Vexa Times
Edición del 2026-11-13 · Noticias diarias de IA

Las noticias de IA del 2026-11-13

English version below ↓ · Archivo de ediciones

Jensen Huang renuncia como CEO de Nvidia tras 33 años

La junta aceptó su renuncia el 11 de noviembre y la anunció el 12; la directora financiera Colette Kress asume como CEO interina y las acciones cayeron más de un 13 % durante la sesión.

Nvidia anunció el 12 de noviembre que Jensen Huang renunció con efecto inmediato a sus cargos de presidente, director ejecutivo y miembro de la junta, cerrando 33 años al frente de la empresa que cofundó. La junta aceptó la renuncia el 11 de noviembre, tras una reunión en la que, según The Wall Street Journal, los directores se preparaban para destituirlo. La directora financiera Colette Kress asume como CEO interina y mantiene su cargo financiero, mientras Harvey C. Jones, director desde 1993, se convierte en el primer presidente de la junta en la historia de la compañía. La salida culmina una semana turbulenta: el 8 de noviembre Huang admitió una infidelidad y la junta abrió una investigación independiente sobre reportes de que había sido objetivo de una operación de inteligencia extranjera; el 11 de noviembre The New York Times reportó además una relación con una vicepresidenta de la empresa. Las acciones cayeron hasta un 13 % durante la sesión del jueves y cerraron con una baja del 4,34 %, hasta 166,19 dólares, con lo que el valor de mercado quedó por debajo de los 4 billones. Nvidia mantiene su reporte de resultados del tercer trimestre fiscal para el 17 de noviembre. La empresa no dio un motivo en el comunicado y la búsqueda del sucesor, interno o externo, no tiene fecha.

Google lanza Gemini 4 Hydrogen, su nuevo modelo ligero por defecto

Cuesta 1,50 dólares por millón de tokens de entrada, es unas 2,5 veces más rápido que Gemini 3.8 Flash y reemplaza a ese modelo como opción estándar para el trabajo de alto volumen.

Google anunció el 12 de noviembre Gemini 4 Hydrogen, un nuevo modelo de la familia Gemini 4 pensado para el trabajo diario de los agentes de programación y no para encabezar tablas de índices. Con el identificador gemini-4-hydrogen, reemplaza a Gemini 3.8 Flash como modelo ligero por defecto. Cuesta 1,50 dólares por millón de tokens de entrada y 7,50 por millón de salida, con la misma tarifa en toda su ventana de contexto de un millón de tokens, e introduce cuatro niveles de razonamiento, incluido un nuevo nivel «xhigh» que permite gastar más cómputo solo en la petición que lo necesita. Según Google, Hydrogen completa las tareas unas 2,5 veces más rápido que Gemini 3.8 Flash en su nivel alto de razonamiento y su puntuación en Terminal-Bench 4.1 sube del 18,2 % al 57 %. Está disponible en la API de Gemini, en Google AI Studio y en los productos de consumo. El mismo anuncio llegó a Antigravity, la plataforma de programación con agentes de Google, que suma Hydrogen como modelo seleccionable y estrena Orchestrator, un modo que cambia de modelo en plena tarea según lo que cada paso exija, en lugar de fijar uno al inicio.

Google abre la preventa de sus gafas con Gemini desde 395 dólares

Diseñadas con Warby Parker y Gentle Monster y fabricadas con Samsung, salen a la venta el 10 de diciembre en Estados Unidos y Corea del Sur, sin pantalla en el lente.

Google abrió el 12 de noviembre la preventa de sus primeras gafas inteligentes, anunciadas por Shahram Izadi, vicepresidente y gerente general de XR. Diseñadas con Warby Parker y Gentle Monster y fabricadas con Samsung, saldrán a la venta el 10 de diciembre en Estados Unidos y Corea del Sur. Las monturas Warby Parker parten de 395 dólares en tres estilos y las de Gentle Monster de 449 en seis diseños, antes de los lentes graduados. Cada par pesa unos 41 gramos, dura unas nueve horas por carga y lleva una cámara ultra gran angular de 12 megapíxeles con HDR y estabilización, altavoces de oído abierto y un estuche que recarga las gafas hasta siete veces. No hay pantalla en el lente: las gafas responden a «Hey Gemini» o a un toque en la montura, traducen en tiempo real en más de 70 idiomas con detección automática y un modo Guided Vision describe el entorno para personas ciegas o con baja visión. La privacidad recibió tanta atención como la cámara: una luz se enciende al capturar foto o video y la grabación se detiene si se cubre, los rostros de terceros se difuminan antes de llegar a Gemini, los fotogramas enviados al asistente no se guardan en el historial ni se usan para entrenar modelos o publicidad, y un interruptor físico convierte las gafas en unas comunes. Es la respuesta directa de Google a las Ray-Ban de Meta, con demostraciones en más de 360 tiendas Warby Parker.

Thinking Machines libera los pesos de Inkling 2 Small en Hugging Face

El modelo de 594.000 millones de parámetros, con 17.000 millones activos, queda disponible bajo licencia Apache 2.0 una semana después de su lanzamiento cerrado.

