ElevenLabs lanza Eleven Realtime, sus modelos de voz a voz para agentes
ElevenLabs presentó Eleven Realtime v1 Mini y v1 Max, dos modelos de voz a voz para agentes que escuchan y responden en tiempo real en más de 90 idiomas. Max alcanza 98,8 % en el benchmark Big Bench Audio con 0,57 segundos de latencia.
El martes 20 de octubre, ElevenLabs lanzó Eleven Realtime, una familia de modelos speech-to-speech que integra reconocimiento de voz, turnos de conversación, modelo de lenguaje y voz sintética en un único sistema optimizado de extremo a extremo. Hay dos versiones: v1 Mini, la más económica, pensada para asistentes, tutores e interacciones cotidianas donde lo importante es que la conversación fluya; y v1 Max, que añade capacidad de razonamiento para soporte al cliente, calificación de prospectos y tareas de varios pasos que requieren llamar herramientas. Ambas soportan más de 90 idiomas y más de 17.000 voces. En evaluaciones independientes de Artificial Analysis, Max resolvió el 98,8 % de las preguntas habladas de Big Bench Audio (tercero entre 43 modelos) y completó el 87,1 % de las tareas con herramientas, con un tiempo medio de 0,57 segundos antes de empezar a hablar. Mini, más barato, destaca en la gestión de pausas e interrupciones. Los modelos están disponibles en la plataforma ElevenAgents y mediante una API compatible con la Realtime API de OpenAI, lo que facilita la migración. El precio se cobra por minuto de audio más uso de tokens, con Max por encima de Mini. La jugada presiona a OpenAI en el terreno de los agentes de voz, donde la latencia y la precisión definen la experiencia.
2026-10-20
MiniMax lanza M3.1 Flash y calienta la guerra de precios de la IA en China
La china MiniMax presentó el 19 de octubre su modelo M3.1 Flash: cuesta 0,15 dólares por millón de tokens de entrada y 0,60 por millón de salida, un 70 % menos que la generación anterior y unas tres veces más rápido. Los pesos se liberarán el 23 de octubre.
La empresa de Shanghái MiniMax lanzó el 19 de octubre el M3.1 Flash, su nuevo modelo enfocado en tareas de agentes, programación y ciberseguridad. Según Reuters, el precio de la API ronda el yuan por millón de tokens de entrada y cuatro yuanes por millón de salida, lo que lo coloca entre las opciones más baratas del mercado chino. La compañía afirma mejoras en velocidad de inferencia y rendimiento, y adelantó que podría llegar una versión Pro de gama más alta. Los pesos del modelo se publicarán el 23 de octubre, siguiendo la estrategia de MiniMax de combinar modelos abiertos con precios agresivos. El lanzamiento intensifica la competencia de bajo costo en China, donde laboratorios como DeepSeek y Moonshot presionan los márgenes de toda la industria. Para las empresas, la lección práctica es que el costo por token cae cada pocos meses: conviene recalcular los presupuestos de IA con los precios más recientes en lugar de las tarifas de hace un año. Como siempre con las cifras de la propia compañía, conviene contrastarlas con evaluaciones independientes y cargas de trabajo reales.
2026-10-19
Inception Labs presenta Mercury 3, un modelo de lenguaje por difusión a más de 1.000 tokens por segundo
Inception Labs lanzó Mercury 3, un modelo de lenguaje basado en difusión que genera más de 1.000 tokens por segundo, varias veces más rápido que los modelos pequeños de OpenAI y Anthropic.
Inception Labs presentó el 19 de octubre Mercury 3, la nueva generación de su modelo de lenguaje basado en difusión. A diferencia de los modelos autorregresivos tradicionales, que generan texto token por token de izquierda a derecha, los modelos de difusión refinan toda la secuencia en paralelo, lo que permite velocidades de generación superiores a 1.000 tokens por segundo según la compañía, varias veces más que los modelos compactos de OpenAI y Anthropic. La apuesta de Inception es que la velocidad extrema, combinada con calidad competitiva, abra la puerta a aplicaciones interactivas donde la latencia es crítica: agentes de voz, programación en tiempo real y experiencias conversacionales fluidas. El lanzamiento llega en una semana cargada de anuncios de modelos y confirma que la arquitectura por difusión, antes dominio de la generación de imágenes, se está convirtiendo en una vía seria para competir en modelos de lenguaje. Queda por ver cómo se comporta en evaluaciones independientes frente a los líderes del segmento.
2026-10-19
Mistral lanza Timestral, su primera familia de modelos para pronóstico de series temporales
Mistral AI presentó Timestral, cuatro modelos de 5 a 209 millones de parámetros para predecir series temporales sin reentrenamiento. El mayor supera al TimesFM-3 de Google en tres benchmarks y corre en CPU.
