Vexa Times
Edición del 2026-11-09 · Noticias diarias de IA

Las noticias de IA del 2026-11-09

English version below ↓ · Archivo de ediciones

NVIDIA, Rebellions y SK Telecom apuestan por la IA soberana en Corea del Sur

NVIDIA, Rebellions y SK Telecom construirán sistemas soberanos de IA para Corea del Sur basados en el nuevo chip Rebel R200, con despliegue previsto en 2028.

NVIDIA, la startup surcoreana de chips Rebellions y la operadora SK Telecom anunciaron el 8 de noviembre una colaboración para construir infraestructura soberana de IA para Corea del Sur. Rebellions conectará sus unidades de procesamiento neuronal de próxima generación Rebel R200 al interconector NVLink Fusion de NVIDIA y usará la arquitectura de rack MGX, mientras SK Telecom planea desplegar los sistemas resultantes en su centro de datos de IA, combinándolos con sus propios modelos y servicios públicos como A.X K2. Las empresas esperan que los sistemas R200 estén listos para desplegarse en 2028. No se reveló el valor de la operación, la cantidad de sistemas ni un compromiso firme de compra. El R200 está diseñado para inferencia de baja latencia y alta eficiencia energética con modelos de frontera, incluidos sistemas de mezcla de expertos de billones de parámetros: una apuesta por que Corea del Sur quiere su propia capacidad de cómputo de IA en lugar de depender por completo de infraestructura extranjera.

Una filtración de Claude Code expuso contraseñas en 1.122 archivos públicos de GitHub

Una función de Claude Code guardó comandos aprobados —contraseñas incluidas— en 1.122 archivos públicos de GitHub, según la firma de seguridad Apiiro.

Un fallo de seguridad en Claude Code, de Anthropic, expuso contraseñas reales en repositorios públicos de código. Según un informe de la firma de seguridad Apiiro, la opción «Don't Ask Again» de la herramienta guardaba los comandos de terminal aprobados palabra por palabra —incluidas las contraseñas que contenían— en archivos que terminaron publicados en GitHub: se encontraron 1.122 archivos públicos con credenciales. El problema es que la función estaba pensada para recordar comandos de confianza por comodidad, pero no distinguía entre comandos inofensivos y secretos escritos en línea. Boris Cherny, de Anthropic, dijo que el equipo investiga añadir un borrado automático de secretos. El caso recuerda que los asistentes de programación con IA pueden convertir una pequeña comodidad en una filtración: cualquier cosa aprobada una vez puede quedar guardada, sincronizada y, en el peor de los casos, publicada.

Anthropic usa la IA para construir IA, y su ritmo de investigación se duplicó

La evaluadora independiente METR halló que la investigación de IA de Anthropic avanza aproximadamente el doble de rápido que hace un año, probablemente gracias a la asistencia de la IA.

Una evaluación independiente de la organización de seguridad METR concluyó que Anthropic está usando la IA para acelerar su propia investigación en IA, y que el ritmo se ha duplicado aproximadamente. En un informe publicado el 5 de noviembre, tras 11 semanas revisando datos internos de investigación y entrevistando al personal (del 12 de agosto al 29 de octubre), METR estimó que las puntuaciones de los modelos de Anthropic en su índice de capacidad AECI han mejorado a 1,9 veces el ritmo previo a octubre de 2025, con un intervalo de confianza del 95% de 1,5 a 2,8 veces. METR consideró que la asistencia de la IA probablemente explica la mayor parte de la aceleración actual, aunque subrayó una incertidumbre considerable sobre otros factores. Lo crucial es que el progreso más rápido no se explicó por un crecimiento más veloz del cómputo de entrenamiento: el personal describió la asistencia de la IA —no la investigación totalmente autónoma— como el mecanismo principal. El hallazgo alimenta el debate sobre la auto-mejora recursiva: los laboratorios ya son mediblemente más rápidos construyendo IA con ayuda de la IA, incluso antes de que existan investigadores totalmente autónomos.

OpenAI recauda 11.000 millones con una valoración de 1,25 billones de dólares

Reuters informó que OpenAI cerró 11.000 millones de dólares en un primer tramo que valora la empresa en 1,25 billones, con la ronda completa que podría llegar a 20.000 millones.