Thinking Machines Lab actualizó el 12 de noviembre su anuncio de Inkling 2 Small para comunicar que los pesos del modelo ya se pueden descargar en Hugging Face bajo licencia Apache 2.0, una semana después de lanzarlo con pesos cerrados en su plataforma Tinker mientras terminaban las pruebas externas de seguridad. Es un modelo de mezcla de expertos con 594.000 millones de parámetros totales y 17.000 millones activos, con entrada de imágenes y esfuerzo ajustable. El laboratorio dice que se entrenó con aprendizaje por refuerzo sobre cientos de miles de tareas de programación de largo alcance en varios entornos de agentes, y que revisa su propio trabajo sin que se lo pidan. En la tabla comparativa del propio laboratorio, logra las mejores puntuaciones entre los modelos listados en los tableros de DesignArena de desarrollo de videojuegos (1424) y diseño 3D (1457), aunque queda por detrás de DeepSeek-V4.1-Flash en varios índices de programación y el laboratorio admite que «no siempre elige las mejores herramientas para el trabajo». El soporte desde el primer día incluye vLLM, SGLang, Unsloth y TokenSpeed, y API alojadas en NVIDIA, Fireworks, Together, Baseten, Nebius, Modal y Cloudflare. Ejecutarlo en local no es un trabajo para un portátil: la tarjeta del modelo pide al menos 500 GB de memoria de GPU para la versión recomendada. Las cifras de rendimiento son del laboratorio, así que conviene probarlo en el propio repositorio.

Anthropic permite autoalojar toda la plataforma de agentes Claude

La beta privada lleva el arnés, el servidor, las credenciales y el historial de sesiones a la nube propia del cliente; las llamadas al modelo siguen yendo a Claude.

Anthropic abrió el 12 de noviembre una beta privada de Claude Managed Agents autoalojado. Hasta ahora, los equipos solo podían llevar a sus propias máquinas los entornos aislados donde corren las herramientas del agente. Ahora todo el servicio puede correr en la nube o el centro de datos de la empresa: el arnés del agente, el servidor y su base de datos, los trabajadores que ejecutan herramientas de terminal y archivos, las credenciales y el historial de sesiones. Las llamadas al modelo siguen yendo a Claude, directamente a Anthropic, a través de Amazon Bedrock, la plataforma de agentes de Google o Microsoft Foundry, o del propio gateway de la empresa: es orquestación autoalojada, no un modelo local. Anthropic lo propone para agentes que trabajan sin supervisión sobre código interno, como arreglar compilaciones rotas, probar versiones y resolver acumulados de errores. El diseño mantiene el bucle del agente y los secretos fuera del entorno aislado, puede limitar cada entorno a una lista de hosts permitidos y registra cada llamada a herramientas con OpenTelemetry. El acceso es a través de los equipos de cuentas de Anthropic y solo para organizaciones elegibles; aún no hay precio publicado, faltan las ejecuciones programadas y los webhooks en la beta, y nada migra desde el servicio alojado. Llega un día después de que Google añadiera entornos aislados propios a sus agentes gestionados.

OpenAI libera Codex Security, su escáner de vulnerabilidades

La interfaz de línea de comandos y el SDK en TypeScript revisan repositorios, validan hallazgos y proponen parches, y se integran en los flujos de integración continua.

OpenAI publicó el 12 de noviembre Codex Security como herramienta de código abierto: una interfaz de línea de comandos y un SDK en TypeScript que cualquier desarrollador puede descargar de GitHub. El escáner revisa bases de código en busca de problemas de seguridad, valida sus hallazgos y genera parches candidatos, con soporte para escaneos de todo el repositorio, redacción de políticas de seguridad e integración en flujos de integración continua. La versión 0.10.0 llegó junto con el anuncio y trae tres correcciones prácticas: los escaneos pueden reanudarse tras una interrupción en lugar de empezar de cero, un presupuesto de costo limita lo que gasta un escaneo largo antes de completarse y los fallos de parche producen diagnósticos más claros para distinguir si el modelo leyó mal el código o si el parche simplemente no se aplicó. En menos de un día el repositorio ya era tendencia en GitHub. La liberación encaja en el impulso de seguridad de OpenAI: su modelo más capaz en la materia, GPT-6 Cyber, quedó restringido a clientes verificados, y Codex Security traslada una parte de esa capacidad a una herramienta abierta que los equipos pueden inspeccionar, conectar a su propio flujo de integración y ejecutar con su código en local, aunque el análisis siga usando modelos de OpenAI.

Cuatro organizaciones demandan para congelar el desarrollo de la IA avanzada

La demanda, presentada el 12 de noviembre en California, pide a un juez frenar los nuevos modelos de Anthropic, Google, Meta, OpenAI y SpaceX; no hay ninguna orden judicial en vigor.

