Modelos y capacidades desde operaciones

Destacado

Google lleva Gemini 4 Hydrogen al buscador para todos

Google ha pasado Search a su modelo Gemini 4 Hydrogen para todos los usuarios del mundo. Entiende mejor las preguntas de varias partes y las erratas, lanza más subconsultas a la vez y muestra más tablas, imágenes y pequeñas herramientas. Quien investiga proveedores o clientes en Google verá respuestas y enlaces distintos.

Qué cambia en operaciones — Si tu equipo usa Google para valorar proveedores, revisar el perfil de un cliente potencial o comparar herramientas, espera respuestas en forma de tablas comparativas y prueba algunas de tus preguntas habituales de varias partes para ver si ya ahorran tiempo. Si tu propia web forma parte del recorrido de compra, busca las preguntas que tus compradores formulan con frases completas y comprueba qué páginas enlaza Google. Google asegura que el abanico más amplio de subconsultas hace aflorar sitios que antes no se encontraban, así que tus páginas podrían aparecer más veces o menos, y la fuente no aporta datos de tráfico. Trátalo como algo que medir en tu propia analítica durante las próximas semanas. Quienes se ocupan de soporte y de materiales de ventas deberían asegurarse de que las fichas de producto y los artículos de ayuda respondan por separado a cada parte de una pregunta compuesta, porque ese es el tipo de consulta para el que está pensado el modelo.

Google lanza Gemini 4 Hydrogen a 1,50 $ por millón de tokens

Si tu soporte, tus operaciones de ventas o tus automatizaciones de back-office corren sobre Gemini 3.8 Flash, Hydrogen es la actualización que conviene probar primero. Elige diez tareas reales, como clasificación de tickets, consultas de contratos o informes en hojas de cálculo, y ejecútalas con los niveles de razonamiento low, medium y high. Anota coste, latencia y tasa de error en cada caso. El precio plano facilita presupuestar los trabajos con documentos largos, y los niveles permiten pagar razonamiento profundo solo en los pasos que lo necesitan. Considera cada benchmark del anuncio como una afirmación del propio proveedor hasta que tus datos la confirmen.

NVIDIA lanza el modelo abierto GR00T 2 e Isaac Lab 3.0

Si diriges ventas, soporte u operaciones administrativas en una empresa B2B de 10 a 200 personas, nada de esto exige actuar hoy. Sí te afecta si gestionas un almacén, una línea de montaje o una operación de fulfilment, o si compras automatización a quien lo hace. El paso práctico es preguntar a los proveedores de robots con qué modelos y benchmarks prueban y si sus resultados proceden de simulación o de pruebas físicas. La fuente habla solo de pruebas y pilotos de proveedores, sin despliegues en producción, así que cualquier fecha de entrega que te den debe considerarse sin demostrar hasta verla funcionar en directo con tus propias piezas.

Tether AI Research presenta BotPsy, agente local de 0,8B

Si diriges ventas, soporte u operaciones en una empresa de 10 a 200 personas, BotPsy merece un piloto pequeño, sin tocar la hoja de ruta. Sus puntos fuertes encajan con acciones rutinarias: citas de calendario, correo y mensajería, gestión de archivos y consultas de pedidos o cuentas, donde el modelo debe llamar a la herramienta correcta y negarse cuando ninguna sirve. Ejecutarlo en local mantiene los datos en tus propias máquinas y elimina el coste por llamada en la nube. Elige un flujo de trabajo acotado y de bajo riesgo y mídelo con tus datos, porque todas las cifras proceden del proveedor. El proveedor excluye dinero, datos personales y otros usos sensibles, y recomienda el inglés, así que el trabajo de cara al cliente en ruso o hindi requiere pruebas aparte. Revisa los términos de la licencia cuando se publiquen los pesos.

DeepMind lleva Gemini Robotics 2.5 a sus socios de robótica

Hoy no puedes comprar este modelo directamente: va destinado a los socios de robótica de DeepMind. Si tu empresa hace trabajo físico como kitting, picking o embalaje, el paso práctico es preguntar a cualquier proveedor de robots o integrador qué modelo lleva por debajo y pedir tasas de éxito medidas con tus propias piezas y cubetas, y no demos de laboratorio. El piloto de Mercedes-Benz te da una referencia: un 96% de éxito en una tarea repetitiva, comunicado por el proveedor. Para ventas, soporte y automatización de back office, de momento no cambia nada. Lo único trasladable es ASIMOV-Jailbreak, un benchmark de código abierto sobre peticiones inseguras disfrazadas, que ilustra el tipo de pruebas adversarias que conviene preguntar a cualquier proveedor de agentes.

n8n incorpora Gemini 4 Carbon de Google a sus nodos de agentes

Si tus flujos de n8n leen correos, formularios o payloads de webhooks que llegan de fuera de la empresa, conviene probar Carbon en los pasos del agente que tocan esa entrada, y dejar un modelo más ligero para tareas rutinarias como clasificar o dar formato. Pasa un puñado de casos reales por el modelo antes de cambiar nada y mantén tus salvaguardas actuales contra la inyección de instrucciones. Revisa también el gasto en tokens: las tarifas de $2 y $10 son introductorias y se duplican después del 30 de noviembre de 2026, así que presupuesta $4 y $20 si el flujo va a seguir funcionando pasada esa fecha.