OpenAI cerró la primera parte de una importante ronda de financiación nueva. Reuters informó el 6 de noviembre, citando a una persona familiarizada con el asunto, que la empresa aseguró 11.000 millones de dólares en un primer tramo que la valora en 1,25 billones de dólares, y que la ronda completa podría llegar a 20.000 millones. Esa valoración situaría a OpenAI entre las empresas privadas más valiosas del mundo y refleja el enorme capital que exige hoy la carrera de la IA: entrenar modelos de frontera y construir capacidad de centros de datos cuesta decenas de miles de millones al año. La noticia llegó la misma semana en que su rival Anthropic presentó su solicitud para salir a bolsa, lo que reaviva la pregunta de si las necesidades de financiación del sector y sus futuras valoraciones en bolsa podrán sostener sus ambiciones de infraestructura. Por ahora, los inversores siguen dispuestos a financiar la expansión a valoraciones récord.

Anthropic avanza con una salida a bolsa gigante pese a la caída tecnológica

Anthropic busca salir a bolsa antes de Acción de Gracias con una valoración de 1,25 a 1,75 billones de dólares y recaudar entre 80.000 y 100.000 millones, por debajo de sus 2 billones esperados.

Anthropic sigue adelante con sus planes de salir a bolsa antes del Día de Acción de Gracias, pese a la reciente caída de las acciones tecnológicas. La empresa apunta a una valoración de entre 1,25 y 1,75 billones de dólares y busca recaudar entre 80.000 y 100.000 millones, muy por debajo de los 2 billones que había esperado antes, según informaciones publicadas el 7 de noviembre. De completarse, sería una de las mayores salidas a bolsa de la historia y la primera de un laboratorio de IA de frontera. La solicitud también reveló unos 895.000 millones de dólares en compromisos de cómputo a largo plazo, una cifra que muestra la magnitud de la apuesta en infraestructura detrás de los modelos: el dinero recaudado iría en gran parte a asegurar los chips y centros de datos necesarios para seguir compitiendo. Los grandes inversores estarían presionando por una valoración más prudente, señal de que incluso la empresa de IA más candente enfrenta preguntas sobre la rapidez con que la inversión se rentabiliza.

El sistema de OpenAI parcheó 948 fallos de Linux en unas 30 horas

OpenAI dice que un sistema autónomo validó 948 fallos de privilegios en Linux y redactó parches en unas 30 horas, por unos 1,2 millones de dólares.

OpenAI afirma que construyó un sistema autónomo que buscó en el kernel de Linux, validó 948 vulnerabilidades de escalación local de privilegios y redactó parches para ellas en una sola ejecución de unas 30 horas, con un costo aproximado de 1,2 millones de dólares. La empresa describió el trabajo el 7 de noviembre: el sistema, construido sobre su modelo de ciberseguridad, encontró los fallos, verificó que eran reales y propuso correcciones para que los mantenedores las revisaran. Los parches son propuestas, no correcciones aceptadas, y las cifras son de la propia empresa, pero la escala es impactante: un trabajo que llevaría semanas a grandes equipos humanos de seguridad se comprimió en poco más de un día. El anuncio también muestra el doble filo de las herramientas de seguridad con IA: la misma capacidad que parchea sistemas a velocidad de máquina puede usarse para encontrar agujeros, razón por la cual OpenAI restringe su modelo cibernético a clientes verificados que pasan controles de identidad.

Google promete 17.000 millones para su primer centro de datos en Wyoming

Google compró el proyecto sin terminar de Crusoe en Wyoming y prometió una inversión de 17.000 millones de dólares a largo plazo, con una instalación de celdas de combustible de 702 megavatios.

Google se hace cargo de un proyecto de centro de datos sin terminar en el sureste de Wyoming y promete una inversión a largo plazo de 17.000 millones de dólares en su primer centro de datos del estado. La desarrolladora Crusoe confirmó la venta el 5 de noviembre, sin revelar el precio. Google dijo que el proyecto contrató una instalación prevista de celdas de combustible de gas natural de 702 megavatios con captura y almacenamiento de carbono, y que el centro de datos usará refrigeración por aire para reducir la demanda local de agua. La decisión llega mientras los laboratorios de IA compiten por asegurar energía y terreno para campus de entrenamiento e inferencia cada vez más grandes, y mientras crece la oposición local: en las votaciones locales del 3 de noviembre se sometieron a votación unas 40 medidas sobre centros de datos y todas menos una fracasaron, señal de que las comunidades se resisten a la huella de la industria. Google apuesta a que un proyecto grande, con socios energéticos, aún puede avanzar.

