lunes · 18 min de lectura
Briefing Tech — 16 de noviembre de 2026
Alibaba lanza Qwen4-Max, un MoE de 2,4 billones de parámetros y el primer buque insignia de Qwen sin pesos abiertos. Amazon destapa agentes de IA cazando claves de API en LiteLLM y Dify. Bessent le pide al board de Nvidia un CEO de afuera y respuestas en diez días.
Generado el 16 de noviembre de 2026 a las 13:16 UTC. Cubre las últimas 24 horas.
TL;DR
- Alibaba presentó Qwen4-Max: mixture-of-experts de 2,4 billones de parámetros, 1 millón de tokens de contexto, y por primera vez en un buque insignia de Qwen, sin pesos descargables. Dice bajar el costo promedio por tarea de 4,43 a 1,67 dólares contra la generación anterior.
- Amazon capturó con servidores señuelo una campaña de agentes de IA —probablemente corriendo ARTEX— que barren internet buscando gateways y app builders de IA expuestos (LiteLLM, Dify, Langflow, Open WebUI, Ollama) para robar y validar claves de proveedores de modelos.
- La saga Nvidia escaló: el FT dice que Huang ya está hablando de volver y que sus aliados armaron un “war room”, mientras el secretario del Tesoro Bessent pide un CEO de afuera y respuestas del board en diez días. El balance es mañana.
- Un XSS universal en uBlock Origin permitía que cualquier web ejecutara JavaScript en cualquier dominio con un solo clic del usuario. Lo encontró un modelo, GPT-5.6 Sol, y el autor lo verificó.
- Un benchmark nuevo de planillas profesionales reales, GDP.xlsx, deja al mejor modelo frontera en 38,3% de intentos aprobados, con mediana de 19,3%.
IA
Alibaba lanza Qwen4-Max: 2,4 billones de parámetros, 1 millón de tokens de contexto y, por primera vez en un buque insignia de Qwen, sin pesos abiertos (16/11). Es el contraste exacto de lo de ayer, cuando Meituan abrió LongCat-2.5 con licencia MIT: acá Alibaba va para el otro lado y cierra el modelo grande. Qwen4-Max es un mixture-of-experts de 2,4 billones de parámetros totales que lee texto, imagen y video, acepta hasta 1 millón de tokens en un solo prompt, y sale 1,50 dólares por millón de tokens de entrada y 4,50 por millón de salida en la API de QwenCloud; también está en Qwen Studio, QwenWork y Qoder. La preview limitada había abierto el 11/11. Alibaba promete pesos abiertos para los modelos Qwen4 chicos pero no da fecha, y los benchmarks que publicó son propios y mixtos: 75,7 en DeepSWE v1.1 contra 74,2 de Claude Opus 5.5, pero 48,5 en Terminal-Bench 4.0 contra 59,6 de Opus 5.5 y 67,2 de Kimi K3.1. El número que mejor explica el pitch no es de capacidad sino de costo: en su test interno Work360, el costo promedio por tarea bajó de 4,43 a 1,67 dólares contra Qwen3.8-Max, porque termina el trabajo con menos tokens. Dos detalles más: sacaron del entrenamiento los datos de ciberseguridad ofensiva y dejaron los defensivos, con entrenamiento de seguridad extra para riesgos CBRN; y Alibaba afirma que el modelo trabajó 48 horas seguidas para diseñar un material refrigerante para chips que después se fabricó y se testeó en laboratorio, lo que nadie verificó de forma independiente. The Next Web · Qwen
Claude Fable 5.2 no genera imágenes: las pinta con código Python, un trazo por vez (15/11). No usa ningún modelo de imagen externo ni traza sobre material preexistente: escribe un programa de Python de entre 1.000 y 2.000 líneas que maneja un motor de pintura simulado, con textura de cerda, carga de pintura y corrección de errores. Como los trazos no se pueden deshacer, el modelo tiene que tapar lo que le salió mal pintando encima, igual que un pintor. Las cifras dan la escala del enfoque: una escena fotorrealista de un estacionamiento usó unos 700.000 trazos simulados, un pájaro salió con exactamente 111 trazos en un video de 21 segundos, y una escena al atardecer con dos personas, 280; el primer trazo del pájaro era color #30346a, 90 píxeles de ancho y unos 7 píxeles de temblor intencional. Para una de las pinturas el modelo se inventó personas de artista con biografías ficticias y estilo consistente. El contrapunto honesto está en el mundo físico: en una prueba con brazo robótico pintando “La noche estrellada”, GPT-6 Astra pintó más rápido y mostró mejor motricidad fina. The Decoder
