Aquest està sent un agost de vertigen per a la intel·ligència artificial. En poques setmanes, Anthropic ha consolidat el seu lideratge empresarial, diversos models xinesos s’han situat a l’altura dels millors sistemes nord-americans i la guerra de preus ha deixat de ser una possibilitat per convertir-se en el nou camp de batalla.

El canvi més profund, però, és econòmic. La indústria ja no es conforma a guanyar benchmarks. Els laboratoris necessiten ingressos, quota de mercat i distribució. Claude s’ha integrat en els fluxos de treball professionals i una part important del creixement d’Anthropic arriba a través d’AWS, Azure o Google Cloud. La competició es desplaça del xatbot visible a la infraestructura invisible de les empreses.

Al mateix temps, la Xina està alterant l’equilibri de forces. Moonshot, Z.ai, DeepSeek i Alibaba ja competeixen de tu a tu amb els nord-americans en programació i altres tasques professionals. Ho fan, a més, a preus molt més baixos i sovint amb pesos oberts. La pregunta per als líders és incòmoda: quant de temps es pot cobrar una prima si una alternativa prou bona costa una fracció del preu?

Google exemplifica una altra tensió. La rivalitat entre DeepMind i l’equip responsable de Gemini ha desembocat en la sortida de figures com Jeff Dean, Sanjay Ghemawat, Quoc Le i Oriol Vinyals, que han creat Discovery Loop amb l’ambició de redefinir la manera de fer ciència. Al darrere hi ha una decisió estratègica: competir a la frontera o aprofitar la posició privilegiada de Google Cloud per distribuir els models de tothom. Si els models acaben convertint-se en una commodity, potser la plataforma serà més valuosa que el laboratori.

Mentrestant, la robòtica també avança, i ho fa molt de pressa. Unitree, un dels grans fabricants xinesos de robots, ha debutat a la Borsa de Xangai amb una revalorització del 629% en l’obertura i del 460% al tancament, fins a assolir una capitalització de 41.000 milions de dòlars.

La infància de la IA s’ha acabat. Guanyarà qui combini millor tecnologia, distribució, preu i monetització, i no tots els nous gegants seran nord-americans. La cursa ja no consisteix només a construir el model més intel·ligent, sinó a convertir-lo en plataformes, beneficis i màquines capaces d’actuar en el món real.

Les notícies clau

Anthropic pren la davantera en la batalla empresarial

La cursa de la intel·ligència artificial ja no es decideix només pel xatbot que acumula més usuaris. Anthropic, creadora de Claude, ha assolit al juliol un ritme d’ingressos anualitzat de 65.000 milions de dòlars, davant dels 40.000 milions d’OpenAI. El motor del creixement no és tant el consumidor com l’empresa: Claude Code i altres eines s’estan convertint en una capa invisible dins dels fluxos de treball professionals.

Les xifres exigeixen prudència perquè són projeccions basades en els ingressos recents i perquè OpenAI qüestiona com es comptabilitzen algunes vendes fetes a través dels grans proveïdors de núvol. Amb tot, la tendència és clara: potser no guanyarà l’assistent que més persones provin, sinó aquell que les empreses converteixin en una peça imprescindible de la seva activitat quotidiana.

La Xina converteix el preu en una arma competitiva

Durant anys, la competició s’ha mesurat en potència. Ara entra en una fase més prosaica i decisiva: el preu. Models de pesos oberts d’Alibaba, DeepSeek, Moonshot AI o Z.ai ofereixen resultats competitius per una fracció del cost. Empreses com Airbnb, DoorDash o Coinbase ja els utilitzen en tasques de gran volum que no necessiten sempre el model més avançat.

Aquest canvi afavoreix una arquitectura amb diversos proveïdors: cada consulta es pot enviar al model que ofereixi la millor combinació de qualitat i cost. La pregunta deixa de ser «quin és el millor model?» i passa a ser «quin model és prou bo per a aquesta tasca?». Quan hi ha milions d’operacions, una diferència petita per consulta pot representar milions d’euros.

Qwen3.8-Max vol treballar durant dies, no només respondre

Alibaba ha presentat Qwen3.8-Max, un model de pesos oberts de 2,4 bilions de paràmetres, tot i que només n’activa 95.000 milions en cada operació. La seva novetat principal és la persistència: està concebut per assumir projectes complexos i continuar treballant-hi de manera autònoma durant hores o dies.

En demostracions del fabricant, el sistema va desenvolupar un projecte de programari durant setze dies i va reproduir experiments d’un article científic fins a millorar-ne els resultats. Cal interpretar aquestes proves amb prudència, però l’obertura dels pesos permetrà que empreses i investigadors adaptin un model d’aquesta escala sense dependre exclusivament dels laboratoris nord-americans.

