Vexa Times
Edición del 2026-10-29 · Noticias diarias de IA

Las noticias de IA del 2026-10-29

English version below ↓ · Archivo de ediciones

Google presenta Gemini 4 Carbon: su modelo más potente llega primero a los defensores cibernéticos

Google lanzó Gemini 4 Carbon, un modelo de frontera para programación y ciberseguridad que lidera un índice independiente, pero por ahora solo lo podrán usar defensores cibernéticos verificados.

Google presentó el 28 de octubre a Gemini 4 Carbon, su modelo de frontera más nuevo, apenas dos semanas después de Gemini 4 Argon. Según Google, Carbon está pensado para trabajos largos y complejos de programación e ingeniería y para ciberseguridad: encuentra vulnerabilidades, valida exploits y ayuda a corregir software. En las pruebas de seguridad reportadas por Google obtuvo 88,2% en SEC-bench Pro para descubrir vulnerabilidades, 54,8% en ExploitGym y 71,0% en CWE-bench para parches, más que duplicando la tasa de éxito de Argon al hallar fallos. Además lidera el Índice de Inteligencia v5 de Artificial Analysis con 59 puntos, uno por encima de Claude Opus 5.5, aunque Opus 5.5 sigue al frente del Índice de Agentes de Código independiente. El matiz está en el acceso: Carbon llega primero, esta semana, a un grupo seleccionado de defensores cibernéticos verificados por Google dentro de su programa Fairwind, sin fecha todavía para desarrolladores, empresas o el público general. El precio de lanzamiento iguala al de Argon: 2 dólares por millón de tokens de entrada y 10 dólares por millón de salida, que luego subirán a 4 y 20 dólares. El despliegue escalonado es deliberado: un modelo tan bueno rompiendo y reparando código es potente en las manos correctas y peligroso en las equivocadas, así que Google prueba sus resguardos con defensores de confianza antes de abrirlo más.

Azure de Microsoft se dispara 48% y su gasto en IA aún deja efectivo en caja

Microsoft superó las expectativas con Azure creciendo 48% hasta 33.170 millones de dólares, y su factura de 45.200 millones en infraestructura de IA aún dejó 18.600 millones de flujo de caja libre, a diferencia de Alphabet.

Microsoft reportó su primer trimestre fiscal, de julio a septiembre, tras el cierre del mercado el 28 de octubre, y el titular fue Azure. Los ingresos subieron 19% hasta 92.300 millones de dólares, por encima de lo esperado, y Azure creció 48% hasta 33.170 millones, acelerando desde el 42% del trimestre anterior y por primera vez revelado por Microsoft en dólares exactos en un informe de resultados. La ganancia neta subió 32% hasta 36.630 millones. La factura del auge de la IA fue grande pero menor que la temida: el gasto de capital más arrendamientos financieros sumó 45.200 millones, cerca de 30% más que un año antes pero por debajo de los casi 50.000 millones que esperaban los analistas, en parte porque parte de la capacidad de terceros llegó tarde. El flujo de caja libre se mantuvo positivo en 18.600 millones, aunque cayó 27% interanual. Ese contraste importó porque Alphabet, la matriz de Google, reportó un flujo de caja libre negativo de 9.070 millones en los mismos tres meses, pese a un crecimiento de su nube superior al 100%, y sus acciones cayeron. Microsoft además pronosticó un crecimiento de Azure de 49% a 50% para el próximo trimestre. El mensaje de la temporada de resultados se vuelve claro: los inversionistas ya no preguntan solo cuánto gasta una empresa en IA, sino si ese gasto ya se está convirtiendo en ingresos y efectivo.

El Departamento de Justicia cuestiona la compra de Hugging Face por parte de Nvidia

El Departamento de Justicia de EE. UU. indaga si la compra de Hugging Face por 12.930 millones de dólares de Nvidia podría dañar la competencia en IA, como parte de una investigación más amplia sobre el fabricante de chips.