El Pentágono le cambia el nombre a su oficina de IA: el CDAO ahora es “Super Intelligence Office” y se muda a SI.mil (15/11). El Departamento de Guerra rebautizó la Chief Digital and Artificial Intelligence Office y movió recursos públicos, información de compras y portales de partners al dominio nuevo; dice que programas, licitaciones y acuerdos siguen sin interrupción. Cameron Stanley queda al frente con el título de Chief Super Intelligence Officer —llegó en enero desde AWS y antes dirigió Project Maven— y Andrew Mapes como principal deputy; la cartera incluye el Maven Smart System y la War Data Platform. El cambio sale de la orden ejecutiva 14434 de septiembre, que manda usar “Super Intelligence” y “SI” en documentos oficiales no estatutarios donde sea legalmente posible, y no es un caso aislado: en octubre Trump anunció una “Super Intelligence Force” de coordinación presidida por el DNI Jay Clayton, y el 5/11 el Departamento de Justicia lanzó su propia Super Intelligence Task Force. Stanley lo vendió como señal de rumbo —“hemos superado los prototipos experimentales”— pero el anuncio no trae ni presupuesto ni dotación ni contratos nuevos. SecurityWeek
Apple lanza una app para estudiar cómo la gente usa IA para salud, apuntando a 200.000 participantes (15/11). La Apple Health AI Study app salió para usuarios de EE.UU. y funciona como un chatbot de preguntas de salud, construida con OpenEvidence y con respuestas ancladas en fuentes clínicas como el New England Journal of Medicine, JAMA y Nature. El estudio apunta a hasta 200.000 participantes durante más de 12 meses y pide mayores de 21 con iPhone 15 o posterior, iOS 26 o posterior y Apple Intelligence activado; los participantes puntúan respuestas, completan encuestas mensuales y pueden compartir opcionalmente datos de HealthKit —ritmo cardíaco, actividad, sueño, resultados de laboratorio— para respuestas personalizadas. Sobre privacidad, Apple dice que los datos se anonimizan antes de ir a un proveedor cloud de terceros y que no se usan para entrenar modelos, y OpenEvidence borra consultas y respuestas a las 24 horas. Lo que Apple no aclaró es si esto termina en la app Health o en Siri. TechCrunch
Hardware y Robótica
Nvidia: Huang negocia su vuelta con un “war room” de aliados mientras Bessent le pide al board un CEO de afuera y respuestas en diez días (15-16/11). Sigue de lo de ayer, donde la petición llevaba 115.000 firmas: ahora va por 175.000 —Musk, Tim Sweeney, Travis Kalanick y miles de empleados entre los firmantes— y el Financial Times reporta que Huang ya conversó con allegados sobre cómo volver, con un “war room” de aliados presionando al board. Enfrente está el Tesoro: el domingo Scott Bessent pidió un “dramatic shakeup”, dijo que el reemplazo tiene que venir de afuera de la empresa, cuestionó si Nvidia bajo Huang cumplió la ley que prohíbe vender chips a China, apuntó a las ventas vía empresas registradas en Singapur, y dijo que si Nvidia fuera un banco “muchos de los ejecutivos serían removidos”; quiere respuestas “en los próximos 10 días del board y del abogado externo”, y acusó al secretario de Comercio Lutnick de demorar la aplicación de los controles. Lo que está en juego en números: Colette Kress sigue como CEO interina, el analista de UBS Tim Arcuri calcula que si recortara las inversiones de Nvidia se podrían borrar más de 50.000 millones de dólares del mercado, la acción cayó 24% en el último mes, y el balance del tercer trimestre es mañana 17/11. En paralelo el WSJ reportó que Huang construyó un negocio de miles de millones que daba a empresas chinas acceso a chips de Nvidia en datacenters del sudeste asiático. Fortune · CNBC
Intel le recupera a AMD la porción total de x86 por primera vez desde 2025, mientras AMD marca récord en servidores (15/11). Los números del tercer trimestre de 2026, de Mercury Research: en x86 total AMD queda en 30,10% contra 69,90% de Intel; en cliente 29,30% contra 70,70%; en desktop 29,90% contra 70,10%; en móvil 29,20% contra 70,80%; y en servidores 35,50% contra 64,50%. La vuelta de Intel se explica sobre todo por un rebote en los envíos de desktop, y al mismo tiempo AMD firmó su récord histórico en servidores y su mejor marca en móvil. Jon Peddie Research pone los totales del trimestre en 68,93 millones de CPUs x86, de los cuales 8,13 millones son de datacenter. El asterisco de siempre: son envíos a clientes, no ventas al usuario final, así que miden cuánto se metió en el canal y no cuánto se compró. Tom’s Hardware