Cuatro organizaciones sin fines de lucro presentaron el 12 de noviembre una demanda en el Tribunal Superior de California, en San Francisco, que pide a un juez congelar el desarrollo y el lanzamiento de nuevos modelos de IA avanzada en Anthropic, Google, Meta, OpenAI y SpaceX Super Intelligence. Los demandantes —Irreplaceable Education Fund, Public Citizen, Heat Initiative y Alliance for Secure AI— actúan bajo la Ley de Competencia Desleal de California y argumentan que las empresas construyen sistemas que ellas mismas admiten que podrían causar daños catastróficos. La demanda cita a los acusados con sus propias palabras: al director ejecutivo de SpaceX comparando el desarrollo de la IA con «invocar al demonio» y un documento de Google DeepMind según el cual una IA que supere la inteligencia humana podría desarrollarse en los próximos años y «destruir permanentemente a la humanidad». El caso es inusual porque no pide dinero ni apunta a un producto concreto, sino a la práctica de desarrollar modelos cada vez más capaces. Está apenas en su primer paso: ningún juez se ha pronunciado, las empresas no habían respondido cuando se publicó la noticia y es casi seguro que pedirán desestimarla antes de que se discuta ningún freno. ChatGPT, Claude, Gemini, Meta AI y Grok siguen funcionando y no hay ninguna orden judicial en vigor.

Un análisis forense vincula seis modelos chinos con chips Blackwell prohibidos

Will DePue, exinvestigador de OpenAI, encontró en los pesos publicados una huella numérica de los GPU más avanzados de Nvidia, cuya exportación a China exige licencia de EE. UU.

Will DePue, exinvestigador de OpenAI, publicó el 12 de noviembre un análisis forense según el cual seis modelos de pesos abiertos de DeepSeek, Moonshot AI, MiniMax y Ant Group, lanzados desde abril de 2026, llevan una huella numérica compatible con los GPU Blackwell de Nvidia, los más avanzados de la empresa, cuya exportación a China exige una licencia de Estados Unidos que no se ha reportado. Los modelos son DeepSeek-V4-Flash, DeepSeek-V4-Pro, MiniMax-M3, Kimi K3, Kimi K3.1-Pro y Ling-3.1-flash de Ant Group. El método usa solo los pesos que las empresas publicaron: detecta el patrón de inicialización que deja el hardware que generó los valores de partida del modelo. Las coincidencias van de 49 a 1.385 sigmas —8 sigmas ya se considera un corte seguro— y el autor califica la evidencia de concluyente para DeepSeek-V4-Flash y sólida para los otros cinco. Estima unos 12.000 GPU Blackwell entre cinco de los modelos, con entre 500 y 3.000 por entrenamiento durante dos o tres meses. Los modelos anteriores de los mismos laboratorios muestran en cambio la huella de Hopper, la generación anterior que sí puede enviarse a China, y los modelos más recientes de Alibaba, Zhipu, Tencent, Xiaomi y StepFun también leen como entrenados con Hopper. El propio informe advierte de sus límites: no establece dónde estaban los chips, cómo se obtuvo acceso a ellos ni si se violó alguna norma de exportación, y señala que los Blackwell pueden alquilarse en centros de datos fuera de China. Tampoco hay constancia de una revisión externa publicada del método, firmado por un solo autor.

Baidu presenta ERNIE 5.5 Flash Preview, con 280.000 millones de parámetros

El modelo, anunciado en Baidu World 2026, activa 14.000 millones de parámetros por token, soporta un millón de tokens de contexto y sus pesos se liberarán antes del 25 de noviembre.

Baidu presentó el 12 de noviembre en Baidu World 2026, en Pekín, su nuevo modelo base ERNIE 5.5 Flash Preview. Es un modelo de mezcla de expertos con 280.000 millones de parámetros totales y 14.000 millones activados por token, con una ventana de contexto de un millón de tokens y una velocidad de generación superior a 200 tokens por segundo, según la empresa. Destaca en programación, modelado 3D, trabajo de conocimiento y creación de contenido, con 1.668 puntos en CodeArena WebDev según cifras de Baidu. La API ya está disponible en la plataforma Qianfan de Baidu AI Cloud a 1 yuan por millón de tokens de entrada y 4 yuanes por millón de salida, con la entrada en caché a 0,04 yuanes. Los pesos se liberarán antes del 25 de noviembre. Baidu también presentó dos modelos de aplicación, ERNIE Wizshot Micro-Expression y ERNIE Light Deep Thinking, y Token Exchange, un mercado que conecta proveedores de modelos con clientes y que, según la empresa, ya mueve 70.000 millones de tokens diarios. El anuncio incluyó además el supernodo Tianchi de 1.024 tarjetas y la hoja de ruta de sus chips Kunlunxin. Casi todas las cifras son declaraciones de la propia empresa y aún esperan verificación independiente.

Mirendil levanta 1.000 millones de dólares y Agile Robots, 500 millones

El laboratorio de agentes fundado por exinvestigadores de Anthropic, DeepMind, OpenAI y xAI captó una Serie A de 1.000 millones; la robótica alemana Agile Robots se valora en 8.500 millones.

Mirendil anunció el 12 de noviembre una Serie A de 1.000 millones de dólares, liderada por Kleiner Perkins y Clearlake Capital, con participación de Battery Ventures, Doerr Capital, Gil & Co, Google, M13, Pear VC y S32. El laboratorio de San Francisco, fundado en junio por investigadores de Anthropic, Google DeepMind, OpenAI y xAI, quiere que una sola persona con agentes haga el trabajo que antes exigía un equipo entero de investigación. Su prueba hasta ahora: un investigador trabajando con agentes preentrenó desde cero Mirendil-Base, un modelo de programación competitivo, en 3,5 meses con menos de 10 millones de dólares de cómputo, y luego lo convirtió en Fern, que admite hasta 10 millones de tokens de contexto, suficiente para días de trabajo de agentes. Su plataforma Lor, en beta privada, ejecuta cientos de agentes que escriben código y realizan experimentos durante días. No se reveló la valoración y la ronda llega unos cinco meses después de una semilla de 200 millones. En robótica, la alemana Agile Robots cerró una Serie F de 500 millones a una valoración de 8.500 millones, liderada por SoftBank con NVIDIA, Hitachi y T.Capital, con lo que su financiación total llega a 2.000 millones. La empresa, surgida del Centro Aeroespacial Alemán, dice haber instalado más de 20.000 soluciones robóticas y que su planta cerca de Múnich puede fabricar hasta 10.000 robots humanoides al año; el dinero irá a la expansión en Estados Unidos y a más producción en Alemania.