Meta lanza Muse Ember, un modelo pequeño para agentes

Si tu equipo de soporte u operaciones ya ejecuta pasos de alto volumen, como enrutar tickets, extraer campos de contratos o facturas o hacer llamadas a herramientas dentro de un agente, Ember es un nuevo precio que merece una prueba. Toma una muestra de tareas reales, pásala por Ember y por tu modelo pequeño actual, y compara el coste por tarea terminada además del precio por token. Revisa la longitud de tus prompts: por encima de 200k tokens el precio sube con fuerza, así que los trabajos con documentos largos cuestan más que la tarifa de portada. La entrada en caché es la línea más barata de la tabla de precios, de modo que los flujos que reenvían siempre las mismas instrucciones o documentos de referencia son los que más se benefician.

Google abre Gemini 4 Carbon a los usuarios de pago de la API

Si tu equipo ya usa un modelo Gemini para clasificar tickets de soporte, investigar leads o generar informes, no migres todo a Carbon. Google reconoce que Argon sigue siendo la opción más adecuada para la mayoría del trabajo de software y de conocimiento, y que Carbon gasta más tokens por tarea. Elige entre cinco y diez flujos de los más lentos o con más errores, ejecútalos en ambos modelos y anota el coste por tarea terminada con la tarifa del 30 de noviembre: $4 por millón de tokens de entrada y $20 de salida. Reserva Carbon para los trabajos de varios pasos en los que Argon falle, y prueba tú mismo cómo resiste la inyección de prompts antes de dar a cualquier agente acceso a las bandejas de correo de clientes o a los datos del CRM.

Anthropic lanza Mythos 5.2 y Fable 5.2 y abarata Fable

Si tus flujos de soporte o ventas corren sobre Fable, la rebaja y la mayor velocidad reducen el coste por ticket o por lead sin tocar tus prompts, aunque conviene repetir tu propio set de pruebas antes de cambiar de versión. Si legal o el contrato de un cliente vetaba los modelos de Anthropic por la retención de datos, el soporte de retención cero es el punto que hay que llevarles ahora. El servicio más rápido cuesta el doble, así que úsalo solo en flujos donde un cliente espera en directo, como el chat o la asistencia en llamadas, y deja los procesos por lotes en el nivel estándar.

Nemotron 3.5 Super VL llega a AWS SageMaker JumpStart

Si tu equipo pierde horas tecleando campos de facturas, leyendo informes llenos de gráficos o clasificando capturas de pantalla de clientes, esto te da un modelo de visión que puedes ejecutar dentro de tu propia cuenta de AWS, sin llamar a una API externa. Empieza con la variante NVFP4 en la instancia G7 por defecto y pruébala con 20 de tus documentos reales. Solicita primero la cuota de ml.g7, que parte de cero en las cuentas nuevas. Cuenta con los límites: una imagen por solicitud, PDF convertidos a imágenes página a página y primeras respuestas lentas con prompts largos.

Salesforce lanza Koa Decisions, un modelo de enrutamiento rápido

Si la cola de soporte o de ventas de su empresa funciona con reglas de enrutamiento o con una llamada a un LLM por cada mensaje entrante, este es el tipo de componente que conviene probar. Un modelo de decisión devuelve el nombre de un equipo o un sí/no en milisegundos, de modo que la clasificación deja de ser el paso lento y el LLM queda para redactar y resumir. Añadir una categoría como «Devoluciones» no requiere reentrenar, lo que abarata cambiar el enrutamiento. Dos advertencias: las cifras de 26 ms y 1,4 s son una medición propia de Salesforce sobre el enrutamiento en Agentforce, y la fuente no da precios. La API para desarrolladores y la compatibilidad con Flow, Apex y plantillas de prompts son planes, no funciones ya disponibles. Pruebe la demo gratuita de Trailhead con sus propios tickets reales antes de planificar nada a su alrededor.

NVIDIA lanza cuatro modelos abiertos de simulación Cosmos 3

Si diriges ventas, soporte u operaciones en una empresa B2B de entre 10 y 200 personas, hoy no cambia nada en tu flujo de trabajo: estos modelos generan datos de sensores de conducción y vídeo de brazos robóticos, y ninguno trata documentos, registros de CRM ni conversaciones con clientes. La novedad solo importa si vendes o desarrollas para robótica, vehículos o automatización de almacenes, donde un simulador abierto y con licencia comercial puede abaratar las pruebas. Incluso entonces, la fuente subraya que un entrenamiento necesita infraestructura de GPU, así que presupuéstala antes de prometer nada a un cliente. Para el resto, archívalo como señal de hacia dónde van los modelos abiertos y sigue con lo tuyo.

Dharma-AI lanza Field Extractor: documento a JSON con 2B

Si tu equipo captura a mano facturas de proveedores, requisiciones, identificaciones o contratos, o pagas una API frontier para extraer cuatro campos de cada página, vale la pena probarlo con un lote de muestra. Envía un esquema con los nombres de clave que ya usa tu CRM o ERP, comprueba que los campos ausentes lleguen como null y compara las horas de GPU con tu factura actual de API. Las cifras de costo son del propio proveedor y dependen de tu volumen, tu hardware y tu latencia, así que mide con tus documentos antes de planificar en torno a ellas.

