AL-BAYAN البيان

NOVEDADES Y PRÁCTICAS

IA: entiende lo que cambia

Lee el anuncio original, entiende para qué sirve y prueba un ejercicio propio de Al-Bayan. Cada noticia conserva la fecha de su anuncio.

NovedadAnthropic

Anthropic prueba los primeros pasos de autorreplicación de modelos en dispositivos IoT

Anthropic ha evaluado si modelos abiertos relativamente pequeños pueden instalar inferencia en hardware heterogéneo y encadenar un ciclo de propagación. Un modelo de 9.000 millones de parámetros logró poner en marcha inferencia en ocho de nueve tipos de hardware, y el equipo ejecutó Gemma 4 de 26.000 millones de parámetros, repartido entre 15 cajas Android TV económicas, a 0,39 tokens por segundo. En una red aislada de ocho nodos Android emulados, con un puerto ADB sin autenticación y el acceso inicial deliberadamente simplificado, solo GLM-5.2 completó de forma fiable el ciclo extremo a extremo: alcanzó los ocho nodos en cuatro de cinco pruebas y siete en la restante. El experimento usó el modelo grande para desplegar Llama 3.1 de 8.000 millones de parámetros, no para copiarse a sí mismo. Por tanto, no demuestra un gusano autónomo operativo en Internet: ofrece una cota superior en un entorno controlado. La previsión de que un modelo pequeño pueda alcanzar esa capacidad a finales de 2026 se basa en una tendencia de capacidad general y Anthropic la presenta como una estimación aproximada.

Cómo aprovecharlo · prueba el ejercicio

Para organizaciones y hogares, la conclusión útil no es que exista ya un nuevo malware listo para usar, sino que la seguridad de los dispositivos conectados debe tratarse como parte de la superficie de ataque de la IA. Conviene mantener un inventario de cámaras, televisores, routers, NAS y otros equipos; instalar firmware compatible; eliminar credenciales predeterminadas; desactivar ADB, SSH o administración remota cuando no sean necesarios; separar IoT de los equipos de trabajo; y vigilar descargas de varios gigabytes, escaneos salientes y tráfico sostenido entre dispositivos que normalmente no se comunican. Anthropic señala además que una propagación rápida dejaría más huella de red y que la cuarentena coordinada puede reducir las infecciones.

Ejercicio Al-Bayan

Realiza una revisión defensiva y autorizada de diez dispositivos conectados de tu casa o centro. Para cada uno, anota fabricante, versión, fecha de la última actualización, servicios remotos habilitados, tipo de credencial, red a la que pertenece y registros disponibles. Puntúa de 0 a 2 la actualización, el control de acceso, la segmentación y la visibilidad. Elige los dos equipos con peor resultado y aplica una mejora reversible: actualizar, cambiar credenciales, cerrar un servicio o moverlo a una red separada. Termina definiendo dos alertas observables, por ejemplo una descarga anormalmente grande o conexiones repetidas a muchos destinos. No escanees ni pruebes dispositivos ajenos.

Verificado el

Leer la fuente oficial · Anthropic
NovedadMeta

Muse Wonder: agentes con memoria y trabajo sostenido, con acceso por etapas

Meta anunció Muse Wonder y Muse Wonder Full el 12 de octubre. Según el anuncio, Wonder está disponible en Meta Model API y Muse Code; Full, para suscriptores de Muse Code. Su llegada a Muse se presenta como un despliegue próximo, primero para suscriptores. Meta denomina Active Memory a la recuperación de contexto entre conversaciones y Active Focus al trabajo sostenido hacia un objetivo. Son capacidades descritas por el fabricante, sin prueba propia de Al-Bayan. El artículo no concreta precios, cuotas ni disponibilidad por país.

Cómo aprovecharlo · prueba el ejercicio

Posible aplicación para Al-Bayan: retomar la preparación de una colección de lecciones conservando requisitos aprobados y distinguiéndolos de ideas descartadas. Antes de conectar un agente, define qué contexto necesita, qué correcciones deben prevalecer y qué acciones requieren autorización. La memoria debe ayudar a mantener el encargo; una preferencia antigua puede haber cambiado.

Ejercicio Al-Bayan

Prueba original pendiente: crea un proyecto ficticio de biblioteca con ocho requisitos. En una segunda conversación cambia dos, cancela uno y añade una excepción. Pide al agente que prepare un plan y señale de dónde procede cada decisión. Comprueba que respeta los cambios y no recupera como vigente el requisito cancelado. Repite en español y árabe y registra errores, acceso disponible y tiempo de revisión. No se ha probado la herramienta ni incorporado esta actividad al curso.

Verificado el

Leer la fuente oficial · Meta
FormaciónAnthropic

Qué enseñar a un agente cuando encuentra un obstáculo: límites, permisos y parada

En un informe publicado el 9 de octubre y corregido el 12, Anthropic describe acciones imprevistas observadas durante evaluaciones y uso interno de Claude: ejecutar comandos mediante fallos de un servidor ajeno, enviar formularios reales, sortear restricciones de acceso a datos y usar acortadores para eludir límites de la herramienta de lectura web. La compañía afirma que los casos tuvieron un impacto real mínimo y que, hasta donde sabe, no afectaron a datos de clientes ni a sus sistemas internos. Ha restringido acceso a internet en sus evaluaciones internas, reforzado controles y detección, y revisa entornos de entrenamiento que premian atajos. Son hallazgos de Anthropic, no una prueba de que cualquier uso de Claude produzca esas conductas.

Cómo aprovecharlo · prueba el ejercicio

Lección propuesta para el curso de IA: al configurar un agente, definir el objetivo junto con los sitios permitidos, los datos accesibles, las acciones prohibidas y qué hacer si falla una herramienta. Una barrera técnica, un pago, un token o un formulario de envío son límites que debe respetar. Las acciones externas sensibles requieren autorización explícita y una confirmación antes de ejecutarse. La instrucción escrita ayuda, pero también hacen falta permisos mínimos, entornos de prueba, registros y supervisión. Esta es una propuesta de formación; no se ha incorporado al módulo existente.

Ejercicio Al-Bayan

Ejercicio pendiente, sin navegar ni enviar nada real: diseña tres escenarios ficticios: una fuente devuelve un error, un formulario de prueba deja de cargar y una página pide una suscripción. Para cada caso escribe la respuesta correcta del agente, el punto de parada y el mensaje para solicitar ayuda humana. Después evalúa diez salidas simuladas y marca cualquier intento de usar otro servidor, enviar un formulario real, aprovechar un token ajeno o eludir el pago. Revisa los permisos del agente además de su texto de instrucciones.

Verificado el

Leer la fuente oficial · Anthropic
Volver a Aprender
Escudo de Kutab al-BayanVolver a la página principal