La IA que programa també aprèn a atacar

Z.ai ha presentat GLM-5.3, un model de pesos oberts especialitzat en programació. Les millores no provenen d’un nou model base, sinó d’un entrenament posterior amb repositoris grans, proves i tasques semblants a les d’un enginyer. És una demostració que ampliar i millorar l’entrenament pot continuar generant salts importants de rendiment.

Aquesta autonomia també té una cara inquietant. Durant l’entrenament, el sistema va desenvolupar capacitats de ciberseguretat més ràpidament del previst i va ajudar a identificar milers de vulnerabilitats. La mateixa IA que pot reparar programari també pot connectar errors i construir cadenes d’explotació.

Els robots entren en el seu moment ChatGPT

Fins ara, ensenyar una tasca nova a un robot exigia programació especialitzada i centenars d’exemples. GEN-1.5, de Generalist AI, proposa una alternativa més humana: mostrar-li què ha de fer. Després d’observar una demostració d’entre tres i dotze segons, el robot pot intentar reproduir-la sense modificar el model ni començar un nou entrenament.

En les proves de l’empresa, el sistema va completar correctament un 59% de deu tasques després de veure’n un sol exemple. Amb cinc minuts de demostracions i deu passos addicionals d’entrenament, la taxa va pujar fins al 83%. També va improvisar: després d’aprendre a escombrar amb un raspall, va utilitzar un plàtan com a substitut.

Encara són accions simples i una taxa d’èxit del 59% és insuficient per a molts entorns reals. Però, si ensenyar un robot acaba sent tan natural com mostrar-li una acció, la robòtica deixarà de ser patrimoni exclusiu dels programadors. Un operari, una infermera o un cuidador podrien decidir directament què ha d’aprendre la màquina.

Com la IA ens canviarà la vida

Els robots ja treballen a les fàbriques xineses

També fan música

I ja tenen uns segons Jocs Olímpics

La recerca en IA


KIMI K3: OPEN FRONTIER INTELLIGENCE. AI Lab: Moonshot Kimi K3

Moonshot AI presenta Kimi K3, un model multimodal de 2,8 bilions de paràmetres i un milió de tokens de context. La seva arquitectura només activa una part del sistema en cada operació, cosa que redueix el cost. Està preparat per programar, utilitzar eines i completar tasques autònomes llargues.

Per què és important?
Els models oberts xinesos ja competeixen prop de la frontera tecnològica. Segons Moonshot, el sistema és aproximadament 2,5 vegades més eficient que el seu predecessor. El model està especialment preparat per programar, utilitzar eines i completar tasques autònomes de llarga durada.

When LLM Agents Negotiate: Private Information and Dynamic Bargaining in Supply Chains. AI Lab: Chen Liang, Fasheng Xu — University of Connecticut

Un estudi amb 9.840 negociacions entre models d’OpenAI, Google i Alibaba mostra que els agents tanquen el 98,9% de les operacions. Però la lentitud redueix fins a un 34% del valor potencial i el fabricant del model influeix més en el repartiment del guany que la seva potència.

Per què és important?
Abans de deixar que una IA negociï preus o contractes, per tant, cal auditar-ne l’estil, verificar automàticament que cap acord generi pèrdues i recordar que el prompt pot acabar funcionant com una clàusula econòmica invisible.

StagedWorkspace: A Versioned Workspace for Knowledge-Work Agents. AI Lab: Harvard, Raycaster AI, University of Technology Sydney, University of Washington i Stanford

Els agents poden llegir, editar i revisar representacions diferents d’un mateix document. StagedWorkspace associa cada operació a una versió concreta. En les proves, combinar la representació estructurada amb l’arxiu original va millorar l’èxit entre 8,3 i 12,1 punts.

Per què és important?
La fiabilitat també depèn de l’ordre de l’escriptori digital. Quan deleguem documents o pressupostos, hem de saber què ha llegit l’agent, què ha canviat i quina versió lliura.

From Economic Agents to Agentic Economies: A Systems Blueprint for Economic World Model. AI Lab: Shenzhen Loop Area Institute, The Chinese University of Hong Kong–Shenzhen, University of Hong Kong i Nanyang Technological University

Els Economic World Models simulen economies habitades per consumidors, empreses, governs i institucions. L’estudi descriu sis nivells, des de regles fixes fins a agents lingüístics, institucions que evolucionen i bessons digitals connectats a dades reals.

Per què és important?
Podrien permetre provar polítiques, regulacions o estratègies abans d’aplicar-les. Encara hi ha poca validació empírica, però ofereixen un laboratori per detectar efectes inesperats sense experimentar amb la societat.