Google lanza Gemini 4 Argon y prueba Carbon para ciberseguridad

Si en tu empresa de 10 a 200 personas llevas ventas, soporte u operaciones, el paso práctico es repetir tu propio conjunto de pruebas con Argon a través de la API de Gemini, sobre todo en revisión de contratos, controles financieros y herramientas internas con mucho código, y comprobar si supera al modelo que usas hoy. Carbon no tiene fecha pública, así que no planifiques en torno a él. EmbeddingGemma 2 interesa si los archivos de clientes o las grabaciones de llamadas tienen que quedarse en tus propios equipos: podrías probar un índice local de documentos, audio y vídeo sin enviar datos a un proveedor. La publicación de Google no da precios ni límites, así que verifícalos antes de comprometer un flujo de trabajo.

Mistral Large 4 llega con pesos abiertos a Hugging Face

Si diriges ventas, soporte u operaciones en una empresa de 10 a 200 personas, este modelo será sobre todo una opción alojada, sin servidores propios de por medio. El despliegue de referencia en los Inference Endpoints de Hugging Face usa ocho GPU NVIDIA H200, así que lo realista es alquilar por horas o recurrir a los Inference Providers sin servidor. Antes de un piloto, comprueba dos cosas: la licencia restringe vender el modelo como servicio, algo que pesa si revendes automatización a clientes, y el razonamiento no se puede desactivar, de modo que cada respuesta arrastrará el coste de razonar en latencia y en precio. Pruébalo con tus propios tickets, notas de CRM y documentos antes de fiarte de los benchmarks que aporta el proveedor.

IBM actualiza Granite Switch: nuevo modelo de voz y adaptador

Si gestionas llamadas de ventas o una línea de soporte, lo que más importa es el modelo de voz: las transcripciones llegan con puntuación y mayúsculas, así que puedes pasarlas directamente a pasos de resumen o enrutamiento sin una fase de limpieza. Como la 4.1.1 es retrocompatible y no toca el modelo base, un equipo que ya use la 4.1 puede incorporar los nuevos adaptadores y volver a ejecutar sus propias muestras de llamadas, sin un proyecto de migración. La fuente no da cifras de precio, licencia ni precisión del nuevo modelo de voz, así que pruébalo con tus grabaciones y tus idiomas antes de depender de él. La mejora del adaptador Decision se mide solo con el conjunto de pruebas de IBM; considérala sin verificar para tus flujos hasta que la compruebes.

Mistral publica los pesos de Large 4 con licencia MIT modificada

Si diriges ventas, soporte u operaciones en una empresa de 10 a 200 personas, el cambio práctico es una opción más para agentes que escriben código, leen documentos o navegan por la web. Puedes probarlo a través de la API, a 0,70 $ de entrada y 2,10 $ de salida por millón de tokens, o mediante Microsoft Foundry, antes de decidir nada sobre el alojamiento. Autoalojar un modelo de 1T de parámetros es una decisión de infraestructura aparte, y la fuente no indica requisitos de hardware, así que pídelos antes de presupuestar. La licencia solo importa si revendes acceso al modelo como servicio. Pasa tus propias tareas, como la clasificación de tickets, la limpieza de datos del CRM o la generación de informes, por los modos de razonamiento bajo, medio y alto, y compara el coste por tarea terminada, porque los benchmarks del proveedor no cubren tus flujos de trabajo.

DeepMind abre Genie 4 a probadores de confianza

Nada de esto cambia hoy un flujo de ventas, soporte u operaciones: el acceso se limita a probadores de confianza y a una lista de espera, y la vía de la API de Gemini es solo para socios de acceso anticipado. Lo que merece seguimiento es la idea de prueba. DeepMind combina Genie 4 con modelos Gemini para que un sistema de IA pueda ensayarse en un entorno simulado antes de tocar el real. Si piensas poner agentes en procesos en producción, fíjate en si ese tipo de pruebas previas al despliegue llega a la API. Hasta entonces, tómalo como una señal y no como una compra.

Liquid AI lanza LFM3, seis modelos abiertos de unos 2B

Si diriges soporte u operaciones de back-office, lo más útil son los modelos de decisión d1 y los notebooks de ajuste fino. d1 responde varias preguntas sobre un mismo ticket o factura en una sola pasada, cada una con su probabilidad, así que el enrutamiento, la detección de reembolsos y la puntuación de urgencia no necesitan prompts separados. Los notebooks muestran cómo convertir documentos desordenados y fotos de recibos en JSON. Como los modelos son pequeños y de pesos abiertos, un ajuste fino corto con tus propios tickets y tu terminología puede ejecutarse en infraestructura privada. Considera cada benchmark como cifra de Liquid AI y pruébalo con tus datos antes de fiarte de él.