El Departamento de Justicia de Estados Unidos está haciendo preguntas sobre el acuerdo de Nvidia por 12.930 millones de dólares para comprar Hugging Face, la plataforma abierta donde investigadores y empresas comparten millones de modelos y conjuntos de datos de IA, reportó Reuters el 28 de octubre citando a dos personas familiarizadas con el tema. Los funcionarios quieren saber si ser dueña de Hugging Face le permitiría a Nvidia controlar un punto clave de distribución de la IA y usarlo para perjudicar a rivales o como palanca en negociaciones, y también preguntaron por los competidores de Hugging Face. Las preguntas forman parte de una investigación más amplia, de varios años, sobre las adquisiciones, inversiones, prácticas de venta de Nvidia y si presiona a sus clientes, que comenzó con la administración anterior y continuó con la actual. La indagación también abarca el acuerdo de licencia de Nvidia con la startup de chips Groq y sus compras ya cerradas de Run:ai y SchedMD. Nvidia ha dicho que Hugging Face seguirá apoyando a una variedad de empresas de chips, nube e IA tras el acuerdo, que se espera cerrar en la primera mitad de 2027, y tanto Nvidia como el Departamento de Justicia declinaron comentar el reporte. Una investigación no es prueba de irregularidades y no necesariamente termina en demanda, pero cualquier acción podría repercutir en la industria de chips y cuestionar la estrategia de adquisiciones que ha extendido la influencia de Nvidia mucho más allá de sus procesadores gráficos.

DeepSeek y Moonshot habrían destilado GPT-6 Astra de OpenAI para entrenar sus nuevos modelos

DeepSeek y Moonshot AI habrían entrenado sus modelos más recientes en gran medida con respuestas de GPT-6 Astra de OpenAI, reavivando la disputa por la destilación entre laboratorios de EE. UU. y China.

Las desarrolladoras chinas DeepSeek y Moonshot AI dependieron en gran medida de las respuestas del modelo GPT-6 Astra de OpenAI para entrenar sus modelos más recientes, reportó The Information el 28 de octubre, según Reuters. La práctica, conocida como destilación, usa las respuestas de un modelo líder para enseñar a un modelo rival, permitiéndole reproducir capacidades avanzadas más rápido y más barato. El Kimi K3.1 Pro de Moonshot, lanzado la semana anterior, y el V4.1-Flash mejorado de DeepSeek, lanzado el 17 de octubre, se beneficiaron, según el reporte, que cita a personas con conocimiento directo. OpenAI, DeepSeek y Moonshot no respondieron de inmediato a los pedidos de comentario. El reporte se suma a un rastro existente: en un blog del 30 de septiembre, OpenAI dijo haber vinculado una parte central de una campaña de destilación iniciada en julio con personas asociadas a Moonshot AI, y a inicios de octubre Anthropic dijo que nuevas defensas habían reducido entre cerca de 90% y 99% los datos extraídos en los llamados ataques de destilación contra Claude. La destilación se volvió un punto de fricción en la competencia tecnológica entre EE. UU. y China, porque difumina la línea entre aprender de un producto público y copiar el activo más costoso de un rival: la inteligencia que costó miles de millones construir. Cabe esperar defensas técnicas más estrictas y términos de uso más duros, no una resolución silenciosa.

Prism, la IA de voz que escribe su respuesta antes de decirla

Rime lanzó Prism, un modelo de voz a voz para llamadas de negocios que escribe su respuesta en texto primero, para que las empresas puedan revisarla antes de que el cliente la escuche.

Rime, una empresa de voz con IA para negocios con sede en San Francisco, lanzó el 28 de octubre a Prism, un modelo de voz a voz que describe como el primer modelo de frontera ajustable construido específicamente para uso empresarial. En lugar de encadenar sistemas separados de transcripción, razonamiento y voz, Prism recibe audio y produce audio directamente, respondiendo a la primera entrada en cerca de 0,57 segundos, según Rime. Su rasgo distintivo es un punto de control en texto: antes de que Prism hable, genera una versión escrita de lo que pretende decir, para que las reglas de la empresa puedan revisarla, aplicar resguardos y guardar un registro de auditoría. Prism se puede ajustar con las propias conversaciones del cliente y desplegar en una nube privada o totalmente en las instalaciones, apuntando a sectores regulados como salud, finanzas y aerolíneas, donde una respuesta equivocada en una llamada telefónica realmente cuesta dinero. Rime cita sus propias cifras: 56,6 en la prueba τ-Voice de llamadas simuladas de atención al cliente, por encima, dice, de modelos en tiempo real de OpenAI y Google que no razonan primero, y en una prueba con Revmo, 94% de pedidos completados frente a 57% de un modelo de OpenAI. Son resultados reportados por la empresa, no pruebas independientes, así que la verdadera prueba serán las llamadas reales y desordenadas, con interrupciones, ruido y acentos. Aun así, Prism refleja un cambio en la IA empresarial: de asistentes de voz genéricos a sistemas que las empresas pueden poseer, ajustar y auditar.

