Del 6 al 12 de Mayo

¿Qué es lo que se mueve?

Esta semana la IA no está jugando: Google soltó modelos Gemini capaces de procesar hasta 6 h de video, y Mistral nos regala IA premium a 8x el costo. Ponte cómodo que vienen datos prácticos.

• 🎥 Gemini 2.5 Pro procesa hasta 6 horas de video, extrae datos audio-visuales y puede generar flujos de trabajo o aplicaciones desde ese video. Destrona a GPT-4.1 en benchmarks de video. Más aquí

• 🤝 OpenAI integra análisis de repos de GitHub en ChatGPT, permitiendo revisar PR, detectar bugs y sugerir mejoras de código con un solo prompt. Detalles

• 🏦 Reestructura OpenAI: OpenAI se convierte en PBC bajo un board sin fines de lucro para recaudar trillones y acelerar la AGI, todo con promesas de open-source. Lee

• 💸 Medium 3: Mistral sacó Medium 3, un modelo que ofrece precisión al nivel de Claude a 8× menos costo y puede correr en solo 4 GPUs. Chequéalo

Gemini, el nuevo rey del video

Qué es: Gemini 2.5 Pro es un modelo multimodal que procesa hasta 6 horas de video, analiza contenido audio-visual y genera código o apps directamente desde ese material.

Para ti: Imagina subir un webinar, comercial o demo de producto y recibir un dashboard de insights, transcripciones estructuradas o incluso un prototipo de landing page con fragmentos clave.

Cómo usarlo:

• Sube tu video a la API de Gemini.

• Define el prompt: “Crea una lista de FAQs a partir del texto hablado y muestra los 5 clips más destacados.”

• Recibe JSON con timestamps, transcripción y recomendaciones de diseño.

Beneficios: automatizas edición, reportes y prototipos. Paga menos en licencias y acelera lanzamientos.

Por abajo, Gemini 2.5 Pro usa arquitecturas de transformers multimodales entrenadas con enormes datasets de video y audio sincronizados. Además, incorpora flujos de trabajo programables para encadenar herramientas y scripts como un agente que entiende tus instrucciones.

Para programadores

System Prompt Learning: El Nuevo Truco de Karpathy

Andrej Karpathy propone System Prompt Learning, un enfoque que trata las instrucciones de sistema como parámetros entrenables en lugar de texto estático. En lugar de copiar-pegar largos prompts, entrenas esas instrucciones con gradient descent y optimizas cómo el modelo razona.

• ¿Qué es? Un vector de instrucciones ajustables que define el comportamiento de un LLM.

• ¿Cómo se entrena? Se inicia con un prompt base y se expone a datos; durante el backpropagation, tanto los pesos del modelo como el prompt se actualizan.

• Ventajas: mayor coherencia en tareas complejas, menos dependencia de prompts manuales y pipelines más ágiles.

• Implementación: funciona con frameworks como Hugging Face Transformers y accelerate de NVIDIA.

Este paradigma abre la puerta a modelos más adaptativos, donde el prompt evoluciona con tus datos y da mejor control a desarrolladores y científicos de datos. Fuente: Karpathy explica.

Automatización extrema con Open Computer Agent de Hugging Face

Open Computer Agent es la apuesta de Hugging Face para ofrecer un asistente virtual en la nube que controla una VM Linux completa. En lugar de invocar funciones limitadas, este agente puede:

• Ejecutar comandos de shell (bash, apt, pip).

• Gestionar archivos y procesos en un entorno aislado.

• Interactuar con UI vía virtual desktop (X11).

¿Cómo funciona?

1. Despliegas el agente en HF Spaces o en tu nube.

2. Usas el SDK Python o la CLI pip install hf-agent) para enviar instrucciones (e.g., agent.run("apt update && apt install nginx")).

3. Recibes salida en tiempo real y archivos generados.

Ideal para DevOps, QA automatizado y prototipos rápidos sin levantar servidores manualmente. Todo es open-source y objeto de contenedores Docker con políticas de seguridad y límite de recursos.

Multi-step Web Search en Claude

Anthropic incorporó búsqueda web multi-paso en su API de Claude, mejorando la precisión y entregando respuestas con citas. Este sistema:

1. Descompone la consulta en sub-preguntas.

2. Ejecuta búsquedas secuenciales, refinando los términos en cada paso.

3. Agrega resultados con citas precisas y presenta un resumen final.

Para usarlo:

from anthropic import Anthropic, HUMAN_PROMPT

client = Anthropic(api_key="TU_API_KEY")

response = client.completions.create(
  model="claude-2.1-search",
  prompt=HUMAN_PROMPT + "¿Cuál es la capital de Mongolia?",
  max_tokens_to_sample=512
)

La respuesta incluye una sección Steps con cada búsqueda ejecutada y luego un bloque Answer con la síntesis, todo con enlaces a fuentes. Ideal para apps que requieren datos actualizados y trazabilidad en finanzas o legal. Aprende más en Anthropic Web Search API.

Quizás quieras ver esto,

• 🧑‍🎨 La chispa humana: Caltech define la creatividad como la única habilidad que la IA no podrá reemplazar. Video.

• 🔐 SafeSpeech: Framework que embebe perturbaciones imperceptibles para defender voces contra deepfakes. Paper

Agenda de la Semana —
En colaboración con IAvanza

Cada semana, junto a IAvanza, destacamos eventos sobre
Inteligencia Artificial y emprendimiento para que
sigas creciendo con nosotros.
Conéctate, aprende y amplía tu red!

📌 Cómo vemos la IA los SIMPLES MORTALES
Webinar Gratuito impartido por Oscar Perez
🗓 Martes, 13 de mayo – 🕕 7:00 PM
🔗 Únete al grupo: https://acortar.link/BWymlL

📌 Captación de Leads y Mejora de la productividad con IA
Webinar Gratuito
🗓 Jueves, 15 de mayo – 🕕 7:00 PM
🔗 Únete al grupo: https://acortar.link/BWymlL