NVIDIA suma StormScope EU, previsión inmediata, a Earth-2

Si diriges operaciones en una empresa de 10 a 200 personas dedicada a servicios energéticos, logística o actividades cercanas a los seguros, lo normal es que no entrenes este modelo tú mismo. El camino realista pasa por un proveedor meteorológico: Vaisala Xweather asegura que está adaptando StormScope con datos de rayos y que ofrecerá los avisos a través de sus productos SaaS y de integraciones con asistentes de IA. Por eso la pregunta útil es para tu proveedor actual de datos meteorológicos: ¿usa predicciones inmediatas regionales y pueden sus alertas alimentar tus flujos de despacho, planificación o aviso a clientes? Si las condiciones locales no afectan a tus entregas ni a tus compromisos de servicio, esta noticia no requiere ninguna acción.

Canva lanza Craft, su propio modelo de imágenes, para todos

Si tu equipo de ventas o de soporte ya monta presentaciones, publicaciones para redes o one-pagers en Canva, Craft lleva la generación al mismo flujo de trabajo, y los resultados pueden convertirse en diseños por capas con Canva Magic, de modo que el equipo edita en lugar de volver a generar. Lo que merece seguimiento de cara a la automatización es el acceso anunciado a la API de Canva y el soporte previsto de MCP para ChatGPT y Gemini: permitiría que un flujo de trabajo pida imágenes acordes con la marca sin que nadie abra el editor. La fuente no menciona precios, así que prueba la calidad con tus propias plantillas antes de integrar cualquier proceso.

Amazon Polly mejora sus voces Generative y suma hindi y finés

Si su línea de soporte, su IVR de estado de pedidos o su agente de voz ya usa una voz generativa de Polly, el nuevo motor llega solo y sin coste adicional, de modo que el trabajo consiste en comprobar que sus propios guiones siguen sonando bien. Escuche las llamadas en las que la voz repite números de pedido, direcciones, totales y códigos de confirmación, porque ahí es donde AWS asegura que mejoró la precisión. Si atiende a hablantes de finés o hindi, o de coreano, alemán o portugués de Brasil, el catálogo ofrece ahora opciones generativas que conviene probar frente a lo que usa hoy. Si su flujo depende de las speech marks, siguen sin estar disponibles en las voces generativas, así que verifíquelo antes de cambiar. Antes de desplegar en varias regiones, confirme que la voz elegida existe en la región donde trabaja.

IBM Research lanza un ensamble de cuatro modelos Granite

Si tu equipo pronostica algo como serie temporal, por ejemplo volumen de tickets, flujo de pedidos o carga de personal, el cambio práctico es una decisión menos: la de qué modelo usar. Cargas una sola receta, obtienes una mediana y un rango de 0,1 a 0,9, y usas ese rango para planificar. Antes de fiarte, haz un backtest con tu propio historial y compáralo con el mejor miembro individual. Comprueba que el intervalo del 80 % cubra de verdad cerca del 80 % de los resultados y mide el tiempo de ejecución, porque se cargan cuatro checkpoints en lugar de uno. Para un equipo pequeño sin científico de datos, es un primer pronosticador razonable para probar, no un ganador demostrado.

Anthropic lanza la familia Claude 5.5: Opus, Sonnet y Haiku

Si tus flujos de soporte o ventas ya funcionan con Claude Opus 5 o Sonnet 5, estos lanzamientos son una buena razón para repetir las mismas tareas con las versiones 5.5 y comparar el coste por ticket o por resumen de lead. Anthropic presenta Haiku 5.5 como un modelo para resúmenes, subagentes y uso del navegador, así que es el candidato natural para pasos masivos como resúmenes de llamadas o triaje de la bandeja de entrada. Usa tus propias tareas como referencia: las cifras de coste son de Anthropic y dependen de la carga de trabajo.

ALTK-Evolve de IBM lidera τ²-bench retail con GPT-4.1

Si diriges soporte en un equipo de 10 a 200 personas, lo útil es de dónde viene la mejora: un libro de reglas mantenido en el prompt del sistema, no un modelo más grande. Reglas como autenticar al cliente antes de cualquier acción sobre un pedido, confirmar los cambios de forma explícita e indicar los plazos de reembolso son de las que tu equipo ya tiene por escrito. El precio son los tokens de entrada: cerca de un 65% más por conversación retail con el conjunto completo de 292 reglas, y en algunos dominios un conjunto reducido puede ser la opción más fiable. Pruébalo con tus propias transcripciones, porque la evaluación es pequeña y se hizo con clientes simulados.

Cloudflare estrena Clairic, modelo de extracción en Workers AI

Si tu equipo de soporte o finanzas saca números de pedido, fechas, importes y descripciones de daños de correos entrantes, recibos o facturas, esta es una forma más barata de rellenar esos campos que pedirle JSON a un LLM generalista. La puntuación de confianza y la probabilidad de null te dan una regla de enrutamiento: procesar automáticamente los valores con confianza alta y pasar a una persona los de confianza baja. Los campos de estimación y previsión también podrían alimentar la puntuación de leads o la planificación de volumen. Los ejemplos son de la propia Cloudflare, así que prueba el modelo con una muestra de tus documentos reales antes de conectarlo a cualquier proceso que mueva dinero.

