Meta ha tornat amb un nou model, Muse Spark, després d’una inversió d’uns 15.000 milions de dòlars per construir el Meta Superintelligence Lab, dirigit per Alexandr Wang. Ja en podem veure els primers resultats. El punt fort de l’equip és clar: la qualitat de les dades. En els benchmarks on aquest factor és determinant (relativament pocs), el model funciona molt bé; en la resta, encara queda per darrere dels grans actors del sector.

És, en qualsevol cas, un primer pas, i és evident que Meta vol competir de nou al màxim nivell. L’open source, igual que en el cas dels seus homòlegs xinesos, ha passat a un segon pla. Les inversions són massa grans i cal monetitzar-les, alhora que es dona la mínima informació possible a la competència. La fase actual ja no és de compartir coneixement, sinó de competir.

Anthropic, per la seva banda, ha llançat a un grup restringit una versió del seu nou model, Claude Mythos, orientada a ciberseguretat, dins del projecte Glasswing. En molt poc temps ha detectat vulnerabilitats que feia més de vint-i-set anys que estaven obertes. Ja és molt clar que el futur de la ciberseguretat passarà per models com aquest, capaços de detectar la gran majoria d’escletxes.

Allò que alguns preveien, que la programació amb agents generaria un problema enorme de seguretat, està evolucionant en direcció contrària: seran aquests mateixos agents els que acabaran resolent molts dels problemes de seguretat que han creat els humans. Anthropic també ha llançat en beta un sistema per crear agents a partir de prompts (Claude Managed Agents). La creació d’agents que executin tasques concretes s’està democratitzant, i tot apunta que el prompt serà la interfície que prevaldrà. També aquesta setmana han passat moltes coses en recerca. La IA no s’atura!

Meta Muse Spark

Meta ha fet un pas important en la cursa per la intel·ligència artificial amb el llançament de Muse Spark, el primer model públic del seu nou laboratori de “superintel·ligència”. Però darrere d’aquest anunci hi ha una aposta molt més gran. Fa menys d’un any, Mark Zuckerberg va invertir 14.300 milions de dòlars per incorporar Alexandr Wang, un jove de 28 anys que mai havia entrenat un model de frontera. Nou mesos després, aquesta aposta ja té un primer resultat tangible.

Muse Spark marca una ruptura amb la família Llama i simbolitza un reinici estratègic: Meta vol competir directament amb OpenAI, Google o Anthropic amb una nova generació de models. I els resultats són, de moment, ambivalents. D’una banda, el model destaca en àmbits molt vinculats a la qualitat de les dades: visió multimodal, comprensió d’imatges o consultes de salut. En benchmarks com SimpleVQA o ScreenSpot, Muse Spark iguala o supera models rivals. No és casualitat: reflecteix el perfil de Wang, expert en dades i etiquetatge.

Però el contrast és clar en altres àrees. Muse Spark queda enrere en programació i raonament abstracte, precisament on la innovació en arquitectura i entrenament és més determinant. Això suggereix una lectura clara: Meta ha construït un model excel·lent en tot allò que es pot optimitzar amb dades, però encara no lidera en els problemes més profunds de la IA.

Al mateix temps, el model s’integra plenament amb l’ecosistema de Meta. Pot utilitzar continguts d’Instagram, Facebook o Threads i, en el futur, incorporar directament publicacions dins de les respostes. És una IA pensada per escalar al voltant de 3.000 milions d’usuaris. Meta també introdueix novetats com un mode de “contemplació”, on múltiples agents treballen en paral·lel, i assegura que ja està desenvolupant models més grans. L’accés, de moment, és parcial: disponible per a usuaris, però amb API restringida a alguns socis.

La gran pregunta és si aquesta és només la primera iteració. Si Meta aconsegueix tancar la bretxa en programació i raonament, pot convertir-se en un dels tres grans actors del sector. Si no, haurà invertit 15.000 milions per construir, essencialment, un molt bon assistent, potent, però limitat. En un mercat on cada avenç es tradueix en milers de milions en valor, la jugada de Zuckerberg redefineix el debat: no es tracta només de construir el millor model, sinó d’encertar on es troba realment el valor de la IA.

El projecte Glasswing d’Anthropic

En un moment en què la intel·ligència artificial avança més de pressa que mai, la ciberseguretat entra en una nova era. Un nou model d’IA desenvolupat per Anthropic, anomenat Claude Mythos, ha demostrat una capacitat sorprenent: és capaç de trobar errors crítics en el programari, alguns amagats durant dècades, millor que gairebé qualsevol expert humà.

De fet, ja ha identificat vulnerabilitats que portaven fins a 27 anys obertes. Per exemple, ha descobert una fallada en el sistema operatiu OpenBSD, considerat un dels més segurs del món, que permetia bloquejar remotament qualsevol màquina. També ha detectat errors en eines tan esteses com FFmpeg o fins i tot en el nucli de Linux, la base de gran part d’internet.

