Briefing Tech — 20 de agosto de 2026

Generado el jueves 20 de agosto de 2026, 13:10 UTC. Ventana cubierta: últimas 24 horas (19 ago 13:00 UTC → 20 ago 13:00 UTC).

TL;DR

Anthropic corre puertas adentro un modelo sin publicar, “Model 2”, más fuerte que cualquier Claude disponible, y dice que no tiene planes de sacarlo afuera.
La NSA, CISA y el FBI confirmaron exploits escritos con IA contra PLCs Siemens S7 en infraestructura crítica de EE.UU.: agua, energía, químicos y manufactura, con acceso de lectura y escritura a la lógica ladder.
Pine64 frena toda su producción de hardware Linux hasta mediados de 2027: el módulo eMMC de 8 GB pasó de USD 1,50 a 20 en un año.
CISA sumó dos vulnerabilidades explotadas en 24 horas: un SSRF crítico en MLflow que roba credenciales de AWS, y un RCE en Zimbra que se dispara con un mail.
FreeToken corre GLM-5.2 de 753B en una sola GPU de workstation y un modelo de 35B en una laptop de 8 GB, remapeando cómputo y estado según los recursos que haya.

IA

Anthropic admite que usa puertas adentro un modelo sin publicar, “Model 2”, más fuerte que cualquier Claude disponible (20/08). El dato sale del Risk Report de agosto de 2026 de la propia empresa. El modelo pertenece a la clase Mythos y es levemente superior en conjunto a Claude Mythos 5, aunque más débil en algunas áreas: en el índice interno de capacidad AECI queda unos 1,5 puntos arriba, un salto menor que el de Mythos Preview a Mythos 5, y bastante menos que el de Opus 4.6 a Mythos. Adentro lo usan intensivamente para código, generación de datos e investigación e ingeniería, a veces con agentes que corren de forma continua — Claude ya escribe la mayor parte del código de los sistemas de producción de Anthropic. La letra chica pesa: Model 2 pasó una revisión interna antes de desplegarse, pero no fue testeado con la profundidad de Mythos 5. La empresa dice no haber encontrado desalineaciones nuevas ni más preocupantes, califica el riesgo global de desalineación como “bajo” y aclara que hoy no hay planes de publicarlo. The Decoder · Risk Report de Anthropic (PDF)

OpenAI dice que ahora puede detectar abuso sin guardar los datos del cliente (20/08). Sigue de lo de ayer, donde la empresa contaba que el monitoreo le cuesta cerca del 20% del cómputo de inferencia supervisada: el sistema nuevo, llamado “Private Safety Processing”, busca resolver la contradicción entre vender los modelos más capaces a empresas y necesitar mirar lo que pasa por ellos. Detecta patrones de abuso a lo largo de varias interacciones relacionadas manteniendo retención cero de datos, y OpenAI asegura que solo recibe una señal angosta —tipo y severidad de la actividad— sin ver los inputs ni los outputs reales. Los datos del cliente se quedan en su propia infraestructura o cifrados con claves que conserva él. Aleah Houze, responsable de política de producto, argumenta que los riesgos muchas veces solo se hacen visibles a lo largo de varias conversaciones, que es justo lo que la retención cero clásica impide ver. El contraste con la competencia es directo: Anthropic exige 30 días de retención para sus modelos más potentes. El white paper técnico está prometido para septiembre. The Decoder · OpenAI

Ninguna empresa de IA aplica controles básicos a sus propios sistemas internos, y la mejor nota es un C+ (19/08). Es la primera evaluación de Guidelight, una organización sin fines de lucro fundada por los ex responsables de seguridad de OpenAI Page Hedley y Steven Adler, que miró a Anthropic, OpenAI, Google, xAI y Meta usando solo fuentes públicas: system cards, reportes de seguridad y posteos de blog. Chequearon seis prácticas básicas, entre ellas registrar la actividad de la IA interna, pasar las acciones riesgosas por un mecanismo de revisión, apagados de emergencia —los “circuit breakers”— y planes para contener modelos desalineados. Anthropic y OpenAI encabezan con C+, Google sigue con D+ y una hoja de ruta detallada, xAI saca D− y Meta reprueba con F. El patrón es consistente entre empresas: rinden bien detectando comportamiento indebido y mal previniéndolo o conteniéndolo. Vale leerlo junto al ítem de arriba: los labs corren agentes de forma continua contra sus propios sistemas de producción antes de tener los controles escritos. The Decoder · Guidelight