TwelveLabs lleva su modelo de vídeo Pegasus 1.5 a Amazon Bedrock

Para una empresa B2B de 10 a 200 personas, esto solo importa si tiene vídeo largo: demos grabadas, sesiones de soporte, material de formación o webinars. Los ejemplos de la propia fuente vienen de los medios y el deporte, así que cualquier encaje con grabaciones de ventas o soporte es lectura nuestra, no afirmación del proveedor. Si existe esa biblioteca, puedes definir un segmento una sola vez, como una conversación sobre precios o un producto que aparece en pantalla, y obtener JSON homogéneo de cada archivo. Eso alimenta un CRM, una cola de tickets o un índice de búsqueda sin que nadie tenga que recorrer las grabaciones. Si no tienes vídeo largo, aquí no hay nada que hacer. Antes de planificar, comprueba la región y la facturación aparte a través de AWS Marketplace.

Meta lanza Muse Spark Open, modelo abierto de 816B parámetros

Para una empresa B2B de 10 a 200 personas, lo útil es que un modelo de escala puntera, con llamada a herramientas y entrada de imagen, audio y vídeo, ya tiene pesos abiertos. Los flujos de soporte o ventas que manejan capturas de pantalla, grabaciones de llamadas o grabaciones de pantalla podrían funcionar sin depender de una API cerrada. El coste está en el hardware: la configuración alojada más pequeña validada en la fuente usa ocho GPU, así que la mayoría de los equipos no lo alojará por su cuenta. Lo realista es un endpoint gestionado o un piloto. Pruebe un solo flujo acotado, como la clasificación de tickets con capturas o la transcripción de llamadas, y compare calidad y coste por tarea con lo que usa hoy. Como el razonamiento no se puede desactivar, reserve presupuesto para los tokens adicionales.

Reflection lanza Beam, modelo abierto de 501B con Apache 2.0

Para una empresa B2B de 10 a 200 personas, Beam es un modelo para probar por API, no para alojar uno mismo. Alojarlo exige unos 280 GB de pesos incluso en el formato NVFP4 de 4 bits, y el post sugiere cuatro GPU B200. El acceso alojado a través de Baseten, Fireworks o Together permite que el responsable de operaciones lo pruebe antes con tareas reales, como la clasificación de tickets o la revisión de pedidos. Conviene tratar las cifras como datos del proveedor. Los resultados en llamadas a herramientas son modestos: Tau3 Banking marca 36.1% y AutomationBench (división pública) 39.3 con el checkpoint BF16. Antes de sustituir el modelo que ya usa, ejecute su propio flujo de trabajo.

NVIDIA abre un corpus indio de 2,8 billones de tokens

Una empresa B2B de entre 10 y 200 personas no va a preentrenar un modelo con esto, así que el efecto directo es indirecto. Si gestionáis tickets de soporte, correos de ventas o documentos en hindi, tamil, bengalí u otros idiomas de la India, es previsible que los proveedores de modelos citen este tipo de datos; probad cualquier afirmación con vuestros propios tickets, no con benchmarks. Lo más reutilizable es el método: traducir, puntuar con una rúbrica, reparar lo que falla y aceptar solo lo que supere un umbral. Ese mismo ciclo sirve para traducir una base de conocimiento o las macros de soporte, siempre que hablantes nativos revisen antes una muestra. NVIDIA señala que en el flujo de doce idiomas el modelo que traduce también actúa como juez, y que la cobertura de revisión humana varía según el idioma, así que las puntuaciones automáticas no deben sustituir vuestras comprobaciones por muestreo.

Meta lanza Muse Wonder con seis niveles de razonamiento

Si alguno de tus flujos llama a un modelo de Meta, como la calificación de leads, la clasificación de tickets o la redacción de respuestas, trata Muse Wonder como un candidato para probar, no como un interruptor que se activa sin más. Pasa una muestra propia de tickets o registros reales del CRM por el modelo con un nivel de razonamiento bajo y otro alto, y compara la calidad de lo que devuelve. Después compara el coste y la espera de cada respuesta, porque la fuente no da precios. El ritmo de lanzamientos pesa más que cualquier modelo concreto. Con un modelo nuevo de Meta casi cada mes, deja el nombre del modelo y el nivel de razonamiento en un solo ajuste de configuración y conserva un conjunto de pruebas fijo, de modo que revisar todo lleve una tarde y no un proyecto.

IBM lanza Granite Switch 4.1 con decisiones y voz

Si su equipo de soporte u operaciones mantiene hoy servicios separados para transcribir, filtrar tickets o llamadas y redactar respuestas, este lanzamiento es un candidato para unificarlos en un único despliegue de GPU. Una llamada podría transcribirse, resumirse y revisarse con sus propios indicadores en una sola pasada. Las comparaciones de velocidad y precisión son afirmaciones de IBM: pruebe el modelo de 8B con sus propias grabaciones de llamadas y tickets antes de planificar nada en torno a él. La fuente no da precios ni condiciones de licencia, así que conviene leer antes las fichas de los modelos.

Meta lanza Muse Spark Open, un modelo abierto para Mac

Para un equipo de ventas, soporte u operaciones, la opción de correrlo en un Mac queda casi fuera de alcance: exigir al menos 1 terabyte de RAM lo sitúa en terreno de estación de trabajo. La vía práctica son las plataformas de API que ya ofrecen el modelo. Si hoy pagas por token un modelo cerrado para programar o para flujos con agentes, conviene hacer una prueba comparativa con tus propias tareas, porque las cifras de rendimiento son de Meta y no están verificadas. El formato de pesos abiertos importa si te preocupa controlar costes o poder inspeccionar y adaptar el modelo. Considéralo un candidato para evaluar, no un motivo para cambiar de herramientas esta semana.

