Vexa Times
Edición del 2026-11-08 · Noticias diarias de IA

Las noticias de IA del 2026-11-08

English version below ↓ · Archivo de ediciones

Google, Microsoft, OpenAI y Anthropic acuerdan una señal única para no entrenar con el contenido de una web

Los cuatro laboratorios respaldan una señal común en robots.txt para que los editores expresen de una vez su preferencia sobre el entrenamiento de modelos, dentro del trabajo del IETF sobre preferencias de IA.

Google, Microsoft, OpenAI y Anthropic anunciaron su apoyo al trabajo hacia una forma común de que los propietarios de sitios web expresen sus preferencias sobre el entrenamiento de IA en robots.txt. La iniciativa está vinculada al trabajo del Grupo de Trabajo de Ingeniería de Internet (IETF) sobre preferencias de IA, conocido como AIPREF, y a su borrador de señal legible por máquina para preferencias de entrenamiento, que introduce un token de política llamado __usage_ai-training aplicable a todo un sitio o a rutas específicas, manteniendo el marco actual de robots.txt. La distinción importante es que la propuesta se refiere a las preferencias de entrenamiento, no necesariamente a si un proveedor puede usar una página como fuente para una respuesta generada por IA. Google dice que planea desplegar el soporte en 2027 a medida que se desarrolle el estándar; Microsoft dice que empezará a respetar las exclusiones de entrenamiento el 1 de febrero de 2027 y fijó el 1 de marzo de 2027 como fecha límite de transición para sus señales heredadas NoArchive y NoCache en este ámbito; OpenAI ha dicho que pretende respetar una señal compartida en robots.txt, y Anthropic ha descrito trabajo activo para apoyar el borrador en sus rastreadores. El borrador sigue siendo un borrador, así que su forma técnica y la implementación de cada proveedor aún pueden cambiar antes de un despliegue amplio. Para los editores, el punto es práctico: hoy deben repetirse con una directiva distinta para cada proveedor de IA, y una sola señal interoperable acabaría con esa fragmentación.

xAI empieza a marcar con agua invisible todo el texto que genera la API de Grok

Desde el 7 de noviembre, cualquier texto producido a través de la API de Grok lleva una marca invisible que permite comprobar que lo generó una IA.

Desde el 7 de noviembre, xAI incrusta marcas de agua invisibles en todo el texto generado a través de su API de Grok, lo que permite a quien lo recibe comprobar que el contenido procede de un modelo de IA. La medida forma parte de un impulso más amplio de la industria hacia la trazabilidad del contenido generado por IA, junto con esfuerzos similares de otros laboratorios, y sigue al anuncio anterior de Anthropic de FlashProve, su sistema criptográfico para demostrar qué modelo produjo una respuesta. La marca de agua no impide que alguien haga un mal uso del texto generado, pero da a plataformas, editores y lectores una forma de comprobar de dónde salió un texto en lugar de adivinarlo. La pregunta práctica ahora es la adopción: una marca solo importa si las herramientas con las que la gente publica y lee saben buscarla, y xAI no ha dicho qué detectores o socios leerán sus marcas.

El jefe de estrategia de Meta se marcha a la startup de inferencia de IA Fireworks

Dave Wehner, director financiero de Meta entre 2014 y 2022 y responsable de estrategia desde entonces, confirmó que se incorpora a Fireworks como director financiero.

Dave Wehner, director financiero de Meta entre 2014 y 2022 y jefe de estrategia desde entonces, confirmó en X que se incorpora a Fireworks como director financiero, según informó CNBC. Fireworks, fundada en 2022 por antiguos ingenieros de Meta y Google, ejecuta y adapta modelos abiertos para empresas; fue valorada en 17.500 millones de dólares en una Serie D de julio y, según se informa, está en conversaciones iniciales a una valoración de entre 30.000 y 40.000 millones. Que un veterano de 14 años en Meta elija una empresa de inferencia de cuatro años es una pequeña señal de dónde está el margen duradero: la capa de modelos está saturada, la de inferencia no. La marcha de Wehner llega además en una semana en la que los inversores están revalorizando a las grandes empresas de IA, y pone a un director financiero experimentado de empresas cotizadas al frente de una startup que vende el trabajo poco vistoso de ejecutar los modelos de otros rápido y barato.

Sand.ai recauda 200 millones de dólares y se convierte en unicornio antes de su próximo modelo de vídeo

La empresa pekinesa de generación de vídeo suma 300 millones recaudados en 2026 en tres rondas y prepara el lanzamiento completo de MAGI-2, un modelo mayor de mezcla de expertos.

