inteligencia artificial · las 10 historias del día · 11 de noviembre
storyflo · A.I.
Nov 11, 2026 · 12 min listen · Last updated November 11, 2026
De storyflo. Este es tu resumen diario de audio para el 11 de noviembre. Estas son las 10 historias principales de inteligencia artificial de hoy. Vamos a ello. Primero, de The Decoder. El impulso en ventas empresariales lleva los ingresos trimestrales de OpenAI a $10 mil millones, aunque aún está detrás de Anthropic.
Listen · storyflo · A.I.
inteligencia artificial · las 10 historias del día · 11 de noviembre
0:00-11:35
Pick your daily storyteller
Subscribe to match with Theo, Jessica, Chloe, Mason, Brock — your voice, every brief.
inteligencia artificial · las 10 historias del ... · Storyflo
culture
Audio pre-rendered by Storyflo · cached + delivered from the edge
El impulso en ventas empresariales lleva los ingresos trimestrales de OpenAI a $10 mil millones, aunque aún está detrás de Anthropic
Los ingresos trimestrales recientes de OpenAI alcanzaron los $10 mil millones, marcando un aumento significativo del 50 por ciento. Sin embargo, todavía enfrentan pérdidas operativas ajustadas de $10.9 mil millones, lo que muestra que están gastando más de lo que ganan. En contraste, Anthropic está funcionando mejor con $17 mil millones en ingresos mientras gestiona costos de manera más efectiva. Para ponerse al día, OpenAI está entrando en una guerra de precios destinada a atraer clientes empresariales. Este cambio podría remodelar el panorama competitivo, mientras buscan equilibrar sus cuentas y seguir impulsando el crecimiento. Es fascinante ver cómo se desarrollan estas dinámicas en el espacio tecnológico.
Anthropic dice que la IA está erosionando la ventaja de CUDA de Nvidia, reduciendo el cambio a un chip de AMD de meses a tres días
Anthropic ha realizado algunos avances intrigantes en IA al aprovechar su propia tecnología para cambiar de CUDA de Nvidia a GPUs de AMD. Su modelo, Mythos, pudo portar a Claude a hardware de AMD en solo tres días, lo cual es una reducción significativa de los meses que normalmente toma. Esta transición fue en gran parte automatizada, requiriendo mínima intervención humana, lo cual es bastante fascinante. Al ejecutar Claude en cuatro familias de chips diferentes ahora, Anthropic no solo está diversificando su pila tecnológica sino que también busca reducir costos y disminuir la dependencia de un solo proveedor. Es un movimiento inteligente que podría sacudir un poco el panorama.
Experimenta el arte y legado de la Dra. Esther Mahlangu
Lo fascinante es cómo el equipo utilizó IA para llenar vacíos en la vida de Esther antes de 1980, un tiempo que no fue bien documentado. Realizaron talleres y entrevistas, permitiendo que Esther compartiera recuerdos que nunca se habían capturado antes, como sus primeras experiencias pintando a los 10 años. Esta combinación de narración personal y tecnología de vanguardia creó visualizaciones vívidas de su pasado, transformando sus recuerdos en contenido de video atractivo.
La exposición es una colaboración con varias instituciones, mostrando cómo el camino de Esther se desarrolló a través de su arte y su historia personal. Es un enfoque reflexivo para preservar el patrimonio cultural, asegurando que su voz siga siendo influyente en el arte contemporáneo. Realmente espero que tomen un momento para explorar esta increíble colección; es un hermoso tributo a una artista que tiene tanto que ofrecer.
9 métricas clave de inferencia de LLM explicadas en 5 minutos
Este artículo se adentra en cómo podemos medir el rendimiento de modelos de lenguaje grandes, enfocándose en nueve métricas clave que realmente nos ayudan a entender lo que está sucediendo debajo del capó. Comienza con la idea de que tener un alto rendimiento no significa que los usuarios estén teniendo una gran experiencia. El primer token podría tardar demasiado, o el flujo de tokens subsiguientes podría ralentizarse, especialmente cuando el servidor está ocupado.