GLM-5.3 empata el primer puesto entre los modelos abiertos, pero Z.ai retrasa los pesos porque encuentra vulnerabilidades demasiado bien (19/08). El modelo de la startup china saca 60 puntos en el Artificial Analysis Intelligence Index, siete arriba de GLM-5.2, y queda a la par de Kimi K3 en la cima de los abiertos. La mayor ganancia está en tareas agénticas: en GDPval-AA v2 su Elo salta de 1.524 a 1.770 —246 puntos— y queda segundo detrás solo de Claude Opus 5 (1.855). En costo pega USD 0,68 por tarea, 1,5 veces los 0,44 de su antecesor pero 19% más barato que Kimi K3 (0,84). Lo llamativo es el motivo del retraso: el modelo ya está disponible por la API de Z.ai, pero la publicación de los pesos abiertos se corre unas dos semanas porque, según la empresa, GLM-5.3 es tan efectivo detectando vulnerabilidades de seguridad que primero quiere reforzar controles y limitar el acceso completo a socios de seguridad seleccionados. Es el mismo argumento que usan los labs occidentales para no abrir, ahora en boca de un laboratorio chino. Artificial Analysis en X · The Decoder

Hardware y Robótica

El debut de Unitree tiene detrás un esquema circular: centros de entrenamiento estatales compran los robots y le revenden los datos al fabricante (20/08). Sigue de la IPO de ayer, y le cambia el sentido al número. Un informe del Financial Times señala que buena parte de la demanda de humanoides chinos viene de centros de entrenamiento respaldados por el Estado, donde operarios enseñan tareas físicas por teleoperación y después le venden los datos recolectados de vuelta a los fabricantes; según Interact Analysis para junio ya había más de 90 de esos centros, y los datos de entrenamiento de un baile robótico de cinco minutos pueden costar hasta un millón de yuanes (USD 148.000). La dependencia es profunda: en Leju los centros representaron el 45% de las ventas de su robot insignia, y en Unitree casi tres cuartos de los ingresos por humanoides de los primeros nueve meses de 2025 vinieron de educación e investigación. Los datos además son de calidad discutible —un gerente de centro estimó que solo dos o tres de cada ocho horas de entrenamiento son aprovechables, porque los robots no operan en entornos reales. Unitree quedó valuada en 35,89 veces sus ingresos contra unas 20 veces de sus rivales de Hong Kong; “claramente no hay base fundamental para la suba de la acción”, dijo Vey-Sern Ling de Union Bancaire Privée. El paralelo que traza el artículo es con las inversiones cruzadas de Nvidia en empresas de IA. The Decoder

Pine64 frena toda su producción de hardware Linux hasta al menos mediados de 2027 (20/08). El anuncio salió por el canal oficial de Telegram y cubre toda la línea: las placas single-board Arm y RISC-V, la familia PinePhone, la tablet PineTab2 y el e-reader PineNote, cuyo stock restante alcanza para unos tres meses. Los productos basados en microcontroladores —el smartwatch PineTime, el parlante PineVoice y el soldador Pinecil— no están afectados y siguen en producción. El motivo es la escasez de DRAM y eMMC: TrendForce reportó en abril que el segmento eMMC/UFS enfrenta la brecha de suministro más ajustada de todo el mercado NAND porque comparte capacidad con SSDs empresariales de margen mucho mayor, y el CEO de Phison, Khein-Seng Pua, dijo en febrero que los módulos eMMC de 8 GB pasaron de USD 1,50 a 20 en un año — 13 veces. Otros fabricantes eligieron subir precios en vez de frenar: la Raspberry Pi 5 de 16 GB se fue a USD 205 y la 500+ a 410. Pine64 vende casi a costo como servicio a la comunidad, así que no tiene margen que ceder. Su fecha de revisión coincide con los pronósticos que no esperan capacidad nueva de fabs de memoria en volumen antes de fines de 2027 o 2028. Tom’s Hardware

