Muse Spark Open de Meta, segmentación de anuncios de ChatGPT y recortes presupuestarios de IA de Accenture
Meta lanza el modelo abierto Muse Spark Open de 816 mil millones de parámetros optimizado para hardware Mac. Mientras tanto, investigaciones revelan las capacidades de segmentación de anuncios de ChatGPT, y Accenture impone estrictos límites mensuales de presupuesto de IA a los empleados.
Podcast В· 4 min
Meta lanza Muse Spark Open para hardware local
Meta ha lanzado Muse Spark Open, un modelo multimodal de 816 mil millones de parámetros diseñado para tareas de codificación y agentes. El modelo destaca por su optimización con Apple, lo que permite ejecutarlo localmente en dos Mac Studios M5 Ultra con 1 TB de memoria combinada. Este lanzamiento marca un cambio estratégico para Meta, que anteriormente se había inclinado hacia modelos cerrados tras el éxito de su serie abierta Llama. En términos de rendimiento, el modelo se sitúa en 39 en el Índice de Inteligencia Artificial, por detrás de modelos chinos como GLM 5.3 (45) y Kimi K3 (44), pero superando a otras alternativas occidentales de peso abierto. Si bien los modelos chinos mantienen actualmente una ventaja en capacidades de codificación, el lanzamiento de Meta señala un esfuerzo renovado para proporcionar herramientas de alto rendimiento y peso abierto que los desarrolladores puedan implementar en su propia infraestructura de hardware. Este lanzamiento es parte de una tendencia más amplia de rápidos lanzamientos de peso abierto este mes, tras Beam de Reflection AI y Le Chonk de Mistral. Al permitir la ejecución local en hardware Apple, Meta se posiciona para competir directamente con los modelos fronterizos de código cerrado, ofreciendo al mismo tiempo la flexibilidad de la implementación local, un factor crítico para la adopción empresarial y por parte de los desarrolladores.
Investigación de 404 Media revela segmentación de anuncios en ChatGPT
Una investigación de 404 Media ha puesto de relieve cómo los anunciantes pueden segmentar a los usuarios dentro de ChatGPT basándose en sus indicaciones y datos personales. Al ejecutar anuncios de prueba, el medio demostró que los anunciantes pueden usar 'pistas de contexto' (palabras clave o temas) para guiar la coincidencia de anuncios, así como cargar listas de correos electrónicos, números de teléfono o identificadores de publicidad de Android para buscar coincidencias con cuentas de ChatGPT. OpenAI sostiene que estas listas se procesan y eliminan, y que los anunciantes no pueden ver qué individuos específicos coincidieron. Sin embargo, los hallazgos subrayan las implicaciones para la privacidad de usar chatbots de IA como interfaces similares a las de búsqueda. Si bien los usuarios pueden desactivar la 'personalización de anuncios', esta configuración no elimina los anuncios por completo, ya que aún pueden mostrarse según el contexto actual del chat. Este desarrollo sitúa a ChatGPT en el mismo ecosistema que las plataformas tradicionales de publicidad digital. A medida que la plataforma escala hacia su base de mil millones de usuarios, la capacidad de segmentar a los usuarios mediante datos conversacionales plantea preguntas sobre las expectativas de privacidad a largo plazo de los usuarios de IA, y los críticos señalan que el 'interruptor de apagado' solo proporciona una protección limitada.
Accenture impone límites mensuales al presupuesto de IA
Accenture ha implementado un límite mensual de $29 por empleado en gastos de IA para herramientas como Claude, según anuncios internos. La política, que entró en vigor el 1 de octubre, centraliza los costos y exige que los empleados carguen cualquier uso que supere esta asignación a presupuestos de proyectos específicos. Esta medida ha provocado problemas de acceso para algunos empleados, especialmente aquellos que construyen aceleradores de IA y que requieren límites de uso significativamente más altos. La discrepancia entre los servicios de asesoramiento externo de Accenture, que animan a los clientes a invertir fuertemente en IA, y sus medidas internas de control de costos ha llamado la atención. Si bien la empresa afirma que su objetivo es proporcionar las herramientas adecuadas para el trabajo adecuado, la restricción pone de relieve el creciente desafío de gestionar los costos de IA basados en el consumo en grandes empresas, donde las necesidades individuales de los desarrolladores pueden superar rápidamente las asignaciones corporativas estandarizadas.
Anthropic otorga a investigadores de METR acceso directo
Anthropic ha otorgado a seis investigadores de la organización Model Evaluation and Threat Research (METR) acceso a nivel de empleado a sus sistemas. Este acuerdo permite a los investigadores evaluar las prácticas de seguridad de IA de la empresa y publicar sus hallazgos sin necesidad de aprobación previa de Anthropic, aunque la empresa conserva el derecho de solicitar redacciones limitadas. Este movimiento es un paso significativo hacia la supervisión independiente de los laboratorios de IA fronterizos. Al permitir que evaluadores externos operen con acceso de alto nivel, Anthropic intenta abordar las preocupaciones sobre la transparencia de sus protocolos de seguridad. La colaboración tiene como objetivo proporcionar una evaluación más rigurosa de los riesgos potenciales, estableciendo un precedente sobre cómo los laboratorios de IA podrían interactuar con organizaciones de seguridad de terceros.
Bank of America contrata contratistas para abordar fallos de Mythos
Bank of America ha contratado, según informes, a 1.000 contratistas para parchear vulnerabilidades de software expuestas por el modelo Mythos de Anthropic. El CEO del banco, Brian Moynihan, confirmó la iniciativa de contratación, que se centra en remediar las brechas de seguridad identificadas mediante el uso del modelo de IA. Esto pone de relieve la realidad práctica, y a menudo costosa, de integrar IA avanzada en la infraestructura bancaria. El incidente subraya la naturaleza de doble filo de la IA en ciberseguridad: si bien modelos como Mythos pueden identificar fallos críticos, también crean una carga operativa significativa para que las organizaciones los remedien. A medida que las instituciones financieras aceleran la adopción de IA, el costo de mantener sistemas seguros se está convirtiendo en un factor importante en su estrategia general de IA.
Estudio de Harvard mapea brechas de género en el uso de IA
Un nuevo informe de investigadores de Harvard ha identificado brechas de género persistentes en cómo los estadounidenses interactúan con la IA. Basado en una encuesta a más de 5.400 adultos y un análisis de 78.000 artículos de noticias, el estudio encontró que el 29% de las mujeres informaron no haber usado nunca IA, en comparación con el 22% de los hombres. Si bien los datos de navegación sugieren que las tasas de uso reales son más cercanas, la división es más pronunciada en la capacitación y la confianza. En el lugar de trabajo, el 64% de las mujeres empleadas informaron no haber recibido capacitación en IA, en comparación con el 49% de los hombres. El estudio también observó una disparidad significativa en la representación mediática, con titulares de IA que mencionan a hombres 14,6 veces más a menudo que a mujeres. Los investigadores sugieren que estas brechas en la capacitación y la visibilidad podrían obstaculizar la participación equitativa en la economía impulsada por la IA. Esta investigación proporciona una de las miradas más completas a las dimensiones sociales de la adopción de la IA. Mientras los laboratorios impulsan el acceso universal a la IA, los hallazgos sugieren que el desafío no radica solo en la accesibilidad técnica, sino en abordar las disparidades sistémicas en capacitación, confianza y representación que actualmente moldean el panorama de la IA.