La IA ha estat al punt de mira de la campanya, amb propostes concretes per frenar-ne el desenvolupament. Algunes de les candidatures que les defensaven han guanyat. Ara caldrà veure quines passen dels discursos als permisos, als pressupostos i a les lleis. La proposta més radical és la de Bernie Sanders i el congressista demòcrata Greg Casar: prohibir permanentment la superintel·ligència i suspendre el desenvolupament dels models més avançats fins que un nou departament federal n’estableixi les condicions de seguretat. El projecte preveu penes de fins a vint anys de presó per determinades infraccions. Encara és una proposta, però situa una frontera política sobre la capacitat de les màquines: una IA que superi el rendiment cognitiu humà en la majoria d’àmbits quedaria prohibida. Al costat d’aquest debat, n’hi ha un altre amb conseqüències immediates: les limitacions als centres de dades. Aquí el rebuig té una explicació molt tangible. Els veïns temen que el consum d’aquestes instal·lacions encareixi l’electricitat, mentre les dificultats de connexió empenyen alguns projectes a instal·lar generació pròpia amb gas, amb emissions contaminants. La infraestructura avança més lentament que la demanda.

A Espanya coneixem prou bé aquest desajust. Les xarxes saturades, la planificació insuficient i la lentitud administrativa es converteixen en un fre per a la indústria, la mobilitat elèctrica i la IA. El problema també és portar l’electricitat fins on es necessita i fer-ho a temps. Quan aquesta infraestructura arriba tard, apareixen tensions sobre els costos i el subministrament. I la factura elèctrica és una qüestió que els electors entenen perfectament. La gran pregunta és quina serà la resposta política. Els estats i les administracions locals tenen una influència directa sobre els permisos, l’urbanisme i les condicions d’instal·lació. Texas serà especialment interessant: els demòcrates han guanyat el governador i la Cambra de Representants estatal, mentre que els republicans conserven el Senat. El poder queda repartit en un dels territoris on més s’està jugant la cursa de la IA.

Què passarà a Texas? Què passarà amb Elon Musk, que tant ha contribuït a finançar els republicans i que hi ha concentrat bona part dels seus negocis? Són dues grans incògnites. A Washington, la nova majoria demòcrata també tindrà més capacitat per impulsar regulació i fiscalitzar les empreses, tot i que haurà de comptar amb la presidència de Trump. El risc estratègic és evident: si els Estats Units converteixen la preocupació per la IA en una frenada general, poden donar un avantatge decisiu a la Xina. Acabarem fent servir models xinesos en centres de dades xinesos? Mentrestant, l’ús de la IA avança i transforma professió rere professió. Els comptes d’Anthropic han revelat una dada impensable fa només un any: el valor del Claude que consumeixen internament, calculat a preus de venda al públic, ja supera la despesa mensual de personal sense remuneració en accions. És una comparació de valor comercial que il·lustra fins a quin punt la capacitat de càlcul s’ha incorporat al treball.

L’altra xifra és encara més espectacular: el volum diari de codi incorporat per enginyer durant el tercer trimestre del 2026 és més de quaranta-cinc vegades superior a la mitjana del 2024. Quaranta-cinc vegades. Més codi no equival automàticament a quaranta-cinc vegades més productivitat, però el canvi d’escala és enorme: al setembre, més del 90% d’aquest codi l’havia escrit Claude. Amb agents treballant en paral·lel, un equip pot multiplicar la feina que executa en pocs dies. Quines aplicacions i millores en resultaran? Aquesta és una de les preguntes més interessants dels pròxims mesos. En aquesta línia, SemiAnalysis ha presentat GDPx, un benchmark amb 206 tasques d’onze àmbits professionals. Els agents disposen habitualment de fins a vuit hores per encàrrec i han de treballar en entorns realistes, buscant informació i utilitzant eines. Els resultats són molt baixos: Opus 5.5 encapçala la classificació amb un 12% de puntuació global i, en finances i dret, pràcticament tots els models obtenen un zero quan es demana completar satisfactòriament la tasca.