Mistral AI anunció el 15 de octubre Timestral, su primera familia de modelos fundacionales para series temporales: cuatro tamaños (5M, 28M, 123M y 209M parámetros) que comparten arquitectura y receta de entrenamiento. Son modelos de pronóstico probabilístico zero-shot: pueden predecir datos que nunca vieron sin reentrenarse, expresan la incertidumbre como un rango de 21 cuantiles, manejan varias series relacionadas a la vez y aceptan covariables externas como calendarios de festivos o pronósticos meteorológicos. Según Mistral, el Timestral-209M lidera entre los modelos preentrenados zero-shot en tres benchmarks públicos (GIFT-Eval, TIME y fev-bench), superando al TimesFM-3 de Google con muchos menos parámetros. La clave práctica: el modelo insignia corre en una CPU estándar, sin necesidad de GPU, y el más pequeño genera un pronóstico en 10 milisegundos. Los pesos están en Hugging Face y el código de inferencia en GitHub bajo Apache 2.0, lo que facilita su adopción en finanzas, retail, energía e industria. Es la primera incursión seria de Mistral más allá de los modelos de lenguaje, y marca la migración del manual de los modelos fundacionales al mundo de los datos temporales.
2026-10-15
Sam Altman admite que OpenAI desarrolla un robot humanoide con demo prevista para 2027
El CEO de OpenAI confirmó a Fortune el 18 de octubre que la compañía desarrolla un robot humanoide y planea mostrar una demostración en 2027. Su página de empleos lista 27 vacantes relacionadas con robótica.
Sam Altman reconoció en una entrevista con Fortune, publicada el 18 de octubre, que OpenAI está desarrollando un robot humanoide y que planea presentar una demostración en 2027. La confirmación pone fin a meses de especulación: la página de empleos de la compañía ya lista 27 vacantes relacionadas con robótica. El movimiento coloca a OpenAI en competencia directa con Tesla (Optimus), Figure AI y las chinas Unitree y Agibot en la carrera por el robot humanoide de propósito general. La lógica estratégica es clara: quien controle el modelo de IA que razona también quiere controlar el cuerpo que actúa en el mundo físico, en fábricas, almacenes y eventualmente hogares. El anuncio llega en un momento en que la robótica humanoide pasa de las demos virales a los despliegues piloto reales, y sugiere que OpenAI ve la inteligencia encarnada como la próxima frontera después de los agentes de software. No se revelaron detalles técnicos ni socios de hardware.
2026-10-18
ByteDance, Alibaba y Tencent piden a Nvidia chips por más de 35.000 millones de dólares
Las tres gigantes chinas ordenaron más de 3 millones de tarjetas RTX PRO 5500 de Nvidia, por un valor conjunto superior a 35.000 millones de dólares, según Reuters. Nvidia advirtió que no puede garantizar el suministro: la demanda supera ampliamente la producción prevista.
ByteDance, Alibaba y Tencent ordenaron más de 3 millones de las nuevas tarjetas gráficas RTX PRO 5500 de Nvidia, con un precio conjunto superior a los 35.000 millones de dólares, informaron el 20 de octubre dos personas familiarizadas con el asunto citadas por Reuters. La RTX PRO 5500 es una tarjeta de estación de trabajo, no el chip insignia de centro de datos, pero es de los componentes más potentes de Nvidia que los compradores chinos aún pueden adquirir legalmente: el B300 basado en Blackwell tiene prohibida su venta a China por los controles de exportación de EE. UU., y el H200 pasa por licencias caso por caso. Las tres compañías las quieren sobre todo para inferencia, es decir, para ejecutar modelos ya entrenados. Nvidia advirtió a clientes y socios que no puede garantizar el cumplimiento: la demanda china supera ampliamente la producción planificada, los pedidos totales de clientes chinos ya exceden los 6 millones de unidades frente a una capacidad global de unos 3 millones para 2027, y las tasas de entrega podrían ser de apenas 5 % a 10 % de lo solicitado. La cifra de 35.000 millones refleja intención, no hardware entregado. El episodio muestra que el apetito chino por hardware de Nvidia sigue intacto pese a las restricciones, y que los controles están empujando la demanda hacia productos de cumplimiento que ahora también escasean.
2026-10-20
OVHcloud lanzará su primer modelo propio de IA a inicios de 2027
La mayor nube independiente de Europa anunció que lanzará su primer modelo propietario de IA a principios de 2027: una arquitectura de mezcla de expertos entrenada desde junio en Jupiter, la supercomputadora más rápida de Europa.
El CEO de OVHcloud, Octave Klaba, dijo a Reuters el 20 de octubre, tras la presentación de resultados anuales, que la compañía lanzará su primer modelo de IA propio a principios de 2027. Será un diseño de mezcla de expertos cuyo entrenamiento comenzó en junio en Jupiter, la supercomputadora más rápida de Europa. Klaba también puso cifras a la capacidad disponible: 250 MW conectados, 140 MW en operación y 110 MW listos para nuevos clientes, lo que permite incorporar clientes de IA sin construir nueva infraestructura mientras sus rivales aún levantan centros de datos. OVH se posiciona así como un retador europeo de Mistral, y su piloto OVHai Workspace se lanza próximamente. El anuncio es relevante porque muestra a un actor europeo de infraestructura subiendo en la cadena de valor hacia los modelos, en un momento en que la UE debate sus estrategias de gigafactorías de IA. Para las empresas europeas preocupadas por la soberanía de datos, un modelo entrenado y operado en Europa es una alternativa con peso regulatorio y geográfico.