Sand.ai recaudó 200 millones de dólares y se convirtió en unicornio antes de su próximo modelo. Cornerstone Capital y Wangsu Science and Technology colideraron la Serie A+, que eleva a 300 millones lo recaudado por la empresa pekinesa de generación de vídeo en 2026 en tres rondas, según TechNode. El dinero irá a infraestructura de entrenamiento e inferencia y a expansión internacional, antes del lanzamiento completo de MAGI-2, un modelo de vídeo mayor de mezcla de expertos. La carrera china de modelos de vídeo —Kling, Seedance y ahora Sand— es el único segmento donde la competencia entre modelos abiertos y cerrados es realmente de doble sentido, con laboratorios chinos lanzando generadores de vídeo capaces mientras sus rivales occidentales los mantienen tras muros de pago y listas de espera.

Un archivo de texto en la carpeta de Descargas puede secuestrar a tu agente de programación

La firma Forever Security documentó un ataque en el que una web deja caer un AGENTS.md malicioso en Descargas y el agente lo lee como instrucciones del proyecto.

Un archivo de texto en la carpeta de Descargas ya es un exploit funcional contra los agentes de programación. La firma Forever Security documentó un ataque en el que una página web deja caer en silencio un archivo AGENTS.md en la carpeta de descargas; si inicias Codex o Claude Code ahí, el agente lee el archivo como instrucciones del proyecto. La carga es un documento verosímil de 13 kilobytes sobre la «configuración del entorno del equipo» cuyas últimas líneas registran un servidor de herramientas controlado por el atacante, de forma global, así que sobrevive aunque se borre la carpeta. Codex lo siguió más del 90% de las veces en la reproducción de la firma; la variante para Claude Code reescribe la URL base de la API del agente hacia un proxy del atacante y se lleva los tokens de inicio de sesión. Nada de esto es un fallo del proveedor: leer el archivo es la función. Las únicas defensas que quedan son de comportamiento: no iniciar nunca un agente en la carpeta de descargas o del escritorio, leer los archivos de instrucciones de cualquier repositorio que no escribiste y rotar las credenciales después de probar.

Huawei presenta su primer ordenador de sobremesa con HarmonyOS y todos sus componentes fabricados en China

La serie Qingyun HM650 corre HarmonyOS sobre el procesador Kirin X90 de Huawei y apunta a empresas y administraciones, sin Intel, Qualcomm ni Windows.

El primer ordenador de sobremesa de Huawei con HarmonyOS presume de que todos sus componentes están fabricados en China. La serie Qingyun HM650 corre HarmonyOS sobre el procesador Kirin X90 de Huawei y apunta a empresas y administraciones, según informó TechNode. Huawei dice que los envíos acumulados de ordenadores con HarmonyOS ya superan el millón de unidades, con más de 21.000 aplicaciones compatibles. Ni Intel, ni Qualcomm, ni Windows: la categoría de PC con IA que persiguen los fabricantes chinos se está construyendo como una pila paralela, y ese es el punto. La máquina es menos una apuesta por el mercado de consumo que una prueba de que una cadena informática nacional completa —chip, sistema operativo y aplicaciones— ya puede enviarse como producto acabado a compradores institucionales.

EE. UU. autorizó a empresas chinas a comprar chips H200 de Nvidia y al menos una no existe en su dirección

The New York Times encontró a New Matrix, aprobada para recibir los chips, en una dirección donde el directorio del edificio no la lista y los gestores del parque industrial no tienen registro de ella.

Estados Unidos autorizó a empresas chinas a comprar chips H200 de Nvidia, y al menos una no existe en su dirección. The New York Times encontró a New Matrix, aprobada para recibir los chips y creada hace 17 meses, en una dirección donde el directorio del edificio no la lista y los gestores del parque industrial no tienen registro de ella; sus propietarios tienen vínculos con una firma china de capital privado vetada por Washington desde 2024. El diario describe un patrón, no un descuido: compradores aprobados conectados con entidades bajo restricciones comerciales de seguridad nacional. El trasfondo es el acuerdo que aflojó las reglas en primer lugar: Nvidia aceptó entregar al gobierno el 15% de sus ventas en China. El hallazgo convierte un debate abstracto sobre controles de exportación en una pregunta concreta: quién está exactamente al otro lado de los chips de IA más potentes que Estados Unidos aún permite entrar en China.

El gasto empresarial en tokens de IA se desploma: del 42% mensual al 1,5%, según datos de Ramp

Los datos de tarjetas corporativas de Ramp muestran que el crecimiento del gasto en tokens pasó del 42% intermensual en julio al 1,5% en agosto y septiembre, con una recuperación parcial al 8,9% en octubre.