La distància amb els benchmarks espectaculars és considerable. Aquest nou benchmark pot orientar el desenvolupament cap als problemes que impedeixen acabar una feina real: mantenir el fil, trobar les dades rellevants, detectar errors i arribar a un resultat utilitzable. Un bon resultat en un examen encara deixa molt camí fins a poder delegar tot un procés professional. La setmana també ha recordat que la fragilitat digital té conseqüències físiques. Incidents atribuïts a ciberatacs han alterat les temperatures de neveres i congeladors de supermercats de nou països europeus, obligant a llençar aliments. No s’ha acreditat que s’hi utilitzés IA. Però, a mesura que augmentin les capacitats dels agents, protegir els sistemes que controlen instal·lacions reals serà encara més urgent.

Finalment, investigadors del MIT han publicat un treball en què un model gran modifica directament els pesos d’un de petit. GPT-6 Astra corregeix un problema de bucles repetitius de Qwen3.5-0.8B alterant només el 0,016% dels pesos. L’encert en MATH-500 passa del 7,9% al 48,1%. Això obre una via per reparar i adaptar models amb intervencions molt precises. Amb accés als pesos, també es podrien alterar algunes restriccions imposades durant l’entrenament, tant polítiques com vinculades a peticions sobre ciberatacs o usos químics perillosos. L’experiment no ha provat aquests usos, però mostra una capacitat d’intervenció interna que apunta cap a models capaços de participar directament en el desenvolupament d’altres models i, més endavant, en la seva pròpia millora. I, és clar, seguim tenint models nous i millors!

Les notícies clau

Les midterm i la IA 
Bernie Sanders i el congressista demòcrata Greg Casar han portat al Congrés una proposta per prohibir la superintel·ligència i suspendre el desenvolupament dels models més avançats fins que una nova autoritat federal estableixi les condicions de seguretat. El projecte preveu penes de fins a vint anys de presó per determinades infraccions. Encara no és llei ni representa una posició compartida per tot el Partit Demòcrata, però situa la suspensió del desenvolupament tecnològic entre les opcions polítiques que es discuteixen a Washington. La dificultat serà definir quines capacitats justifiquen la prohibició i aconseguir que aquesta tingui efectes més enllà dels laboratoris nord-americans.

Aquesta pressió coincideix amb una resistència molt més immediata als centres de dades: 46 de les 47 votacions locals resoltes aquest any han afavorit limitar-ne el desplegament. Una preocupació central és que el seu consum elèctric acabi encarint la factura de les llars. El conflicte té, per tant, una base econòmica concreta: qui assumeix els costos de l’expansió de la IA i qui en rep els beneficis. També hi ha municipis que han apostat per acollir aquestes instal·lacions amb retorns palpables. A New Albany, a Ohio, els acords amb els operadors generen ingressos que financen parcs, equipaments i infraestructures locals. Això no elimina les discrepàncies, però mostra la importància de les condicions negociades. Per a les empreses, anunciar inversions multimilionàries té un valor limitat si els veïns preveuen una electricitat més cara i no identifiquen cap millora en els serveis que reben.

Quan els tokens valen més que els sous
Els comptes d’Anthropic contenen una dada que anticipa com poden canviar les empreses: a l’abril, el valor del seu consum intern de Claude ja superava la despesa mensual de personal, excloent-ne la remuneració en accions. La comparació està feta a preus de venda al públic, de manera que no equival al cost real que suporta la companyia. Però il·lustra fins a quin punt la capacitat de càlcul s’ha integrat en el treball quotidià. El pressupost de tokens comença a ser una decisió sobre quanta capacitat de producció es posa a disposició dels treballadors.