World Labs abre Atlas, su modelo de mundos 3D, para todo el mundo

El modelo, mostrado en septiembre a un grupo reducido, convierte ideas en escenas 3D, videoclips o nubes de puntos, con exportación a Blender y motores de videojuegos.

World Labs anunció el 12 de noviembre que abre el acceso a Atlas, su modelo de mundos, para todo el mundo. Atlas, presentado en septiembre a un grupo reducido de socios, convierte una idea en una escena 3D, fotogramas clave, videoclips o nubes de puntos gaussianos, a través de aplicaciones y de una API. Tiene dos aplicaciones en el navegador: Viewfinder construye una escena a partir de una sola imagen o reconstruye un lugar real a partir de hasta 64 fotos, y Chisel parte de bloques y planos sencillos dispuestos como paredes y muebles y luego les da estilo a partir de un texto o una imagen de referencia. La API incluye generación de escenas, estimación de la posición de la cámara y de la profundidad, y un conversor, splats2Mesh, que transforma una nube de puntos en una malla de polígonos lista para Blender o Unreal Engine. La API sigue en beta y aún no hay una página de precios, y las afirmaciones de calidad de la empresa no han sido reproducidas de forma independiente. Para equipos pequeños, el uso práctico hoy es el prototipado rápido de niveles y escenas de referencia: bloquear un nivel en Chisel, exportarlo y reconstruirlo luego en el motor. World Labs anunció en septiembre que se integra en AMD.

La brecha de Fireworks AI se agrava y sus clientes empiezan a marcharse

La empresa amplió el 9 de noviembre el alcance de su intrusión de octubre: quedaron expuestos datos de facturación y, para algunos clientes, secretos, conjuntos de datos y pesos de modelos.

Fireworks AI publicó el 9 de noviembre un boletín de seguridad actualizado que amplió sustancialmente el alcance de su intrusión de octubre, y las consecuencias siguieron creciendo hasta el 12 de noviembre. La empresa dice ahora que la segunda fase del ataque, que entró por un proveedor de nube externo comprometido que alojaba sus máquinas de investigación el 23 de octubre, expuso información de facturación como direcciones, historial de facturas y saldos, y, para un conjunto limitado de clientes, secretos, conjuntos de datos y una parte de pesos de modelos incompletos. El boletín original del 9 de octubre había afirmado que no se habían tocado modelos, conjuntos de datos ni información personal de clientes. Los atacantes no rompieron el servicio de inferencia en producción, que mantiene por defecto cero retención de datos, sino que llegaron a máquinas de desarrollo alojadas por un tercero, semanas después de que el primer incidente supuestamente estuviera contenido, y ejecutaron allí una carga de trabajo no autorizada. Fireworks atribuye la campaña a un grupo con motivación económica que practica el llamado LLMJacking —robar acceso a modelos de lenguaje y revenderlo por pasarelas ilícitas— y contrató a Unit 42 de Palo Alto Networks para la investigación forense, además de desactivar las subidas de conjuntos de datos en autoservicio. Para el 12 de noviembre las consecuencias comerciales eran visibles: Forbes reportó que dos clientes habían trasladado gran parte de su negocio fuera de Fireworks y Bloomberg informó que la firma legal de IA Harvey está entre los clientes afectados. Fireworks atiende a unos 10.000 clientes empresariales, entre ellos Uber, Shopify y Cursor, lo que convierte el incidente en una prueba de cuánta confianza pueden sostener los proveedores de infraestructura de IA cuando lo que está en juego son los pesos afinados del propio cliente. La lección práctica: rotar las credenciales de terceros, porque borrar un secreto guardado no revoca la clave subyacente, y tratar el primer «todo despejado» de un proveedor como una actualización de estado, no como un hallazgo.

Vercel, Expo y VS Code refuerzan las herramientas de los agentes de código

Vercel lanzó un SDK de interfaz para agentes, Expo ofrece simuladores de iPhone y Android en la nube y VS Code retira su arnés local de agentes en tres meses.