Robótica: CNN entra a la fábrica de humanoides de Leju en Foshan, que apunta a 10.000 unidades por año (15/11). Es, según el propio medio, la primera vez que consigue este nivel de acceso a la planta de una robótica china. La fábrica tiene 15.000 metros cuadrados, abrió en marzo de 2026, la opera Leju Robotics junto a Dongfang Precision Group en un joint venture llamado DF Primo, y produce tres modelos distintos de humanoide. El Huavo 5 W, pensado sobre todo para entornos industriales, se mueve sobre dos ruedas en vez de caminar, y cada unidad lleva más de mil componentes. El flujo es revelador de dónde está realmente la industria: los robots pasan control de calidad, esperan en una zona de staging y van al depósito, y los que siguen en prueba hacen evaluaciones de movimiento —caminar, bailar— para detectar fallas de conexión o de función; una vez que el robot sale de la fábrica, Leju no interviene más, el cliente lo programa y el robot se arregla con sus sensores y cámaras a bordo. El director de ingeniería, Huhehanggai, lo resumió así: producir un robot no es el problema, producir 10.000 con la misma calidad sí. CNN
Bharat Semi levanta 24 millones de dólares para meter captura, procesamiento e IA en un solo sensor de imagen (15/11). La startup de Nueva Delhi, fundada a fines de 2021 por Vrinda Kapoor y Vinayak Dalmia y con unos 75 empleados entre India y EE.UU., cerró una ronda seed toda en equity liderada por Info Edge Group, South Park Commons e Indus Bridge Ventures, con Valour Capital, Micromax y Gaingels adentro. El CTO es Boyd Fowler, que tenía el mismo cargo en OmniVision. La apuesta técnica es un sensor de imagen programable que junta en un chip lo que hoy son tres —sensor, procesador de señal de imagen y SoC—, y la empresa dice que eso puede recortar al menos 70% el costo del sistema; los casos que menciona son aires acondicionados que detectan habitaciones vacías y drones que procesan video sin hardware de cómputo adicional. Todavía no tiene ingresos: la producción comercial inicial está planeada para 2027 y la segunda generación de sensores, para prototipo a mediados de 2027 y clientes a fin de ese año. Ya tiene design wins con General Atomics y Kaynes Semicon, y planea seguir fabless. TechCrunch
Ciberseguridad
Amazon destapa una campaña de agentes de IA que cazan claves de API en LiteLLM, Dify y otras apps de IA expuestas (16/11). Lo interesante no es el objetivo sino el método: Amazon capturó los registros de los propios agentes con MadPot, una red de servidores señuelo que se hacía pasar por servicios populares de LLM, y lo que vio fue una herramienta de pentesting autónoma —con confianza moderada, ARTEX— escaneando internet por su cuenta. La actividad corre desde el 3 de octubre, y Amazon atribuye con confianza moderada a grupos separados vinculados a China por los prompts en chino simplificado y la zona horaria. Los blancos son gateways y proxies de LLM (One API, New API, Veloera, Sub2API, LiteLLM) y app builders de IA (Dify, FastGPT, Langflow, RAGFlow, Open WebUI, LobeChat, Ollama), y el playbook es deprimentemente básico: credenciales de admin por defecto, endpoints de administración sin autenticar, un bypass de autenticación con el header isCliRequest en la familia One API, SSRF a los metadatos del cloud, y secretos en JavaScript de cliente, source maps, rutas de debug y archivos de entorno; con las claves cloud encontradas van contra servicios de modelos gestionados y almacenes de secretos, priorizando los modelos premium. También rastrillan claves filtradas en escáneres de internet, certificate transparency, GitHub, npm, PyPI, imágenes de contenedor, notebooks, pastebins y Telegram. Las CVEs del playbook son conocidas: Langflow CVE-2025-3248 (arreglada en 1.3.0, en el KEV desde mayo de 2025) y una inyección de plantilla del lado del servidor en RAGFlow, CVE-2026-28797, arreglada en 0.25.0. Lo accionable: cambiar la master key por defecto de LiteLLM, terminar o borrar las instalaciones a medio hacer, tratar gateways y endpoints de inferencia como sistemas de producción con autenticación, y rotar lo que haya quedado expuesto. El repo de ARTEX lo bajó su autor el 8 de octubre tras reportes de abuso, pero quedan forks, archivos y una versión comercial; Cisco Talos vincula más de 2.500 IPs a la herramienta y Cloudflare vio un token de API robado de un CI/CD seguido de 400 pedidos de dump de base en una hora. The Hacker News
