Briefing Tech — 3 de noviembre de 2026

Generado el 3 de noviembre de 2026 a las 13:10 UTC. Cubre las últimas 24 horas, desde el 2/11 a las 13:10 UTC.

TL;DR

Meituan lanzó LongCat-2.5, un multimodal nativo de 1,6 billones de parámetros totales y 48.000 millones activos, entrenado con chips domésticos y por ahora solo vía API.
El S-1 revisado de Anthropic: 16.956 millones de dólares de ingresos en Q3, 23.291 millones de pérdida neta y 895.400 millones en compromisos de compra y leases, casi todo cómputo.
En el mismo expediente, Anthropic avisa que puede “cumplir inminentemente” su umbral de progreso dramáticamente acelerado por IA, y que en el pasado no detectó las aceleraciones hasta después de que ocurrieran.
Una falla de 10.0 en los Siemens SIMATIC IoT2050 con Node-RED se está explotando activamente para plantar botnets y backdoors de comandos que sobreviven al reinicio.
OpenAI publicó Pando, el backend compatible con Git que armó en 10 semanas con Codex: casi un petabyte de datos Git por día y la latencia mediana de push 5 veces más baja.

IA

Meituan lanza LongCat-2.5: 1,6 billones de parámetros totales, multimodal nativo y entrenado íntegramente con chips chinos (03/11). El modelo tiene unos 48.000 millones de parámetros activos por token, 1M de contexto de entrada y 128K de salida, y la visión está plegada en el backbone: las señales visuales se convierten en tokens discretos multinivel, así que un solo vocabulario y un solo objetivo cubren imagen y texto. Los números que publica la empresa apuntan a tareas agénticas largas: BrowseComp 91,9, Terminal Bench v2.1 88,4, PaperBench 82,1, MCP Atlas 83,1 y DeepSWE v1.1 64,6. Hay dos asteriscos grandes. El primero es la disponibilidad: LongCat-2.5 sale solo por API —se puede usar desde scaffolds como Claude Code o Codex cambiando la base URL—, mientras que el open-weights sigue siendo LongCat-2.0 bajo MIT. El segundo es que los benchmarks son del proveedor y todavía no hay pruebas independientes. Lo que sí es verificable y pesa en el plano geopolítico es el entrenamiento sin silicio de Nvidia: LongCat-2.0 se entrenó en un clúster doméstico de 50.000 placas, y para 2.5 la empresa reporta serving W4A4 sobre aceleradores nacionales con +43,3% de throughput de prefill y +42,77% de decode contra W8A8. Caixin Global · LongCat · Tech Times

El S-1 revisado de Anthropic: 16.956 millones de ingresos en el Q3, 23.291 millones de pérdida neta y 895.400 millones en compromisos de cómputo (02/11). Los ingresos del trimestre cerrado el 30 de septiembre vienen de 11.555 millones en el Q2 y de 1.382 millones en el Q3 de 2025. La pérdida operativa fue de 567 millones —contra 974 millones de ganancia operativa en el Q2—, el ingreso operativo ajustado dio 2.463 millones con 15% de margen, y los nueve meses acumulan 33.242 millones de ingresos contra 104.039 millones de pérdida neta, casi toda por cambios de valor razonable en notas convertibles y derivados. El número que conviene mirar de cerca es el de compromisos de compra y leases: 895.400 millones, de los cuales 447.500 millones caen antes de fin de 2030 y 69.800 millones en los doce meses posteriores a septiembre. Del mismo expediente salió el dato que más circuló: el uso interno de Claude valuado a precios de lista superó la compensación mensual de empleados —sin contar acciones— ya en abril, creció más de 250 veces entre enero y septiembre, y en septiembre más del 90% del código agregado al software de la empresa lo escribió Claude. Anthropic pidió listar Clase A en el Nasdaq con el ticker “ANT”; cantidad de acciones y rango de precio todavía no están definidos. CNBC · Pulse 2.0 · Fortune