Tres anuncios del 12 de noviembre muestran cómo madura la herramienta de los agentes de programación. Vercel presentó UI SDK, construido por shadcn y Shu Ding: en lugar de entregar al agente un componente terminado, le da las piezas con las que se construye —ventanas emergentes, lógica de selección, salto por teclado— para que arme el componente que haga falta. El SDK reúne más de 50 comportamientos de interfaz, como foco por teclado, selección múltiple, arrastrar para reordenar, lienzos con zoom y listas virtualizadas, además de una biblioteca inicial, y funciona en React, Vue, Svelte, Solid y Web Components. El código está en GitHub bajo Apache 2.0 en beta pública, y Vercel afirma que los agentes pueden operar los controles terminados leyendo la página en lugar de tomar capturas, más del doble de rápido a menos de la mitad del costo, una cifra de la empresa. Expo lanzó Expo Simulators en todos los planes de pago: un agente, un trabajo de integración continua o un compañero pueden arrancar un simulador de iOS o un emulador de Android en la nube con un solo comando, sin necesidad de un Mac. Cada sesión corre en su propia máquina virtual y graba video, capturas, registros, tráfico de red y uso de CPU y memoria. El ciclo que propone: un reporte de error llega al agente, que lo reproduce, lo corrige, prueba la corrección en dispositivos en la nube y adjunta la grabación a la solicitud de cambios. Funciona con Cursor, Claude Code y Codex, y admite proyectos de React Native, Swift, Kotlin, Flutter y Unity. Cuesta 0,10 dólares por minuto de simulador y los planes Starter, Production y Enterprise incluyen 60 minutos al mes hasta 2027. Microsoft, por su parte, publicó VS Code 1.146: el arnés local de agentes, la vía en el editor para conducir sesiones de agentes, queda obsoleto con un plazo de tres meses para su retirada, mientras el arnés de Copilot se mantiene y sigue recibiendo inversión. La misma versión añade herramientas para gestionar muchas sesiones de agentes a la vez, algo que los desarrolladores ya hacen a diario en varios repositorios.

n8n libera Nod, un agente personal de automatización que corre en local

Bajo licencia Apache 2.0, Nod ejecuta tareas entre aplicaciones desde el propio equipo del usuario, en un entorno aislado, y permite elegir el modelo que lo impulsa.

n8n Labs liberó el 12 de noviembre Nod, un agente personal de automatización, bajo licencia Apache 2.0. Nod corre en local, en un Mac, una máquina Windows o un servidor privado, dentro de un entorno aislado de control de navegador y escritorio, y ejecuta de forma autónoma tareas tediosas entre aplicaciones: preparar reuniones, archivar facturas o cancelar suscripciones, según los ejemplos del proyecto. El usuario elige el modelo que lo impulsa, lo que mantiene la pila del agente desacoplada de un solo proveedor. El diseño local es el punto: los agentes de automatización en la nube exigen entregar las credenciales del correo, los calendarios y las cuentas a un servicio alojado, y mucha automatización personal útil muere justo en ese paso. Un agente local con licencia abierta permite a los usuarios sensibles a la privacidad ejecutar los mismos flujos en su propio hardware, inspeccionar lo que la automatización realmente hace y cambiar de modelo sin cambiar el agente. El límite del entorno aislado también acota lo que una instrucción equivocada puede tocar, algo importante cuando el agente tiene control del escritorio. La liberación continúa un cambio más amplio en las herramientas de automatización, de los diagramas de flujo hacia agentes que interpretan la intención y ejecutan entre aplicaciones. n8n se hizo conocido por la orquestación de flujos basada en nodos y Nod extiende esa base con una capa de ejecución capaz de operar software en lugar de solo conectar API.


AI news for 2026-11-13

Jensen Huang resigns as Nvidia CEO after 33 years

The board accepted his resignation on November 11 and announced it on the 12th; CFO Colette Kress takes over as interim CEO and shares fell more than 13% intraday.

Nvidia announced on November 12 that Jensen Huang had resigned with immediate effect as president, chief executive and board member, ending 33 years leading the company he co-founded. The board accepted the resignation on November 11, after a meeting in which, according to The Wall Street Journal, directors were preparing to remove him. Chief financial officer Colette Kress takes over as interim CEO while keeping her finance role, and Harvey C. Jones, a director since 1993, becomes the first board chair in the company's history. The exit caps a turbulent week: on November 8 Huang admitted to infidelity and the board opened an independent investigation into reports that he had been targeted by a foreign intelligence operation; on November 11 The New York Times also reported a relationship with a company vice president. Shares fell as much as 13% during Thursday's session and closed down 4.34%, at $166.19, pushing the market value below $4 trillion. Nvidia is keeping its third-quarter fiscal results report scheduled for November 17. The company gave no reason in its statement, and the search for a successor, internal or external, has no timeline.

Google launches Gemini 4 Hydrogen, its new lightweight default

It costs $1.50 per million input tokens, runs about 2.5 times faster than Gemini 3.8 Flash, and replaces that model as the standard option for high-volume work.

Google announced Gemini 4 Hydrogen on November 12, a new member of the Gemini 4 family built for the everyday work of coding agents rather than to top benchmark charts. Under the identifier gemini-4-hydrogen, it replaces Gemini 3.8 Flash as the default lightweight model. It costs $1.50 per million input tokens and $7.50 per million output tokens, with the same rate across its one-million-token context window, and introduces four reasoning levels, including a new 'xhigh' tier that lets a request spend extra compute only when it needs it. According to Google, Hydrogen completes tasks about 2.5 times faster than Gemini 3.8 Flash at its default high reasoning level, and its Terminal-Bench 4.1 score rises from 18.2% to 57%. It is available through the Gemini API, Google AI Studio and consumer products. The same announcement reached Antigravity, Google's agent coding platform, which adds Hydrogen as a selectable model and introduces Orchestrator, a mode that switches models mid-task according to what each step demands instead of locking one in at the start.

