La tempesta de nous models d’intel·ligència artificial no sembla disposada a donar-nos treva. Després d’una setmana marcada per l’arribada de Claude Fable i de la nova família Sol-Terra-Luna d’OpenAI, ara havia de ser el torn de Google. Però Gemini 3.5 Pro no ha arribat. Qui sí que ha complert els terminis és la xinesa Moonshot AI amb Kimi K3, un model extraordinàriament sòlid que confirma una realitat cada vegada més difícil d’ignorar: els millors models xinesos ja competeixen de tu a tu amb els nord-americans, almenys en els benchmarks. Kimi K3 té 2,8 bilions de paràmetres i ocupa la tercera posició entre les famílies de models en l’índex d’Artificial Analysis, només per darrere de Claude Fable 5 i GPT-5.6 Sol. La distància és mínima: obté 57 punts, davant dels 59 de Sol i els 60 de Fable. En programació, fins i tot supera tots dos en algunes proves: ha encapçalat el Frontend Code Arena amb 1.679 punts, per davant dels 1.631 de Fable i els 1.618 de Sol. La frontera entre la IA nord-americana i la xinesa ja no és una frontera tecnològica clara: comença a ser, sobretot, una frontera geopolítica.

La gran sorpresa de la setmana, però, ha estat Thinking Machines Lab, l’empresa fundada per Mira Murati, antiga directora tecnològica d’OpenAI. Després de mesos d’expectatives i una valoració astronòmica, la companyia finalment ha presentat el seu primer model: Inkling. Inkling no lidera els rànquings. Se situa al voltant de la posició 41 de l’índex d’Artificial Analysis, però és el model de pesos oberts més potent creat fins ara per un laboratori nord-americà. I això és probablement més important que la seva posició exacta. Amb 975.000 milions de paràmetres i capacitat per processar text, imatges, àudio i vídeo, Inkling representa el retorn dels Estats Units a una competició —la dels models oberts— que durant els últims mesos havia quedat pràcticament en mans xineses.

Fins ara, si una empresa volia descarregar un gran model, modificar-lo i adaptar-lo a les seves necessitats, les alternatives més avançades acostumaven a venir de laboratoris com DeepSeek, Alibaba o Zhipu AI. Inkling no derrota encara els millors models xinesos, però trenca aquesta hegemonia. Thinking Machines no vol guanyar només amb un xatbot més intel·ligent, sinó amb models que les empreses puguin personalitzar i convertir en propis. Europa també ha donat senyals de vida. Soofi S és un model alemany de 30.000 milions de paràmetres, dels quals només n’activa 3.000 milions per cada token. Ha estat entrenat íntegrament en infraestructura alemanya i està especialment optimitzat per treballar en alemany i anglès. Segons el seu informe tècnic, supera altres models europeus molt més grans i obté resultats especialment bons en programació. És petit, eficient, obert i europeu. Per tant, comencen a desaparèixer les excuses per no utilitzar models europeus en aplicacions que no necessiten una intel·ligència de frontera. No tot requereix un monstre d’un bilió de paràmetres connectat a un centre de dades nord-americà.

I mentrestant, Google?

Gemini 3.5 Pro havia d’arribar aquesta setmana. Els resultats preliminars apuntaven que podia superar Fable i Sol, però el llançament s’ha tornat a endarrerir. Les informacions disponibles assenyalen problemes de fiabilitat, al·lucinacions i, especialment, un rendiment en programació inferior al que Google esperava. Alphabet va caure més d’un 4% en borsa el dia que es va conèixer el nou retard, tot i que el descens també es va produir enmig d’una jornada negativa per al conjunt del Nasdaq. És una mala notícia per a Google, i no només per perdre unes setmanes. L’empresa continua tenint una recerca de primeríssim nivell i probablement una de les concentracions de talent en intel·ligència artificial més grans del planeta. Però una cosa és inventar la tecnologia i una altra convertir-la ràpidament en productes que funcionin. Google continua demostrant que sap fer la primera. El shipping —llançar a temps— se li resisteix molt més.

