La cursa de la IA començava a semblar cosa de dos: Anthropic i OpenAI, amb el permís de Grok, sempre disposat a fer soroll, i d’un bon grapat de models xinesos. Doncs no! Aquesta setmana, Meta ha tornat a disputar els primers llocs amb Muse Wonder. I Google ha respost amb un Gemini 4 Argon espectacular, que fins i tot ha ajudat a multiplicar per gairebé tres la velocitat d’execució del seu model obert Gemma en una de les proves de la companyia. Hi ha partit. I ningú no sembla disposat a afluixar. En paral·lel, no paren de circular rumors sobre GPT-7 i GPT-8 d’OpenAI i sobre Opus 6 d’Anthropic.

Són rumors, però sí que tenim una mostra palpable del que preparen els laboratoris: els més de 700 manuscrits matemàtics que OpenAI va publicar la setmana passada, generats amb un model intern encara no disponible al públic. No són 700 problemes resolts i validats, però la magnitud del lliurament ha sacsejat la comunitat matemàtica. Alguns investigadors ja es pregunten quin espai quedarà per a la recerca humana si les màquines poden abordar en hores problemes que han ocupat carreres senceres. El vertigen ja no és pel que la IA podria arribar a fer, sinó pel que comença a posar damunt la taula.

Però les novetats no s’acaben als laboratoris. Anthropic ha estrenat en beta eines per crear quadres de comandament i animacions explicatives amb Claude. Li expliques què vols i, en un tres i no res, tens una proposta que pots revisar i modificar. La qualitat dels resultats fa que tasques que abans exigien hores i eines especialitzades comencin a quedar a l’abast de molta més gent. També hi ha una millora que molts hem percebut fent-les servir, encara que no sempre vingui acompanyada d’un anunci. En el meu cas, és especialment evident en les presentacions: tant Claude com les eines d’OpenAI han fet un salt notable. Cada vegada s’acosten més al millor que podríem preparar nosaltres amb un temps limitat. Si hi afegeixes eines per generar imatges i vídeos, el resultat pot ser espectacular. La distància entre tenir una idea i convertir-la en una bona presentació s’està escurçant a una velocitat impressionant.

I compte amb la Xina. S’espera una nova onada de models i ja en comencem a veure alguns tastos. Un és GLM-Legal, la versió especialitzada en feina jurídica de Z.ai, construïda sobre GLM-5.3-Flash. L’aposta és completar tasques com revisar contractes o analitzar documentació, amb un cost molt reduït. Els resultats anunciats encara no permeten afirmar que superi els millors models generalistes en qualsevol encàrrec, però sí que plantegen una pregunta incòmoda: quant estarem disposats a pagar si un model especialitzat ens resol la feina per una fracció del preu? Cal que Harvey tremoli? El temps ho dirà, però la pressió competitiva augmenta. Finalment, també es mou el maquinari. Microsoft ha presentat Maia 300, un processador propi que, segons la companyia, ofereix un 40% més de tokens per watt que els principals sistemes basats en GPU. A partir del 2027, vol convertir la família Maia en el principal sistema d’inferència dels seus productes i serveis. La cursa es disputa als models, als agents i als xips. I no és una cosa de dos!

Les notícies clau

Gemini 4 - Argon
Google vol que la IA deixi de ser una eina que respon preguntes i es converteixi en una que resol problemes. Amb Gemini 4 Argon, la companyia apunta al treball complex: programar, analitzar documentació jurídica i financera, trobar vulnerabilitats i ajudar a fer ciència. Segons Google, el nou model encapçala el Vals Index, que avalua tasques professionals en diversos sectors. Però el més interessant són els exemples: ha ajudat l’equip de Chrome a completar en setmanes una reorganització del codi que hauria requerit mesos, i ha accelerat gairebé tres vegades l’execució d’un dels seus models Gemma sense perdre qualitat. La promesa és clara: donar a la IA un objectiu i deixar-la treballar durant hores per assolir-lo.

L’ambició, però, va molt més enllà del programari. Google explica que Argon ha contribuït a dissenyar enzims amb activitat confirmada al laboratori, a trobar noves solucions matemàtiques rellevants per a la fusió nuclear i a identificar una alteració genètica que les eines habituals havien passat per alt durant anys. En robòtica, ha transformat un vídeo d’una persona llançant saquets en una simulació amb què un humanoide ha après a encistellar-los. Són resultats anunciats per la companyia, però apunten a un canvi de fons: la IA comença a passar de generar continguts a executar projectes i contribuir a descobriments. Per estendre aquest salt als laboratoris, Google oferirà a 10.000 científics sis mesos d’accés gratuït al nivell més alt d’Antigravity, amb selecció prèvia.