XSS universal en uBlock Origin: una web podía ejecutar JavaScript en cualquier dominio con un solo clic del usuario (15/11). La cadena es elegante y por eso vale leerla entera. Primero el sitio malicioso averigua el UUID aleatorio de la instalación de la extensión, filtrado por el pedido XHR de uno de los filtros por defecto. Después embebe el selector de elementos de uBO en un iframe invisible y le manda mensajes: el fallo central es que el selector aceptaba mensajes de cualquier página. Metiendo un salto de línea en el campo opt del selector, el atacante cuela un filtro de scriptlet confiable que corre JavaScript en cualquier dominio, y como el botón “Create” del selector escondido se puede colocar justo debajo del cursor, alcanza con un clic cualquiera del usuario. Afecta sobre todo a la versión MV2 de Firefox, con una variante menos grave en uBO Lite (MV3); el detalle está en el advisory GHSA-cmqw-9r2w-6wv2. Ya está arreglado: entre otras cosas, el selector real ahora recibe un token secreto del content script y tiene que incluirlo en su primer mensaje, así que los mensajes forjados se rechazan. El dato que va a circular es la autoría: el autor del análisis dice que la falla la encontró GPT-5.6 Sol y que él la verificó. iter.ca
BO Team explota Log4Shell en un vCenter y llega al servidor de firma de código de un desarrollador de software ruso (16/11). El grupo —también llamado Black Owl, Hoody Hyena y Lifting Zmiy, activo desde al menos 2023, de presunto origen ucraniano— entró por un servicio SSH expuesto en un servidor terminal Linux, mapeó la red interna y explotó Log4Shell (CVE-2021-44228, de 2021) en un VMware vCenter 7.0.3 para conseguir root. Después instaló un backdoor en cron cada hora disfrazado de componente de PostgreSQL (“pgcache”) que bajaba una herramienta de control remoto basada en GSocket, cosechó credenciales de memoria y Active Directory, se movió a un servidor GitLab y a un sistema Ansible, y llegó a los controladores de dominio borrando logs de eventos por el camino. A fines de julio montó además una campaña de phishing con un mail falso de “cuenta desconectada” que pasó SPF y DKIM, lo que sugiere que tenían la clave privada del servidor de correo. Kaspersky ICS CERT, que investigó después de que el desarrollador la contactara en junio de 2025 y documentó el caso el 5/11, cree que estaban preparando un ataque de cadena de suministro: el interés en el servidor de firma de código y en los repositorios de fuente es la pista. No se confirmó ninguna release maliciosa; la reacción rápida del desarrollador les cortó el acceso antes. The Hacker News
Coles, la segunda cadena de supermercados de Australia, investiga un incidente de ciberseguridad y dice que por ahora no hay evidencia de datos robados (16/11). La empresa no describió la naturaleza del ataque. En su página de actualizaciones dice que, según lo que lleva investigado, no encontró evidencia de que datos de clientes, de empleados o de proveedores se hayan comprometido o sacado de sus sistemas, que las cuentas de Flybuys no muestran señales de impacto y que las suscripciones de Coles Plus, Coles Plus Delivery y QuiteLike no tienen problemas identificados. Está trabajando con el Australian Cyber Security Centre y con expertos externos para contener y asegurar el entorno de IT, las operaciones siguen normales en tiendas y online, y el único problema reportado es con click-and-collect de Liquorland para un número chico de clientes. Vale el contexto: el episodio coincide con reportes de clientes de Woolworths sobre fraude con tarjetas de regalo digitales. Coles Group · ABC News
Se están secuestrando links viejos de Bitly: tuits de 2011 de Burger King y McDonald’s terminaron apuntando a artículos de Wikipedia sobre campos de concentración nazis y el 11-S (15/11). No hay ninguna cuenta hackeada: el mecanismo es que alguien vuelve a registrar el final (el “back-half”) de un link bit.ly viejo que dejó de existir, y entonces cada post, mail o documento que todavía lo contiene manda al lector adonde el nuevo dueño quiera. La línea de tiempo que reconstruyó Ransomnews es precisa: el 14/11 a las 23:52 UTC el cambio más temprano detectado, en un link de un tuit de Trump de 2013; el 15/11 a las 05:14 el tuit de McDonald’s de 2011 apuntando al artículo del 11 de septiembre; a las 05:32 el de Burger King —que promocionaba un buscador de locales— apuntando a la lista de campos de concentración nazis; y a las 19:22 los dos devolviendo la página “Link Deactivated” de Bitly. De los 97 links de Bitly en los tuits de Trump entre 2009 y 2013, unos 57 ya no van adonde iban: 7 llevan a lugares no relacionados, incluyendo un perfil de Roblox, videos de YouTube y dos dominios que imitan servicios de cripto. Lo que hace esto reportable es que las páginas de ayuda de Bitly dicen que los back-halves “no se pueden reutilizar”, y las fechas de creación de los links contradicen esa afirmación; Bitly no se había pronunciado públicamente al cierre del análisis. Ransomnews