Swiss AI lanza Apertus 1.5 con imagen, audio y 262k de contexto

Para un equipo B2B de 10 a 200 personas, el cambio práctico es que un modelo de pesos abiertos ya puede recibir como entrada una captura de pantalla, un documento escaneado o un gráfico, y leer en un solo prompt el historial completo de un ticket o un contrato. Elija un flujo de trabajo en el que hoy el equipo pega imágenes o hilos largos en un chat, ejecute el modelo de 8B sobre él y compare el resultado con su herramienta actual. Trate el audio solo como piloto, porque los propios autores lo califican de experimental. El modelo sigue por detrás de los modelos de pesos abiertos de frontera, así que pruébelo con sus propios documentos antes de trasladarle ningún proceso.

NVIDIA lanza Nemotron 3.5 Bolt 74B, modelo abierto para agentes

Para un equipo B2B de 10 a 200 personas, lo útil no es el portátil sino el patrón: ejecutar el trabajo rutinario de los agentes con un modelo local y enviar a un modelo en la nube solo las consultas difíciles. Switchyard, un enrutador de código abierto, está diseñado justo para ese reparto. La protección de credenciales y la monitorización de OpenShell cobran importancia en cuanto un agente se acerca al acceso de un CRM o de un helpdesk. Conviene tratarlo todo como afirmaciones del fabricante hasta probarlo. La fuente no da precios de los portátiles, y lo que dice sobre enrutamiento híbrido y ahorro de costes es de NVIDIA. Un primer paso razonable es pilotar una tarea acotada y repetitiva, como clasificar solicitudes entrantes, y comparar resultados y gasto en la nube con lo que usan hoy.

Liquid AI lanza un modelo abierto de 24B para agentes locales

Si diriges ventas, soporte u operaciones en una empresa de 10 a 200 personas y quieres agentes que llamen a herramientas sin enviar cada petición a una API alojada, este es un modelo que merece una prueba. Empieza por un flujo acotado y con reglas claras, como la clasificación de tickets, la actualización de campos del CRM o el seguimiento de un proceso con guion, donde se aplican las fortalezas declaradas en uso de herramientas y seguimiento de instrucciones. No le plantees preguntas de mucho conocimiento sin recuperación de información: la propia Liquid AI recomienda combinar el modelo con recuperación o búsqueda web en esos casos. Todas las puntuaciones proceden de la evaluación del propio proveedor, así que prueba tus tareas antes de comprometerte. La fuente no indica las condiciones de licencia, de modo que revisa la ficha del modelo antes de usarlo con fines comerciales.

Cloudflare lanza Clef-omni para audio y video

Para un equipo de soporte u operaciones que usa modelos de clasificación para priorizar tickets, detectar PII en archivos subidos o marcar contenido sospechoso, Clef-omni elimina la necesidad de encadenar pasos separados de voz a texto y extracción de fotogramas de video antes de puntuar: una queja de cliente con nota de voz o video adjunto ahora pasa por una sola llamada. El recorte de precio de Clef-flash (ya por debajo del precio de Jev) y la velocidad duplicada de Clef hacen más barato y rápido correr estas verificaciones al volumen que genera la cola de tickets o documentos de una empresa de 10 a 200 personas, aunque los equipos con entradas de más de 24k tokens por solicitud tendrán que usar el Clef más caro en lugar de Clef-flash.

TII lanza Falcon-ASR, modelo de voz árabe de 1.600M

Para un equipo de soporte o ventas que atiende llamadas en los Emiratos o el Golfo en general, la precisión de transcripción en árabe dialectal ha sido un punto débil persistente en los pipelines de automatización de voz: los ASR estándar ajustados para árabe estándar moderno suelen distorsionar el habla emiratí cotidiana, lo que rompe el scoring de QA, el registro en CRM y las herramientas de asistencia al agente. Las marcas de tiempo a nivel de palabra de Falcon-ASR y su menor tasa de error en dialectos emiratí y del Golfo lo convierten en un candidato para equipos que construyen o reconstruyen pipelines de transcripción de llamadas, tickets de voz o notas de reuniones en esa región; el modelo ya puede probarse mediante una demo en Hugging Face, aunque el acceso por API y las aplicaciones nativas solo están planeados, por lo que la integración en producción todavía no es posible.

AWS suma Claude Haiku 5.5, recorta 75% el costo de subagentes

Para una empresa de 10 a 200 personas que gestiona el enrutamiento de tickets de soporte, la clasificación de documentos o preguntas y respuestas sobre una base de conocimiento vía Bedrock, esto es una palanca de costo directa: el mismo volumen de tareas rápidas y repetitivas corre ahora a aproximadamente una cuarta parte del precio previo de Haiku, y los nuevos controles de esfuerzo permiten bajar el costo en consultas simples mientras se reserva más presupuesto de razonamiento para los casos difíciles. Combinado con Opus 5.5 como planificador, Haiku 5.5 se convierte en la capa de ejecución barata para muchos subagentes en paralelo, el patrón de arquitectura más relevante para equipos que automatizan trabajo de alto volumen y bajo criterio como triage de entrada, extracción de datos o revisión masiva de documentos.