China deja entrar H200 de Nvidia a cuentagotas: ByteDance y Tencent recibieron unos 10.000 cada uno (19/08). Según el Financial Times, Beijing autorizó lotes chicos para que las empresas locales no queden atrás en la carrera con EE.UU., y podrían sumarse más compañías pronto. El H200 está al menos dos generaciones detrás de lo mejor de Nvidia, que China no puede comprar por los controles de exportación estadounidenses; del lado de EE.UU. el tope es de 100.000 unidades por empresa, pero el freno real es interno, porque Beijing quiere sostener a fabricantes propios como Huawei y cada compra necesita el visto bueno de la NDRC. Los envíos a Hong Kong también están permitidos, aunque la ciudad no tiene ni datacenters ni energía para aprovecharlos. Técnicamente los laboratorios chinos vienen achicando la brecha —Moonshot con K3, Alibaba con Qwen3.8, DeepSeek con V4 y Z.ai con GLM-5.3—, pero siguen muy atrás en capacidad de inferencia disponible: tras un pico de demanda, Moonshot tuvo que dejar de tomar clientes nuevos. Nvidia mantiene alrededor de medio millón de H200 en stock. The Decoder · Financial Times

Samsung subió hasta 15% los precios de su foundry avanzada porque la demanda de IA le llenó las líneas de 4 nm (19/08). Según Reuters, los aumentos se aplicaron en julio sobre órdenes nuevas en los procesos de 4, 5 y 8 nm: el 4nm SF4 subió entre 10% y 15% para clientes chinos y estadounidenses —los taiwaneses vieron de 5% a 10%—, el 5nm SF5 entre 10% y 15%, y el nodo de 8 nm cerca de 10%. La causa está en la planta de Pyeongtaek, que opera a plena capacidad desde fines del año pasado y produce tanto chips lógicos para Qualcomm como los base dies de las pilas HBM de la propia Samsung: los clientes externos compiten por wafer starts contra la división de memoria de la casa. La división de foundry pierde plata desde 2022, pero Lee Min-hee de BNK Investment & Securities dice que si sostiene los aumentos “podría volverse rentable ya el año que viene”. La cartera creció fuerte —el contrato de chips de IA de Tesla por USD 16.500 millones, un acuerdo de fabricación con Apple, otro de chips de IA con Broadcom y el procesador de inferencia de Nvidia—, y la suba llega poco después de que Samsung bajara la oblea de 2 nm a USD 20.000 para socavar a TSMC en cerca de un tercio. Tom’s Hardware

Serve Robotics entra al marketplace de Grubhub y abre dos mercados nuevos, mientras Uber vende su participación (19/08). El acuerdo con Grubhub —subsidiaria de Wonder— arranca en Chicago con más de 100 comercios, Los Ángeles con casi 200, y Alexandria (Virginia). En paralelo la empresa abrió operaciones en Washington D.C. y en San José, su primer mercado del Área de la Bahía, ambos con DoorDash, y estrenó en Miami su primer “microdepot”: un sitio operativo de huella reducida para staging, carga, despacho y mantenimiento sin la obra de una instalación completa. Los números del Q2 acompañan: USD 3,2 millones de facturación, 9% arriba del Q1 y 404% interanual, con la publicidad aportando cerca de la mitad de los ingresos de food delivery. El contrapeso llegó la semana pasada: Bloomberg reportó que Uber —de donde Serve se escindió en 2021— vendió su participación restante tras volúmenes de entrega menores a lo esperado por ese canal. The Robot Report

Ciberseguridad

EE.UU. confirma que ya hay exploits escritos con IA atacando PLCs Siemens S7 en infraestructura crítica (19/08). El aviso conjunto AA26-231A lo firman la NSA, CISA, el FBI, el Departamento de Energía y la EPA, y describe algo que hasta ahora era hipótesis: atacantes usando IA para generar scripts de explotación en Python que hablan con los controladores por el protocolo S7comm mediante las librerías snap7.dll y python-snap7, disfrazados de software legítimo de monitoreo OT, con acceso de lectura y escritura a la memoria, la configuración y los programas de lógica ladder. El razonamiento de las agencias es que esto baja drásticamente el nivel de habilidad y el tiempo necesarios, y permite adaptarse rápido a las defensas; para encontrar objetivos alcanza con servicios de escaneo públicos como Censys o ZoomEye. Afecta a los modelos S7-200, 300, 400, 1200 y 1500, y los sectores más golpeados son manufactura crítica, energía, agua y aguas residuales, químicos y alimentos. La evaluación es que la actividad apunta a reconocimiento persistente, posiblemente como preparación para disrupciones. Llega después del ataque OT coordinado de julio contra más de 30 servicios de agua de Minnesota, que forzó operación manual. Un matiz que conviene tener: en las simulaciones del AI Safety Institute británico los modelos todavía no lograron hackear sistemas OT por su cuenta — no fallaron en los dispositivos, se trabaron en los sistemas IT que están adelante. BleepingComputer · CISA · Aviso completo (PDF)