Això té una doble cara. D’una banda, pot ajudar a fer sistemes més segurs; de l’altra, pot facilitar ciberatacs molt més ràpids i sofisticats. Per respondre a aquest risc, Anthropic ha llançat Project Glasswing, una iniciativa pròpia per reforçar la seguretat del programari crític a escala global. Ara bé, no es tracta d’un projecte obert: és un programa altament restringit i per invitació, al qual només tenen accés un nombre molt limitat d’organitzacions.

Entre aquestes hi ha alguns dels actors més influents del món tecnològic i financer —Amazon Web Services, Google, Microsoft, Apple, NVIDIA, Cisco, CrowdStrike, Broadcom o JPMorgan Chase— així com institucions clau de l’ecosistema open source com la Linux Foundation. Aquestes organitzacions no impulsen el projecte, sinó que han estat seleccionades per participar-hi.

L’objectiu és clar: utilitzar aquesta IA amb finalitats defensives, detectant i corregint vulnerabilitats abans que ho facin actors maliciosos. La restricció no és casual: una tecnologia capaç de detectar i explotar falles a escala global no pot ser d’accés obert sense riscos enormes. En paral·lel, iniciatives d’aquest tipus es desenvolupen en coordinació amb governs i entorns de seguretat nacional, incloent-hi l’òrbita del Pentàgon, fet que reflecteix fins a quin punt la ciberseguretat s’ha convertit en una qüestió geopolítica.

La idea de fons és tan potent com inquietant: la mateixa tecnologia que pot trencar internet pot ser també la millor eina per protegir-lo. Amb uns costos globals del cibercrim que ja s’estimen en centenars de milers de milions anuals, el missatge és clar: en la nova economia de la IA, la seguretat deixa de ser un detall tècnic i es converteix en una prioritat estratègica global.

Anthropic supera OpenAI en ingressos

En plena cursa global per la intel·ligència artificial, s’està produint un gir inesperat: Anthropic ha superat OpenAI en ingressos. A principis del 2026, la companyia ha assolit uns 30.000 milions de dòlars d’ingressos anuals recurrents (ARR), després d’un creixement extraordinari. En només 15 mesos, els seus ingressos s’han multiplicat per 30, i entre febrer i abril del 2026 han passat de 19.000 a 30.000 milions.

Per posar-ho en context: Anthropic ha estat capaç d’afegir en un únic mes el volum d’ingressos que empreses com Palantir o Atlassian van trigar dècades a construir. La clau d’aquest creixement és clara: el domini en el mercat empresarial. Actualment, Anthropic compta amb prop de 1.000 empreses que paguen més d’1 milió de dòlars anuals, una xifra que s’ha duplicat en menys de dos mesos.

Al darrere d’aquest èxit hi ha sobretot els seus models de programació, com Claude, que s’han convertit en referència en el desenvolupament de programari. Aquest avantatge ha impulsat una nova onada d’adopció en empreses. El moviment és significatiu perquè canvia el relat del sector: fins fa poc, OpenAI, Google o Meta semblaven dominar clarament. Avui emergeix un nou líder que ha sabut convertir la capacitat tecnològica en negoci real. El missatge de fons és clar: en la cursa de la IA, no guanya només qui innova més, sinó qui sap monetitzar millor.

Anthropic Claude Managed Agents

Anthropic continua avançant en el terreny on avui es decideix la cursa de la IA: les aplicacions empresarials. L’últim moviment és el llançament de Claude Managed Agents, una nova suite d’eines pensada per desplegar agents d’intel·ligència artificial a escala. La proposta és clara: facilitar que empreses i desenvolupadors puguin crear agents autònoms sense haver de construir tota la infraestructura des de zero. El sistema ofereix execució segura de codi, gestió de sessions, control d’accés i coordinació entre múltiples agents, tot gestionat al núvol.

En la pràctica, això permet passar d’idees a aplicacions reals en qüestió de dies, i no mesos. Empreses com Notion, Rakuten o Asana ja ho utilitzen per automatitzar tasques que van des del desenvolupament de programari fins a processos de recursos humans o finances. El moviment és significatiu perquè apunta a un canvi de model: la IA deixa de ser una eina puntual per convertir-se en una infraestructura operativa contínua, amb agents que treballen de manera persistent.

A més, Anthropic reforça la seva aposta pel segment empresarial. Amb aquesta nova capa d’infraestructura, no només ofereix intel·ligència, sinó també el sistema per posar-la en producció. El missatge és clar: en la nova economia de la IA, el valor no és només el model, sinó la capacitat de convertir-lo en treball real dins de les organitzacions.

 

La recerca IA 

GLM-5.1: Towards Long-Horizon Tasks - AI Lab: Z.ai

El nou model GLM-5.1 representa aquest salt. No només escriu codi millor que els seus predecessors, sinó que canvia la manera de treballar: és capaç de comportar-se com un enginyer autònom, capaç d’afrontar problemes complexos durant hores. En proves exigents de desenvolupament de programari, GLM-5.1 supera models anteriors i es col·loca al capdavant en tasques reals, des de la generació de repositoris complets fins a la resolució de problemes en terminals. Però el més rellevant no és només el rendiment inicial.