El modelo de video de Google ya hace clips de 15 segundos a menor precio

Gemini Omni 1.2 Flash de Google ya genera y edita clips de video de hasta 15 segundos, con el 720p a 0,07 dólares por segundo tras un recorte de cerca del 30%.

El modelo de generación de video de Google ahora produce clips más largos por menos dinero. El 5 de noviembre la empresa anunció Gemini Omni 1.2 Flash, disponible de forma general, que puede generar y editar videos de forma nativa de hasta 15 segundos —antes 10— con un recorte de precio de alrededor del 30%: el video en 720p cuesta 0,07 dólares por segundo. Google también promete mejor calidad de voz y mayor coherencia visual entre clips. La actualización importa porque el video corto es una de las fronteras más competidas de la IA generativa: clips más largos, baratos y coherentes bajan la barrera para que creadores, anunciantes y desarrolladores integren funciones de video directamente en sus productos, sin un paso de edición aparte. Las comparaciones del anuncio de Google son demostraciones propias de la empresa, sin benchmarks independientes publicados.

Los modelos abiertos cierran la brecha de ciberataque con la IA de frontera

Benchmarks de Vals AI muestran que el DeepSeek V4.1 Flash abierto llega al 72,8% de los objetivos de ataque frente al 80,8% del GPT-6 Sol Daybreak de OpenAI, a una décima parte del costo.

Los modelos de IA de código abierto están cerrando la brecha de ciberataque con los sistemas cerrados de frontera, según benchmarks de Vals AI publicados el 8 de noviembre. En redes corporativas simuladas, el GPT-6 Sol Daybreak de OpenAI completó el 80,8% de los objetivos de ataque, pero el DeepSeek V4.1 Flash de pesos abiertos llegó al 72,8%, a cerca de una décima parte del costo. El resultado refleja un cambio que preocupa tanto a defensores como a legisladores: la capacidad ofensiva cibernética, antes reservada a laboratorios bien financiados y agencias de inteligencia, se está volviendo barata y ampliamente disponible. Los mismos modelos abiertos que permiten a equipos pequeños construir agentes útiles también pueden dirigirse contra redes, y la ventaja de costo significa que los atacantes no necesitan presupuestos de frontera. El benchmark mide ataques simulados, no intrusiones reales, pero indica que el debate de seguridad ya no puede asumir que los modelos abiertos están muy por detrás.

Liquid AI lista dos modelos pequeños y baratos

Los modelos LFM2.5-24B-A2B y LFM3-1.7B de Liquid AI aparecieron en los catálogos: modelos pequeños y baratos, a unos 0,21 y 0,11 dólares por millón de tokens.

Dos nuevos modelos eficientes de Liquid AI aparecieron en los catálogos de proveedores el 8 de noviembre: el LFM2.5-24B-A2B, de 24.000 millones de parámetros, y el LFM3-1.7B, un modelo compacto de 1.700 millones de parámetros. Ambos se listaron sin resultados independientes de benchmarks por ahora, pero sus precios muestran la apuesta: unos 0,21 y 0,11 dólares por millón de tokens, lo que los posiciona como opciones de bajo costo para desarrolladores que necesitan modelos capaces que funcionen barato. Liquid AI se apoya en su investigación de redes neuronales líquidas, que busca modelos más pequeños que hagan más con menos parámetros, en contraste con la carrera de la industria hacia sistemas cada vez más grandes. Para quienes crean aplicaciones, la llegada de más modelos pequeños y baratos importa porque amplía las opciones más allá de los grandes laboratorios de frontera para las tareas cotidianas.


AI news for 2026-11-09

NVIDIA, Rebellions and SK Telecom bet on sovereign AI for South Korea

NVIDIA, Rebellions and SK Telecom will build sovereign AI systems for South Korea based on the new Rebel R200 chip, with deployment expected in 2028.