Google opens pre-orders for its Gemini glasses from $395

Designed with Warby Parker and Gentle Monster and engineered with Samsung, they go on sale December 10 in the United States and South Korea, with no display in the lens.

Google opened pre-orders on November 12 for its first smart glasses, announced by Shahram Izadi, vice president and general manager for XR. Designed with Warby Parker and Gentle Monster and engineered with Samsung, they go on sale December 10 in the United States and South Korea. Warby Parker frames start at $395 across three styles and Gentle Monster frames at $449 across six designs, before prescription lenses. Each pair weighs about 41 grams, lasts roughly nine hours per charge, and carries a 12-megapixel ultra-wide camera with HDR and stabilization, open-ear speakers and a charging case that refills the frames up to seven times. There is no display in the lens: the glasses answer to 'Hey Gemini' or a tap on the frame, translate in real time in more than 70 languages with automatic detection, and a Guided Vision mode describes surroundings for blind and low-vision users. Privacy got as much design attention as the camera: a light turns on when capturing photos or video and recording stops if it is covered, bystanders' faces are blurred before reaching Gemini, frames sent to the assistant are not saved in Gemini History or used to train models or target ads, and a physical switch turns the glasses into ordinary ones. It is Google's direct answer to Meta's Ray-Bans, with demos in more than 360 Warby Parker stores.

Thinking Machines releases Inkling 2 Small weights on Hugging Face

The 594-billion-parameter model, with 17 billion active, is now available under the Apache 2.0 license a week after its closed launch.

Thinking Machines Lab updated its Inkling 2 Small announcement on November 12 to say the model's weights are now downloadable on Hugging Face under the Apache 2.0 license, a week after launching it with closed weights on its Tinker platform while outside safety testing finished. It is a mixture-of-experts model with 594 billion total parameters and 17 billion active, with image input and adjustable effort. The lab says it was trained with reinforcement learning on hundreds of thousands of long-horizon coding tasks across several agent harnesses, and that it checks its own work without being asked. In the lab's own comparison table, it posts the best scores among the listed models on DesignArena's Game Dev (1424) and 3D Design (1457) boards, though it trails DeepSeek-V4.1-Flash on several coding benchmarks, and the lab admits it 'doesn't always choose the best tools for the job.' Day-one support covers vLLM, SGLang, Unsloth and TokenSpeed, with hosted APIs at NVIDIA, Fireworks, Together, Baseten, Nebius, Modal and Cloudflare. Running it yourself is not a laptop job: the model card calls for at least 500 GB of GPU memory for the recommended version. The performance figures come from the lab, so it is worth testing on your own repository.

Anthropic lets companies self-host the full Claude agent platform

The private beta moves the harness, server, credentials and session history into the customer's own cloud; model calls still go to Claude.

Anthropic opened a private beta of self-hosted Claude Managed Agents on November 12. Until now, teams could move only the sandboxes where agent tools run onto their own machines. Now the whole service can run in a company's own cloud or data center: the agent harness, the server and its database, the workers that run shell and file tools, credentials and session history. Model calls still go out to Claude, either directly to Anthropic, through Amazon Bedrock, Google's Agent Platform or Microsoft Foundry, or through the company's own gateway — so this is self-hosted orchestration, not an on-premises model. Anthropic pitches it for agents that run unattended on internal code, such as fixing broken builds, testing releases and working through bug backlogs. The design keeps the agent loop and secrets outside the sandbox, can lock each environment to a list of allowed hosts, and logs every tool call over OpenTelemetry. Access is through Anthropic account teams for eligible organizations only; no pricing has been published, scheduled runs and webhooks are missing from the beta, and nothing migrates from the hosted service. It lands one day after Google added bring-your-own sandboxes to its own managed agents.

OpenAI open-sources Codex Security, its vulnerability scanner

The command line interface and TypeScript SDK scan repositories, validate findings and propose patches, and plug into continuous integration pipelines.

OpenAI released Codex Security on November 12 as an open-source tool: a command line interface and a TypeScript SDK any developer can pull from GitHub. The scanner reviews codebases for security issues, validates its findings and generates candidate patches, with support for repository-wide scans, security policy drafting and integration into continuous integration pipelines. Version 0.10.0 shipped alongside the announcement with three practical fixes: scans can resume after interruption instead of starting over, a cost budget can cap what a long scan spends before it runs to completion, and patch failures produce clearer diagnostics so teams can tell whether the model misread the code or the patch simply did not apply. Within a day the repository was trending on GitHub. The release fits OpenAI's security push: its most capable security model, GPT-6 Cyber, stays restricted to vetted customers, and Codex Security moves a slice of that capability into an open tool teams can inspect, wire into their own CI pipeline and run with their code local, while still using OpenAI models for the analysis step.

Four nonprofits sue to freeze advanced AI development

The suit, filed November 12 in California, asks a judge to halt new models from Anthropic, Google, Meta, OpenAI and SpaceX; no court order is in force.