2026-10-20
Japón empieza a desplegar agentes de IA para 180.000 empleados públicos
El gobierno japonés inició el 20 de octubre el despliegue gradual de Agent Chat, agentes de IA para más de 180.000 empleados públicos capaces de generar código, operar archivos y ejecutar pruebas desde instrucciones en lenguaje natural.
La Agencia Digital de Japón comenzó el 20 de octubre el despliegue gradual de Agent Chat, un entorno de agentes de IA avanzados para los empleados del gobierno. Los agentes pueden generar y modificar código, operar con archivos, ejecutar comandos y realizar pruebas a partir de instrucciones en lenguaje natural. Es el paso más ambicioso del programa Gennai: la primera ministra Sanae Takaichi ordenó en diciembre de 2025 poner la plataforma a disposición de más de 100.000 empleados para mayo de 2026, y el piloto se amplió en mayo a unos 180.000 trabajadores, incluido personal fuera de los ministerios centrales. El calendario prevé la llegada de Gennai Workshop en diciembre de 2026 y la publicación de ambos entornos como Gennai OSS 2.0 en febrero de 2027, antes del uso pleno en el año fiscal 2027. Japón se convierte así en el primer gran gobierno en poner agentes de IA programadores en manos de su burocracia a esta escala, un experimento observado de cerca por otros países que evalúan la IA como herramienta de productividad del sector público. El reto será medir si los agentes realmente aceleran el trabajo administrativo sin introducir riesgos en sistemas críticos.
2026-10-20
La IA encarece los celulares: las ventas mundiales caen 20 % por el alza de las memorias
Las ventas mundiales de smartphones cayeron 20 % en el tercer trimestre de 2026, su peor nivel en 14 años, porque los centros de datos de IA acaparan los chips de memoria. Según IDC, el costo de la memoria se disparó cerca de 350 % en un año y los precios de los celulares subieron hasta 20 %.
Si cambiar de celular cuesta más que antes, no es imaginación: según Counterpoint Research, las ventas mundiales de smartphones cayeron 20 % en el tercer trimestre de 2026 frente al año anterior, su peor registro para esa temporada en 14 años. El culpable es un componente clave: los chips de memoria DRAM y NAND. Los fabricantes de memoria están priorizando los chips más rentables, los que usan los centros de datos de Google, Microsoft y Amazon para entrenar y operar sus sistemas de IA, lo que dejó menos memoria disponible para teléfonos, tabletas y computadoras. Según IDC, el costo de la memoria se disparó cerca de 350 % en un año, y los fabricantes trasladaron ese costo al comprador: los precios de los celulares subieron hasta 20 % en lo que va del año. Samsung se mantiene como líder del mercado y Apple alcanzó 22 % de participación, la primera vez que supera el 20 % en un tercer trimestre; las más golpeadas fueron las marcas chinas de gama media y de entrada, con caídas de más de 30 % en los envíos de Xiaomi y de más de 20 % en Oppo y Vivo. Es el efecto colateral más visible del boom de la IA en el bolsillo del consumidor.
2026-10-20
Cepal: América Latina debe «apropiarse» de la IA para enfrentar sus desafíos de desarrollo
La Cepal y el Cenia de Chile presentaron en Santiago el Índice Latinoamericano de IA 2026: la región debe vincular infraestructura, datos, talento e instituciones para convertir la IA en valor social y económico. Brasil, Chile y Uruguay aparecen como pioneros.
La Comisión Económica para América Latina y el Caribe (Cepal) y el Centro Nacional de Inteligencia Artificial de Chile (Cenia) presentaron el 20 de octubre en Santiago la cuarta edición del Índice Latinoamericano de Inteligencia Artificial (ILIA 2026). El informe examina los ecosistemas de IA de 20 países de la región e incorpora por primera vez una comparación con Alemania, España, Estonia, Portugal y Singapur. El mensaje central del secretario ejecutivo de la Cepal, José Manuel Salazar-Xirinachs: no basta con ampliar el acceso a la tecnología; hay que «avanzar en la apropiación» de la IA, vinculando infraestructura, datos, talento, investigación y capacidades institucionales para traducirla en innovación, productividad y valor económico y social. El índice señala que la conectividad sigue siendo indispensable pero ya no es suficiente: las mayores brechas están en la capacidad de cómputo, la adopción empresarial y la implementación de las estrategias nacionales. Brasil, Chile y Uruguay aparecen como pioneros con trayectorias distintas, lo que muestra que no hay una única vía para desarrollar capacidades avanzadas. El informe conecta la IA con las «trampas» del desarrollo regional: bajo crecimiento, alta desigualdad, baja movilidad social e instituciones debilitadas.
2026-10-20
El Parlamento Europeo quiere usar IA para combatir el fraude del IVA
La Eurocámara aprobó el 20 de octubre una resolución que pide herramientas de IA para detectar el fraude del IVA, que provoca pérdidas de entre 12.500 y 32.800 millones de euros al año. La votación: 357 a favor, 271 en contra y 31 abstenciones.