Nvidia abre Nemotron 3.5 Transcribe: 40 idiomas, ocho hablantes, pesos abiertos

Nvidia lanzó Nemotron 3.5 Transcribe, un modelo abierto que transcribe 40 idiomas y separa hasta ocho hablantes, para reuniones, centros de llamadas y agentes de voz.

Nvidia lanzó el 28 de octubre a Nemotron 3.5 Transcribe, un modelo de voz de pesos abiertos que transcribe 40 idiomas, traduce 31 de ellos y distingue hasta ocho hablantes distintos en una grabación. El lanzamiento, publicado en Hugging Face junto a Granary v2, apunta al trabajo poco glamoroso pero esencial detrás de reuniones, centros de llamadas, archivos de medios y agentes de voz: convertir audio desordenado en texto preciso y estructurado. Como los pesos son abiertos, los desarrolladores pueden adaptar el modelo a sus propios datos y ejecutarlo en su propia infraestructura, en lugar de enviar el audio a un servicio de terceros, lo que importa para usos sensibles a la privacidad. Nvidia reporta buenos resultados en pruebas de referencia, aunque son cifras propias y las pruebas independientes con audio real y ruidoso serán el veredicto real. Se prometen pronto versiones cuantizadas y más ligeras. El modelo llega cuando la voz se vuelve una interfaz generalizada: la misma semana se vieron nuevos modelos de voz empresariales y asistentes de voz dentro de apps de oficina, y la calidad de transcripción, la separación de hablantes y la cobertura de idiomas se están convirtiendo en ventajas competitivas y no en funciones de fondo.

Anthropic suma controles de costo a Claude Enterprise: qué compra realmente tu presupuesto de IA

Anthropic dio a Claude Enterprise informes inteligentes de costo, encuestas dentro de la app y presupuestos compartidos de equipo, para que las empresas vean qué produce realmente su gasto en IA.

Anthropic puso a disposición general el 28 de octubre tres funciones de Claude Enterprise, orientadas a la pregunta que todo gran comprador de IA se hace ahora: ¿qué estamos obteniendo realmente por lo que gastamos? Los informes inteligentes, en beta desde el 10 de septiembre, permiten a un administrador elegir un equipo, un conjunto de aplicaciones de Claude y un periodo de hasta 28 días, y luego analizar una muestra de las transcripciones de ese equipo, agrupando el trabajo en líneas de trabajo, mostrando entregables, costos a precio de lista, puntos de fricción como llamadas a herramientas fallidas, y flujos recurrentes que conviene convertir en habilidades reutilizables. Cada organización recibe 10 informes gratis al mes, y los informes están desactivados por defecto y explícitamente no son para evaluar a empleados individuales. Las encuestas dentro de la app preguntan al personal qué les ayudó a lograr Claude, cómo afectó su tiempo y qué se ralentizaría sin él, con preguntas editables y respuestas exportables. Los presupuestos grupales compartidos dan a un equipo un límite mensual común además de los límites individuales; cada solicitud cuenta contra ambos, el uso se pausa cuando cualquiera se agota, y los administradores de facturación reciben alertas al 50%, 75%, 95% y 100% del presupuesto compartido. El momento es revelador: Anthropic presentó su solicitud de salida a bolsa días antes, y mostrar a los clientes empresariales un retorno creíble de su gasto en tokens ya es parte del argumento de venta, no un agregado.


AI news for 2026-10-29

Google unveils Gemini 4 Carbon: its most powerful model goes to cyber defenders first

Google launched Gemini 4 Carbon, a frontier model for coding and cybersecurity that tops an independent index, but for now only vetted cyber defenders can use it.