Anthropic avisa en el S-1 que puede “cumplir inminentemente” su umbral de auto-mejora recursiva (02/11). El expediente encuadra el uso de IA para construir IA como un riesgo de seguridad considerable “particularmente si acelera marcadamente el ritmo del progreso”, y dice algo más incómodo: la empresa “no ha identificado en el pasado” aceleraciones significativas de su propio ritmo de desarrollo “hasta después de que ocurrieran”, y puede volver a pasarle. Sobre esa base, estimaciones internas y expectativas sobre modelos futuros la llevan a decir que puede cumplir inminentemente la definición de “progreso dramáticamente acelerado atribuible a IA” de su Responsible Scaling Policy. Las aclaraciones importan: ningún modelo actual fue designado como habiendo cruzado el umbral, la evaluación sigue abierta, y la empresa dice que no espera poder dejar que Claude diseñe y construya generaciones sucesivas de modelos frontera sin supervisión humana significativa, por lo que está considerando actualizar la política. Vale leerlo con la salvedad de que un S-1 es documento de divulgación y pieza de marketing a la vez. TechCrunch · Gizmodo

Salesforce compra Cresta por unos 2.700 millones de dólares para meter agentes de voz en Service Cloud (02/11). El acuerdo definitivo suma la automatización de contact center de Cresta —transcripción en vivo, asistencia al agente humano y agentes de voz que atienden el teléfono— a un año de compras de Salesforce en el espacio de experiencia del cliente. El precio reportado es cerca de 1,7 veces la valuación de Cresta en 2022, un múltiplo que dice bastante sobre cómo se está reseteando el valor de las plataformas de contacto frente a los agentes. Salesforce · The Information · CMSWire

Hardware y Robótica

Nvidia les exige a sus socios de datacenter que al menos el 51% de los servicios vayan a clientes no chinos (03/11). Según el Financial Times, citando cinco personas al tanto, la instrucción se transmitió de forma verbal a través de la fuerza de ventas y los equipos regionales —no por escrito— y aplica solo a contratos nuevos, dejando los acuerdos existentes intactos. Es la primera vez que Nvidia impone una restricción así: hasta ahora el control de acceso chino al cómputo pasaba por las reglas de exportación de Washington, no por una condición comercial de la propia empresa a sus socios de nube. El contexto que la explica es el contrabando: a principios de 2026 varios empleados de Super Micro fueron imputados por unos 2.500 millones de dólares en servidores de IA de Nvidia que entraron a China. Nvidia no confirmó ni desmintió; la cancillería china dijo no estar al tanto del reporte. Todo descansa en fuentes anónimas y en instrucciones verbales sin confirmar, así que conviene tratarlo como reporte y no como política publicada. The Next Web · TechXplore · Benzinga

Marvell compra Lumentum por 115.000 millones de dólares en acciones, una de las operaciones más grandes de la historia del sector (02/11). La apuesta es la óptica del datacenter de IA: Lumentum hace los láseres, transceptores y componentes fotónicos que mueven datos entre racks, y Marvell ya vende los DSP y los ASICs custom de los hiperescalares, así que la compra integra el enlace óptico completo bajo un mismo techo. El cierre apunta a la primera mitad de 2028, un plazo largo que deja mucho margen regulatorio. La reacción del mercado fue mala para las dos partes —las acciones de ambas cayeron el mismo día— y un analista bajó la recomendación de Lumentum específicamente por los términos del canje, señal de que el precio no convenció. TechCrunch · CNBC · The Elec