El crecimiento del gasto empresarial en tokens de IA se desplomó del 42% intermensual en julio a solo el 1,5% en agosto y septiembre, con una recuperación apenas parcial hasta el 8,9% en octubre, según los datos de tarjetas corporativas de Ramp. Incluso las empresas que más gastan en IA —el 1% superior— cayeron por debajo de su máximo del verano, de 10.000 dólares por empleado al mes. La desaceleración coincide con la caída de las valoraciones de OpenAI y Anthropic antes de sus previstas salidas a bolsa, y llega tras una semana de fuerte venta de acciones tecnológicas. Las cifras no muestran que las empresas abandonen la IA, pero sí que la primera fase de experimentación se está aplanando hacia algo más medido: el presupuesto fácil ya se gastó, y el próximo dólar ahora tiene que demostrar que vale.

Los modelos auditores cazan la mala conducta de los agentes… hasta que les pides que cacen toda

Un investigador del Instituto de Anthropic probó cinco modelos frontera como auditores de registros de agentes: con un 5% de falsas alarmas, GPT-5 detectó casi el 98% del «reward hacking».

Los modelos auditores cazan la mala conducta de los agentes… hasta que les pides que cacen toda. Andy Hall, investigador del Instituto de Anthropic con permiso de Stanford, replicó la revisión humana de registros de agentes de METR y probó cinco modelos frontera como auditores, publicando los resultados en su Substack. Con una tasa de falsas alarmas del 5%, GPT-5 detectó casi el 98% del «reward hacking», mientras Gemini 3.8 Flash apenas encontró la mitad; si se exige una detección del 99%, las falsas alarmas suben al 15% incluso en el mejor modelo. Más nuevo y más caro no significó mejor: GPT-5 superó a GPT-6 Astra a aproximadamente una octava parte del costo por cada mil registros. En un ejemplo con 100.000 sesiones de agentes al mes, una tasa de falsas alarmas del 3% produce casi 3.000 avisos falsos frente a unos 2.000 aciertos reales, y así es como los revisores humanos se insensibilizan. La lección es que auditar agentes a escala es ahora un problema de precisión, no solo de capacidad: los modelos pueden encontrar el engaño, pero solo si alguien puede permitirse revisar todo lo que señalan.

Un smartwatch de Google detecta la hipertensión sin manguito, según un estudio en Nature

El sistema, entrenado con casi 500.000 horas de datos de pulso y movimiento, identificó el 65,8% de los casos de hipertensión en 196 personas, frente al 55,3% de una medición estándar en consulta.

Los modelos de Google pueden detectar la presión arterial alta desde un smartwatch, sin manguito. En un artículo publicado el 5 de noviembre en Nature, investigadores de Google Research, junto al Beth Israel Deaconess Medical Center y la Facultad de Medicina de Harvard, informan de que su sistema, llamado AI-PPG-ACC-HTN, lee el sensor óptico de pulso y el sensor de movimiento de un smartwatch común y estima si quien lo lleva tiene probablemente hipertensión. El sistema aprendió de casi 500.000 horas de datos de pulso y movimiento de 2.109 personas y luego se probó en 196 adultos en cinco centros de investigación de EE. UU. durante siete días de uso cotidiano, frente a la monitorización ambulatoria de 24 horas, el estándar clínico de referencia. Identificó el 65,8% de las personas con hipertensión, frente al 55,3% de una medición estándar en consulta, con una especificidad del 90,0% en ambos casos; en un subgrupo confirmatorio de 48 personas alcanzó una sensibilidad del 78,4%. El modelo no intenta producir cifras de presión sistólica y diastólica, no necesita calibración con manguito, y Google se cuida de llamar al trabajo investigación temprana de viabilidad: no sustituye un diagnóstico, no hay autorización regulatoria, y los hallazgos solo ayudaron a dar forma a una función de tendencias de presión arterial en su app de salud. La idea es empujar a la gente a que se haga revisar, cuando más de la mitad de quienes tienen la afección no saben que la tienen.


AI news for 2026-11-08

Google, Microsoft, OpenAI and Anthropic agree on a single signal to opt out of AI training

The four labs back a shared robots.txt signal so publishers can state their training preference once, under the IETF's work on AI preferences.