Técnicas, repos y práctica
GDP.xlsx: un benchmark de 70 planillas profesionales reales deja al mejor modelo frontera en 38,3% de intentos aprobados (16/11). Anunciado hoy en arXiv, es de los evals más duros y más aterrizados que salieron en un tiempo, porque no inventa tareas sintéticas: son 70 pedidos de trabajo escritos por profesionales de 13 dominios, cada uno con el workbook o CSV completo al que se refiere —2,18 millones de celdas pobladas en total— y con una rúbrica experta de criterios binarios, 791 en total. El agente trabaja en un contenedor con herramientas de planilla y lo evalúa un juez agéntico que puede abrir el archivo; hay criterios de completitud y de exclusividad para chequear que las respuestas con varios valores estén enteras y sin nada de más. El ranking es por pass@1 estricto: la proporción de intentos que cumplen todos los criterios. Sobre 20 configuraciones de modelos de Google, Anthropic y OpenAI, el mejor es Gemini 4 Argon con 38,3% y la mediana queda en 19,3%. Lo accionable: los autores liberaron el harness de evaluación y tres tareas públicas, y se guardaron las otras 67 para evitar contaminación, así que se puede correr contra el modelo propio hoy mismo. arXiv
CarryOn: un gestor de contexto para agentes de horizonte largo que sube 6,7 puntos el éxito de tarea sin gastar llamadas extra al modelo (16/11). El diagnóstico es el que cualquiera que haya dejado un agente corriendo varias horas conoce: resumir o podar el historial tira detalles exactos que después hacen falta, y dejar el historial entero mete ruido que no sirve. La propuesta es mantener dos cosas en paralelo —un registro compacto del estado de ejecución del agente y evidencia detallada enlazada a su fuente de interacciones anteriores— y decidir qué evidencia queda disponible con un selector aprendido más una política de retención adaptativa, que es la parte que importa en costo: no requiere llamadas extra al LLM para gestionar el contexto. Lo midieron en AppWorld, OfficeBench y Tau2 Telecom con tres LLMs distintos como actor, y reportan 75,7% de éxito de tarea macro-promediado, unos 6,7 puntos por encima del baseline más fuerte, además de los mejores promedios en dos métricas que combinan éxito con recursos gastados. El paper no aclara si liberan el código. arXiv
Raschka publica un repaso completo de positional embeddings y de hacia dónde se movieron los modelos abiertos en 2025-2026 (15/11). Es una de esas piezas que conviene leer aunque uno no vaya a tocar la arquitectura, porque explica por qué los modelos nuevos hacen lo que hacen. Recorre cómo entra la información de posición —vectores aprendidos antes del primer bloque en GPT-2, o rotación dentro de cada capa de atención en los modelos RoPE—, se toma el trabajo de caminar la matemática de RoPE con un ejemplo numérico y una implementación en PyTorch, y después compara las variantes que están circulando: partial RoPE, que rota solo parte de cada cabeza; NoPE, que saca la codificación explícita en algunas o todas las capas y se apoya en que la máscara causal ya da información de posición implícita; y el bias relativo aprendido al estilo T5. Las conclusiones prácticas son concretas: los embeddings absolutos aprendidos son caros de extender porque la tabla queda fija en el entrenamiento y en contextos largos se come una porción grande de los pesos; RoPE sigue siendo el método predominante aunque su participación en capas de atención softmax bajó de 2025 a 2026; mezclar RoPE y NoPE entre capas está creciendo —SmolLM3, por ejemplo, saltea RoPE cada cuatro bloques— pero sobre muestras chicas; y partial RoPE se volvió más común entre los modelos RoPE sin que el autor esté convencido de que valga la pena, porque en experimentos chicos rotar cerca del 10% de las features a veces empató con RoPE completo. Dato útil para implementadores: las tablas de rotación se precalculan una vez hasta el contexto máximo y se reusan entre batches y cabezas, así que son baratas. Ahead of AI