Apple dice que el precio de la memoria es “sin precedentes” y recorta su guía de margen al 45-46% (02/11). En el reporte fiscal del lunes, el CEO John Ternus usó esa palabra y agregó que espera costos de memoria “todavía más altos” en el trimestre de diciembre, y que van a seguir subiendo después. El margen bruto fue 47,9% en el trimestre de septiembre y la guía para diciembre quedó en 45-46%. Lo que muestra el balance es una empresa comprando tiempo: el inventario pasó de 11.090 millones a 14.540 millones de dólares en un trimestre —un salto del 31%, y del 154% contra el año anterior— y las obligaciones de compra de manufactura subieron 33.000 millones. Ternus avisó que el beneficio de esa memoria comprada por adelantado se va a ir diluyendo, y el COO Sabih Khan no descartó subir precios de equipos. El daño ya se ve en el iPad: 6.200 millones de ingresos contra 6.700 esperados y una caída del 10% interanual, que Apple atribuyó a restricciones de suministro. Si el mayor comprador de memoria del mundo no puede cubrirse, el resto de la industria de consumo tampoco. TechCrunch · Gizmodo · Seoul Economic Daily

Robótica: AGIBOT puso seis G2 a cubrir un turno de 24 horas en un local de conveniencia, transmitido en vivo (02-03/11). El stream, titulado “Robots Never Clock Out”, arrancó el 2 de noviembre a las 10:00 de China y cerró el 3 a la misma hora, dividido en cuatro bloques: pico de almuerzo, pico de la tarde, turno nocturno y preparación del desayuno. Las tareas asignadas fueron reponer y ordenar estantería, hacer café y comida caliente, atender clientes y sacar la basura, con público y personal humano en el local. El marco técnico que AGIBOT puso encima se llama Genie Master, un framework de agente encarnado con un protocolo de ejecución de cuatro partes y dos lazos de auto-mejora, y la promesa es que los robots diagnostican sus propias fallas durante el turno. Lo que no hay es resultado: no se publicaron tareas completadas, tiempos por tarea, tasa de éxito ni —el dato que decide todo— política y frecuencia de intervención humana. Las 24 horas son del stream, no prueba de que cada robot haya trabajado sin carga ni asistencia. Humanoids Daily · Interesting Engineering · Vending Times

Subvocal muestra anteojos que leen palabras moduladas sin voz con ondas de radio que atraviesan la cara (02/11). La empresa, de la camada F26 de Y Combinator y fundada por dos ex estudiantes de CS de Georgia Tech, presentó en Show HN un dispositivo que transcribe a la velocidad del habla lo que uno articula en silencio, incluso con los labios cerrados. La arquitectura es lo interesante: antenas embebidas en el marco emiten ondas de radio tipo Bluetooth, los movimientos de lengua, labios y velo del paladar las modulan, y modelos fundacionales entrenados sobre esos datos decodifican el texto; la calibración por usuario son unas 20 oraciones. El camino hasta ahí es un catálogo de descartes útil para cualquiera que esté mirando esta interfaz: electrodos EMG en la cara se cayeron por sudor, interferencia y variabilidad de colocación; los IMU solo distinguían unas pocas palabras; la lectura de labios con Auto-AVSR topeó en precisión; y el radar mmWave tenía mala resolución espacial y penetraba poco el tejido. Lo que desbloqueó la precisión entre usuarios fue escalar el pre-entrenamiento con datos pagos recolectados en cabinas. Envío prometido para el Q1 de 2027 con preventa de 500 unidades: una meta declarada, no un producto. Show HN

Ciberseguridad

CVE-2026-58115: una falla de 10.0 en los Siemens SIMATIC IoT2050 se está explotando para plantar botnets y backdoors de comandos (03/11). El agujero es una falta de autenticación en la interfaz HTTP de Node-RED que permite a un atacante remoto sin credenciales crear flows maliciosos que corren en el servidor subyacente con privilegios máximos. VulnCheck observó intentos de explotación contra su red de honeypots desde el 30 de octubre, aunque Siemens había publicado el aviso SSA-834709 en agosto. La cadena inicial bajaba un binario de botnet AMD64 desde 85.215.73[.]250 con wget —curl como fallback— y lo ejecutaba desde /dev/shm/.b; después la campaña pasó a dos etapas, con un script wget.sh y un payload .sys_update traído de 45.194.90[.]57:38472 y guardado como /tmp/.kworker para hacerse pasar por un hilo del kernel. La variante que más importa es la que no baja nada: algunos requests solo crean un endpoint HTTP —/cmd o una ruta aleatoria— conectado a un nodo exec, y ese backdoor persiste en la configuración, así que sobrevive al reinicio incluso si se limpió el implante en memoria. Hay que ir a Node-RED 4.3.4.1 o posterior, o desinstalarlo; y conviene revisar flows inesperados y esas dos rutas de archivo. The Hacker News