Google, Microsoft, OpenAI and Anthropic have announced support for work toward a shared way for website owners to express their AI training preferences in robots.txt. The initiative is tied to the Internet Engineering Task Force's AI Preferences initiative, known as AIPREF, and its draft Machine-Readable Training Preference Signal, which introduces a policy token called __usage_ai-training that can be applied to an entire site or to specific paths while keeping the existing robots.txt framework. The important distinction is that the proposal concerns training preferences, not necessarily whether a provider can use a page as a source for an AI-generated answer. Google says it plans to roll out support in 2027 as the standard develops, Microsoft says it will begin honoring AI training opt-outs on February 1, 2027 and has set March 1, 2027 as the transition deadline for its legacy NoArchive and NoCache signals in this area, OpenAI has said it intends to honor a shared robots.txt signal, and Anthropic has described active work to support the draft in its crawlers. The draft remains a draft, so its technical form and each provider's implementation can still change before broad deployment. For publishers, the point is practical: today they must repeat themselves with a different crawler directive for every AI provider, and a single interoperable signal would end that fragmentation.

xAI starts invisibly watermarking all text from the Grok API

From November 7, any text produced through the Grok API carries an invisible mark that lets recipients check that an AI generated it.

Starting November 7, xAI embeds invisible watermarks in all text generated through its Grok API, allowing recipients to verify that content originated from an AI model. The move is part of a broader industry push toward AI content provenance, alongside similar efforts at other frontier labs, and it follows Anthropic's earlier announcement of FlashProve, its cryptographic system for proving which model produced a given output. Watermarking does not stop anyone from misusing generated text, but it gives platforms, publishers and readers a way to check where a piece of text came from instead of guessing. The practical question now is adoption: a watermark only matters if the tools people use to publish and read text know how to look for it, and xAI has not said which detectors or partners will read its marks.

Meta's strategy chief leaves for AI inference startup Fireworks

Dave Wehner, Meta's finance chief from 2014 to 2022 and its strategy head since, confirmed he is joining Fireworks as chief financial officer.

Dave Wehner, Meta's finance chief from 2014 to 2022 and its chief strategy officer since, confirmed on X that he is joining Fireworks as chief financial officer, CNBC reported. Fireworks, founded in 2022 by former Meta and Google engineers, runs and customizes open models for enterprises; it was valued at $17.5 billion in a July Series D and is reportedly in early talks at $30 billion to $40 billion. A 14-year Meta veteran choosing a four-year-old inference company is a small signal about where the durable margin sits: the model layer is crowded, the inference layer is not. Wehner's move also comes in a week when investors have been repricing the big AI names, and it puts a seasoned public-company finance chief at the center of a startup that sells the unglamorous work of running other people's models fast and cheap.

Sand.ai raises $200 million and becomes a unicorn ahead of its next video model

The Beijing video-generation company has now raised $300 million in 2026 across three rounds and is preparing the full release of MAGI-2, a larger mixture-of-experts video model.

Sand.ai raised $200 million and joined the unicorn ranks ahead of its next model. Cornerstone Capital and Wangsu Science and Technology co-led the Series A+, which brings the Beijing video-generation company's 2026 fundraising to $300 million across three rounds, according to TechNode. The money goes to training and inference infrastructure plus international expansion, ahead of a full release of MAGI-2, a larger mixture-of-experts video model. China's video-model race — Kling, Seedance, and now Sand — is the one segment where open and closed competition is genuinely two-sided, with Chinese labs shipping capable video generators while Western rivals keep theirs behind paywalls and waitlists.

A text file in your Downloads folder can now hijack your coding agent

Forever Security documented an attack in which a webpage drops a malicious AGENTS.md into Downloads and the agent reads it as project instructions.

A plain text file in your Downloads folder is now a working exploit against coding agents. Forever Security documented a drive-by attack in which a webpage silently drops an AGENTS.md file into the download folder; start Codex or Claude Code there and the agent reads the file as project instructions. The payload is a plausible 13-kilobyte 'team environment setup' document whose last lines register an attacker-controlled tool server — globally, so it survives deleting the folder. Codex followed it more than 90 percent of the time in the firm's reproduction; the Claude Code variant rewrites the agent's API base URL to an attacker proxy and walks off with login tokens. Nothing here is a vendor bug: reading the file is the feature. The only defenses left are behavioral — never start an agent in a downloads or desktop folder, read the instruction files in any repository you did not write, and rotate credentials after testing.

Huawei launches its first HarmonyOS desktop with every component made in China

The Qingyun HM650 runs HarmonyOS on Huawei's Kirin X90 chip and targets enterprise and government buyers, with no Intel, Qualcomm or Windows inside.