Four nonprofit organizations filed a lawsuit on November 12 in the Superior Court of California, in San Francisco, asking a judge to freeze the development and release of new advanced AI models at Anthropic, Google, Meta, OpenAI and SpaceX Super Intelligence. The plaintiffs — Irreplaceable Education Fund, Public Citizen, the Heat Initiative and the Alliance for Secure AI — act under California's Unfair Competition Law and argue the companies are building systems they themselves admit could cause catastrophic harm. The complaint quotes the defendants in their own words: the SpaceX chief executive likening AI development to 'summoning the demon,' and a Google DeepMind paper saying AI that exceeds human intelligence could be developed within the next several years and could 'permanently destroy humanity.' The case is unusual because it seeks no money and targets no single product, but the practice of developing ever more capable models. It is only at its first step: no judge has ruled, the companies had not responded when the story was published, and they will almost certainly ask for it to be dismissed before any freeze is discussed. ChatGPT, Claude, Gemini, Meta AI and Grok keep working, and no court order is in force.

Forensic analysis links six Chinese models to banned Blackwell chips

Will DePue, a former OpenAI researcher, found a numerical fingerprint of Nvidia's most advanced GPUs in the published weights; exporting them to China requires a US license.

Will DePue, a former OpenAI researcher, published a forensic analysis on November 12 reporting that six open-weight models from DeepSeek, Moonshot AI, MiniMax and Ant Group, released since April 2026, carry a numerical fingerprint consistent with Nvidia's Blackwell GPUs, the company's most advanced chips, whose export to China requires a US license that has not been reported. The models are DeepSeek-V4-Flash, DeepSeek-V4-Pro, MiniMax-M3, Kimi K3, Kimi K3.1-Pro and Ant Group's Ling-3.1-flash. The method uses only the weights the companies published: it detects the initialization pattern left by the hardware that generated the model's starting values. The matches range from 49 to 1,385 sigma — 8 sigma is already considered a safe cutoff — and the author calls the evidence conclusive for DeepSeek-V4-Flash and strong for the other five. He estimates about 12,000 Blackwell GPUs across five of the models, with 500 to 3,000 per training run over two to three months. The same labs' earlier models instead show the fingerprint of Hopper, the previous generation that can legally ship to China, and the newest models from Alibaba, Zhipu, Tencent, Xiaomi and StepFun also read as Hopper-trained. The report itself warns of its limits: it does not establish where the chips were, how access was obtained or whether any export rule was violated, and it notes Blackwell chips can be rented in data centers outside China. There is also no record of a published external review of the method, which is signed by a single author.

Baidu unveils ERNIE 5.5 Flash Preview, with 280 billion parameters

The model, announced at Baidu World 2026, activates 14 billion parameters per token, supports a million-token context window, and its weights will be released before November 25.

Baidu unveiled its new foundation model, ERNIE 5.5 Flash Preview, on November 12 at Baidu World 2026 in Beijing. It is a mixture-of-experts model with 280 billion total parameters and 14 billion activated per token, with a one-million-token context window and generation speed above 200 tokens per second, according to the company. It stands out in coding, 3D modeling, knowledge work and content creation, scoring 1,668 on CodeArena WebDev by Baidu's figures. The API is already available on Baidu AI Cloud's Qianfan platform at 1 yuan per million input tokens and 4 yuan per million output tokens, with cached input at 0.04 yuan. The weights will be released before November 25. Baidu also introduced two application models, ERNIE Wizshot Micro-Expression and ERNIE Light Deep Thinking, and Token Exchange, a marketplace connecting model providers with customers that the company says already moves 70 billion tokens a day. The announcement also included the Tianchi 1,024-card supernode and the roadmap for its Kunlunxin chips. Nearly all the figures are the company's own statements and still await independent verification.

Mirendil raises $1 billion and Agile Robots raises $500 million

The agent lab founded by former Anthropic, DeepMind, OpenAI and xAI researchers closed a $1 billion Series A; German robotics firm Agile Robots is now valued at $8.5 billion.

Mirendil announced a $1 billion Series A on November 12, led by Kleiner Perkins and Clearlake Capital, with Battery Ventures, Doerr Capital, Gil & Co, Google, M13, Pear VC and S32 also in. The San Francisco lab, founded in June by researchers from Anthropic, Google DeepMind, OpenAI and xAI, wants one person with agents to do work that used to take a whole research team. Its proof so far: one researcher working with agents pretrained Mirendil-Base, a competitive coding model, from scratch in 3.5 months on under $10 million of compute, then post-trained it into Fern, which holds up to 10 million tokens of context, enough for days of agent work. Its Lor platform, now in private beta, runs hundreds of agents writing code and running experiments for days at a time. No valuation was disclosed, and the round comes about five months after a $200 million seed. In robotics, Germany's Agile Robots closed a $500 million Series F at an $8.5 billion valuation, led by SoftBank with NVIDIA, Hitachi and T.Capital, bringing its total funding to $2 billion. The German Aerospace Center spin-off says it has installed more than 20,000 robotic solutions, and its plant near Munich can build up to 10,000 humanoid robots a year; the new money goes to US expansion and more production in Germany.

World Labs opens Atlas, its 3D world model, to everyone

The model, first shown in September to a small group, turns ideas into 3D scenes, video clips or point clouds, with export to Blender and game engines.