Google unveiled Gemini 4 Carbon on October 28, its newest frontier model, just two weeks after Gemini 4 Argon. According to Google, Carbon is built for long, complex coding and engineering work and for cybersecurity: it finds vulnerabilities, validates exploits and helps patch software. On security benchmarks reported by Google it scored 88.2% on SEC-bench Pro for vulnerability discovery, 54.8% on ExploitGym and 71.0% on CWE-bench for patching, more than doubling Argon's success rate in finding flaws. It also tops Artificial Analysis's Intelligence Index v5 with 59 points, one ahead of Claude Opus 5.5, although Opus 5.5 still leads the independent Coding Agent Index. The catch is access: Carbon goes first, this week, to a vetted subset of cyber defenders through Google's Fairwind Program, with no date yet for developers, businesses or the general public. The introductory price matches Argon's: $2 per million input tokens and $10 per million output tokens, rising later to $4 and $20. The staged rollout is deliberate: a model this good at breaking and fixing code is powerful in the right hands and dangerous in the wrong ones, so Google is testing its safeguards with trusted defenders before opening it wider.

Microsoft's Azure surges 48% and its AI spending still leaves cash in hand

Microsoft beat expectations as Azure jumped 48% to $33.17 billion, and its $45.2 billion AI infrastructure bill still left $18.6 billion in free cash flow, unlike Alphabet.

Microsoft reported its fiscal first quarter, for July to September, after the market closed on October 28, and the headline was Azure. Revenue rose 19% to $92.3 billion, above expectations, and Azure revenue grew 48% to $33.17 billion, accelerating from 42% the previous quarter and the first time Microsoft disclosed Azure in exact dollars in an earnings statement. Net profit rose 32% to $36.63 billion. The bill for the AI boom was large but smaller than feared: capital spending plus finance leases totalled $45.2 billion, up about 30% from a year earlier but below the roughly $50 billion analysts expected, partly because some third-party capacity arrived late. Free cash flow stayed positive at $18.6 billion, though down 27% from a year earlier. That contrast mattered because Alphabet, Google's parent, reported negative free cash flow of $9.07 billion for the same three months, despite cloud growth above 100%, and its shares fell. Microsoft also forecast Azure growth of 49% to 50% next quarter. The earnings-season message is becoming clear: investors are no longer asking only how much a company spends on AI, but whether that spending is already turning into revenue and cash.

The Justice Department questions Nvidia's purchase of Hugging Face

The US Justice Department is probing whether Nvidia's $12.93 billion purchase of Hugging Face could harm AI competition, as part of a wider investigation into the chipmaker.

The US Department of Justice is asking questions about Nvidia's $12.93 billion deal to buy Hugging Face, the open platform where researchers and companies share millions of AI models and datasets, Reuters reported on October 28, citing two people familiar with the matter. Officials want to know whether owning Hugging Face would let Nvidia capture a key distribution point for AI and use it to disadvantage rivals or as leverage in negotiations, and they have also asked about Hugging Face's competitors. The questions are part of a broader, years-long investigation into Nvidia's acquisitions, investments, sales practices and whether it pressures customers, which began under the previous administration and has continued under the current one. The inquiry also covers Nvidia's licensing deal with chip startup Groq and its completed purchases of Run:ai and SchedMD. Nvidia has said Hugging Face will keep supporting a range of chip, cloud and AI companies after the deal, which is expected to close in the first half of 2027, and both Nvidia and the Justice Department declined to comment on the report. An investigation is not evidence of wrongdoing and does not necessarily lead to a lawsuit, but any action could ripple through the chip industry and challenge the acquisition strategy that has extended Nvidia's influence far beyond its graphics processors.

DeepSeek and Moonshot reportedly distilled OpenAI's GPT-6 Astra to train their new models

DeepSeek and Moonshot AI reportedly trained their latest models heavily on outputs from OpenAI's GPT-6 Astra, reigniting the fight over distillation between US and Chinese labs.