NVIDIA, the South Korean chip startup Rebellions and telecom operator SK Telecom announced on November 8 a collaboration to build sovereign AI infrastructure for South Korea. Rebellions will connect its next-generation Rebel R200 neural processing units to NVIDIA's NVLink Fusion interconnect and use NVIDIA's MGX rack architecture, while SK Telecom plans to deploy the resulting systems in its AI data center, combining them with its own models and public services such as A.X K2. The companies expect the R200 systems to be ready for deployment in 2028. No transaction value, order quantity or firm purchase commitment was disclosed. The R200 is designed for low-latency, energy-efficient inference with frontier models, including multitrillion-parameter mixture-of-experts systems — a bet that South Korea wants its own AI computing capacity rather than depending entirely on foreign infrastructure.

Claude Code leak exposed passwords in 1,122 public GitHub files

A 'Don't Ask Again' feature in Claude Code saved approved commands — passwords included — into 1,122 public GitHub files, according to security firm Apiiro.

A security flaw in Anthropic's Claude Code exposed real passwords in public code repositories. According to a report by the security firm Apiiro, the tool's 'Don't Ask Again' option saved approved shell commands word for word — including the passwords they contained — into files that ended up published on GitHub: 1,122 public files were found containing credentials. The problem is that the feature was designed to remember trusted commands for convenience, but it did not distinguish between harmless commands and secrets typed inline. Anthropic's Boris Cherny said the team is investigating adding automatic secret scrubbing. The case is a reminder that AI coding assistants can turn a small convenience into a leak: anything approved once can end up stored, synced and, in the worst case, published.

Anthropic is using AI to build AI — and its research pace has doubled

Independent evaluator METR found Anthropic's AI research is progressing about twice as fast as a year ago, with AI assistance as the likely main driver.

An independent evaluation by the safety organization METR found that Anthropic is using AI to accelerate its own AI research — and that the pace has roughly doubled. In a report published November 5, after 11 weeks reviewing internal research data and interviewing staff (August 12 to October 29), METR estimated that Anthropic's model scores on its AECI capability index have improved at 1.9 times the pre-October 2025 rate, with a 95% confidence interval of 1.5 to 2.8 times. METR judged that AI assistance likely accounts for a majority of the current acceleration, while stressing substantial uncertainty about other factors. Crucially, the faster progress was not explained by faster growth in training compute: staff described AI assistance — not fully autonomous research — as the principal mechanism. The finding feeds the debate over recursive self-improvement: labs are already getting measurably faster at building AI with the help of AI, even before fully autonomous researchers exist.

OpenAI raises $11 billion at a $1.25 trillion valuation

Reuters reported OpenAI closed $11 billion in a first tranche valuing the company at $1.25 trillion, with the full round potentially reaching $20 billion.

OpenAI has closed the first part of a major new financing round. Reuters reported on November 6, citing a person familiar with the matter, that the company secured $11 billion in an initial tranche valuing it at $1.25 trillion, with the full round potentially reaching $20 billion. The valuation would place OpenAI among the most valuable private companies in the world and reflects the enormous capital the AI race now demands: training frontier models and building data-center capacity cost tens of billions of dollars a year. The news landed the same week rival Anthropic filed to go public, putting fresh attention on whether the sector's financing needs and eventual public-market valuations can support its infrastructure ambitions. For now, investors are still willing to fund the build-out at record valuations.

Anthropic pushes ahead with a giant IPO despite the tech selloff

Anthropic is pursuing a pre-Thanksgiving IPO at a $1.25–$1.75 trillion valuation, aiming to raise $80–$100 billion — below its earlier $2 trillion hopes.

Anthropic is pushing ahead with plans to go public before Thanksgiving, despite the recent selloff in technology stocks. The company is targeting a valuation of $1.25 to $1.75 trillion and aims to raise $80 to $100 billion — well below the $2 trillion figure it had previously hoped for, according to reporting published on November 7. If completed, it would be one of the largest IPOs in history and the first public listing of a frontier AI lab. The filing also disclosed roughly $895 billion in long-term computing commitments, a figure that illustrates the scale of the infrastructure bet behind the models: the money raised would largely go toward securing the chips and data centers needed to keep competing. Large investors are reportedly pushing for a more cautious valuation, a sign that even the hottest AI company now faces questions about how fast the spending pays off.