Meta Muse Wonder

Meta vol una IA que et conegui i que no abandoni la feina a mig camí. Aquesta és la proposta de Muse Wonder i Muse Wonder Full, els nous models amb què la companyia avança cap al que anomena "superintel·ligència personal". La seva aposta combina dues capacitats: Active Memory, per recordar informació rellevant entre converses i recuperar-la quan cal, i Active Focus, per mantenir l’esforç davant d’un objectiu complex, provar alternatives i superar entrebancs. La idea és deixar de començar de zero cada vegada que obrim el xat: un assistent que tingui presents les nostres preferències i circumstàncies i les faci servir per ajudar-nos a resoldre una reclamació, entendre un contracte o desenvolupar una aplicació.

Segons Meta, els nous models obtenen resultats capdavanters en proves de memòria, programació i execució de tasques personals i professionals. Però la companyia destaca una ambició més interessant que guanyar classificacions: que la IA sàpiga afrontar problemes nous, més enllà d’aquells per als quals ha estat entrenada. Els exemples inclouen agents que treballen al navegador i entre aplicacions per preparar un pla de running personalitzat o organitzar les taules d’un casament. Muse Wonder ja està disponible a través de l’API de Meta i de Muse Code, mentre que la versió Full s’ofereix als subscriptors de Muse Code. La batalla pels assistents personals entra així en una nova fase: recordar què necessitem i treballar fins a aconseguir-ho.

Character AI-fallida

De promesa de la IA a concurs de creditors. Segons The Information, Character.ai, la plataforma que permet conversar amb personatges virtuals, s’ha acollit al capítol 11 de la legislació nord-americana per reorganitzar-se davant dels costos i els problemes judicials i regulatoris. La companyia assegura que continuarà atenent els subscriptors. Disney es presenta com a licitador inicial en el procés de subhasta, amb un acord de 20 milions de dòlars per llicenciar part de la seva propietat intel·lectual. Entre les dificultats hi ha les demandes de famílies que atribuïen als xatbots un paper en suïcidis i autolesions dels seus fills, algunes de les quals es van resoldre amb un acord al gener.

El desenllaç posa el focus en una operació habitual a Silicon Valley: els gegants fitxen el talent i llicencien la tecnologia, però l’empresa que queda ha de trobar com sobreviure. El 2024, Google va pagar 2.700 milions de dòlars per llicenciar els models de Character.ai i incorporar-ne els fundadors. La plataforma va deixar de desenvolupar models propis i va assumir el cost d’utilitzar-ne d’externs. El cas il·lustra fins a quin punt una operació multimilionària pot recompensar inversors i fundadors sense garantir el futur del negoci.

Una IA que ajuda a accelerar una altra IA

Google explica que ha utilitzat Gemini 4 Argon per aconseguir que el seu model obert Gemma generi gairebé tres vegades més text per segon, mantenint exactament les mateixes respostes en la prova realitzada. En un altre projecte, Argon va treballar onze hores sense supervisió sobre 205.000 línies de codi i va executar prop de 17.000 proves. Els enginyers van acabar incorporant dues de les sis millores proposades, després de corregir problemes de compatibilitat. La revisió humana continua sent necessària, però la capacitat de delegar hores de feina tècnica ja pren forma.

Per a Google, cada millora pot tenir un efecte multiplicador. Accelerar el programari redueix el consum de recursos cada vegada que s’executa, i la companyia ja aplica Argon a productes com Chrome i YouTube. Això apunta a un avantatge competitiu que va més enllà de tenir un bon model: disposar de serveis, usuaris i infraestructura sobre els quals aplicar-lo a gran escala. Si la IA permet millorar aquests productes més ràpidament i abaratir-ne el funcionament, Google pot reforçar encara més la seva posició. La mateixa tecnologia que facilita crear nous competidors també pot fer més poderosos els gegants que ja dominen el mercat.

La batalla de la IA també es juga als xips

Microsoft fa la seva aposta més ambiciosa pels xips propis. A partir del 2027, ampliarà la família Maia fins a desplegaments de diversos gigawatts i la convertirà en el principal sistema per executar la IA dels seus productes i serveis. La peça estrella és Maia 300, que, segons la companyia, genera un 40% més de tokens per watt que els principals sistemes basats en GPU. És a dir, més text processat o generat amb la mateixa energia. L’aposta ja està en marxa: Microsoft desplega Maia 200 als Estats Units, Europa i Austràlia, amb una eficiència energètica fins a 1,7 vegades superior en experiències de Teams i Copilot, segons les seves dades.

El moviment apunta a una competició cada vegada més integrada: els gegants volen controlar des del silici fins a l’aplicació que utilitzem. Dissenyar conjuntament xips, servidors, programari i models permet ajustar cada peça per aprofitar millor la infraestructura i reduir el cost de servir la IA a milions d’usuaris. Microsoft continuarà incorporant tecnologia d’altres proveïdors, però el fet de situar Maia al centre dels seus serveis marca un canvi de pes. En una indústria que devora computació i electricitat, guanyar la batalla de l’eficiència pot ser tan decisiu com tenir el model més intel·ligent.