CISA confirmó explotación activa de un SSRF crítico en MLflow que sirve para robar credenciales de AWS (20/08). El CVE-2026-64849 es un bypass de SSRF por DNS rebinding en la entrega de webhooks salientes de MLflow, la plataforma open source de ingeniería de IA respaldada por la Linux Foundation que supera los 30 millones de descargas mensuales. El problema de base es de configuración por defecto: el Tracking Server sin autenticación y con backend SQLite expone la API de webhooks del model registry sin credenciales, incluido un endpoint síncrono POST /api/2.0/mlflow/webhooks/{id}/test que devuelve al que llama el status y el cuerpo de la respuesta upstream. Con eso un atacante sin privilegios hace que el servidor pegue contra endpoints internos, de loopback o de metadatos de la nube y le lea las respuestas: credenciales IAM del IMDS de AWS, servicios de administración internos y escaneo de puertos y hosts detrás del perímetro. Está parcheado desde la versión 3.15.0. CISA lo agregó al catálogo el miércoles y le dio a las agencias FCEB dos semanas bajo la BOD 26-04 — es la segunda vulnerabilidad explotada que suma en dos días, después del RCE en Windows IKE de ayer. BleepingComputer · Aviso de MLflow · NVD

Un RCE crítico en Zimbra ya se está explotando y alcanza con mandar un mail (20/08). CERT Polska alertó que atacantes están abusando del CVE-2026-73570, una inyección de comandos del sistema operativo en el componente de monitoreo SNMP de Zimbra Collaboration Suite: por sanitización deficiente de entrada no confiable al procesar notificaciones SNMP, un atacante sin autenticar manda peticiones SMTP armadas y ejecuta comandos como el usuario zimbra. Solo es explotable si las notificaciones SNMP están habilitadas, y Zimbra lo parcheó el 20 de julio en la versión 10.1.20. Shadowserver rastrea más de 12.100 servidores Zimbra expuestos a internet, la mayoría en Asia (4.492) y Europa (4.382). Si administrás uno, CERT Polska pide revisar los logs por reinicios espontáneos del servicio y buscar archivos creados por el usuario zimbra en /opt/zimbra/jetty/webapps/, /opt/zimbra/jetty_base/webapps/ y /tmp/ en los últimos 30 días. ZCS es blanco recurrente de actores estatales: Winter Vivern contra correos de la OTAN en 2023, APT29 en octubre de 2024, APT28 contra servidores del gobierno ucraniano en marzo. BleepingComputer

Manic, el malware Android que si no llega al C2 saca los datos por los teléfonos infectados de al lado (20/08). ThreatFabric documentó una familia activa desde al menos febrero que combina spyware, fraude bancario y control remoto contra al menos 169 aplicaciones de banca, identidad estatal, pagos, billeteras cripto, mensajería y autenticadores, con foco en Ucrania y extensión a Europa Central y Occidental, Reino Unido y Rusia. La técnica de captura es prolija: superpone overlays transparentes sobre los teclados numéricos de apps legítimas y reproduce los toques vía Accessibility, así que la app original sigue funcionando normal; su servicio de Accessibility opera como keylogger de UI y clasifica el texto antes de guardarlo, separando entradas de pantalla de bloqueo, candidatos a frases de recuperación, códigos SMS y contraseñas. Lo verdaderamente nuevo es el respaldo de exfiltración: si el dispositivo no alcanza el C2, cifra los datos y los pasa a otros equipos infectados cercanos por Wi-Fi Direct o Bluetooth/BLE, probando primero un peer establecido y después consultando cuál tiene conectividad, con rutas multi-salto de hasta cuatro relays. Un teléfono sin conexión ya no es un teléfono seguro. El vector de infección exacto sigue sin conocerse. BleepingComputer