El Parlamento Europeo aprobó el martes 20 de octubre una resolución que reclama una respuesta más coordinada contra el fraude del impuesto sobre el valor añadido (IVA), especialmente en las operaciones entre empresas de distintos países de la UE. El texto propone reforzar el intercambio de información fiscal en tiempo real entre las autoridades de los 27 Estados miembros, incorporar herramientas de inteligencia artificial para detectar operaciones sospechosas y aumentar los recursos de la Fiscalía Europea y la Oficina Europea de Lucha contra el Fraude. Según las estimaciones recogidas por la Eurocámara, determinadas modalidades de fraude del IVA provocan pérdidas de entre 12.500 y 32.800 millones de euros anuales para las haciendas públicas. La resolución salió adelante con 357 votos a favor, 271 en contra y 31 abstenciones, lo que refleja un debate dividido sobre el alcance de la vigilancia fiscal automatizada. Es uno de los usos gubernamentales de la IA más concretos aprobados este año en Europa: no un piloto, sino un mandato político para desplegar detección algorítmica contra el fraude transfronterizo.
2026-10-20
Chery presenta su primer modelo de IA para autos y su robot humanoide de consumo Mobo
En su Conferencia Global de Innovación, la china Chery presentó el 20 de octubre su primer modelo de IA para la industria automotriz y Mobo, su primer robot humanoide de consumo para el hogar, cuyas reservas globales se abren ya.
La automotriz china Chery celebró el 20 de octubre su Conferencia Global de Innovación 2026, donde presentó su primer modelo de IA para la industria automotriz, además del debut mundial de su tecnología de carga bidireccional vehículo-red (V2G) y un nuevo sistema de carga rápida. En robótica, su división AiMOGA —cuyos robots ya operan en más de 100 entornos de educación y salud— presentó a Mobo, su primer robot humanoide de consumo diseñado para acompañar en el hogar, con reservas globales abiertas desde el evento. Chery también mostró por primera vez su línea de maquinaria agrícola inteligente y firmó el 16 de octubre un acuerdo estratégico con la State Grid Corporation of China para su primera estación de demostración V2G a gran escala. El evento confirma la expansión de Chery más allá de la fabricación de autos hacia la IA encarnada, la energía y la agricultura inteligente, siguiendo el manual de las tecnológicas chinas que convierten el automóvil en una plataforma de IA sobre ruedas.
2026-10-20
Seúl acoge una cumbre mundial de IA con unos 60 países
El ministerio de Ciencia de Corea del Sur y el Grupo Banco Mundial inauguraron el 19 de octubre una cumbre de tres días sobre IA y desarrollo digital con representantes de unos 60 países. Seúl presenta su iniciativa «IA para todos».
El ministerio de Ciencia de Corea del Sur y el Grupo Banco Mundial inauguraron el 19 de octubre en Seúl una Cumbre Mundial de IA y Desarrollo Digital de tres días, con funcionarios de aproximadamente 60 países, además de empresas e investigadores. La agenda gira en torno a la gobernanza de la IA, el acceso equitativo a la tecnología y cómo extender sus beneficios gestionando sus riesgos. Corea del Sur presenta su iniciativa «IA para todos», con la que busca posicionarse como puente entre las potencias tecnológicas y los países en desarrollo. La cumbre es un foro de diálogo e intercambio de experiencias, no un nuevo acuerdo internacional vinculante, pero refleja cómo la gobernanza de la IA se ha convertido en una preocupación genuinamente global que ya no se decide solo en Washington, Pekín o Bruselas. Para América Latina y otras regiones, estos foros son la vía para incidir en las reglas del juego tecnológico.
2026-10-19
DeepSeek libera DeepInfer, el motor de inferencia que usa en producción, con soporte para chips Huawei
DeepSeek publicó el 20 de octubre en GitHub, bajo licencia Apache 2.0, DeepInfer, el motor de inferencia que mueve su servicio con el modelo V4.1-Flash. Soporta GPUs Nvidia y NPUs Huawei Ascend 950.
El laboratorio chino DeepSeek publicó el 20 de octubre en GitHub, bajo la permisiva licencia Apache 2.0, DeepInfer, el motor de inferencia de alto rendimiento que según la compañía mueve sus servicios de producción con el modelo DeepSeek-V4.1-Flash. Un motor de inferencia es el software que sirve un modelo ya entrenado a los usuarios: reparte el modelo entre chips, agrupa solicitudes y decide la velocidad de respuesta, una parte importante del costo por respuesta de una empresa de IA. La primera versión ejecuta V4.1-Flash en modo offline y soporta dos familias de hardware: GPUs Nvidia SM100 y NPUs Huawei Ascend 950, lo que supone el primer respaldo de un laboratorio de frontera al silicio de Huawei en producción. Incluye kernels optimizados, paralelismo de expertos, decodificación especulativa, salidas estructuradas y resultados deterministas; está construido sobre vLLM con ideas de SGLang y TensorRT-LLM. DeepSeek afirma que un solo clúster sirve 155 billones de tokens al día. También liberó deepseek-recipe, su capa de codificación de tokens. El lanzamiento llega un día después de que el gobierno de EE. UU. ordenara a las agencias federales retirar los modelos de DeepSeek de sus sistemas, y envía un mensaje claro: código abierto real bajo Apache 2.0 frente a modelos cerrados.