La cursa, a més, ja no consisteix únicament a construir models més grans. En la recerca comencen a aparèixer formes d’aprenentatge continu que van més enllà d’afegir informació al context o connectar el model a una memòria externa. L’objectiu és que les experiències adquirides acabin modificant els pesos del model i es converteixin en aprenentatge permanent. Una de les línies més suggeridores s’inspira en el son humà. Durant una fase de dreaming, el model revisa les experiències recents, genera dades sintètiques, les recombina i consolida l’aprenentatge. En altres paraules: els models comencen a "somiar" per aprendre. Encara som lluny d’una IA que evolucioni autònomament sense oblidar el que ja sap, però les primeres passes ja són aquí. La notícia de la setmana no és, doncs, un únic model. És que la cursa s’està obrint en totes direccions alhora: la Xina ja competeix al capdavant, els Estats Units tornen als models oberts, Europa comença a construir alternatives pròpies i la recerca prepara sistemes capaços d’aprendre contínuament. En aquesta cursa, arribar tard ja no significa perdre una presentació. Significa cedir terreny en una indústria que es reinventa cada setmana.

La Xina accelera 

La Xina ja no només persegueix els laboratoris nord-americans: comença a disputar-los la frontera. Moonshot AI ha presentat Kimi K3, un model multimodal de 2,8 bilions de paràmetres que es convertirà, quan els seus pesos es publiquin el 27 de juliol, en el model obert més gran del món. Utilitza una arquitectura mixture of experts: només activa uns 50.000 milions de paràmetres en cada operació, fet que permet combinar una escala extraordinària amb costos més controlats. També pot processar text i imatges i ofereix una finestra de context d’un milió de tokens. The Next Web K3 està especialment pensat per a agents capaços d’executar projectes llargs de programació: pot analitzar grans repositoris, coordinar eines, modificar el codi i comprovar visualment el resultat. Moonshot afirma que la seva nova arquitectura accelera fins a 6,3 vegades el processament de contextos molt llargs.

En les proves publicades, encara queda globalment per darrere de GPT-5.6 Sol i Claude Fable 5, però supera els models oberts i, en el rànquing cec d’Arena.ai per al desenvolupament web, s’ha situat fins i tot per davant dels dos líders nord-americans. Caldrà esperar, però, les avaluacions independents després de l’alliberament dels pesos. Silicon Angle. La seva altra arma és el preu: l’API costa 3 dòlars per milió de tokens d’entrada —30 cèntims si estan en memòria cau— i 15 dòlars per milió de sortida. Kimi K3 no demostra encara que la Xina hagi superat definitivament OpenAI o Anthropic, però sí que la distància s’ha reduït de mesos a setmanes. I planteja una amenaça més profunda: si models oberts gairebé tan potents arriben a una fracció del preu, els marges dels models propietaris nord-americans poden començar a ensorrar-se.

Inkling, el nou model de Thinking Machines

Mira Murati ja té resposta per a OpenAI i Anthropic: no és un altre xatbot, sinó una IA que cada empresa pugui convertir en seva. Thinking Machines Lab ha presentat Inkling, el seu primer model multimodal amb els pesos oberts. Té 975.000 milions de paràmetres —41.000 milions d’actius—, ha estat entrenat amb 45 bilions de tokens de text, imatges, àudio i vídeo, i pot treballar amb contextos de fins a un milió de tokens. L’empresa admet que no és el model més potent del mercat. Però potser aquesta no és la cursa que vol guanyar. Inkling està pensat com una base que les empreses poden reentrenar amb les seves dades i adaptar als seus processos mitjançant Tinker, la plataforma de personalització de Thinking Machines. També arribarà Inkling-Small, una versió més ràpida i barata que, sorprenentment, iguala el model gran en moltes proves. L’estratègia sembla clara: publicar el millor model americà amb pesos oberts, aconseguir una adopció empresarial àmplia i, després, cobrar contractes de desenes o centenars de milions per crear, desplegar i operar models privats dins de les grans corporacions.

Aquí podria haver-hi el veritable negoci. A mesura que els models generalistes es converteixin en una commodity i la competència de DeepSeek, Meta, xAI o els laboratoris xinesos comprimeixi els marges de les API, el valor es desplaçarà cap a la personalització: dades propietàries, postentrenament, avaluació, desplegament i infraestructura. Thinking Machines podria convertir-se en una mena de Palantir de la IA, aportant tant la tecnologia com els enginyers que adapten els models a cada organització. La hipòtesi de Murati és que les empreses no voldran un únic model universal, sinó molts models especialitzats per a diferents departaments, processos i bases de dades. Això generaria ingressos recurrents i una dependència molt més profunda que una simple subscripció a una API. Si, a més, l’“autoresearch” automatitza progressivament el desenvolupament d’aquests models, Tinker podria esdevenir la interfície des de la qual cada empresa construeixi la seva pròpia intel·ligència artificial. La gran batalla potser no serà per tenir el millor model, sinó perquè cada empresa tingui el seu.