CameraSwarm: 14.530 cámaras Dahua comprometidas en 35 días, y borrar el backdoor no alcanza (19/08). Hunt.io destapó la campaña al encontrar un directorio de trabajo sin proteger en el servidor HTTP del operador, del que recuperó 407 MB con 2.616 archivos: código fuente, logs, credenciales, capturas de las cámaras e historial de shell. Entre el 17 de junio y el 22 de julio se usaron tres métodos en paralelo. Fuerza bruta escaneando el puerto TCP 37777, que comprometió dispositivos en 12.324 IPs únicas. Explotación de CVE-2021-33044 y CVE-2021-33045 con una herramienta llamada p2pwn que instaló una cuenta backdoor persistente en 1.923 cámaras, que sobrevive a cambios de contraseña y, en la mayoría de los firmwares, al reset de fábrica. Y un relay por la nube que alcanzó 283 cámaras detrás de NAT usando solo números de serie y credenciales SDK embebidas en las apps de Dahua — el 89,4% de los seriales activos exponía un canal de acceso sin autenticación. El detalle más incómodo es que el kit genera códigos de recuperación derivados del número de serie, canjeables por el proceso estándar de recuperación de contraseña de Dahua: borrar la cuenta p2pwn no los invalida hasta que Dahua cambie la derivación del lado servidor. Si tenés una cámara alcanzable por el 37777 entre junio y julio, tratala como comprometida, deshabilitá P2P y aplicá el firmware SA-2021-0130 o posterior. BleepingComputer

Técnicas, repos y práctica

Las skills no le inyectan conocimiento al agente: le estabilizan la acción, y el cuello de botella real es la búsqueda (19/08). El paper de UC San Diego escaló al tope de HF Daily Papers ayer con 147 votos, y su aporte es separar cuatro efectos que se venían midiendo juntos: representación, anotación de resultados, dificultad de recuperación y robustez entre frameworks. Normalizaron 8.135 registros de ensayo y 238 etiquetas únicas para armar una taxonomía de doce modos de uso, y el número que reordena las intuiciones es este: el “anclaje procedural” —la skill funciona como ancla que estabiliza una trayectoria ruidosa— explica el 65,7% de los casos en que la skill ayuda, contra apenas 4,5% de inyección explícita de conocimiento. Contra Workflow Memory las skills ganan 6,06 puntos en comparaciones apareadas. El hallazgo más accionable para quien tenga una carpeta de skills creciendo: la recuperación es un cuello de botella aparte, y cuando el pool va de 5 a 100 la precisión de uso efectivo cae de 29,6% a 3,3%. Los distractores confundibles arruinan la identificación offline pero el éxito downstream se mantiene estable — invocar exactamente la skill correcta no es ni suficiente ni necesario. arXiv 2608.14036

FreeToken corre GLM-5.2 de 753B en una sola GPU de workstation tratando la máquina como plataforma elástica, no como GPU chica (19/08). El sistema —de un equipo de Berkeley y el MIT que incluye a Ion Stoica, Matei Zaharia, Kurt Keutzer y Song Han— parte de una observación sobre el serving local: los workloads agénticos cambian de patrón de ejecución todo el tiempo y cada máquina tiene un balance distinto de recursos, así que comprometerse con una estrategia fija de offloading es el error. En vez de eso, remapea continuamente cómputo y estado del modelo sobre lo que realmente hay disponible, co-diseñando todo el stack: layout y carga del modelo, residencia de expertos, ejecución CPU–GPU, reuso del estado agéntico y manejo de memoria en runtime. Soporta más de 20 modelos MoE y agentes reales de código y uso de herramientas, desde una GPU de laptop de 8 GB hasta una workstation. Lo que cambia en la práctica: 35B en una laptop, 284B en un desktop gamer y los 753B de GLM-5.2 en una sola GPU de workstation. Está publicado en flashml.ai. arXiv 2608.16157 · flashml.ai