GLM Legal 

Cal el model més potent per fer feina jurídica? Z.ai aposta per l’especialització. La companyia ha presentat GLM-Legal, un model construït sobre GLM-5.3-Flash i entrenat amb grans volums de dades jurídiques i desenes de milers de simulacions de tasques. L’objectiu és completar processos de principi a fi: revisar contractes, detectar clàusules de risc, analitzar proves entre molts documents o preparar plans de compliment normatiu internacional. Segons les dades difoses, obté un 19,2% de tasques amb tots els criteris superats al Harvey LAB, una prova que cobreix 24 àmbits de pràctica jurídica. Gairebé triplica el 6,7% del model de partida, tot i que el resultat també evidencia el marge de millora.

La dada que més crida l’atenció, però, és el cost: 0,15 dòlars per tasca, davant dels 10,55 atribuïts a Gemini 4 Argon en aquesta avaluació: unes setanta vegades menys. Aquesta comparació no implica que ofereixin el mateix rendiment en qualsevol encàrrec, però il·lustra el potencial econòmic dels models especialitzats. GLM-Legal es pot provar amb AutoClaw, l’agent d’escriptori de Z.ai, i l’accés a l’API requereix una sol·licitud. Per als despatxos, la pregunta és cada vegada més concreta: quin model resol millor cada feina i a quin preu?

Com la IA ens canviarà la vida

Robots repartidors també als Estats Units 

Els semàfors es reinventen 

I els venedors ambulants també!

La recerca en IA 

Gemini 4 controlant robots - AI Lab: Google 

RRSI: Regularized Recursive Self-Improvement of Agent Harnesses-AI Lab: Google, Stanford, St. Louis
Pot un agent d’IA millorar-se a si mateix sense canviar el model que porta a dins? El treball sobre Regularized Recursive Self-Improvement (RRSI) explora aquesta possibilitat millorant les instruccions, les eines, la memòria i l’organització del treball que envolten el model. El problema és que un agent pot aprendre a superar les proves d’entrenament sense millorar davant de problemes nous. Per evitar-ho, RRSI limita els canvis que pot proposar en cada iteració, descarta els que depenen massa d’una prova concreta i elimina modificacions poc útils o massa costoses. En vuit bancs de proves de programació, treball amb eines i disseny d’enginyeria, aconsegueix millores de fins a 4,3 punts en cinc avaluacions amb tasques diferents de les utilitzades durant la millora, consumint un 30% menys de tokens que el procés sense aquestes restriccions.

Per què és important
La importància del treball és que situa una part del progrés de la IA en com organitzem els agents, més enllà de fer models més grans. Un mateix model pot rendir millor si aprèn a gestionar el context, triar eines i estructurar la feina amb més eficàcia. Automatitzar aquesta millora obre la porta a agents que perfeccionin progressivament la seva manera de treballar sense haver de reentrenar el model de base. El resultat més rellevant és que una part de les millores es trasllada a tasques noves: és el que permet distingir una capacitat més general d’una simple preparació per aprovar l’examen. Per a les empreses, això apunta a una via per obtenir agents més útils i eficients amb els models que ja tenen.

AIM: Agentic Idea Management for Automated Research-AI Lab: Google, Wisconsin-Madison
Investigar exigeix tenir idees, però també saber quines val la pena perseguir. El treball presenta l’Agentic Idea Manager (AIM), un sistema autònom que organitza línies de recerca, selecciona les més prometedores i reparteix els recursos disponibles per experimentar. La seva proposta és explorar idees explícitament, en lloc de limitar-se a generar i provar solucions successives. Per fer-ho, manté un registre de les idees descobertes, orienta la selecció de nous experiments i comprova que cada implementació sigui coherent amb la idea que pretén posar a prova. En deu tasques del banc de proves AutoLab, supera el millor sistema de referència en 1,6 punts percentuals en optimització de sistemes i en 4,9 punts en desenvolupament de models i programació CUDA. A més, arriba al millor resultat del sistema de referència fins a 3,1 vegades més ràpid.

Per què és important
La importància és que AIM aborda una de les decisions centrals de la recerca: on dedicar el següent esforç. Fer experiments més de pressa serveix de poc si s’insisteix en una direcció estèril o s’exploren variacions de la mateixa idea sense considerar alternatives. El treball apunta que gestionar explícitament les línies de recerca permet controlar millor la diversitat d’idees explorades, especialment quan les bones opcions són escasses entre moltes de plausibles. Els resultats es limiten a les tasques tècniques avaluades, però suggereixen un pas rellevant per a l’automatització científica: agents capaços d’organitzar una exploració, decidir què provar i distribuir un pressupost limitat d’experiments.