Un model Europeu competitiu: Soofi S

Europa també vol tenir una IA pròpia que no depengui dels laboratoris nord-americans ni xinesos. Un consorci alemany d’universitats i centres de recerca ha presentat Soofi S, un model fundacional obert i sobirà, entrenat íntegrament a la infraestructura de Deutsche Telekom a Múnic. Té 30.000 milions de paràmetres, però només n’activa 3.000 milions en cada operació gràcies a una arquitectura híbrida Mixture-of-Experts i Mamba. Ha estat entrenat amb 27 bilions de tokens, amb una presència reforçada de l’alemany, i admet contextos de fins a un milió de tokens.

Segons les avaluacions dels seus creadors, Soofi S és el model completament obert amb millors resultats agregats tant en alemany com en anglès, per davant d’Olmo 3 32B i Apertus 70B. També destaca per mantenir una velocitat elevada quan el context creix. Però el projecte és especialment rellevant per la seva transparència: publica les fonts de les dades, els hiperparàmetres, el codi d’entrenament i avaluació i els diferents checkpoints sota llicències permissives. No és encara un rival directe dels grans models de frontera, però sí una demostració que Europa pot construir IA competitiva, eficient i auditable sobre infraestructura pròpia. I ja s’està entrenant una versió més gran, Soofi L.

 

El nou dispositiu d’OpenAI

OpenAI no vol fabricar un altre telèfon, sinó el dispositiu que algun dia podria substituir-lo. El seu primer producte serà un altaveu intel·ligent sense pantalla, amb bateria i fàcil de moure per casa, concebut com un nou tipus d’ordinador domèstic. Podria costar entre 200 i 300 dòlars i arribar a començaments del 2027. Controlarà els aparells de la llar, respondrà missatges i oferirà les capacitats de ChatGPT sense necessitat d’obrir cap aplicació. L’aparell incorporarà càmeres, reconeixement facial i sensors per identificar les persones i interpretar l’entorn. La veu funcionarà amb GPT-Live, capaç d’escoltar i parlar alhora, i utilitzarà informació personal, com els correus electrònics, per aprendre els hàbits del propietari. No es limitarà a obeir ordres: anticiparà necessitats i prendrà la iniciativa, per exemple suggerint anar a dormir abans d’un matí important. Fins i tot tindrà elements mòbils per transmetre la sensació que és viu.

El projecte està liderat per Jony Ive, dissenyador de l’iPhone, després que OpenAI adquirís la seva empresa per 6.500 milions de dòlars i contractés més de 400 exempleats d’Apple. Precisament Apple intenta bloquejar-ne el llançament amb una demanda per suposat robatori de secrets industrials. L’aposta va molt més enllà d’un altaveu intel·ligent: OpenAI vol convertir ChatGPT en una presència física que visqui amb nosaltres, ens conegui i actuï sense que l’hàgim d’invocar. Aquesta és també la contrapartida: la seva utilitat dependrà de deixar entrar una IA sempre atenta als espais més privats de casa. El primer producte serà un altaveu; l’ambició és convertir-lo en el tercer dispositiu essencial i, algun dia, fer innecessari el mòbil.

Apple farà servir Alibaba a la Xina

Apple Intelligence finalment ha rebut l’autorització per operar a la Xina, però ho farà amb un cervell diferent. Alibaba Qwen serà el model principal, amb la participació de Baidu, i alimentarà les funcions d’IA d’iOS, iPadOS, macOS i visionOS. L’acord posa fi a gairebé dos anys de retard, durant els quals Apple també havia estudiat aliances amb DeepSeek i ByteDance. Encara no hi ha, però, una data definitiva de llançament. La Xina exigeix que qualsevol servei d’IA generativa superi un procés de registre i revisió de continguts. Això obliga Apple a substituir dins del país els models que utilitza a la resta del món per alternatives locals aprovades per Pequín. El cas mostra una fragmentació creixent d’internet: el mòbil pot ser el mateix, però la IA que l’habita dependrà del país on visquis. La batalla pels assistents digitals ja no la decideixen només les empreses tecnològiques; cada vegada més, també la decideixen els governs.