Las métricas cubren todo, desde el tiempo que toma obtener ese primer token, conocido como Tiempo para el Primer Token (TTFT), hasta la latencia general de extremo a extremo (E2E), que incluye todo el tiempo de espera hasta que se recibe el último token. También desglosa cuánto tiempo toma generar cada token después del primero y proporciona información sobre la carga del servidor con Solicitudes por Segundo (RPS) y Tokens por Segundo (TPS).
Lo interesante es cómo miden estas métricas a través de múltiples solicitudes para obtener una imagen más clara del rendimiento. Observan promedios, medianas y percentiles de cola para tener en cuenta las variaciones. Y luego está el Goodput, que trata sobre cuántas solicitudes cumplen con tus objetivos de nivel de servicio, proporcionando una verdadera sensación de eficiencia.
En general, estas métricas ayudan a identificar cuellos de botella y rastrear el rendimiento a lo largo del tiempo, facilitando la optimización de la experiencia del usuario en aplicaciones de LLM. Es una mirada fascinante a las complejidades de cómo operan estos sistemas!
Lo que realmente piden las ofertas de trabajo para científicos de datos senior en 2026
En 2026, el panorama para los roles de científicos de datos senior ha cambiado significativamente, revelando una brecha entre lo que los candidatos piensan que se necesita y lo que los empleadores realmente quieren. El enfoque ha pasado de simplemente construir modelos a gestionarlos a lo largo de su ciclo de vida, enfatizando habilidades de calidad de producción. Python sigue siendo esencial, pero ahora exige competencia en bibliotecas específicas como scikit-learn y TensorFlow. Los requisitos de SQL también se han profundizado, con capacidades avanzadas convirtiéndose en estándar.
La experiencia en la nube es crucial, con muchas ofertas especificando servicios en lugar de solo familiaridad, y alrededor del 20% incluso solicitando certificaciones en la nube. Las habilidades de MLOps son cada vez más importantes, destacando la necesidad de experiencia práctica con herramientas como MLflow y Docker. Las habilidades en IA generativa están en aumento, con un notable 31% de las ofertas mencionándolas, reflejando una expectativa más amplia de que los candidatos sean fluidos en tecnologías de IA. El conocimiento estadístico sigue siendo un requisito, subrayando la base analítica aún necesaria en el campo. En general, el rol de un científico de datos senior en 2026 exige una mezcla de profundidad técnica, fluidez en la nube y perspicacia comercial.
Prueba Tabletop: Espacios personalizables y colaborativos para que grupos planifiquen, jueguen y hagan más juntos.
Hay una nueva herramienta llamada Tabletop de Google Labs que se trata de hacer que la planificación grupal sea mucho más fácil. Imagina que estás tratando de organizar un viaje familiar o un potluck; en lugar de estar manejando un millón de mensajes, puedes configurar un espacio compartido donde todos pueden contribuir con ideas y archivos en tiempo real. Puedes comenzar añadiendo tus enlaces y pensamientos, y luego simplemente escribe @tabletop o elige una plantilla para crear cosas como itinerarios de viaje, encuestas de cena o incluso brackets de torneos. Una vez que hayas configurado tu espacio, puedes invitar a todos a participar, al igual que harías con un Google Doc. En este momento, solo está disponible en los EE. UU. para personas mayores de 18 años, y debes registrarte en una lista de espera. Parece una forma interesante de que todos estén en la misma página sin el caos habitual.
El programa X-Labs de NSF atrae apoyo de organizaciones benéficas e inversionistas
En octubre, anunciaron que los socios del consorcio proporcionarían recursos prácticos—como espacio de laboratorio y orientación experta—para ayudar a los ganadores de X-Labs, quienes recibirán $1.5 millones para una fase de planificación de nueve meses. Esta colaboración está diseñada para evitar que los ganadores desperdicien fondos en infraestructura básica, permitiéndoles enfocarse en objetivos de investigación ambiciosos.