Un altre indicador és encara més contundent: durant el tercer trimestre del 2026, el volum diari de codi incorporat per enginyer va ser més de 45 vegades superior a la mitjana del 2024. Al setembre, més del 90% d’aquest codi l’havia escrit Claude. Produir més codi no equival automàticament a generar més valor, però el canvi organitzatiu és substancial: els enginyers dirigeixen i revisen agents que executen tasques cada vegada més llargues. Per als directius, això obliga a revisar una pràctica molt estesa: controlar la despesa en IA sense mesurar el treball que permet fer. Estalviar tokens pot acabar sortint car si limita la capacitat dels treballadors.

ChatGPT posa les imatges en moviment
OpenAI ha presentat Images 2.6, que incorpora la creació de GIFs a ChatGPT i Codex: animacions breus en bucle que es poden generar a partir d’una descripció o d’una imatge. Una fotografia de producte, una mascota de marca o un esbós poden convertir-se en una peça animada. L’actualització també millora la consistència dels personatges i dels productes entre edicions successives. Per a qui treballa en comunicació, aquesta continuïtat té una utilitat evident: permet explorar variants d’una campanya conservant els elements que en defineixen la identitat.

Les novetats per als desenvolupadors apunten en la mateixa direcció. Flare prioritza la velocitat, mentre que Sunburst està orientat al detall i a les edicions precises. La possibilitat d’assenyalar directament quina zona cal modificar dona més control sobre els retocs, i la sortida en SVG permet obtenir gràfics vectorials que es poden ampliar i editar per incorporar-los a webs, aplicacions o materials impresos. En conjunt, OpenAI continua acostant la generació d’imatges al procés de producció de disseny. Per a les empreses, el guany potencial és reduir el temps entre una idea, les seves revisions i una peça que es pugui publicar.

Sequoia tanca a Londres: Europa perd influència
Sequoia tanca la seva oficina de Londres i dirigirà les inversions europees des de Silicon Valley. L’explicació del fons és reveladora: considera que pot identificar i donar suport als grans emprenedors europeus sense mantenir una presència local. El moviment forma part d’una reorganització per simplificar l’estructura i prendre decisions més ràpidament en un mercat transformat per la IA. Però la conseqüència europea és concreta: tres dels quatre socis de Londres han rebutjat traslladar-se als Estats Units i deixaran de fer noves inversions amb Sequoia. La firma continuarà invertint a Europa, però prescindirà de bona part de l’equip que buscava oportunitats des del territori.

El tancament se suma a les sortides d’Andreessen Horowitz i Coatue. En plena expansió de la IA, alguns dels grans inversors nord-americans consideren que poden prescindir d’una base europea. És un senyal del poc pes del continent en els centres de decisió d’aquesta indústria: Europa produeix investigadors, emprenedors i empreses valuoses, però aquests actius encara no li asseguren una posició central en l’assignació del capital. Quan els inversors concentren els seus equips a Silicon Valley, reforcen la proximitat amb les empreses, els laboratoris i les xarxes professionals d’aquell ecosistema. Per a Europa, el risc és aportar talent i idees mentre el capital i la capacitat de decidir s’acumulen als Estats Units.

Com la IA ens canviarà la vida

Robots dentistes

 

Revolut fa servir Open Weights 

 

Els camions elèctrics arriben al 50% a la Xina

La recerca en IA 

Sparks of Weight-Space Programming-AI Lab: MIT CSAIL – Rikya Takehi 
Investigadors del MIT CSAIL han publicat un experiment en què GPT-6 Astra modifica directament els pesos de Qwen3.5-0.8B, els paràmetres numèrics que determinen com funciona el model. Amb accés a Python i a problemes de pràctica, Astra identifica una causa dels bucles repetitius que impedeixen a Qwen acabar les respostes. La corregeix alterant només el 0,016% dels pesos, sense recórrer al descens del gradient de l’entrenament convencional. En MATH-500, l’encert passa del 7,9% al 48,1%. Els autors anomenen aquesta aproximació weight-space programming: utilitzar el raonament d’un model per diagnosticar i reescriure parts d’una altra xarxa neuronal.