2026-10-20
Anthropic revela compromisos de cómputo por más de 600.000 millones en su prospecto de salida a bolsa
El borrador del prospecto de Anthropic, revelado por The Wall Street Journal el 20 de octubre, muestra 111.000 millones con Google, 110.000 con AWS y 31.000 con Microsoft «independientemente del uso», más hasta 86.000 millones en alquiler de chips Nvidia. Los costos futuros de infraestructura superan los 600.000 millones.
The Wall Street Journal reveló el 20 de octubre detalles del borrador del prospecto de salida a bolsa de Anthropic, y la cifra que más llama la atención es la factura del cómputo: la compañía planea gastar 111.000 millones de dólares en contratos de nube con Google, 110.000 millones con Amazon Web Services y 31.000 millones con Microsoft, «independientemente del uso real». A eso se suman hasta 86.000 millones en alquiler de chips Nvidia a través de las nubes especializadas Nscale y Lambda, y más de 160.000 millones para arrendar chips de Google en un acuerdo con Broadcom. Con otros acuerdos, los costos futuros de infraestructura superan los 600.000 millones de dólares, y la empresa negocia convenios adicionales que podrían elevar los compromisos en hasta 150.000 millones más. El documento también reconoce una tensión estructural: Anthropic dice haber buscado más capacidad de la que sus socios estaban dispuestos a darle y que Google, AWS y Microsoft la ven cada vez más como una competidora. La revelación llega mientras OpenAI acelera su propia ronda de 30.000 millones antes del debut bursátil de Anthropic, previsto para mediados de noviembre. El mensaje para el mercado es doble: la escala de capital necesaria para competir en la frontera de la IA no tiene precedentes, y la dependencia de los mismos gigantes de la nube con los que se compite es el dilema central del sector.
2026-10-20
Google libera TorchTPU para llevar código PyTorch a sus chips TPU
Google lanzó el 20 de octubre, junto al equipo PyTorch de Meta, TorchTPU, un backend que permite mover código PyTorch a sus TPUs de forma nativa. Llega un día después de que Amazon anunciara lo mismo para Trainium.
Google lanzó el 20 de octubre TorchTPU, desarrollado junto al equipo PyTorch de Meta: un backend que permite ejecutar código PyTorch de forma nativa en sus chips TPU, sin las capas de traducción que antes complicaban la migración. El anuncio llega un día después de que Amazon presentara una iniciativa equivalente para sus chips Trainium, y en la misma semana en que DeepSeek liberó DeepInfer con soporte para Huawei Ascend. El patrón es claro: la batalla ya no es solo por los modelos, sino por el software intermedio entre modelos y chips. Facilitar que el código se mueva fuera de Nvidia reduce la dependencia del ecosistema CUDA y abre la puerta a una infraestructura de IA más diversa, con TPUs de Google, Trainium de Amazon y Ascend de Huawei como alternativas reales. Para los equipos de ingeniería, la implicación práctica es que portar cargas de trabajo a hardware no-Nvidia será cada vez más barato; para Nvidia, que su foso defensivo del software se estrecha por varios flancos a la vez.
2026-10-20
AI news for 2026-10-21
ElevenLabs launches Eleven Realtime, its speech-to-speech models for voice agents
ElevenLabs unveiled Eleven Realtime v1 Mini and v1 Max, two speech-to-speech models for agents that listen and respond in real time in over 90 languages. Max scores 98.8% on the Big Bench Audio benchmark with 0.57 seconds of latency.
On Tuesday, October 20, ElevenLabs launched Eleven Realtime, a family of speech-to-speech models that bundles speech recognition, turn-taking, the language model and the synthetic voice into a single end-to-end optimized system. There are two versions: v1 Mini, the cheaper one, aimed at assistants, tutors and everyday interactions where the priority is conversational flow; and v1 Max, which adds reasoning ability for customer support, lead qualification and multi-step tasks that require calling tools. Both handle over 90 languages and more than 17,000 voices. In independent testing by Artificial Analysis, Max answered 98.8% of the spoken questions in Big Bench Audio (third among 43 models) and completed 87.1% of tool tasks, starting to speak in 0.57 seconds on average. The cheaper Mini scores slightly better at managing pauses and interruptions. The models are available on the ElevenAgents platform and through an OpenAI-compatible Realtime API, which lowers the cost of switching. Pricing is per minute of audio plus token usage, with Max above Mini. The move puts pressure on OpenAI in the voice-agent arena, where latency and accuracy define the experience.
2026-10-20
MiniMax launches M3.1 Flash, heating up China's AI price war
China's MiniMax unveiled its M3.1 Flash model on October 19: it costs $0.15 per million input tokens and $0.60 per million output tokens, 70% less than the previous generation and about three times faster. Model weights will be released on October 23.
Shanghai-based MiniMax launched M3.1 Flash on October 19, its new model focused on agent tasks, coding and cybersecurity. According to Reuters, API pricing is around one yuan per million input tokens and four yuan per million output tokens, making it one of the cheapest options in the Chinese market. The company claims improvements in inference speed and performance, and hinted that a higher-end Pro version may follow. Model weights will be published on October 23, continuing MiniMax's strategy of combining open models with aggressive pricing. The launch intensifies the low-cost competition in China, where labs like DeepSeek and Moonshot are squeezing margins across the industry. For businesses, the practical takeaway is that per-token costs drop every few months: it pays to recalculate AI budgets with the latest prices rather than year-old rates. As always with company-provided figures, they should be checked against independent evaluations and real-world workloads.