Agentic ESOpt propone tirar el backprop y hacer fine-tuning de agentes de horizonte largo con estrategias evolutivas y memoria de inferencia (19/08). El argumento del equipo de la National University of Singapore, con Yee Whye Teh y Wee Sun Lee entre los autores, es que el RL agéntico clásico se rompe por dos lados cuando el horizonte se alarga: el stack pesado de backpropagation vuelve impráctico ajustar modelos grandes, y la asignación de crédito se complica con recompensas ralas y trayectorias que se ramifican. Las estrategias evolutivas resuelven las dos cosas de una: permiten optimización de parámetros completa con memoria GPU de nivel inferencia, la interfaz de feedback es caja negra y liviana —así que se compone fácil con evolución en el espacio de prompts—, y hacen atribución a nivel de trayectoria sin descomponer la recompensa a lo largo del horizonte. El método muestrea perturbaciones alrededor de los parámetros actuales, evalúa los agentes resultantes y aplica una actualización online ponderada por recompensa, con un schedule de decaimiento coseno para la escala de perturbación. En WebArena-Lite la optimización de parámetros completa de Qwen-3.5-27B mejora 6,69% sobre el baseline sin skill, y en diseño automático de heurísticas en tiempo de test supera a su baseline apareado en 28 de 36 configuraciones. arXiv 2608.17310

SPADE hace que un mismo modelo escriba los entornos de entrenamiento y aprenda en ellos, apuntando justo al límite de su propia capacidad (20/08). El framework de self-play —firmado entre otros por Luke Zettlemoyer, Yejin Choi y Natasha Jaques— parte a un solo LLM en dos roles: un Diseñador de Entornos que escribe entornos completos de horizonte largo como código ejecutable con interfaz tipo Gym (reset()/step()), y un Agente de Razonamiento que aprende adentro. Como cada entorno es multiturno y con estado, la misma interfaz cubre tanto razonamiento puro como uso agéntico de herramientas en varios pasos. La señal que hace funcionar todo es el arrepentimiento del agente, estimado como la diferencia entre su recompensa con y sin pistas privilegiadas: optimizando eso, el diseñador aprende a generar entornos difíciles pero no irresolubles. Dos detalles resultaron críticos y valen para cualquiera que arme generación sintética: anclar al diseñador en documentos muestreados de un corpus grande de preentrenamiento, y darle memoria acumulada de los entornos que ya creó. Escalando a 30B, supera a la mejor línea base de entorno fijo en 5,3 puntos promedio sobre ocho benchmarks retenidos, y en uso de herramientas suma 5,7 en BFCL-v4 multiturno y 13,9 en ACEBench-Agent. Código publicado. arXiv 2608.19197 · GitHub

FM-Bench pone a 15 modelos a dirigir un club de fútbol durante 20 años y lo que los separa no es el tamaño ni el precio (20/08). El benchmark mide decisión sostenida en horizonte largo: el agente maneja un club con 26 herramientas y entre 340 y 400 puntos de decisión —fichajes, contratos, inversión en instalaciones y cantera, alineaciones— contra rivales con el mismo presupuesto y una directiva que puede despedirlo, y un motor determinista acumula todo en un puntaje final, sin juez LLM ni evaluador humano. Hay una pista individual contra un mundo guionado y una Arena donde los 15 modelos comparten mundo, según los autores la primera evaluación cara a cara de esta escala. Los 15 completan todos los horizontes mientras las líneas base guionadas ciegas mueren en la mayoría; claude-fable-5 encabeza ambas tablas, aunque el título rota entre diez modelos y el orden recién se estabiliza tarde. Lo que separa a los buenos es el comportamiento de gestión: recortan inversiones de retorno lento cerca del final, mantienen el efectivo invertido en vez de ocioso y abren renovaciones mucho antes del vencimiento. Dos fallas comunes a todos: ninguno aprende los precios ocultos del mercado tras cientos de ofertas rechazadas, y la memoria autogestionada se rompe en dos modos opuestos —un archivo que solo crece, o un plan reescrito cada temporada. El gasto en tokens no predice nada. arXiv 2608.18423 · GitHub

Fuentes consultadas: The Decoder, Anthropic, OpenAI, Guidelight, Artificial Analysis, Financial Times, Tom’s Hardware, The Robot Report, BleepingComputer, CISA, NVD, ThreatFabric, Hunt.io, arXiv, Hugging Face, GitHub.