Segunda ola de ataques a la refrigeración de supermercados, ahora en media Europa: góndolas en modo descongelado y setpoints en 50 °C (02-03/11). En la noche del domingo al lunes 2 de noviembre, atacantes cambiaron remotamente la configuración de controladores de refrigeración en Bélgica, Suecia, Irlanda, Estonia, Países Bajos, Finlandia, Portugal e Italia, obligando a tirar o retirar comida refrigerada y congelada. Los nombres son grandes y la proporción chica: Delhaize con varias decenas de locales, Carrefour con 15 de más de 700, Coop sueca con 6 o 7 de unos 800, Musgrave/SuperValu con 13 de 223. En Bélgica las unidades se pasaron a modo descongelado, en otros casos se subió el setpoint —una tienda de ICA en Suecia reportó 50 °C— y un carnicero belga perdió unos 15.000 euros de carne con las heladeras en 18 °C. El equipo involucrado en la mayoría de los casos es Danfoss, con Copeland también reportado; el alerta de CERT-FR cubre los Danfoss AK-SM y AK-SC y los Copeland/Dixell xweb, y recomienda sacarlos de internet, acceder por VPN, cambiar contraseñas por defecto y resetear a fábrica los comprometidos. Las vías de entrada reportadas son las de siempre: controladores expuestos, contraseñas por defecto, software viejo y modelos sin soporte. Nadie se atribuyó los ataques, el método se parece al de la campaña contra cientos de supermercados franceses de tres semanas antes, y el centro de ciberseguridad belga dijo que puede que nunca se determine quién fue. The Hacker News

Google desarma la botnet x.cpe de 1,3 millones de dispositivos Android y acusa al fabricante de haberle vendido el backdoor a criminales (02/11). La acción, a fines de octubre y con la Agencia Nacional de Policía de Japón, Lumen, HUMAN Security, Plume, Synthient y TrendAI, le quitó a los operadores el control de los servidores. Lo que la hace distinta de un takedown común es la atribución: Google dice tener “mucha confianza” en que Videostrong, fabricante de cajas Android TV de Shenzhen, puso el backdoor a propósito y vendió el acceso. El backdoor corre como app de sistema, desactiva la verificación de aplicaciones de Play Protect para instalar software en silencio, y habilita capturas de pantalla, inyección de teclas, copia de datos de cuenta y reverse shells; está en el firmware y se reinstala al reiniciar, así que el dueño no puede sacarlo. TrendAI contó 1.472.554 equipos infectados en 206 modelos entre el 3 de junio y el 1 de octubre, con Malasia, Brasil, Irak, México y Taiwán a la cabeza, y apareció también en dispositivos de telesalud, karaokes y cartelería digital. Las pruebas que cierran el caso son prolijas: x.cpe pasa configuración a la app YokaTV Player de Videostrong, una cuenta de GitHub con los paquetes de la botnet se llama “yf-videostrong”, y Synthient encontró en un servidor un documento firmado por el director de I+D de la empresa. Google le prohibió a Videostrong y a sus futuras filiales fabricar o vender equipos Android certificados, y cambió su proceso de revisión: el fabricante ocultaba el código para pasar los tests y lo cargaba después del primer arranque. Synthient publicó 182 nombres de modelos para identificarlos y aconseja directamente descartar las cajas infectadas. The Hacker News