Chinese developers DeepSeek and Moonshot AI relied heavily on outputs from OpenAI's GPT-6 Astra model to train their latest models, The Information reported on October 28, according to Reuters. The practice, known as distillation, uses a leading model's answers to teach a rival model, letting it reproduce advanced capabilities more quickly and cheaply. Moonshot's Kimi K3.1 Pro, released the previous week, and DeepSeek's upgraded V4.1-Flash, launched on October 17, both benefited, the report said, citing people with direct knowledge. OpenAI, DeepSeek and Moonshot did not immediately respond to requests for comment. The report lands on an existing trail: in a September 30 blog post, OpenAI said it had linked a core part of a distillation campaign that began in July to individuals associated with Moonshot AI, and earlier in October Anthropic said new defenses had cut data harvested in so-called distillation attacks on Claude by about 90% to 99%. Distillation has become a flashpoint in US-China technology competition, because it blurs the line between learning from a public product and copying a rival's most expensive asset: the intelligence its models took billions of dollars to build. Expect tighter technical defenses and tougher terms of use, rather than a quiet resolution.

Prism, the voice AI that writes its answer before speaking it

Rime launched Prism, a speech-to-speech model for business calls that writes its reply in text first, so companies can check it before the caller hears it.

Rime, a San Francisco enterprise voice AI company, launched Prism on October 28, a speech-to-speech model it describes as the first fine-tunable frontier model built specifically for business use. Instead of chaining separate transcription, reasoning and voice systems, Prism takes audio in and produces audio directly, responding to the first input in roughly 0.57 seconds, according to Rime. Its distinctive feature is a text checkpoint: before Prism speaks, it generates a written version of what it intends to say, so a company's rules can review it, apply guardrails and keep an audit trail. Prism can be fine-tuned on a client's own conversations and deployed in a private cloud or fully on premises, aimed at regulated sectors such as healthcare, finance and airlines, where a wrong answer on a phone call actually costs money. Rime points to its own numbers: 56.6 on the τ-Voice benchmark for simulated customer-service calls, ahead, it says, of real-time models from OpenAI and Google that do not reason first, and in a trial with Revmo, 94% order-placement completion against 57% for an OpenAI model. Those are company-reported results, not independent tests, so the real test will be messy real-world calls, with interruptions, noise and accents. Still, Prism captures a shift in enterprise AI: from generic voice assistants to systems companies can own, tune and audit.

Nvidia opens Nemotron 3.5 Transcribe: 40 languages, eight speakers, open weights

Nvidia released Nemotron 3.5 Transcribe, an open model that transcribes 40 languages and separates up to eight speakers, for meetings, call centres and voice agents.

Nvidia released Nemotron 3.5 Transcribe on October 28, an open-weight speech model that transcribes 40 languages, translates 31 of them and labels up to eight different speakers in a recording. The release, published on Hugging Face alongside Granary v2, is aimed at the unglamorous but essential work behind meetings, call centres, media archives and voice agents: turning messy audio into accurate, structured text. Because the weights are open, developers can adapt the model to their own data and run it in their own infrastructure, rather than sending audio to a third-party service, which matters for privacy-sensitive uses. Nvidia reports strong benchmark results, though those are its own numbers and independent tests on noisy real-world audio will be the real verdict. Quantized, lighter versions are promised soon. The model arrives as voice becomes a mainstream interface: the same week saw new enterprise speech models and voice assistants inside office apps, and transcription quality, speaker separation and language coverage are becoming competitive advantages rather than background features.

Anthropic adds cost controls to Claude Enterprise: what your AI budget really buys

Anthropic gave Claude Enterprise smart cost reports, in-app surveys and shared team budgets, so companies can see what their AI spending actually produces.

Anthropic made three Claude Enterprise features generally available on October 28, aimed at a question every large AI buyer is now asking: what are we actually getting for what we spend? Smart reports, in beta since September 10, let an administrator pick a team, a set of Claude applications and a period of up to 28 days, then analyse a sample of that team's transcripts, grouping the work into workstreams, showing deliverables, costs at list price, friction points such as failed tool calls, and recurring workflows worth turning into reusable skills. Each organisation gets 10 free reports a month, and the reports are disabled by default and explicitly not for evaluating individual employees. In-app surveys ask staff what Claude helped them achieve, how it affected their time and what would slow down without it, with editable questions and exportable answers. Pooled group budgets give a team one shared monthly spending limit on top of individual limits; every request counts against both, usage pauses when either runs out, and billing administrators get alerts at 50%, 75%, 95% and 100% of the shared budget. The timing is telling: Anthropic filed for an IPO days earlier, and showing enterprise customers a credible return on their token spend is now part of the sales pitch, not an afterthought.