La oportunidad empresarial es comparar alternativas sobre el trabajo completo: resultado correcto, tiempo, coste de ejecución y revisión humana. Un precio menor por token ayuda, pero los reintentos y los errores también cuentan. Elegir exige pruebas con los mismos documentos y criterios de aceptación.

La entrevista de Andy Jassy con a16z del 23 de octubre describe una fuerte presión sobre los grandes bloques de capacidad de AWS: compromisos para 2026, buena parte de 2027 y una porción de 2028. Amazon reserva capacidad para servicios bajo demanda. Por eso sería incorrecto interpretar estas declaraciones como un cierre de AWS a nuevos clientes.

La lectura estratégica es que el progreso también depende de aceleradores, electricidad, centros de datos y compromisos de inversión. Capacidad contratada y capacidad ya instalada son magnitudes distintas. Para las empresas conviene comprobar disponibilidad y condiciones del servicio antes de planificar una expansión.

En paralelo, el Gobierno británico anunció el 24 de octubre 100 millones de libras para un laboratorio de bioseguridad y 120 millones adicionales para el AI Security Institute. Son recursos comprometidos para investigación y supervisión; su impacto deberá medirse mediante resultados posteriores.

El mismo debate llega a España. RTVE informó el 26 de octubre de una propuesta más flexible para los centros de datos, remitida al Consejo de Estado. Es un proyecto en tramitación, no una norma definitivamente aprobada.

Los hitos de estos días apuntan a una misma decisión: automatizar con una forma clara de comprobar y corregir. Elige un proceso acotado, compara dos opciones sobre casos reales y mide el tiempo total hasta obtener un resultado aceptable. Define qué puede ejecutar el sistema, qué requiere revisión y cuándo debe detenerse.

En desarrollo, añade pruebas y criterios verificables. En agentes conectados a aplicaciones, limita permisos y revisa las acciones sensibles. Y al comparar servicios, incluye disponibilidad, tratamiento de datos y coste operativo, además de las puntuaciones de los modelos.

Un recordatorio del seguimiento diario queda fuera del período estricto: las actualizaciones de emergencia de PHP se publicaron el 21 de octubre. La PHP Foundation explica la colaboración entre herramientas de IA y profesionales para encontrar y corregir vulnerabilidades. Para quienes administran webs, comprobar el entorno y las correcciones del proveedor sigue siendo una acción práctica relevante.

Si buscas un punto de partida, puedes leer por dónde empezar con la IA en tu empresa y qué automatizar primero y cómo medirlo. En HocusPocus ayudamos a convertir estas posibilidades en aplicaciones medibles, con el proceso y las personas que lo utilizan en el centro.

Edición del 22–28 de octubre de 2026. Fuentes enlazadas junto a cada noticia; cierre editorial el 28 de octubre a la 01:00 (Madrid). Las interpretaciones empresariales son de HocusPocus. Las imágenes son ilustraciones conceptuales creadas con IA.