VOLTA: un infostealer que le pasa el botín a un LLM para rankear a las víctimas por cuánto se puede sacar de ellas (02/11). Cisco Talos describió un stealer de Windows —también llamado VOLTA-AUTODOXER— que roba lo habitual (credenciales y cookies del navegador, datos de mail y Slack, tarjetas, seed phrases de wallets, sesiones de gaming y mensajería, claves de nube y SSH, perfiles Wi-Fi, capturas) y después hace algo nuevo: usa las sesiones robadas para buscar en el Gmail de la víctima recibos de Amazon, Uber Eats o PayPal y confirmar su domicilio, arma con todo eso un “evidence bundle” estructurado y lo manda a un modelo vía OpenRouter. El prompt de sistema, de 240 palabras, le pide actuar como “analista de inteligencia forense” y devolver una sección de bienes rankeada por nivel de monetización y otra de postura de seguridad. El detalle que vale copiar como señal defensiva es el manejo de rechazos: el default es Claude Opus 4.6, y si el modelo se niega el malware busca frases de rechazo en la respuesta y cae a Kimi K2 de Moonshot y después a Gemini 2.5 Flash. La exfiltración va por Telegram en tres momentos, y un template de seis slots que se llena en tiempo de compilación sugiere que el autor vende un builder. Talos aclara que la capa de IA no hace el ataque más rápido ni más grande: le ahorra trabajo analítico al operador. The Hacker News

Langflow arrastra cuatro CVEs nuevos, dos de ellos 9.8 sin autenticación, y el login automático venía prendido por defecto (02/11). El boletín de IBM lista CVE-2026-93680 (9.8, bypass de restricciones de seguridad por autenticación impropia) y CVE-2026-110186 (9.8, ejecución de código arbitrario por control impropio de generación de código, alcanzable a través de la enumeración de herramientas MCP), ambos sin cuenta; más CVE-2026-110193 (8.8, un usuario con pocos privilegios hace que el Agentic Assistant genere y envíe código de componente que corre comandos del sistema) y CVE-2026-110192 (6.5, exposición de credenciales mal protegidas). El rango afectado es todo, de 1.0.0 a 1.12.8, y el único arreglo es 1.13.0, del 22 de octubre: no hay workaround. El detalle de configuración que convierte esto en algo peor es que LANGFLOW_AUTO_LOGIN venía activado por defecto en 1.12.8 y logueaba a los usuarios como superusuarios; 1.13.0 lo apaga. Hay módulo de Metasploit para el primero, y el 29 de octubre IBM publicó además registros para otros 29 agujeros de Langflow, incluido un CVE-2026-104339 de 9.8 con ejecución de código sin autenticar. Si tenés un Langflow expuesto, es el parcheo de la semana. The Hacker News

Técnicas, repos y práctica

Pando: OpenAI publica cómo escaló Git cuando Codex desbordó el monorepo, y los tres patrones son copiables (02/11). El backend es compatible con el protocolo y el cliente de Git —cambia solo cómo el servidor guarda y sirve— y lo armaron en 10 semanas con Codex, con un ingeniero diseñando el núcleo y equipos de agentes implementando; está en producción desde abril. Los números que publica la empresa: casi un petabyte de datos Git por día, más de 57 TB de packs servidos en una hora con más del 99% desde caché local en disco, latencia mediana de push 5 veces más baja —casi 80%—, pack mediano por debajo de 20 KiB y percentil 99 bajo 3 MiB, contra una confiabilidad que antes caía por momentos debajo del 90%. Las tres ideas de diseño son las que valen: consistencia causal en vez de consistencia por repositorio, con cada push guardado como packfile inmutable en un blob store y cada movimiento de rama registrado como versión de ref, así que solo chocan los pushes al mismo ref; reutilización de packs, entregando a los clientes links a packs ya pusheados vía la feature packfile-uri servida desde cachés regionales en vez de armar un pack a medida por fetch; y compactación en background tomada de los LSM-trees, que junta packs chicos en “covers” para que un cliente muy atrasado no tenga que bajar decenas de miles. El trade-off está declarado: las lecturas que cruzan varias ramas no garantizan reflejar un mismo punto en el tiempo. Pando no es open source, y la recomendación práctica para equipos chicos es la parte gratis: una rama por agente, anotar los commit IDs que leés en vez de asumir snapshot, medir latencia push-a-fetch y usar --force-with-lease. OpenAI · Developers Digest · Hacker News