OpenAI's pipeline patched 948 Linux flaws in about 30 hours

OpenAI says an autonomous pipeline validated 948 Linux privilege-escalation flaws and drafted patches in about 30 hours, for roughly $1.2 million.

OpenAI says it built an autonomous pipeline that searched the Linux kernel, validated 948 local privilege-escalation vulnerabilities and drafted patches for them in a single run of about 30 hours, at a cost of roughly $1.2 million. The company described the work on November 7: the system, built on its cybersecurity model, found the flaws, verified they were real and proposed fixes for maintainers to review. The patches are proposals, not accepted fixes, and the figures are vendor-reported — but the scale is striking: work that would take large human security teams weeks was compressed into little more than a day. The announcement also shows the double edge of AI security tools: the same capability that patches systems at machine speed can be used to find holes, which is why OpenAI restricts its cyber model to vetted customers who pass identity checks.

Google pledges $17 billion for its first Wyoming data center

Google bought Crusoe's unfinished Wyoming data-center project and pledged a $17 billion long-term investment, with a 702-megawatt fuel-cell installation planned.

Google is taking over an unfinished data-center project in southeastern Wyoming and pledging a long-term investment of $17 billion in its first data center in the state. Data-center developer Crusoe confirmed the sale on November 5, without disclosing the price. Google said the project has contracted for a planned 702-megawatt natural-gas fuel-cell installation with carbon capture and storage, and that the data center will use air cooling to reduce local water demand. The move comes as AI labs race to secure power and land for ever-larger training and inference campuses — and as local opposition grows: in the November 3 midterm ballots, about 40 local measures on data centers were voted on, and all but one failed, a sign that communities are pushing back on the industry's footprint. Google is betting that a large, energy-partnered project can still move forward.

Google's video model now makes 15-second clips at a lower price

Google's Gemini Omni 1.2 Flash now generates and edits video clips up to 15 seconds long, with 720p priced at $0.07 per second after a roughly 30% cut.

Google's video generation model now makes longer clips for less money. On November 5 the company announced Gemini Omni 1.2 Flash, generally available, which can generate and edit videos natively up to 15 seconds long — up from 10 — with a roughly 30% price cut: 720p video costs $0.07 per second. Google also promises better speech and visual consistency across clips. The update matters because short-form video is one of the most competitive frontiers in generative AI: longer, cheaper and more coherent clips lower the barrier for creators, advertisers and app developers to build video features directly into their products, without a separate editing step. The comparisons in Google's announcement are the company's own demonstrations, with no independent benchmarks published.

Open-source models close the cyberattack gap with frontier AI

Vals AI benchmarks show open-weight DeepSeek V4.1 Flash reaching 72.8% of attack objectives versus 80.8% for OpenAI's GPT-6 Sol Daybreak — at a tenth of the cost.

Open-source AI models are closing the cyberattack gap with closed frontier systems, according to benchmarks from Vals AI reported on November 8. On simulated corporate networks, OpenAI's GPT-6 Sol Daybreak completed 80.8% of attack objectives, but the open-weight DeepSeek V4.1 Flash reached 72.8% — at about a tenth of the cost. The result captures a shift that is worrying defenders and policymakers alike: offensive cyber capability, once the preserve of well-funded labs and intelligence agencies, is becoming cheap and widely available. The same open models that let small teams build useful agents can also be pointed at networks, and the cost advantage means attackers do not need frontier budgets. The benchmark measures simulated attacks, not real-world intrusions, but it signals that the security debate can no longer assume open models are far behind.

Liquid AI lists two small, low-cost models

Liquid AI's LFM2.5-24B-A2B and LFM3-1.7B appeared in provider catalogs — small, low-cost models priced around $0.21 and $0.11 per million tokens.

Two new efficient models from Liquid AI appeared in provider catalogs on November 8: LFM2.5-24B-A2B, a 24-billion-parameter model, and LFM3-1.7B, a compact 1.7-billion-parameter model. Both were listed without independent benchmark results yet, but their pricing signals the pitch: roughly $0.21 and $0.11 per million tokens, positioning them as low-cost options for developers who need capable models that run cheaply. Liquid AI builds on its liquid neural network research, which aims for smaller models that do more with fewer parameters — a contrast with the industry's race toward ever-larger systems. For app builders, the arrival of more small, cheap models matters because it widens the choice beyond the big frontier labs for everyday tasks.