Els models anteriors sovint resolien els primers passos i després s’estancaven. GLM-5.1, en canvi, és capaç de persistir: descompon problemes, prova solucions, analitza errors i ajusta l’estratègia de manera iterativa. Pot treballar durant centenars d’interaccions, millorant progressivament el resultat. Això el fa especialment potent en contextos amb poca estructura o sense mètriques clares, com la construcció d’una aplicació web completa, on el mateix model decideix què cal millorar.

Industrial Policy - AI Lab: OpenAI 

OpenAI ja no parla només de tecnologia, sinó de com transformar tota l’economia. En un document estratègic de 13 pàgines, la companyia dibuixa com podria ser un món dominat per la intel·ligència artificial. La proposta parteix d’una idea clau: si la IA redueix el pes del treball humà, també caldrà repensar com es distribueix la riquesa.

Per això, OpenAI planteja traslladar part de la fiscalitat del treball al capital, incloent-hi idees com impostos sobre robots, fons públics de riquesa o fins i tot pagaments directes als ciutadans finançats pels beneficis de la IA. Al mateix temps, el document apunta a canvis socials profunds: una possible setmana laboral de quatre dies i un reforç dels beneficis empresarials, com la sanitat, la cura dels infants o les pensions. En paral·lel, defensa una inversió massiva en infraestructures —xips, centres de dades i energia— i proposa tractar la IA com una infraestructura bàsica, gairebé com un servei públic, per garantir-ne l’accés generalitzat.

PaperOrchestra: A Multi-Agent Framework for Automated AI Research Paper Writing - AI Lab: Google

La intel·ligència artificial comença a entrar en un dels terrenys més complexos del món acadèmic: l’escriptura científica. Un nou sistema anomenat PaperOrchestra proposa automatitzar una tasca clau però poc explorada: transformar materials de recerca desordenats —notes, dades o esbossos— en articles científics complets i llestos per publicar.

A diferència d’altres eines, aquest model funciona amb un enfocament multiagent, capaç de sintetitzar literatura acadèmica, estructurar arguments i fins i tot generar elements visuals com gràfics o diagrames. L’objectiu és anar més enllà de simples resums i produir manuscrits amb qualitat real.

Per mesurar-ne el rendiment, els investigadors han creat PaperWritingBench, un nou estàndard basat en 200 articles de conferències d’IA de primer nivell. En avaluacions amb humans, el sistema supera clarament altres solucions automàtiques, amb millores significatives en la qualitat de la revisió bibliogràfica i del document final.

El que està en joc és rellevant: la IA no només ajuda a investigar, sinó que comença a escriure ciència. Si aquesta tendència es consolida, podria transformar profundament la producció acadèmica, accelerant el ritme de publicació però també obrint nous debats sobre autoria, qualitat i criteris científics.

Self-Adapting Language Models - AI Lab: MIT

La intel·ligència artificial fa un nou pas cap a l’autonomia. Un nou enfocament, anomenat SEAL (Self-Adapting LLMs), planteja un canvi profund: models capaços d’aprendre i adaptar-se per si mateixos. Fins ara, els grans models de llenguatge eren essencialment estàtics. Per millorar-los calia entrenar-los de nou amb dades externes i processos complexos.

SEAL trenca aquesta lògica. El sistema permet que el mateix model generi les seves pròpies instruccions d’aprenentatge: crea dades d’entrenament, decideix com optimitzar-se i fins i tot ajusta els seus propis paràmetres. Aquest procés es basa en un bucle d’aprenentatge en què el model es “reprograma” a si mateix en funció dels resultats obtinguts.

El més rellevant és que aquests canvis no són temporals: el model incorpora els nous coneixements de manera persistent, modificant els seus pesos interns. En experiments, aquest enfocament millora la capacitat d’incorporar nova informació i d’adaptar-se a tasques amb pocs exemples. El missatge és clar:  la IA comença a passar de ser entrenada pels humans a entrenar-se a si mateixa. Si aquesta línia evoluciona, podria transformar completament el desenvolupament de models, acostant-nos a sistemes molt més flexibles —i potencialment molt més difícils de controlar.

Com la IA ens canviarà la vida

Robots que netegen platges
Robots que només netegen les platges.

Cultiu sense pesticides
Cultiu ecològic sense pesticides amb robots que eliminen les males herbes.

La marató de robots
Robots entrenant-se per a la pròxima marató de robots a la Xina.

Altres notícies

-Microsoft Exec Eric Boyd ha fitxat per Anthropic com a cap d’infraestructura.
-Intel s’incorpora al projecte Terafab de SpaceX i Tesla.
-Elon Musk intenta treure Sam Altman i Greg Brockman de la non-profit d’OpenAI.
-Intel aposta pel packaging de xips, combinant diversos chiplets.
-El nou model de generació d’imatges d’OpenAI, Image V2, sembla molt prometedor i ja s’està testejant.
-Google també té en fase de proves el seu agent Jules V2, dedicat a la programació.
-Anthropic ha signat un acord amb Google i Broadcom per valor de diversos gigawatts.
-Alguns models de Meta seran open source, però només alguns, més petits i en el futur. Això marca un canvi de rumb de l’empresa, similar al que està passant a la Xina.