El programa enfatiza la autonomía, requiriendo que los líderes de proyecto trabajen a tiempo completo y tomen decisiones independientes, lo que lo distingue de los entornos académicos tradicionales. Los socios del consorcio, como Ginkgo Bioworks, están interviniendo para ofrecer recursos significativos, incluido el acceso a su laboratorio en la nube para experimentos complejos. Este cambio refleja una tendencia más amplia de integrar las capacidades del sector privado en la ciencia liderada por el gobierno, ya que las empresas han crecido mucho más grandes y más capaces desde mediados del siglo XX.
Los expertos son optimistas acerca de este nuevo modelo, comparándolo con “trabajo temporal para la ciencia”, lo que podría fomentar la innovación de maneras en que el financiamiento tradicional no lo ha hecho. Algunos académicos ya están adoptando el enfoque de X-Labs, encontrándolo un valioso camino para explorar proyectos más grandes que superan las subvenciones típicas de las universidades. Los partidarios argumentan que a medida que tecnologías como la IA evolucionan, también debe hacerlo la infraestructura que apoya la investigación, creando oportunidades emocionantes para aquellos con un espíritu emprendedor.
¿Cuándo tiene sentido incorporar IA en los productos?
El mundo tecnológico ha estado corriendo para incorporar IA en todo, desde cepillos de dientes hasta robots domésticos, pero se está volviendo claro que no todos los productos se benefician de esta integración. Savannah Kunovsky de Ideo destaca la importancia de discernir cuándo la IA mejora la experiencia del usuario y cuándo solo complica las cosas. Muchas empresas sienten la presión de adoptar IA, a menudo impulsadas por expectativas de inversionistas o tendencias competitivas, pero la clave es entender primero las necesidades del usuario.
Kunovsky señala que la IA puede ser útil, especialmente en áreas como la accesibilidad, pero también puede resultar contraproducente cuando reemplaza controles intuitivos y familiares por algo menos confiable. Por ejemplo, una cocina que depende únicamente de la IA llevó a experiencias frustrantes para los usuarios que necesitaban control inmediato. Las mejores integraciones de IA son aquellas que mejoran la experiencia sin añadir complejidad innecesaria, permitiendo que los usuarios interactúen con los productos de múltiples maneras.
En última instancia, el uso exitoso de la IA debería sentirse fluido e intuitivo, mejorando nuestra capacidad para llevar a cabo tareas en lugar de crear barreras. Se trata de encontrar ese equilibrio y asegurarse de que la tecnología sirva al usuario, no al revés.
El regulador del Reino Unido amenaza a universidades con sanciones a menos que adopten formatos de examen a prueba de IA
La Oficina para Estudiantes en Inglaterra está levantando alarmas sobre el impacto de la IA en la integridad académica. Han descubierto que los estudiantes están utilizando herramientas como ChatGPT para producir trabajos completos sin una comprensión del material, lo que socava el valor de los títulos. En respuesta, el regulador está instando a las universidades a regresar a los formatos de examen tradicionales para garantizar evaluaciones justas. Si las instituciones no cumplen, podrían enfrentar sanciones. Este cambio hacia métodos de evaluación convencionales tiene como objetivo preservar la credibilidad de la educación superior en un paisaje cada vez más influenciado por tecnologías de IA. Es un movimiento significativo que podría reformular cómo pensamos sobre las evaluaciones.
Aplicaciones construidas con Grok expusieron datos de pacientes, contraseñas en texto plano y el propio pipeline de ventas de SpaceXSI
Aquí está la primicia. Una empresa de seguridad llamada Claroc descubrió que más de 35,000 aplicaciones construidas por Grok estaban completamente abiertas para que cualquiera pudiera acceder sin necesidad de iniciar sesión. Esto incluye datos sensibles de pacientes e incluso documentos confidenciales relacionados con SpaceXSI. El problema surgió de una configuración predeterminada que permitía el acceso a “cualquiera con el enlace”, lo cual es un descuido bastante grande. SpaceXSI reaccionó eliminando solo 24 de sus propias aplicaciones para empleados, pero la mayoría de las aplicaciones expuestas aún están disponibles, accesibles para cualquier persona que las encuentre. Es un recordatorio contundente de cuán crucial es verificar esas configuraciones de privacidad.