Nvidia llença un nou model per robots 

Nvidia vol que la intel·ligència artificial surti dels centres de dades i comenci a moure’s pel món físic. La companyia ha presentat Cosmos 3 Edge, un model obert de només 4.000 milions de paràmetres dissenyat per a robots i màquines autònomes. La seva mida reduïda permet executar-lo directament als ordinadors dels clients, amb menys latència, cost i dependència del núvol. A més, pot funcionar tant com a model de visió i llenguatge com a world model, els dos grans enfocaments que competeixen per convertir-se en el cervell dels robots. Nvidia també ha renovat els seus ordinadors Jetson, utilitzats per executar IA en dispositius físics. Segons l’empresa, 2,5 milions de desenvolupadors i 10.000 companyies ja han adoptat Jetson o Cosmos. Encara és un negoci modest davant dels centres de dades, però assenyala la pròxima frontera de Nvidia: després de proporcionar els xips de la revolució dels xatbots, ara vol aportar també la intel·ligència que farà que robots, vehicles i màquines vegin, entenguin i actuïn.

Com la IA ens canviarà la vida

Combatre la calor a la Xina 

JD.com comprarà 3 milions de robots 

La nova generació d’apartaments a la Xina

Els nous SUV xinesos

La recerca IA 

Language Models need Sleep: Learning to Slef-Modify and Consolidate Memories-AI Lb: Google Research, Cornell University

Els models d’IA actuals poden aprendre temporalment durant una conversa, però acostumen a perdre aquest coneixement quan s’acaba: no saben convertir de manera continuada la memòria de curt termini en aprenentatge permanent. Per superar aquesta limitació, els investigadors proposen un paradigma inspirat en el cervell humà: fer que els models també "dormin". Durant aquesta fase, la IA revisaria les experiències recents, les incorporaria als seus paràmetres i milloraria sense necessitat de tornar a entrenar-la des de zero.

Aquesta "son" té dues etapes. En la consolidació de memòria, el coneixement adquirit per un model més petit es transfereix a una xarxa més gran mitjançant una combinació de destil·lació i aprenentatge per reforç. Després arriba el "somni": el model genera autònomament dades sintètiques i exercicis amb els quals practica allò que acaba d’aprendre i perfecciona capacitats anteriors sense supervisió humana. Els experiments indiquen que aquest procés millora l’aprenentatge continu, la incorporació de nous coneixements i la generalització. Si funciona a gran escala, la IA podria deixar de ser un sistema que cal reentrenar periòdicament per convertir-se en una tecnologia que aprèn, consolida i evoluciona mentre l’utilitzem.

Self-Improvements in Modern Agentic Systems: A Survey-AI Lab: Jilin University, KAUST, Alberta, The Swiss AI Lab

Els agents autònoms que es milloren a si mateixos estan deixant de ser experiments de laboratori per convertir-se en sistemes reals. L’objectiu ja no és només que executin una tasca, sinó que aprenguin de l’experiència i acumulin noves capacitats amb poca o gens d’intervenció humana. El repte decisiu és aconseguir que aquesta evolució sigui controlable: que l’agent millori sense desenvolupar comportaments inesperats o allunyar-se dels objectius que li hem fixat. L’estudi proposa entendre l’agent no simplement com un model fundacional, sinó com la combinació del model amb una bastida formada per prompts, memòria, eines i mecanismes de control. Millorar pot significar modificar els paràmetres del model, però també redissenyar aquesta bastida: canviar les instruccions, reorganitzar la memòria, incorporar una nova eina o alterar la manera de planificar i decidir. La gran qüestió ja no és només com construir agents més potents, sinó com crear sistemes capaços de reconstruir-se a si mateixos a partir de l’experiència sense perdre’n el control.

Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning-AI Lab: Renmin, Ant Group, Tsinghua, Zheijiang

El raonament avançat dels models d’IA podria emergir simplement de l’escala, sense exemples escrits per humans. Els investigadors han entrenat Ring-2.5-1T-Zero, un model d’un bilió de paràmetres, mitjançant reinforcement learning amb recompenses verificables: el sistema prova diferents solucions i rep una recompensa quan arriba al resultat correcte, sense que ningú li mostri prèviament com ha de raonar. Per evitar explicacions caòtiques, redundants o excessivament llargues, han desenvolupat un procés d’entrenament més estable i eficient.

Els resultats reforcen la "lliçó amarga" de la IA: sovint, augmentar l’escala i el còmput acaba superant les regles dissenyades manualment. L’aprenentatge passa per una fase inicial de «descobriment», en què el model explora estratègies, i una altra de "refinament", en què les fa més precises i eficients. Durant el procés apareixen espontàniament comportaments sofisticats com l’autoverificació, el raonament en paral·lel, les respostes estructurades i l’adaptació de la profunditat del raonament al problema. Ring-2.5-1T-Zero obté resultats competitius en set proves matemàtiques i genera raonaments més comprensibles, reproduïbles i concisos. La conclusió és provocadora: potser no cal ensenyar detalladament a una IA com pensar; a prou escala, pot descobrir-ho tota sola.

Altres notícies 

-ASML planeja apujar el preu de les seves màquines de fabricació de xips, imprescindibles per a la indústria mundial. TSMC, el seu principal client, ja s’hi oposa, en una pugna creixent entre l’expansió de la capacitat productiva i el control dels costos.
-Anthropic negocia amb diversos bancs ampliar en milers de milions de dòlars les seves línies de crèdit, abans de la sortida a borsa prevista per a aquest any. La maniobra reforçaria la seva liquiditat i se sumaria als 2.500 milions de finançament que ja va obtenir l’any passat.
-Apple busca adquirir empreses de semiconductors per accelerar el desenvolupament de xips de servidor especialitzats en intel·ligència artificial. La iniciativa arriba davant les limitacions de rendiment dels seus servidors interns actuals, equipats amb xips M2 Ultra.
-Cursor prepara una transformació radical abans de ser adquirida per SpaceX per 60.000 milions de dòlars: vol passar d’especialista en programació a desenvolupar models d’IA de primer nivell. Alhora, accelera la contractació en vendes i creixement, mentre retalla alguns equips.
-DeepSeek ja frega els 500 milions de dòlars d’ingressos anuals i manté marges bruts superiors al 50%, tot i cobrar molt menys que OpenAI o Anthropic. La companyia xinesa negocia una nova ronda amb una valoració de 74.000 milions i prepara la seva sortida a borsa a Shanghai l’any vinent.
-Apple avalua la tecnologia de PrismML, capaç de comprimir models d’IA fins a 15 vegades perquè funcionin directament en un iPhone. Això permetria un Siri més ràpid, privada i menys dependent del núvol, tot i sacrificar una petita part del rendiment.
-Anthropic ofereix un any gratuït de Claude Pro als docents de primària i secundària dels EUA, amb eines per crear lliçons i exàmens adaptats als estàndards educatius. La IA promet reduir dràsticament les hores de preparació i entrar de ple en el dia a dia de les aules.
-Meta ha retirat Muse Image menys d’una setmana després de llançar-la, arran de les crítiques per utilitzar fotos públiques d’Instagram com a referència sense consentiment explícit. El cas confirma que la pròxima gran batalla de la IA no serà només la qualitat dels models, sinó el control sobre la pròpia imatge.
-Apple ha demandat OpenAI, acusant-la d’apropiar-se de secrets industrials mitjançant antics empleats incorporats a la seva nova divisió de hardware. El litigi evidencia que la guerra de la IA ja no es juga només en els models, sinó també en el talent, els dispositius i la tecnologia per fabricar-los.
-Nova York ha decretat una moratòria d’un any per als nous centres de dades de més de 50 MW, mentre estudia el seu impacte sobre l’electricitat, l’aigua i les comunitats locals. És el primer gran fre polític als megacentres d’IA i podria inspirar regulacions semblants arreu del món.
-Nvidia afirma que Codex va elevar la precisió del seu model Cosmos 3 Nano del 54,41% al 93,35% en només un dia i amb dues instruccions. L’experiment mostra com els agents de programació, equipats amb habilitats especialitzades, ja poden gestionar autònomament tot el procés d’entrenament i optimització d’un model d’IA.