World Labs said on November 12 that it is opening access to Atlas, its world model, to everyone. Atlas, first shown in September to a small group of partners, turns an idea into a 3D scene, keyframes, video clips or 3D Gaussian splats, through browser apps and an API. It has two browser apps: Viewfinder builds a scene from one image, or reconstructs a real place from up to 64 photos, and Chisel starts from simple blocks and planes laid out as walls and furniture, then styles them from a text prompt or reference image. The API includes scene generation, camera pose and depth estimation, and a splats2Mesh converter that turns a splat into a polygon mesh you can bring into Blender or Unreal Engine. The API is still labeled beta, there is no dedicated pricing page yet, and the company's quality claims have not been independently reproduced. For small teams, the practical use today is fast greyboxing and reference scenes: block out a level in Chisel, export it, and rebuild it properly in your engine. World Labs announced in September that it is joining AMD.

Fireworks AI breach widens and customers start leaving

The company widened the scope of its October intrusion on November 9: billing data was exposed and, for some customers, secrets, datasets and model weights.

Fireworks AI published an updated security bulletin on November 9 that substantially expanded the scope of its October intrusion, and the fallout kept building through November 12. The company now says the second phase of the attack, which entered through a compromised third-party cloud provider hosting its research machines on October 23, exposed billing information such as addresses, invoice history and account balances, and for a limited set of customers, secrets, datasets and a subset of incomplete model weights. The original October 9 bulletin had said no customer models, datasets or personal information were touched. The attackers did not break into the production inference service, which remains zero data retention by default; they reached development machines hosted by someone else, weeks after the first incident was supposedly contained, and ran an unauthorized workload from there. Fireworks attributes the campaign to a financially motivated group practicing LLMJacking — stealing access to large language models and reselling it through illicit routing gateways — and has engaged Palo Alto Networks Unit 42 for forensics while disabling self-serve dataset uploads. By November 12 the commercial consequences were visible: Forbes reported that two customers had substantially moved their business off Fireworks, and Bloomberg reported that legal AI firm Harvey is among the customers being assessed. Fireworks serves roughly 10,000 enterprise customers including Uber, Shopify and Cursor, which makes the incident a live test of how much trust AI infrastructure vendors can hold when the assets at risk are the customer's own fine-tuned weights. The practical lesson: rotate third-party credentials, since deleting a stored secret does not revoke the underlying key, and treat a vendor's first-week all-clear as a status update rather than a finding.

Vercel, Expo and VS Code strengthen coding agents' tooling

Vercel launched an interface SDK for agents, Expo offers cloud iPhone and Android simulators, and VS Code retires its local agent harness in three months.

Three announcements on November 12 show how coding-agent tooling is maturing. Vercel introduced UI SDK, built by shadcn and Shu Ding: instead of handing an agent a finished component, it gives it the pieces a component is made of — popups, selection logic, type-to-jump — so it can build whichever component is needed. The SDK lists more than 50 interface behaviors, including keyboard focus, multi-select, drag-to-reorder, pan-and-zoom canvases and virtualized lists, plus a starter component library, and works in React, Vue, Svelte, Solid and Web Components. The code is on GitHub under Apache 2.0 as a public beta, and Vercel says agents can operate the finished controls by reading the page rather than taking screenshots, more than twice as fast at under half the cost — a company figure. Expo launched Expo Simulators on all paid plans: a coding agent, a CI job or a teammate can start a cloud iOS Simulator or Android Emulator with one command, with no Mac needed. Each session runs on its own virtual machine and records video of the whole run plus screenshots, logs, network traffic and CPU and memory use. The intended loop: a bug report goes to an agent, which reproduces it, fixes it, tests the fix on cloud devices and attaches the recording to the pull request. It works with Cursor, Claude Code and Codex, and supports React Native, Swift, Kotlin, Flutter and Unity builds. Pricing is $0.10 per simulator minute, and the Starter, Production and Enterprise plans include 60 minutes a month until 2027. Microsoft, meanwhile, released VS Code 1.146: the Local agent harness, the in-editor path for driving agent sessions, now has a three-month countdown to removal, while the Copilot harness stays and continues to receive investment. The same release adds tools for managing many agent sessions at once, something developers already do daily across several repositories.

n8n open-sources Nod, a personal automation agent that runs locally

Under the Apache 2.0 license, Nod runs cross-application tasks from the user's own machine, inside a sandbox, and lets the user choose the model that powers it.

n8n Labs open-sourced Nod on November 12 under the Apache 2.0 license, a personal automation agent that runs locally on a Mac, Windows machine or private server. Nod operates inside a sandboxed browser and desktop control environment, and handles tedious cross-application tasks autonomously, with the project citing meeting preparation, invoice filing and subscription cancellation as examples. The user picks the model that powers it, which keeps the agent stack decoupled from any single provider. The local-first design is the point: cloud automation agents require handing credentials for your email, calendars and accounts to a hosted service, and a lot of useful personal automation dies at exactly that step. A sandboxed local agent with an open license lets privacy-sensitive users run the same workflows on their own hardware, inspect what the automation actually does, and swap models without changing the agent itself. The sandbox boundary also limits what a mistaken instruction can touch, which matters when the agent has desktop control. The release continues a broader shift in the automation tooling space from workflow diagrams toward agents that interpret intent and execute across applications. n8n built its name on node-based workflow orchestration, and Nod extends that foundation with an execution layer that can operate software rather than just connect APIs.