Framelova

Hace unos días hablábamos del choque entre Anthropic y el Pentágono por los límites de uso de la IA.
Ahora el escenario cambia: OpenAI firma un acuerdo para llevar su tecnología a sistemas clasificados del Departamento de Defensa.

El contrato permite el uso de la IA “para cualquier propósito lícito”, una cláusula amplia que el gobierno exige para tener flexibilidad operativa.

Mientras Anthropic buscaba incluir restricciones explícitas —como evitar armas autónomas o vigilancia doméstica masiva—, OpenAI adoptó otro enfoque:
aceptar el marco legal amplio, pero integrar salvaguardas técnicas dentro del propio sistema para reducir usos problemáticos.

Este episodio muestra algo importante: la conversación sobre IA en defensa ya no es hipotética.
Hoy se discute cómo se gobierna, quién pone los límites y qué mecanismos de control existen.

👉 Lee el artículo completo aquí:
https://wwwhatsnew.com/2026/03/04/openai-firma-con-el-pentagono-tras-el-choque-con-anthropic-que-cambia-para-la-ia-en-entornos-clasificados/

Cuando crees que alguien monetizó su “backend”…
pero solo estaba compilando su propia arquitectura web. 🕸️

La discusión no es si la inteligencia artificial puede ayudar al Departamento de Defensa, sino bajo qué condiciones.

Según reportes recogidos por TechCrunch, el Pentágono estaría pidiendo a varias compañías que permitan el uso de sus modelos para “todos los fines legales”, una fórmula amplia que podría abarcar desde tareas administrativas hasta operaciones militares sensibles.

Anthropic, por su parte, no se opone a trabajar con defensa, pero marca límites claros:
🚫 No a armas totalmente autónomas
🚫 No a vigilancia doméstica masiva

En juego hay un contrato de alrededor de 200 millones de dólares y una pregunta más grande:
¿Debe bastar con que algo sea “legal” para que una empresa de IA lo permita?

👉 Lee el análisis completo aquí:
https://wwwhatsnew.com/2026/02/17/anthropic-y-el-pentagono-chocan-por-el-uso-de-claude-donde-estan-los-limites-de-la-ia-en-defensa/

DeepSeek propone una nueva forma de entrenar modelos de lenguaje: menos fricción, más estabilidad.

Cuando hablamos de IA solemos fijarnos en el resultado final, pero este artículo pone el foco en algo menos visible y clave: cómo se entrenan los modelos.

DeepSeek presenta mHC (Manifold-Constrained Hyper-Connections), una técnica que busca hacer más estable y eficiente el entrenamiento de grandes modelos de lenguaje, controlando cómo fluye la información dentro de redes profundas y evitando los problemas que aparecen cuando los modelos escalan.

🔹 Más estabilidad durante entrenamientos largos
🔹 Mejor control de la señal interna
🔹 Coste adicional contenido en tiempo y recursos
🔹 Resultados probados en modelos de hasta 27B parámetros

Una lectura interesante para entender por qué muchas mejoras en IA no vienen solo de “modelos más grandes”, sino de mejor ingeniería y fundamentos matemáticos.

👉 Lee el artículo completo aquí:
https://wwwhatsnew.com/2026/01/05/deepseek-presenta-mhc-la-ingenieria-y-la-matematica-para-entrenar-llm-con-menos-friccion/

-Fans: Tengo una teoría… ¿y si Vecna en realidad era Will del futuro, atrapado en el Upside Down, intentando corregir la línea de tiempo con ayuda de Eleven convertida en entidad cósmica?

-Productores de Stranger Things: “Aquí está. Gracias por venir.

😅 Después de tantos años, teorías, conspiraciones y análisis...
el final fue más derecho que el flequillo de Will en la temporada 1.

💬 ¿Te gustó el cierre o esperabas más enredos mentales?

Él entendió Shrek, no Disney Princess.

Y así empezó su historia… con un final inesperado.
Porque ser específico importa, especialmente en producción de eventos (y relaciones humanas). 😬