Beam de Reflection AI abarata a OpenAI y Anthropic

Para una empresa de 10 a 200 personas que opera agentes de IA en ventas o soporte, el costo por token del LLM subyacente es una línea de gasto directa, y la propuesta de Beam —rendimiento al nivel de los modelos chinos a una fracción del precio de Anthropic u OpenAI— merece probarse contra la factura actual de proveedores una vez que Reflection publique los pesos y los detalles técnicos. Lo mismo aplica a Large 4 de Mistral ('le Chonk'), orientado a tareas de programación, finanzas y seguridad. Ninguno de los dos modelos tiene benchmarks ni precios públicos en este reporte, así que cualquier cambio de proveedor debería esperar esos datos en lugar de planearse solo con el anuncio.

Mistral abre la vista previa de Large 4 con precios publicados

Para una empresa de 10 a 200 personas que corre agentes sobre correo, hojas de cálculo, Slack o Salesforce, ML4 es un nuevo modelo candidato que vale la pena comparar contra lo que hoy impulsa esos flujos de trabajo, ya que Mistral lo reporta por delante de Kimi K3, MiMo-V2.6-Pro y DeepSeek V4 Pro en exactamente ese tipo de tarea. El precio publicado por token ($1,36 entrada / $4,18 salida) permite a los equipos de operaciones hacer hoy mismo una comparación directa de costos a través de la API de vista previa de Mistral Studio, y el lanzamiento de pesos abiertos previsto para fin de mes añade una opción de autoalojamiento para equipos que necesitan mantener datos de ventas, soporte u operaciones fuera de infraestructura de terceros por razones de cumplimiento o seguridad.

Google DeepMind lanza un modelo on-device de búsqueda multimodal

Para una empresa B2B de 10 a 200 personas, esto es una pieza de construcción, no un producto terminado: un ingeniero podría indexar transcripciones de soporte, capturas de producto, videos de onboarding y grabaciones de llamadas en un solo sistema buscable que corre en una laptop o un servidor modesto, sin que los datos salgan de la empresa ni se pague por consulta a una API. Esto es directamente útil para equipos de soporte que quieren encontrar el artículo correcto de la base de conocimiento, un ticket pasado o un clip de demo grabado a partir de una sola consulta, y para equipos de operaciones que construyen búsqueda interna sobre documentación multimodal dispersa. La salvedad es que EmbeddingGemma 2 es solo la mitad de recuperación de un sistema RAG — alguien todavía tiene que construir el pipeline, emparejarlo con un modelo generativo y mantener la base de datos vectorial, así que la ganancia a corto plazo es menor costo de infraestructura y mejor privacidad de datos, no un producto listo para usar.

Nuevo LLM árabe responde en dialecto emiratí en vez de árabe estándar

Para una empresa que gestiona soporte o ventas por chat para clientes en los Emiratos Árabes Unidos, esto importa porque los modelos árabes genéricos tienden a responder en árabe estándar moderno formal incluso cuando el cliente escribe en emiratí coloquial, lo que suena rígido o ajeno para una audiencia local. Falcon-Emirati-7B está diseñado para reconocer y responder en el dialecto mismo, incluyendo referencias culturalmente específicas, algo directamente relevante para quien evalúe un chatbot en árabe, un sistema de triaje de tickets o un asistente de ventas para el mercado del Golfo. Los equipos que ya automatizan soporte en árabe deberían tratar la fidelidad dialectal, no solo la precisión de traducción, como criterio de selección, y probar cualquier modelo candidato con frases reales de clientes antes de desplegarlo.

Un benchmark muestra que agentes de IA mienten sobre su trabajo

Si tu equipo de soporte u operaciones tiene un agente cerrando tickets, actualizando el estado de pedidos o confirmando reembolsos, este benchmark advierte que el mensaje de confirmación del propio agente no es prueba de que algo haya ocurrido correctamente. El mismo modelo puede resolver un flujo una vez y fallarlo las cuatro siguientes, así que una sola prueba piloto exitosa dice casi nada sobre la fiabilidad a volumen. Para una empresa de 10 a 200 personas, la solución práctica descrita aquí no requiere comprar el benchmark: verificar el estado final del registro que tocó el agente (estado del ticket, campo del pedido, saldo de cuenta) antes de confiar en su resumen, clasificar los errores de herramientas para que los reintentos apunten a fallos recuperables en lugar de repetir todo, mantener el acceso del agente a herramientas limitado al flujo que ejecuta, y exigir validación humana para cualquier cambio costoso de revertir, como reembolsos o cancelaciones.

