La firma china HSG ha lanzado Xbench, un nuevo sistema de evaluación que va más allá de los típicos tests académicos para medir la inteligencia artificial. Este benchmark analiza si los modelos son realmente útiles en tareas del mundo real como la contratación de personal o la planificación de campañas de marketing. OpenAI lidera los rankings actuales, pero otras compañías como ByteDance, Google, Anthropic o xAI también muestran buenos resultados. El sistema ya se ha abierto al público con parte de sus datos en abierto y un sistema de rankings mensuales.

El aprendizaje —tanto humano como algorítmico— se basa en identificar patrones. Pero cuando esos patrones son estereotipos, el resultado puede ser problemático. Un nuevo estudio ha revelado cómo los modelos de inteligencia artificial repiten y amplifican prejuicios culturales. El proyecto SHADES analiza más de 300 estereotipos en 16 idiomas y demuestra cómo diferentes IA —como Qwen, Llama o Bloom— refuerzan ideas preconcebidas sobre género, edad o nacionalidad.

La *start-up* francesa H ha presentado tres nuevos agentes de inteligencia artificial —Runner, Surfer y Tester— y ha publicado resultados técnicos que demuestran la alta eficacia de su tecnología en pruebas como WebVoyager, donde supera a rivales como Anthropic y EmergenceAI. Runner H es el agente insignia de la compañía. Diseñado para ejecutar flujos de trabajo en la web mediante instrucciones en lenguaje natural, permite automatizar tareas como pruebas end-to-end de comercio electrónico o procesos de incorporación de clientes en servicios financieros.

En la conferencia Build 2025, Microsoft ha desvelado su ambiciosa apuesta por una nueva era de aplicaciones impulsadas por agentes inteligentes. Desde herramientas para desarrolladores que automatizan tareas complejas hasta una infraestructura de nube que promete ser 10 veces más potente que el superordenador más rápido del mundo, la compañía se propone redefinir el trabajo con inteligencia artificial. La clave de esta transformación: Copilot, Foundry y una red global de centros de datos optimizados para IA.

Alibaba ha presentado Qwen3, una nueva serie de modelos de lenguaje abiertos que combinan modos de pensamiento rápidos y profundos. Con versiones que van desde los 600 millones hasta los 235 mil millones de parámetros, Qwen3 busca competir directamente con modelos de OpenAI y Google, y ya está disponible en plataformas como Hugging Face y GitHub.

Meta lanza Llama 4 Scout y Llama 4 Maverick, dos modelos de lenguaje multimodal con peso abierto que marcan un salto cualitativo en rendimiento, eficiencia y versatilidad. Ambos están disponibles desde hoy en Hugging Face y llama.com, y ya funcionan en aplicaciones como WhatsApp e Instagram. Junto a ellos, Meta ha presentado Llama 4 Behemoth, un modelo de 2 billones de parámetros que aún se encuentra en entrenamiento y que ha servido como maestro para los nuevos modelos.

La start-up china DeepSeek ha lanzado sin previo aviso una versión mejorada de su modelo de inteligencia artificial, DeepSeek-V3-0324, con importantes avances en matemáticas y programación. El modelo, de código abierto y con 685.000 millones de parámetros, se posiciona como uno de los más potentes en su categoría. Mientras tanto, EE.UU. intensifica sus investigaciones sobre una posible red de contrabando de chips Nvidia que habría permitido a China sortear las restricciones comerciales para entrenar esta IA disruptiva.

Google ha lanzado Gemma 3, su nueva serie de modelos de inteligencia artificial optimizados para dispositivos locales. Con tamaños de hasta 27B de parámetros y una ventana de contexto de 128K tokens, ofrece rendimiento superior en una sola GPU o TPU. Además, es compatible con 140 idiomas, permite procesamiento multimodal de imágenes, texto y vídeo y cuenta con versiones cuantizadas para mayor eficiencia. Junto con ShieldGemma 2, su sistema de seguridad de imágenes, Gemma 3 refuerza el compromiso de Google con una IA accesible, escalable y responsable. Disponible desde hoy en Google AI Studio, Hugging Face y Kaggle.