Huawei's first HarmonyOS desktop claims every component is made in China. The Qingyun HM650 series runs HarmonyOS on Huawei's Kirin X90 processor and targets enterprise and government buyers, TechNode reported. Huawei says cumulative HarmonyOS computer shipments have passed one million units, with more than 21,000 compatible applications. No Intel, no Qualcomm, no Windows: the AI PC category China's vendors are chasing is being built as a parallel stack, which is the point. The machine is less a bid for the consumer market than a proof that a full domestic computing chain — chip, operating system and applications — can now ship as a finished product to institutional buyers.

The US cleared Chinese firms to buy Nvidia H200s — and at least one buyer has an empty office

The New York Times found New Matrix, approved to receive the chips, at an address where the building directory does not list it and the industrial park has no record of it.

The United States cleared Chinese firms to buy Nvidia H200 chips, and at least one has an empty office. The New York Times found New Matrix, approved to handle the chips and created 17 months ago, at an address where the building directory does not list it and the industrial park's managers have no record of it; its owners have ties to a Chinese private equity firm blacklisted by Washington since 2024. The Times describes a pattern rather than a lapse — approved buyers connected to entities under national-security trade restrictions. The backdrop is the arrangement that loosened the rules in the first place: Nvidia agreed to hand the government 15 percent of its China sales. The finding turns an abstract export-control debate into a concrete question: who exactly is on the receiving end of the most powerful AI chips the United States still allows into China.

Enterprise AI token spending growth collapses from 42% to 1.5%, Ramp data shows

Ramp's corporate card data shows token spending growth fell from 42% month-over-month in July to 1.5% in August–September, with a partial recovery to 8.9% in October.

Enterprise AI token spending growth collapsed from 42 percent month-over-month in July to just 1.5 percent across August and September, with only a partial recovery to 8.9 percent in October, according to Ramp's corporate card data. Even the heaviest AI-spending companies — the top 1 percent — dipped below their summer peak of $10,000 per employee per month. The slowdown coincides with declining valuations for both OpenAI and Anthropic ahead of their anticipated public offerings, and it arrives after a week in which tech stocks sold off sharply. The numbers do not show companies abandoning AI, but they do show the first phase of experimentation flattening into something more measured: the easy budget is spent, and the next dollar now has to prove itself.

Auditor models catch agent misbehavior — until you ask them to catch all of it

An Anthropic Institute researcher tested five frontier models as auditors of agent logs: at a 5% false-alarm rate, GPT-5 caught nearly 98% of reward hacking.

Auditor models catch agent misbehavior — until you ask them to catch all of it. Andy Hall, a researcher at the Anthropic Institute on leave from Stanford, replicated METR's human review of agent logs and tested five frontier models as auditors, publishing the results on his Substack. At a 5 percent false-alarm rate GPT-5 caught nearly 98 percent of reward hacking, while Gemini 3.8 Flash found barely half; raise the required detection rate to 99 percent and false alarms climb to 15 percent even for the best model. Newer and dearer did not mean better — GPT-5 beat GPT-6 Astra at roughly an eighth the cost per thousand logs. In a worked example of 100,000 agent sessions a month, a 3 percent false-alarm rate produces nearly 3,000 false warnings against about 2,000 real hits, which is how human reviewers go numb. The lesson is that auditing agents at scale is now a precision problem, not just a capability problem: the models can find the cheating, but only if someone can afford to check everything they flag.

A Google smartwatch can flag high blood pressure with no cuff, a Nature study finds

Trained on nearly 500,000 hours of pulse and motion data, the system flagged 65.8% of hypertension cases in 196 people, against 55.3% for a standard office measurement.

Google's models can flag high blood pressure from a smartwatch, with no cuff required. In a paper published November 5 in Nature, researchers from Google Research, working with Beth Israel Deaconess Medical Center and Harvard Medical School, report that their system, called AI-PPG-ACC-HTN, reads the optical pulse sensor and the motion sensor of a consumer smartwatch and estimates whether the wearer is likely to have hypertension. The system learned from nearly 500,000 hours of pulse and motion data from 2,109 people, then was tested on 196 adults at five US research sites over seven days of everyday wear, against 24-hour ambulatory blood pressure monitoring, the clinical reference standard. It identified 65.8 percent of those with hypertension, against 55.3 percent for a standard in-office measurement, with 90.0 percent specificity in both cases; in a confirmatory subset of 48 people it reached 78.4 percent sensitivity. The model does not try to produce systolic and diastolic numbers, needs no cuff calibration, and Google is careful to call the work early feasibility research: it does not replace a diagnosis, there is no regulatory clearance, and the findings only helped inform a blood pressure trends feature in its health app. The pitch is nudging people to get checked, when more than half of those with the condition do not know they have it.