2026-10-19
Inception Labs unveils Mercury 3, a diffusion language model at over 1,000 tokens per second
Inception Labs launched Mercury 3, a diffusion-based language model that generates over 1,000 tokens per second, several times faster than small models from OpenAI and Anthropic.
Inception Labs unveiled Mercury 3 on October 19, the new generation of its diffusion-based language model. Unlike traditional autoregressive models, which generate text token by token from left to right, diffusion models refine the entire sequence in parallel, enabling generation speeds above 1,000 tokens per second according to the company — several times faster than compact models from OpenAI and Anthropic. Inception's bet is that extreme speed, combined with competitive quality, unlocks interactive applications where latency is critical: voice agents, real-time coding and fluid conversational experiences. The launch arrives in a week packed with model announcements and confirms that the diffusion architecture, once the domain of image generation, is becoming a serious contender in language modeling. Independent evaluations against the segment leaders are still pending.
2026-10-19
Mistral launches Timestral, its first family of time-series forecasting models
Mistral AI unveiled Timestral, four models from 5 to 209 million parameters for forecasting time series without retraining. The largest beats Google's TimesFM-3 on three benchmarks and runs on CPU.
Mistral AI announced Timestral on October 15, its first family of foundation models for time series: four sizes (5M, 28M, 123M and 209M parameters) sharing one architecture and training recipe. They are zero-shot probabilistic forecasting models: they can predict data they have never seen without retraining, express uncertainty as a range of 21 quantiles, handle multiple related series at once, and accept external covariates such as holiday calendars or weather forecasts. According to Mistral, Timestral-209M leads among pretrained zero-shot models on three public benchmarks (GIFT-Eval, TIME and fev-bench), beating Google's TimesFM-3 with far fewer parameters. The practical key: the flagship model runs on a standard CPU, no GPU needed, and the smallest generates a forecast in 10 milliseconds. Weights are on Hugging Face and inference code on GitHub under Apache 2.0, easing adoption in finance, retail, energy and industry. It is Mistral's first serious move beyond language models, and marks the migration of the foundation-model playbook into the world of temporal data.
2026-10-15
Sam Altman admits OpenAI is building a humanoid robot, with a demo planned for 2027
OpenAI's CEO confirmed to Fortune on October 18 that the company is developing a humanoid robot and plans to show a demo in 2027. Its careers page lists 27 robotics-related openings.
Sam Altman acknowledged in a Fortune interview, published October 18, that OpenAI is developing a humanoid robot and plans to show a demonstration in 2027. The confirmation ends months of speculation: the company's careers page already lists 27 robotics-related openings. The move puts OpenAI in direct competition with Tesla (Optimus), Figure AI and China's Unitree and Agibot in the race for the general-purpose humanoid robot. The strategic logic is clear: whoever controls the reasoning AI model also wants to control the body that acts in the physical world — in factories, warehouses and eventually homes. The announcement comes as humanoid robotics moves from viral demos to real pilot deployments, and suggests OpenAI sees embodied intelligence as the next frontier after software agents. No technical details or hardware partners were disclosed.
2026-10-18
ByteDance, Alibaba and Tencent order over $35 billion worth of Nvidia chips
The three Chinese giants ordered more than 3 million Nvidia RTX PRO 5500 cards, worth over $35 billion combined, Reuters reported. Nvidia warned it cannot guarantee supply: demand far exceeds planned production.
ByteDance, Alibaba and Tencent ordered more than 3 million of Nvidia's new RTX PRO 5500 graphics cards, worth over $35 billion combined, two people familiar with the matter told Reuters on October 20. The RTX PRO 5500 is a workstation card, not the flagship data-center chip, but it is among the most powerful Nvidia parts Chinese buyers can still legally purchase: the Blackwell-based B300 is banned from sale to China under U.S. export controls, and the H200 goes through case-by-case licensing. The three companies want the cards mainly for inference — running already-trained models. Nvidia warned customers and partners it cannot guarantee fulfillment: Chinese demand far exceeds planned production, total orders from Chinese customers already top 6 million units against roughly 3 million in global capacity for 2027, and delivery rates could be just 5% to 10% of what was requested. The $35 billion figure reflects intent, not delivered hardware. The episode shows Chinese appetite for Nvidia hardware remains intact despite restrictions, and that the controls are pushing demand toward compliant products that are now also in short supply.
2026-10-20
OVHcloud to launch its first in-house AI model in early 2027
Europe's largest independent cloud announced it will launch its first proprietary AI model in early 2027: a mixture-of-experts architecture trained since June on Jupiter, Europe's fastest supercomputer.
OVHcloud CEO Octave Klaba told Reuters on October 20, after annual results, that the company will launch its first proprietary AI model in early 2027. It will be a mixture-of-experts design whose training began in June on Jupiter, Europe's fastest supercomputer. Klaba also put numbers on available capacity: 250 MW connected, 140 MW in operation and 110 MW ready for new clients, allowing AI customers to be onboarded without new construction while rivals are still building data centers. OVH thus positions itself as a European challenger to Mistral, and its OVHai Workspace pilot launches shortly. The announcement matters because it shows a European infrastructure player moving up the value chain toward models, at a moment when the EU debates its AI gigafactory strategies. For European companies concerned about data sovereignty, a model trained and operated in Europe is an alternative with regulatory and geographic weight.