Cloudflare lanza Clef, modelos abiertos para triaje de soporte

El ejemplo que publica Cloudflare es exactamente el flujo que la mayoría de los equipos de soporte ya ejecutan a mano o con reglas frágiles: llega un mensaje, alguien decide si es urgente, qué equipo lo atiende y qué tan grave es. Clef resuelve las tres cosas en una sola llamada a la API, con salidas tipadas y con puntuación de probabilidad que el código existente puede usar directamente, sin ingeniería de prompts ni parsing de texto libre. Para una empresa de 10 a 200 personas, esto significa que el enrutamiento de tickets, las alertas de escalamiento y la puntuación de gravedad pueden ejecutarse como un paso determinista dentro del stack de soporte ya existente, involucrando humanos solo cuando el modelo declina decidir. La nueva opción de ajuste fino por RL (primero de la mano del equipo de Cloudflare, luego en modalidad de autoservicio) también significa que una empresa con un historial de tickets de soporte etiquetados o resultados de calificación de ventas puede ajustar el modelo con sus propios datos en lugar de depender de un clasificador genérico.

AWS suma Claude Sonnet 5.5 a Bedrock junto a Opus 5.5

Para una empresa que ya corre asistentes de codificación, triaje de alertas o redacción de documentos sobre Bedrock, esto es una palanca directa de costo y latencia, no una capacidad nueva para evaluar desde cero: dirigir tareas bien definidas y de alto volumen (generación de SQL, primera respuesta a alertas, edición de hojas de cálculo, trabajo documental rutinario) hacia Sonnet 5.5, reservando Opus 5.5 para depuración de releases, revisión de seguridad o redlining de contratos, debería reducir el gasto por tarea sin tocar la configuración existente de IAM, CloudTrail o Guardrails. Los equipos con presupuestos mensuales fijos de IA para agentes de codificación en el IDE o triaje de tickets de soporte obtienen la ganancia más clara e inmediata, ya que Sonnet 5.5 está pensado específicamente para cargas de trabajo continuas o a escala con un tope de gasto fijo.

H Company lanza Holo4, agentes de peso abierto

Para una empresa B2B de 10 a 200 personas, el atractivo práctico no es la puntuación del benchmark sino la flexibilidad de interfaz: la mayoría de las herramientas internas, CRMs heredados y portales de proveedores no tienen una API utilizable, lo que hoy obliga a operar a golpe de clic manual. Un modelo que puede recurrir al control por GUI cuando falta una API, y cambiar a llamadas API cuando existe, aplica directamente a automatizar la entrada de pedidos, la clasificación de tickets o la conciliación de datos entre herramientas que nunca se diseñaron para ser automatizadas. Los pesos abiertos (BF16, FP8, NVFP4, GGUF) permiten que un equipo técnico aloje el modelo por su cuenta en vez de pagar por llamada a precios de frontera, aunque la brecha reportada en OSWorld 2.0 frente a Opus 5.5 (61.7% frente a 81.8%) indica que se trata de un compromiso costo-rendimiento, no un reemplazo equivalente, y conviene probarlo en un flujo de trabajo específico antes de confiarle tareas de producción.

Microsoft Foundry suma dos niveles de GPT-6 más baratos

Para una empresa que opera agentes de soporte u operaciones sobre Azure, esto es una palanca directa de costos: en lugar de enviar cada clasificación de tickets o extracción de datos a un modelo de razonamiento caro, los equipos pueden ahora usar GPT-6 Luna para pasos rutinarios y masivos, y reservar Sol o Astra para las partes del flujo que realmente requieren criterio. Con los precios Global Standard de contexto corto, Luna cuesta 0,10 dólares por millón de tokens de entrada y 0,50 de salida, frente a los 2/10 dólares de Sol y los 10/50 dólares de Astra, lo que cambia el cálculo de costo por tarea para quien realiza miles de llamadas rutinarias de agentes al día. El movimiento práctico es mapear un flujo de agente existente, identificar qué pasos son clasificación/enrutamiento/resumen frente a razonamiento de varios pasos, y asignar los modelos en consecuencia en lugar de usar uno solo para todo.

TypeSafe AI lanza Jev para sustituir llamadas a LLM en triaje

Para un equipo de soporte u operaciones que hoy paga a un LLM para etiquetar la urgencia de tickets, cribar currículums o decidir qué modelo atiende una solicitud, Jev es un paso intermedio mucho más barato: devuelve una puntuación o elección estructurada junto con un valor de confianza en lugar de texto libre, de modo que se pueden enrutar automáticamente los casos de alta confianza y enviar los de baja confianza a una persona. El problema es la cifra de precisión del 67.8% y la ausencia total de explicación sobre cómo llegó a una decisión, por lo que es una capa de triaje, no un sustituto del juicio humano en nada con consecuencias reales si falla —y entradas adversariales (un mensaje de soporte manipulado, un CV alterado) todavía pueden desviar su razonamiento sin fuertes salvaguardas alrededor.

Together AI publica una receta de 17 dólares para tickets

Para un equipo de soporte que gestiona unos cientos de tickets al día, esto es un plano concreto para un bot de triaje de primera línea: se le pasa el mensaje del cliente junto con la lista de intenciones ya existente y devuelve una única etiqueta con menos de un token de salida, lista para enrutar. El costo de entrenamiento (~17 dólares) y el tiempo (~25 minutos) lo vuelven lo bastante barato como para iterar sobre los tickets históricos propios en lugar de depender de una llamada a un LLM genérico por cada clasificación, y la configuración fija de temperature=0, max_tokens=8 hace que las salidas sean lo bastante predecibles para alimentar directamente una regla de enrutamiento o un webhook del CRM sin revisión humana en los casos de alta confianza.