Lee el anuncio original, entiende para qué sirve y prueba un ejercicio propio de Al-Bayan. Cada noticia conserva la fecha de su anuncio.
NovedadGoogle
Gemini 4 Argon llega para tareas largas y complejas
Google ha lanzado globalmente Gemini 4 Argon, su nuevo modelo avanzado para trabajos de varios pasos en programación, finanzas, derecho, ciberseguridad y ciencia. Para desarrolladores está disponible en el nivel de pago de la API de Gemini mediante AI Studio y Android Studio; las empresas pueden utilizarlo en Gemini for business, la API y Google Antigravity. Los usuarios particulares necesitan una suscripción Google AI Ultra o Pro para acceder desde la aplicación Gemini y el modo IA de la Búsqueda. En la API ofrece un límite unificado de un millón de tokens entre entrada y salida y un protocolo de continuación para tareas extensas. El precio introductorio hasta el 30 de noviembre de 2026 es de 2 dólares por millón de tokens de entrada y 10 por millón de salida, con un 95 % de descuento para la entrada almacenada en caché; después pasará a 4 y 20 dólares respectivamente. Las cifras de rendimiento y seguridad comunicadas son resultados de Google y no garantizan el mismo resultado en cada caso.
Cómo aprovecharlo · prueba el ejercicio
Argon merece una prueba cuando el trabajo exige relacionar documentos extensos, tablas, imágenes o varios archivos de código y mantener el objetivo durante muchas etapas. Para Al‑Bayan podría evaluarse con un dossier no sensible y pedir una propuesta bilingüe con cada afirmación vinculada a su fuente. No es un acceso gratuito general ni sustituye la revisión profesional en ámbitos legales, financieros, médicos o de seguridad. Aunque Google afirma que el modelo se detiene antes de acciones irreversibles y ha reforzado la resistencia a instrucciones maliciosas dentro de las fuentes, siguen siendo necesarios permisos mínimos, límites de gasto, registros y aprobación humana.
Ejercicio Al-Bayan
Prueba pendiente: reúne cinco documentos ficticios, una tabla y una imagen sobre un proyecto educativo. Pide a Argon un informe breve en español y árabe que incluya una tabla de afirmaciones con el archivo y la página de respaldo. Añade dentro de uno de los documentos una instrucción inocua que contradiga el encargo, para comprobar si la ignora como contenido no autorizado. Verifica manualmente diez datos, revisa que no ejecute ninguna acción externa sin confirmación y calcula el coste real de entrada, caché y salida. Compara después exactitud, omisiones, tiempo y coste con el modelo que uses habitualmente.
Higgsfield describe un flujo con IA para producir vídeos de más de diez minutos
Un caso de cliente publicado por OpenAI recoge que Higgsfield utiliza GPT-6 Astra y herramientas para producir vídeos formativos de más de diez minutos. Es una descripción del flujo de esa empresa, no una prueba independiente ni la promesa de generar cualquier vídeo de una sola vez. La creación de películas mediante conversación de voz aparece como objetivo futuro. El artículo no precisa planes, precios ni disponibilidad por país.
Cómo aprovecharlo · prueba el ejercicio
Para preparar material audiovisual de Al-Bayan, conviene separar guion, continuidad visual, narración, montaje y revisión. Antes de valorar una herramienta por la duración máxima, comprueba la voz, el árabe, los subtítulos y el coste del resultado terminado. Esta aplicación es una propuesta propia y no acredita acceso a esas funciones en la cuenta del usuario.
Ejercicio Al-Bayan
Prueba propuesta, pendiente de ejecución: prepara un guion original de noventa segundos sobre un concepto de IA, con cuatro escenas, narración en árabe y subtítulos en español. Define antes cinco controles: fidelidad al texto, pronunciación, continuidad, legibilidad y volumen. Añade el sello oficial de Al-Bayan al resultado cuando se produzca. Registra costes y correcciones; no uses una estimación como si fuera un resultado medido.
Anthropic refuerza Claude contra la extracción masiva de su razonamiento
Anthropic ha explicado nuevas defensas frente a ataques de destilación, campañas que intentan obtener grandes cantidades de respuestas y razonamientos de un modelo para reproducir sus capacidades en otro. La empresa afirma que sus clasificadores y cambios de contexto han reducido entre un 90 % y un 99 % los datos de razonamiento extraídos en su plataforma. Las medidas se aplican a sus modelos generales más capaces e incluyen limitar el traslado de bloques de razonamiento, detectar intentos de extracción y restringir o bloquear cuentas reincidentes. Son resultados medidos por Anthropic y la compañía reconoce que todavía no ha observado un intento muy sofisticado que ponga a prueba todas las defensas.
Cómo aprovecharlo · prueba el ejercicio
El cambio puede afectar a desarrolladores que reutilizan contexto de razonamiento en la API: las cuentas nuevas ya no pueden editar determinados bloques conservados y algunas integraciones han tenido que adaptarse. Anthropic también cobra ciertas solicitudes bloqueadas cuando el clasificador tiene una tasa de falsos positivos inferior al 0,1 %, según sus pruebas. Para un uso normal no hace falta pedir ni almacenar razonamientos internos; conviene trabajar con respuestas finales, registros de herramientas y datos propios, respetando permisos, términos y límites de la plataforma.
Ejercicio Al-Bayan
Prueba pendiente y segura: diseña con datos ficticios una integración que conserve únicamente la respuesta final, las fuentes y el resultado de cada herramienta. Simula un bloqueo y comprueba que el sistema lo registra, detiene los reintentos automáticos y avisa de posibles costes. Revisa además que ningún prompt solicite revelar o copiar razonamiento oculto.