2026-10-20
Japan begins rolling out AI agents to 180,000 government employees
Japan's government began the gradual rollout of Agent Chat on October 20, AI agents for more than 180,000 public employees capable of generating code, operating files and running tests from natural-language instructions.
Japan's Digital Agency began the gradual rollout of Agent Chat on October 20, an advanced AI agent environment for government employees. The agents can generate and modify code, operate on files, execute commands and run tests from natural-language instructions. It is the most ambitious step of the Gennai program: Prime Minister Sanae Takaichi ordered in December 2025 that the platform be made available to more than 100,000 employees by May 2026, and the pilot expanded in May to about 180,000 workers, including staff outside central ministries. The roadmap foresees Gennai Workshop arriving in December 2026 and both environments being published as Gennai OSS 2.0 in February 2027, ahead of full use in fiscal year 2027. Japan thus becomes the first major government to put programmer AI agents in the hands of its bureaucracy at this scale — an experiment closely watched by other countries weighing AI as a public-sector productivity tool. The challenge will be measuring whether the agents truly accelerate administrative work without introducing risks into critical systems.
2026-10-20
AI is making phones pricier: global sales fall 20% as memory costs soar
Global smartphone sales fell 20% in the third quarter of 2026, their worst level in 14 years, as AI data centers hoard memory chips. According to IDC, memory costs surged nearly 350% in a year and phone prices rose up to 20%.
If upgrading your phone feels more expensive than before, it is not your imagination: according to Counterpoint Research, global smartphone sales fell 20% in the third quarter of 2026 versus a year earlier, the worst reading for that season in 14 years. The culprit is a key component: DRAM and NAND memory chips. Memory makers are prioritizing the most profitable chips — those used by the data centers of Google, Microsoft and Amazon to train and run their AI systems — leaving less memory available for phones, tablets and computers. According to IDC, memory costs surged nearly 350% in a year, and manufacturers passed that cost to buyers: phone prices rose up to 20% so far this year. Samsung remains the market leader and Apple reached 22% share, the first time it has topped 20% in a third quarter; the hardest hit were Chinese mid-range and entry-level brands, with Xiaomi shipments down more than 30% and Oppo and Vivo down over 20%. It is the most visible side effect of the AI boom on consumers' wallets.
2026-10-20
ECLAC: Latin America must “appropriate” AI to tackle its development challenges
ECLAC and Chile's Cenia presented the 2026 Latin American AI Index in Santiago: the region must link infrastructure, data, talent and institutions to turn AI into social and economic value. Brazil, Chile and Uruguay emerge as pioneers.
The Economic Commission for Latin America and the Caribbean (ECLAC) and Chile's National Center for Artificial Intelligence (Cenia) presented the fourth edition of the Latin American Artificial Intelligence Index (ILIA 2026) on October 20 in Santiago. The report examines the AI ecosystems of 20 countries in the region and, for the first time, adds a comparison with Germany, Spain, Estonia, Portugal and Singapore. The core message from ECLAC's executive secretary, José Manuel Salazar-Xirinachs: expanding access to the technology is not enough; the region must “advance in the appropriation” of AI, linking infrastructure, data, talent, research and institutional capacity to turn it into innovation, productivity and economic and social value. The index finds connectivity remains essential but no longer sufficient: the biggest gaps are in computing capacity, business adoption and implementation of national strategies. Brazil, Chile and Uruguay emerge as pioneers with distinct trajectories, showing there is no single path to building advanced capabilities. The report ties AI to the region's development “traps”: low growth, high inequality, low social mobility and weakened institutions.
2026-10-20
European Parliament wants to use AI to fight VAT fraud
The European Parliament approved a resolution on October 20 calling for AI tools to detect VAT fraud, which causes losses of between €12.5 and €32.8 billion per year. The vote: 357 in favor, 271 against and 31 abstentions.
The European Parliament approved on Tuesday, October 20, a resolution calling for a more coordinated response against value-added tax (VAT) fraud, especially in transactions between companies in different EU countries. The text proposes strengthening real-time tax information exchange among the 27 member states' authorities, incorporating artificial intelligence tools to detect suspicious operations, and increasing resources for the European Public Prosecutor's Office and the European Anti-Fraud Office. According to estimates cited by Parliament, certain VAT fraud schemes cause losses of between €12.5 and €32.8 billion per year for public treasuries. The resolution passed with 357 votes in favor, 271 against and 31 abstentions, reflecting a divided debate over the scope of automated tax surveillance. It is one of the most concrete governmental uses of AI approved this year in Europe: not a pilot, but a political mandate to deploy algorithmic detection against cross-border fraud.
2026-10-20
Chery unveils its first automotive AI model and its consumer humanoid robot Mobo
At its Global Innovation Conference, China's Chery unveiled on October 20 its first AI model for the automotive industry and Mobo, its first consumer humanoid robot for the home, with global reservations opening now.