Weight-space programming: un modelo frontera lee los pesos de otro, diagnostica y los edita sin gradientes, y sube MATH-500 de 7,9% a 48,1% (02/11). Rikiya Takehi, Jayden Teoh, Alex Zhang y Omar Khattab, de MIT CSAIL, le pasaron a GPT-6 Astra los pesos de Qwen3.5-0.8B —como texto o a través de un entorno Python controlado— y le pidieron inspeccionarlos, diagnosticar el comportamiento y proponer ediciones directas, sin entrenamiento basado en gradientes. Tocando cerca del 0,016% de los pesos, MATH-500 pasó de 7,9% a 48,1%, GSM8K de 13,8% a 67,1%, IFEval de 21,0% a 62,3%, y las respuestas que chocaban contra el límite de tokens cayeron del 93,0% al 33,1%: la ganancia vino sobre todo de arreglar la repetición. En otros experimentos el modelo identificó cuatro juegos estilo Atari solo mirando los pesos de la red, y una red de Breakout escrita desde cero sacó 517,4 contra 25,3 de una entrenada con PPO por 500 millones de pasos. Los resultados negativos están publicados y son la parte honesta: no hubo mejora establecida en Gemma 3 270M, que no tenía el problema de repetición de Qwen; el diagnóstico de un modelo entrenado para ser adulón falló al principio usando solo pesos; y no se demostró auto-mejora recursiva ni reducción de costo. Los logs y artefactos de los experimentos están publicados, así que es reproducible. Fue el ítem más votado de Hacker News del día, con 1.613 puntos. Blog de investigación · VentureBeat · Logs

Wikihack: los artículos de Wikipedia que Hacker News no deja de linkear, tercer día del patrón (02/11). Sigue de lo de ayer: si el 31/10 fue HackerTube con los videos recomendados en HN y el 1/11 HackerBooks con 16.543 libros, el 2/11 salió la versión para Wikipedia, rankeada por cuántos comentaristas distintos linkearon cada artículo. Tres días seguidos del mismo molde dejan la receta a la vista, y es la que conviene replicar: veinte años de comentarios de HN son un dataset de recomendaciones con señal real, el filtro de “lo mencionaron al menos dos personas distintas” alcanza para sacar el ruido, y el frontend encima dejó de ser la parte difícil. El mismo corte sirve para cualquier corpus de comentarios con links que tengas a mano. Show HN · Wikihack

Momentic lanza agentes de QA que prueban la app de punta a punta desde un prompt y devuelven los tests como archivos en el repo (02/11). El agente, llamado Mo, prueba web, iOS y Android, reporta bugs con pasos de reproducción y convierte las corridas en tests de regresión para los pull requests. La decisión de diseño que lo hace adoptable es dónde viven los tests: pasos y aserciones quedan en archivos YAML en tu repositorio, revisables por el equipo y por los agentes de código, y un CLI los corre local y en CI con el exit code como check obligatorio de merge o deploy. Se arranca una sesión desde un agente de código vía MCP, desde un comentario o label en el PR, o con el CLI qa, y Mo prueba el preview deployment del PR. Trae auto-healing cuando cambia la UI —con “permanent healing” que propone ediciones al archivo de test para revisión—, triage que clasifica las fallas como bug de app, flakiness o problema de entorno usando capturas y traces, y un app graph que mapea pantallas y flujos vistos. Los números son del proveedor y conviene tratarlos así: en su propio QA Bench sobre 20 áreas de Gitea, Metabase, Twenty y Saleor, con 60 minutos por área, Mo encontró unos 269 bugs etiquetados contra 86 del siguiente mejor agente; Quora reporta pasar de 7 horas a 30 minutos de ejecución diaria de tests. Momentic · Launch HN