Per què és important
La importància és que podria fer l’edició dels models més accessible i automatitzable. Amb accés als pesos, una IA podria ajudar a reparar errors, adaptar comportaments o debilitar algunes salvaguardes incorporades durant l’entrenament, com les que fan rebutjar determinades peticions. Altres investigacions ja han demostrat que aquests mecanismes de rebuig es poden alterar intervenint en l’interior dels models. També apunta cap a una via d’automillora: un sistema que detecti errors, proposi modificacions internes i comprovi si funcionen abans d’incorporar-les. L’experiment del MIT repara una capacitat bloquejada en un altre model; encara no demostra que una IA pugui editar-se i millorar-se a si mateixa. Però obre la possibilitat que els models participin cada vegada més directament en la construcció i l’evolució dels seus successors.

Language Models Need Sleep: Learning to Self-Modify and Consolidate Memories-AI Lab: Google Research and Cornell University 
El treball Language Models Need Sleep proposa que els models alternin l’activitat amb períodes de "son" dedicats a consolidar el que han après. Durant l’ús, un model pot incorporar informació al context d’una conversa, però això habitualment no modifica els seus pesos ni es converteix en coneixement permanent. La proposta introdueix dues etapes: primer consolida la memòria de curt termini en paràmetres persistents, ampliant la capacitat disponible; després, en la fase de "somni", genera i selecciona exemples sintètics amb què continua entrenant-se. Els experiments mostren millores en aprenentatge continu, incorporació de coneixements i generalització a partir de pocs exemples.

Per què és important
La conseqüència potencial és que un assistent pugui acumular experiència útil després del desplegament. En una empresa, podria consolidar procediments, criteris i excepcions apresos durant el treball, i practicar amb casos generats per ell mateix per millorar-ne l’aplicació. Això acostaria la IA a un procés d’aprenentatge sostingut: utilitzar-la avui podria contribuir a fer-la més competent demà. El "son" és una metàfora per a un cicle automatitzat d’entrenament, amb arquitectura i regles definides pels investigadors. La dificultat serà determinar quines experiències mereixen convertir-se en coneixement estable: incorporar informació nova sense deteriorar el que el model ja sabia i aprendre dels errors sense acabar consolidant-los.

RSI Arena: Towards Recursive Self-Improvement with Human Feedback-AI Lab: Notre Dame, B ake AI, UCLA, Stanford, Nvidia , NYU, Washington, Santa Clara, Scale AI, Hugging Face, MIT 
L’experiment RSI Arena ha posat deu models avançats a fer de desenvolupadors d’intel·ligència artificial. Cadascun parteix del mateix model base de NVIDIA i disposa de sis dies, mil hores de GPU i 300 dòlars per consultar models via API. Els agents seleccionen les dades, implementen els procediments d’entrenament i trien la versió final. Tots deu aconsegueixen produir assistents funcionals. El millor, entrenat per GPT-6 Astra, redueix un 76% la diferència entre el model base i la versió Instruct de NVIDIA, prenent la mediana de dotze proves de capacitat. És una demostració concreta que part del treball de postentrenament es pot delegar a agents.

Per què és important
Després, els investigadors els donen les valoracions humanes dels seus assistents i tres dies més per millorar-los. Vuit dels deu assistents augmenten la seva puntuació relativa de preferència, fins i tot corregint l’efecte de la llargada i el format de les respostes. Però els avenços en les proves de capacitat són modestos i un dels assistents es torna més propens a complir peticions perjudicials. El resultat mostra tant la possibilitat d’automatitzar el desenvolupament com la importància de definir què vol dir millorar: agradar més als usuaris no garanteix resoldre millor les tasques. Els agents entrenen un altre model; l’automillora del mateix sistema entrenador continua sent un pas pendent. El feedback humà, però, ja pot orientar un procés de desenvolupament executat per la IA.