Chinese automaker Chery held its Global Innovation Conference 2026 on October 20, where it unveiled its first AI model for the automotive industry, alongside the global debut of its vehicle-to-grid (V2G) bidirectional charging technology and a new fast-charging system. In robotics, its AiMOGA division — whose robots already operate in more than 100 education and healthcare settings — introduced Mobo, its first consumer humanoid robot designed for home companionship, with global reservations opening at the event. Chery also showed its smart agricultural machinery range for the first time and signed a strategic agreement on October 16 with the State Grid Corporation of China for its first large-scale V2G demonstration station. The event confirms Chery's expansion beyond car manufacturing into embodied AI, energy and smart agriculture, following the playbook of Chinese tech firms turning the automobile into an AI platform on wheels.
2026-10-20
Seoul hosts a global AI summit with some 60 countries
South Korea's science ministry and the World Bank Group opened a three-day summit on AI and digital development on October 19 with representatives from about 60 countries. Seoul is presenting its “AI for All” initiative.
South Korea's science ministry and the World Bank Group opened a three-day Global AI and Digital Summit in Seoul on October 19, with officials from about 60 countries alongside companies and researchers. The agenda centers on AI governance, equitable access to the technology, and how to spread its benefits while managing its risks. South Korea is presenting its “AI for All” initiative, seeking to position itself as a bridge between tech powers and developing countries. The summit is a forum for dialogue and exchange of experience, not a new binding international agreement, but it reflects how AI governance has become a genuinely global concern no longer decided only in Washington, Beijing or Brussels. For Latin America and other regions, these forums are the way to influence the rules of the technology game.
2026-10-19
DeepSeek open-sources DeepInfer, the inference engine it runs in production, with Huawei chip support
DeepSeek published DeepInfer on GitHub on October 20 under the Apache 2.0 license: the inference engine that powers its service with the V4.1-Flash model. It supports Nvidia GPUs and Huawei Ascend 950 NPUs.
Chinese lab DeepSeek published DeepInfer on GitHub on October 20 under the permissive Apache 2.0 license: the high-performance inference engine the company says powers its production services with the DeepSeek-V4.1-Flash model. An inference engine is the software that serves an already-trained model to users: it splits the model across chips, batches requests and decides response speed — a big part of an AI company's cost per answer. The first release runs V4.1-Flash in offline mode and supports two hardware families: Nvidia SM100 GPUs and Huawei Ascend 950 NPUs, the first production endorsement of Huawei silicon by a frontier lab. It includes optimized kernels, expert parallelism, speculative decoding, structured outputs and deterministic results; it is built on vLLM with ideas from SGLang and TensorRT-LLM. DeepSeek claims a single cluster serves 155 trillion tokens per day. It also released deepseek-recipe, its token encoding layer. The launch comes a day after the U.S. government ordered federal agencies to remove DeepSeek models from their systems, and sends a clear message: real open-source code under Apache 2.0 versus closed models.
2026-10-20
Anthropic reveals over $600 billion in compute commitments in its IPO prospectus
Anthropic's draft prospectus, revealed by The Wall Street Journal on October 20, shows $111 billion with Google, $110 billion with AWS and $31 billion with Microsoft “regardless of usage,” plus up to $86 billion renting Nvidia chips. Future infrastructure costs top $600 billion.
The Wall Street Journal revealed details of Anthropic's draft IPO prospectus on October 20, and the standout figure is the compute bill: the company plans to spend $111 billion on cloud contracts with Google, $110 billion with Amazon Web Services and $31 billion with Microsoft, “regardless of actual usage.” On top of that come up to $86 billion renting Nvidia chips through specialist clouds Nscale and Lambda, and more than $160 billion to lease Google chips in a deal with Broadcom. With other deals, future infrastructure costs top $600 billion, and the company is negotiating additional agreements that could raise commitments by as much as $150 billion more. The document also acknowledges a structural tension: Anthropic says it sought more capacity than its partners were willing to provide and that Google, AWS and Microsoft increasingly see it as a competitor. The disclosure comes as OpenAI accelerates its own $30 billion round ahead of Anthropic's stock market debut, expected in mid-November. The message to the market is twofold: the scale of capital needed to compete at the AI frontier is unprecedented, and dependence on the same cloud giants it competes with is the industry's central dilemma.
2026-10-20
Google open-sources TorchTPU to bring PyTorch code to its TPU chips
Google launched TorchTPU on October 20, together with Meta's PyTorch team, a backend that lets PyTorch code move natively to its TPU chips. It arrives a day after Amazon announced the same for Trainium.
Google launched TorchTPU on October 20, developed together with Meta's PyTorch team: a backend that lets PyTorch code run natively on its TPU chips, without the translation layers that previously complicated migration. The announcement comes a day after Amazon unveiled an equivalent initiative for its Trainium chips, and in the same week DeepSeek open-sourced DeepInfer with Huawei Ascend support. The pattern is clear: the battle is no longer just over models, but over the middleware between models and chips. Making it easier for code to move off Nvidia reduces dependence on the CUDA ecosystem and opens the door to more diverse AI infrastructure, with Google TPUs, Amazon Trainium and Huawei Ascend as real alternatives. For engineering teams, the practical implication is that porting workloads to non-Nvidia hardware will keep getting cheaper; for Nvidia, its software moat is narrowing on several fronts at once.
2026-10-20