Lanzamientos y actualizaciones conectados con fichas, contexto y fuentes primarias.
La documentación de Google describe Gemini Enterprise como una plataforma de IA para el trabajo que puede conectarse con aplicaciones y apoyar tareas de conocimiento. Sin embargo, las fuentes verificadas no confirman una identidad laboral propia para el agente ni detallan el alcance de un lanzamiento con delegación autónoma entre aplicaciones.
Trust Layer añade cuatro comprobaciones a la puntuación de un benchmark: examina el calificador, la trazabilidad de la respuesta, la veracidad de la afirmación de éxito y la estabilidad entre ejecuciones. El marco se probó en cinco configuraciones de agentes y 108 tareas, pero sus resultados aún no demuestran que funcione en otros benchmarks.
Una guía práctica para vincular cada riesgo de un sistema de IA de alto riesgo con una medida, una prueba y evidencias documentadas, distinguiendo las exigencias legales de las recomendaciones operativas.
OpenAI describe una experiencia que combina texto con elementos visuales e interacción. La información disponible no confirma qué planes la reciben ni respalda una reducción del 44 % en los tiempos de espera.
La documentación de Google describe la verificación de marcas SynthID en imágenes y vídeos. Detectar esa marca puede aportar una señal sobre el origen del contenido, pero no permite determinar si cualquier archivo fue creado o modificado con IA. El lanzamiento público, las condiciones para audio y otros detalles no quedan confirmados con la información disponible.
La ficha plantea comprobar si cada recuerdo recuperado es apropiado para una consulta, pero el material verificado no permite confirmar la existencia del preprint, su método ni sus resultados. La distinción entre una respuesta correcta y un acceso autorizado sigue siendo una pregunta relevante, no un hallazgo atribuible a ese trabajo.
Un preprint y un repositorio presentan JEPA-Anything como un marco para distintos dominios. La información disponible no permite confirmar las tareas, las mejoras experimentales ni el alcance del resultado preclínico que se le atribuye.
Cohere presenta North 2 como una plataforma de agentes empresariales con controles de costes, seguridad y gestión de flujos. La información disponible no demuestra todavía cómo funcionan esos controles en producción ni qué modelos externos admite.
La propuesta promete evaluar el proceso de investigación de los agentes, no solo sus respuestas finales. Pero la documentación disponible no permite confirmar el preprint, sus experimentos ni sus resultados.
La propuesta describe un Critic para validar acciones y un Context Manager para comprobar la finalización de tareas. Sin una fuente primaria verificable, no es posible confirmar que DeReAct se haya publicado ni atribuirle resultados en GAIA o SWE-bench Verified.
Un preprint describe acciones que incumplen restricciones de seguridad dadas mucho antes. El resumen reporta un 11,5 % de eventos en una configuración con GPT-5.5 y ninguno observado al probar STAR-Guard; faltan detalles para valorar la solidez y el alcance de esos resultados.
No hay datos verificados de una prueba compartida de estos modelos en clasificación, extracción y escalada de consultas. Esta guía propone un protocolo reproducible para compararlos sin confundir benchmarks generales con resultados operativos.
Noticias que modifican el mapa de modelos y capacidades.
El lanzamiento obliga a revisar evaluación, despliegue y seguridad.
Modelo frontera ↗Código y tareas de conocimiento con controles de esfuerzo.
Conocimiento ↗Multimodalidad, código y agentes con perfil de baja latencia.
Versión estable ↗Una noticia no termina en el titular.
Relaciona el anuncio con versión, acceso y modalidades.
Identidad ↗Distingue tarifas estables, introductorias y datos ausentes.
Coste ↗Revisa condiciones y comparabilidad antes de aceptar un benchmark.
Evidencia ↗